Qué pasa cuando un agente de IA compra y vende por ti: lo que Anthropic midió con 201 empleados

Cuando un agente de IA compra o vende por ti, el mayor riesgo no es que negocie mal. El mayor riesgo es que no sepa bien qué quieres. Esa es la conclusión más incómoda de Project Swap, un experimento que Anthropic publicó el 24 de septiembre de 2026: de todo el resultado que se perdió respecto al óptimo posible, el 85% vino de representar mal las preferencias de las personas, y solo el 15% vino del proceso de negociar.

Si tienes un negocio y estás pensando en dejar que un agente de IA compre insumos, responda cotizaciones o cierre acuerdos por ti, este dato cambia el orden de las tareas. Antes de preocuparte por qué modelo es mejor negociando, tienes que preocuparte por algo más aburrido y más decisivo: que el agente tenga escrito, con precisión, lo que tú valoras, lo que no negocias y hasta dónde puede llegar.

En este artículo te cuento qué hizo exactamente Anthropic, qué midió, qué falló y, sobre todo, qué te toca construir a ti antes de delegar. Al final tienes un checklist copiable y mi punto de vista.

Qué fue Project Swap, explicado sin tecnicismos

Anthropic reunió a 201 de sus empleados en seis oficinas: 115 en San Francisco, 57 en Nueva York, 12 en Londres, 8 en Seattle, 6 en Washington DC y 3 en Dublín. Esta última se excluyó de la mayor parte del análisis por tener muy pocas personas. La idea era montar un mercado de libros de segunda mano donde cada persona fuera representada por un agente de Claude.

El proceso tuvo tres etapas, según describe la propia investigación de Anthropic:

• Primero, cada participante tuvo una conversación corta con Claude sobre sus gustos de lectura. La mediana fue de 216 palabras repartidas en ocho mensajes.
• Después, los agentes se encontraron en un "piso de negociación" digital. Podían proponer intercambios, aceptar o rechazar ofertas y conversar en público. Un trato solo se cerraba si todas las partes lo aceptaban, y todo el historial era visible para todos.
• Por último, tres semanas más tarde, las personas recibieron sus libros y respondieron una encuesta de satisfacción.

Un detalle metodológico que conviene tener presente: para convertir esas conversaciones cortas en una lista ordenada de libros, Anthropic usó un modelo fuerte (Fable 5) y comparó el resultado con una verdad de referencia, es decir, con el orden que cada participante daba a 10 libros de su propio grupo.

El hallazgo principal: el cuello de botella eran las preferencias

Anthropic midió la eficiencia del mercado en una escala de 0 a 1, calculada sobre el orden real que cada persona dio a sus libros. Los números son estos:

• El óptimo teórico, si todos hubieran sabido exactamente qué quería cada uno y se hubiera repartido perfecto, era 0,89.
• El resultado real del mercado fue 0,55, aproximadamente el quinto libro de una lista de diez.
• Si en vez de dejar que los agentes negociaran se hubiera hecho la mejor asignación posible a partir de las listas que Claude construyó, el resultado habría sido 0,60. Lo mismo dio un mecanismo centralizado clásico (Top Trading Cycles) calculado con esas mismas listas.

Haz la resta, y recuerda que hablamos de este intercambio de libros entre empleados de Anthropic, no de cualquier compra con agentes: entre 0,89 y 0,55 hay un déficit de 0,34 puntos. De esos 0,34, unos 0,29 (el 85%) se explican porque las listas de Claude eran imprecisas. Solo unos 0,05 (el 15%) se explican por haber soltado a los agentes en un mercado libre donde cada uno negocia como puede.

Esto desmonta una intuición muy extendida. Mucha gente piensa que delegar es arriesgado porque "la IA va a negociar mal". Lo que midió Anthropic es otra cosa: el mayor déficit venía de lo que el agente sabía de la persona, que era incompleto, y no de cómo negociaba: una vez que las listas de preferencias eran imprecisas, cambiar el mecanismo de mercado casi no mejoraba el resultado (0,55 frente a 0,60). Negociar bien con un objetivo equivocado solo te lleva más rápido al lugar equivocado.

Qué tan bien conocía Claude a cada persona

La propia investigación pone números a esa imprecisión. Las listas de Claude coincidieron con el orden real de las personas en el 61% de los pares de libros, frente al 50% que se obtendría al azar. Para comparar, un filtrado colaborativo (el sistema típico de "a quienes les gustó esto también les gustó aquello") alcanzó alrededor del 55%, y un ranking de popularidad de Open Library, alrededor del 53%.

Es decir, en este experimento Claude acertó más pares que los dos métodos de comparación que usó Anthropic (popularidad y filtrado colaborativo), lo que no prueba que supere a todos los métodos de recomendación, y aun así estuvo lejos de conocer bien a nadie. Una pendiente de regresión de 0,30 (con un intervalo de confianza de 0,24 a 0,35) resume la idea: sus predicciones sobre lo que de verdad le gustaría a la persona seguían siendo débiles.

