Anthropic Avalia a Eficácia de Agentes de IA em Negociações Humanas

A Anthropic demonstra um avanço significativo na capacidade de seus modelos Claude atuarem como agentes de negociação autônomos. No estudo, agentes representaram funcionários em uma troca de livros, aprendendo suas preferências após um breve bate-papo de cinco minutos. A taxa de acerto do Claude em inferir essas preferências, comparada às classificações reais dos participantes, foi de 61%, um número que supera abordagens mais simples como a popularidade de livros ou filtragem colaborativa.

Este experimento, que a Anthropic chama de um "sequel" mais controlado do Project Deal (um experimento anterior com agentes em um marketplace), coloca o modelo Fable 5 para aprender as preferências e outros modelos (Haiku 4.5, Sonnet 4.5, Opus 4.8) para negociar no "trading floor" digital. A descoberta principal foi que a performance do modelo, não apenas as instruções dadas aos agentes (se eram "ruthless" ou "prosocial"), impactou os resultados das negociações. Isso indica que a base do modelo de IA é crucial para a eficácia do agente em ambientes de mercado complexos. O CEVIU já acompanhou o uso do Claude em tarefas internas de P&D, como visto na matéria de 18 de setembro de 2026 sobre o Claude gerenciar milhares de agentes internos, e também seu uso no Goldman Sachs para automatizar funções de back-office, conforme noticiado em 16 de fevereiro de 2026. Agora, o foco se expande para negociações autônomas diretas.

Agentes de IA capazes de negociar eficientemente abrem portas para um futuro onde transações complexas, que hoje demandam muito tempo e esforço humano, podem ser automatizadas. Pense em cenários de varejo, coordenação de equipes ou até mesmo mercados financeiros. A pesquisa da Anthropic sugere que um agente poderia, por exemplo, negociar um melhor plano de tratamento de saúde ou encontrar um emprego mais adequado para um usuário, operando 24 horas por dia. O desafio agora passa a ser não só aprimorar a capacidade de negociação da IA, mas também garantir que o agente compreenda perfeitamente a intenção do usuário e que os mercados onde atuam tenham regras claras de engajamento.