¿Puede Claude comprar por ti? Anthropic ya lo probó

Claude negoció compras reales en un ensayo de Anthropic que anticipa cómo los agentes de IA pueden cambiar precios, poder y consumo digital.

Anthropic ha probado un pequeño mercado interno en el que agentes de inteligencia artificial negociaban entre ellos para comprar y vender objetos reales en nombre de personas reales. No era una simulación decorativa ni una de esas demos con olor a feria tecnológica: participaron 69 empleados de la compañía, cada uno con un presupuesto de 100 dólares, y los acuerdos cerrados por los agentes acabaron traduciéndose en intercambios físicos de bienes y dinero. El experimento, llamado Project Deal, terminó con 186 operaciones y un valor total superior a los 4.000 dólares. Una especie de Wallapop de oficina, sí, pero con avatares de Claude regateando como si llevaran toda la vida detrás de un mostrador.

La noticia importa porque enseña algo más profundo que una curiosidad simpática sobre máquinas vendiendo bicicletas rotas, bolas de ping-pong o rubíes cultivados en laboratorio. Anthropic ha puesto sobre la mesa una pregunta incómoda para el comercio digital que viene: si los agentes de IA empiezan a comprar, vender, comparar precios y cerrar acuerdos por nosotros, quien tenga el agente más listo puede salir ganando sin que el resto se entere. En las pruebas, Claude Opus 4.5 obtuvo mejores resultados objetivos que Claude Haiku 4.5; vendió más caro, compró más barato y cerró más acuerdos. Lo inquietante es que los humanos representados por el modelo más débil no percibieron claramente esa desventaja.

El experimento de Anthropic que convirtió a Claude en negociador

Project Deal nació como una prueba limitada, con participantes voluntarios y dentro del ecosistema de Anthropic. Conviene subrayarlo pronto para no vender humo: no fue un marketplace abierto al público, ni una plataforma comercial lista para aterrizar mañana en el móvil de cualquiera. Fue un ensayo controlado, con empleados de la propia empresa, objetos de segunda mano y un entorno corporativo relativamente seguro. Aun así, la prueba tiene bastante pólvora conceptual. No se trataba de pedir a una IA que recomendara una compra o resumiera una ficha de producto, sino de dejar que agentes autónomos publicaran anuncios, hicieran ofertas, respondieran contraofertas y cerraran tratos en lenguaje natural, sin un protocolo rígido de negociación preparado de antemano.

El mecanismo fue sencillo de explicar y bastante sofisticado en sus consecuencias. Primero, los empleados hablaron con Claude para detallar qué querían vender, cuánto esperaban obtener, qué podían estar dispuestos a comprar y qué estilo de negociación preferían. Con esa información, Anthropic generó agentes personalizados para cada participante. Luego esos agentes fueron desplegados en canales de Slack donde podían interactuar entre ellos: unos anunciaban productos, otros mostraban interés, algunos regateaban, otros aceptaban. Cuando dos agentes llegaban a un acuerdo, se registraba la operación. En la versión real del experimento, los humanos acababan entregando los objetos y ajustando cuentas. La compraventa salía de la pantalla y caía sobre la mesa de la oficina, con su torpe materialidad de mochila usada, bicicleta necesitada de cariño o paquete de pelotas de ping-pong.

Anthropic no montó una sola versión del mercado, sino cuatro. Una de ellas era la “real”, la que acabaría teniendo consecuencias físicas y económicas. Las otras tres funcionaban como escenarios de estudio. En dos de las pruebas todos los agentes estaban basados en Claude Opus 4.5, el modelo más avanzado de la compañía en ese contexto. En las otras dos, los participantes podían ser representados por Opus o por Haiku, un modelo más pequeño. Esa diferencia permitió observar algo que, en la economía digital, puede convertirse en una grieta enorme: la calidad del intermediario algorítmico cambia el resultado de una negociación. No suena revolucionario hasta que se imagina a millones de agentes comprando vuelos, seguros, móviles, acciones, servicios profesionales o energía doméstica en nombre de sus usuarios. Ahí la anécdota empieza a quitarse el disfraz.

186 acuerdos, 500 objetos y una economía de oficina con IA

Los números del experimento son modestos si se comparan con cualquier plataforma comercial de verdad, pero suficientes para que el ensayo tenga valor. En la ejecución real, los 69 agentes cerraron 186 acuerdos sobre más de 500 artículos anunciados, con un importe agregado por encima de los 4.000 dólares. No hubo una simple pulsación automática de “comprar ahora”. Los agentes tuvieron que buscar coincidencias entre deseos y ofertas, detectar oportunidades, proponer precios, medir el tono del otro agente y llegar a un punto aceptable. Dicho en cristiano: hicieron una parte sustancial de lo que ya hacen millones de personas cuando venden algo en una aplicación de segunda mano, solo que sin cansarse, sin vergüenza y sin esa frase tan humana de “te doy la mitad y paso hoy”.

El resultado incluyó escenas casi cómicas, de esas que parecen inventadas por un guionista con debilidad por la tecnología rara. Un participante pidió a Claude que negociara con estilo de vaquero desesperado; el agente obedeció con entusiasmo teatral. Otra empleada permitió que Claude comprara algo como regalo para sí mismo, y el agente eligió pelotas de ping-pong baratas, presentadas con una solemnidad absurda y encantadora. También hubo experiencias no estrictamente materiales, como un acuerdo para pasar tiempo con un perro. En la superficie, todo tiene un punto de sainete de Silicon Valley: profesionales cualificados dejando que una IA les organice trueques domésticos mientras el futuro de la economía asoma por la rendija. Pero sería un error quedarse solo en la postal pintoresca.

Lo relevante es que el sistema funcionó lo bastante bien como para que Anthropic se declarara sorprendida por su eficacia. Los participantes, según la compañía, se mostraron satisfechos en términos generales y una parte significativa dijo que pagaría por un servicio similar en el futuro. Ese dato es pequeño pero elocuente. Hasta ahora, buena parte de la conversación pública sobre los agentes de IA se ha movido entre dos extremos: la promesa grandilocuente de asistentes que harán todo por nosotros y el miedo a sistemas opacos que toman decisiones sin control. Project Deal aterriza esa discusión en un espacio más vulgar y por eso más revelador: vender cosas que sobran, encontrar objetos deseados, negociar precios, ahorrar unos dólares. La revolución, como tantas veces, entra por la puerta de servicio.

Opus contra Haiku: el detalle que cambia la factura

La comparación entre modelos es el corazón incómodo del experimento. En las pruebas mixtas, Anthropic observó que los usuarios representados por Opus cerraban, de media, alrededor de dos acuerdos más que quienes estaban representados por Haiku. También vio que Opus lograba vender determinados artículos por más dinero. En los objetos vendidos en condiciones comparables, cuando el vendedor estaba representado por Opus el precio medio subía 3,64 dólares respecto a Haiku. Puede parecer poca cosa, casi calderilla. Pero en un mercado de oficina con precios medianos de 12 dólares y precios medios cercanos a 20, esa diferencia no es un adorno: es margen, es poder de negociación, es ventaja acumulada.

El ejemplo más llamativo fue una bicicleta plegable rota o, al menos, necesitada de reparación. Con Haiku como vendedor, se cerró por 38 dólares. Con Opus, el mismo tipo de operación alcanzó 65 dólares. La diferencia ronda el 70%. No porque el objeto cambiara mágicamente de estado ni porque apareciera un barniz de lujo sobre el cuadro oxidado. Cambió el agente. Cambió la manera de presentar, insistir, leer el interés del comprador y sostener el precio. En otro caso, un rubí cultivado en laboratorio se vendió por 65 dólares con Opus y por 35 con Haiku. Es la vieja ley del comercio —quien negocia mejor rasca más— llevada a un territorio nuevo, donde el negociador ya no es una persona con labia, sino un modelo de inteligencia artificial con capacidades desiguales.

Más aún: Anthropic estimó que Opus, actuando como vendedor, obtenía 2,68 dólares más de media por el mismo artículo, y como comprador pagaba 2,45 dólares menos. Lo interesante no es solo que un modelo más capaz gane, algo bastante esperable, sino la forma silenciosa en que se expresa esa ventaja. Un usuario podría salir de una transacción convencido de que todo ha sido justo, razonable, incluso cómodo, mientras otro usuario con mejor agente ha exprimido mejor el precio. No hay gritos, no hay abuso visible, no hay una mano levantada en medio del mercado. Solo una pequeña desviación estadística. La desigualdad con zapatillas de andar por casa.

La brecha invisible entre agentes buenos y agentes baratos

Aquí aparece el verdadero problema público. Anthropic comprobó que las personas no percibían con claridad la diferencia entre ser representadas por un agente más potente o por uno más limitado. En las encuestas posteriores, las valoraciones de justicia de los acuerdos se mantuvieron prácticamente en el centro de la escala. Incluso cuando Opus había producido mejores resultados objetivos, los usuarios no siempre lo colocaban por encima de Haiku en su experiencia subjetiva. Dicho sin rodeos: se puede perder dinero de forma amable. Y, si el sistema es suficientemente fluido, educado y convincente, quizá ni siquiera se note.

Esa es la parte menos vistosa y más seria del asunto. La economía digital ya está llena de asimetrías que el usuario medio apenas ve: algoritmos de precios dinámicos, rankings patrocinados, recomendaciones interesadas, comisiones escondidas, intermediarios que ordenan el escaparate según incentivos que no siempre coinciden con los del comprador. Los agentes de IA pueden añadir otra capa. Ya no se trataría solo de que una plataforma decida qué vemos, sino de que distintos usuarios lleguen al mercado con representantes de distinta potencia. Uno llevará un abogado fino, otro un becario bienintencionado, y ambos pensarán que la negociación ha sido normal porque la interfaz sonreía igual.

En un escenario doméstico, la diferencia puede ser ridícula: unos euros en una bicicleta vieja, un libro usado o una lámpara de escritorio. En un escenario empresarial, financiero o sanitario, ya no tanto. Si agentes de IA terminan negociando compras corporativas, licencias de software, condiciones de seguros, alquileres, hipotecas o contratos de suministro, la calidad del agente puede convertirse en una nueva forma de capital. No solo importará cuánto dinero tienes, sino qué IA puede defenderlo por ti. Y ahí la tecnología empieza a parecerse menos a un asistente universal y más a un club con distintas puertas de entrada. La versión premium no solo responde más bonito; quizá también te compra mejor, te vende mejor y te protege mejor.

Anthropic no afirma que ese futuro esté cerrado ni que su prueba permita extrapolar sin cautelas. El experimento fue pequeño, interno y con una muestra autoseleccionada. Pero precisamente por eso funciona como aviso temprano. No demuestra cómo será toda la economía agentiva, pero sí enseña que sus tensiones básicas ya son visibles en miniatura: autonomía, incentivos, calidad desigual, percepción imperfecta del usuario y una zona gris legal todavía bastante desnuda. Como cuando en una maqueta se intuye la ciudad entera: las calles son pequeñas, los coches no se mueven, pero el atasco ya está ahí.

Regatear fuerte no bastó: la sorpresa de las instrucciones

Otro hallazgo curioso fue que las instrucciones agresivas no parecieron tener un efecto estadísticamente significativo en la probabilidad de vender más, vender mejor o comprar más barato. Algunos participantes pidieron a sus agentes que fueran amables, colaborativos, casi vecinales. Otros les animaron a presionar, empezar con ofertas bajas y negociar duro. La intuición humana diría que la actitud más agresiva debería dar mejores resultados. El experimento no lo confirmó de manera clara. En parte, porque el modelo ya disponía de sus propias capacidades de negociación; en parte, porque decirle a una IA “sé duro” no equivale necesariamente a dotarla de mejor criterio comercial.

Este punto conviene mirarlo con calma, porque desmonta una fantasía muy extendida sobre los asistentes de IA: la idea de que el usuario controla el resultado afinando unas cuantas frases mágicas. El famoso prompt, convertido en conjuro de oficina. Project Deal sugiere algo menos tranquilizador. Las instrucciones importan, sí, pero la arquitectura del modelo, su capacidad de interpretar el contexto, comparar opciones y sostener una estrategia puede pesar mucho más. No basta con pedirle al agente que sea listo. Tiene que serlo. Y, si no lo es, la retórica del usuario quizá solo consiga ponerle un sombrero de vaquero a una negociación mediocre.

Esto no significa que las instrucciones sean inútiles. Sirven para definir preferencias, límites, tono, prioridades y aversiones. Un usuario puede preferir vender rápido antes que maximizar precio, evitar regateos pesados, no comprar determinados productos o priorizar relaciones personales sobre margen económico. Pero hay una diferencia entre estilo y competencia. Una IA puede obedecer el estilo con brillantez teatral —“negocia como cowboy triste”, y allá va el pobre jinete digital— sin que eso garantice el mejor resultado económico. La máquina interpreta el papel; el mercado evalúa la jugada.

Un mercado sin humanos visibles, pero lleno de decisiones humanas

La palabra “autónomo” engaña un poco. Los agentes negociaban sin consultar a sus usuarios durante el proceso, pero estaban cargados de preferencias humanas desde el inicio. Querían vender lo que alguien había dicho que quería vender, comprar lo que alguien había insinuado que le interesaba, respetar límites de precio y seguir estilos definidos en una conversación previa. No eran criaturas libres recorriendo un bazar por capricho propio. Eran representantes. Mandatarios lingüísticos. Pequeños intermediarios con una misión prestada.

La novedad está en que esos representantes pueden interactuar entre sí a gran escala. Hoy, comprar por internet sigue siendo una experiencia principalmente humana, aunque asistida por algoritmos: buscamos, comparamos, filtramos, leemos reseñas, dudamos, abandonamos el carrito, volvemos, caemos en una oferta que quizá no era tan oferta. En una economía de agentes, parte de ese recorrido se desplaza. El usuario expresa preferencias y límites; el agente explora, negocia y ejecuta. La pantalla deja de ser escaparate y se convierte en sala de máquinas. Menos clics, más delegación. Menos “añadir al carrito”, más “encárgate tú”.

Eso puede ser útil. Mucho. Un agente bien diseñado podría ahorrar tiempo, encontrar mejores precios, evitar compras impulsivas, detectar cláusulas abusivas o comparar condiciones con una paciencia que ningún ser humano normal mantiene después de diez pestañas abiertas. Podría ayudar a personas mayores, trabajadores saturados, pequeños negocios sin departamentos de compras o consumidores hartos de interfaces diseñadas para marear. La promesa no es falsa. Sería absurdo negarlo con gesto de notario ofendido. Pero cada promesa trae su reverso: quién audita al agente, quién responde si compra mal, qué datos necesita para negociar, qué incentivos gobiernan sus recomendaciones, qué ocurre cuando el vendedor también tiene un agente optimizado para presionar al comprador.

Anthropic menciona riesgos como la inyección de instrucciones maliciosas o el jailbreaking, dos problemas que, traducidos al castellano corriente, consisten en manipular al agente para que revele información, ignore límites o actúe contra los intereses de su usuario. En un mercado donde los agentes leen mensajes, ofertas, anuncios y descripciones creadas por otros agentes o por humanos, cualquier texto puede convertirse en un anzuelo. La vieja picaresca comercial, pero escrita para máquinas. Antes el vendedor colocaba el género bajo la mejor luz; mañana quizá esconda instrucciones invisibles para torcer el comportamiento del asistente rival.

El comercio que viene necesita reglas antes de parecer normal

El marco legal y político para agentes que compran y venden en nuestro nombre está todavía en pañales. No basta con decir que “el usuario aceptó” si el usuario no entiende realmente cómo decide su agente, qué información ha compartido, qué margen de maniobra tiene o frente a qué otros sistemas está negociando. La responsabilidad se vuelve pegajosa. Si una IA cierra un trato desfavorable, ¿culpa del usuario por delegar, del proveedor del modelo por ofrecer un sistema inferior, de la plataforma por diseñar un mercado opaco, del vendedor por explotar debilidades del agente? La respuesta cómoda no existe. Y cuando no existe, suele ganar quien tiene mejores abogados. Qué sorpresa.

Project Deal también anticipa una batalla menos visible: la optimización para captar la atención de agentes. Durante años, el comercio electrónico se ha obsesionado con captar la atención humana mediante colores, descuentos, urgencias fingidas, reseñas destacadas y botones colocados con malicia quirúrgica. Si los agentes pasan a mediar la compra, las tiendas empezarán a optimizar sus productos, descripciones y condiciones para gustar a esos sistemas. Nacerá una especie de SEO para agentes compradores, una gramática comercial diseñada no para convencer al ojo humano, sino al evaluador automático. Y ahí puede aparecer otro teatro: productos no necesariamente mejores, sino mejor empaquetados para la lógica del agente.

La cuestión de la desigualdad tampoco es menor. Si los mejores agentes cuestan más, los usuarios con más recursos tendrán representantes más eficaces. Si las empresas pueden entrenar agentes vendedores mucho más agresivos que los asistentes de los consumidores, el desequilibrio se inclinará hacia quien ya dominaba el mercado. Si cada plataforma ofrece su propio agente, quizá ese agente no sea neutral, sino leal al ecosistema que lo hospeda. Un asistente de compras que recomienda dentro de su propio jardín cerrado no es exactamente tu mayordomo; a veces se parece más al dependiente de la tienda con una sonrisa estupenda y comisión a final de mes.

El aviso pequeño de una economía enorme

El experimento de Anthropic no anuncia que mañana las inteligencias artificiales vayan a sustituir al comercio humano ni que nuestras compras queden en manos de robots negociadores mientras nosotros miramos al techo. Eso sería una caricatura cómoda, y las caricaturas sirven para reírse un rato, no para entender. Lo que enseña Project Deal es más concreto y más valioso: los agentes de IA ya pueden representar preferencias humanas en mercados simples, negociar entre sí, cerrar acuerdos reales y producir diferencias medibles según la calidad del modelo que los gobierna.

La noticia, vista desde España y desde cualquier economía digital madura, debería leerse como una señal temprana. No una alarma histérica, tampoco una postal optimista con brillantina. Una señal. El comercio electrónico lleva dos décadas acostumbrándonos a delegar pequeñas decisiones: guardar tarjetas, aceptar recomendaciones, ordenar por relevancia, confiar en puntuaciones, permitir que una plataforma recuerde nuestra talla o nuestro domicilio. Los agentes son el siguiente escalón: no solo recuerdan, actúan. No solo sugieren, pactan. No solo comparan, comprometen.

Lo más llamativo de Project Deal no son las pelotas de ping-pong de Claude ni el vaquero melancólico vendiendo objetos de oficina, aunque la imagen tenga su gracia. Lo importante es esa brecha fina, casi educada, entre quien llega al mercado con un agente mejor y quien no sabe que el suyo negocia peor. Ahí está el futuro oliendo todavía a laboratorio. Una economía donde las máquinas hablan entre ellas por nosotros puede resultar cómoda, eficiente y hasta divertida. También puede ser desigual, opaca y manipulable si se normaliza antes de entenderse. Anthropic ha abierto una ventanita. Al otro lado no hay ciencia ficción. Hay compraventa, regateo y poder. Lo de siempre, pero con otra voz.