Hay un dato que me parece el más útil para un dueño de negocio. Escribir 300 palabras en lugar de 150 en la conversación inicial se asociaba con unos 4 puntos porcentuales más de coincidencia. No es magia, pero confirma algo de sentido común: cuanto más y mejor le cuentas al agente lo que quieres, mejor te representa. La calidad del encargo importa tanto como la calidad del modelo.

Elegir un modelo mejor ayuda, pero menos de lo que crees

Anthropic también probó cuatro familias de modelos: Haiku 4.5, Sonnet 4.5, Opus 4.8 y Fable 5. Con las listas de Claude como referencia, los puntajes de eficiencia fueron 0,75 para Haiku, 0,80 para Sonnet, 0,88 para Opus y 0,86 para Fable. El óptimo utilitario sobre esas mismas listas era 0,95.

Cuando mezclaron modelos en el mismo piso de negociación, el que usaba Opus le sacó ventaja al otro lado:

• Opus frente a Haiku: 0,14 puntos más, con un resultado estadísticamente muy fuerte (p menor que 0,001).
• Opus frente a Sonnet: 0,06 puntos más (p menor que 0,05).
• Opus frente a Fable: 0,04 puntos más (p menor que 0,05).

Pasar de Haiku a Opus subía el resultado en 0,12 puntos medido sobre las clasificaciones de Claude, y de Sonnet a Opus en 0,08. Sobre las clasificaciones reales de las personas, esa diferencia casi desaparecía (0,01), porque Claude conocía a la persona solo de forma aproximada. Dicho en cristiano: un agente mejor consigue mejores tratos que uno peor cuando se sientan a la misma mesa, pero si el agente no sabe qué quieres, el modelo más caro apenas te ayuda.

Pero compara escalas. Mejorar el modelo movía el resultado entre 0,04 y 0,14 puntos sobre las listas de Claude, y casi nada (0,01) sobre las preferencias reales. En cambio, mejorar la representación de preferencias valía hasta unos 0,29 puntos (el 85% de los 0,34 de déficit, cálculo mío). Por eso insisto en que la primera inversión no es comprar el modelo más caro, sino conseguir que el agente te conozca.

¿Conviene un agente "despiadado" o uno "prosocial"?

Anthropic asignó al azar dos tipos de instrucciones. Los agentes "despiadados" tenían como único objetivo conseguir un libro que su persona prefiriera. Los "prosociales" tenían ese mismo objetivo, más una obligación secundaria: procurar que todos los participantes terminaran con un libro aceptable.

El resultado fue que los despiadados le fueron un poco mejor a su persona, unos 0,02 puntos medidos sobre las listas de Claude (p menor que 0,001), y los prosociales aceptaron libros peor ubicados en la lista del participante el doble de veces. Una diferencia de 0,02 es pequeña, así que no hay que exagerarla. Mi lectura: la generosidad que le pides al agente se paga, aunque sea poco. Un participante se preguntó cómo cumplirían mejor sus deberes fiduciarios los agentes que negocien por ella cuando haya más en juego.

Qué hacen los agentes cuando negocian

Los agentes usaron en total dieciséis tácticas de negociación que Anthropic catalogó en tres grandes grupos: presión (por ejemplo, apelar a la urgencia del tiempo o al deber), posicionamiento del libro (competir o citar premios) y arreglo de la operación (listas de espera o hacer de intermediario).

Dos datos sobre lo que revelan los agentes merecen atención:

• Entre el 78% y el 96% de los agentes (según el modelo, de Fable a Sonnet) mencionaron cuál era su libro favorito. Contar tu mejor carta es una forma de negociar, pero también regala información.
• Alrededor de 1 de cada 100 de los agentes que mencionaron su libro preferido hizo afirmaciones falsas sobre él, y en los pisos con instrucciones neutras solo el 10% de los agentes dijo la posición de tres o más libros de su lista.

Tu agente puede estar filtrando, sin mala intención, lo que valoras, cuánto te urge o cuál es tu margen. En un mercado de libros eso cuesta poco. En una compra de maquinaria o una renovación de contrato, esa información vale dinero.

La satisfacción fue buena. Eso no significa que todo salió bien

Tres semanas después, el puntaje promedio de satisfacción fue de 7,2 sobre 10, donde 5 equivale a "bien" y 10 a "entre lo mejor que he leído este año". Aproximadamente la mitad de los participantes valoró su libro como mejor que la mayoría de los libros que eligen por sí mismos. Respondió a la encuesta entre el 59% y el 60% de los participantes.

El 41% que no respondió podría pensar distinto. Los participantes eran empleados de una empresa de IA, probablemente más cómodos con un agente que el público general, y los libros son un producto de bajo riesgo: si te toca uno flojo, pierdes unas horas, no un trimestre.

También hay una pregunta de confianza. Anthropic preguntó qué parte de su presupuesto anual para libros delegarían los participantes en un agente. La respuesta promedio fue cerca del 30%, frente a cerca del 40% que delegarían en un amigo bien leído que conoce sus gustos. Los participantes que confirmaron que el resumen inicial de Claude era correcto delegarían un 34%, mientras que los que notaron omisiones delegarían un 23%. La diferencia, descontando el nivel de confianza general de cada uno, fue de unos 9 puntos porcentuales.

Léelo así: la confianza se movía más con la sensación de que el agente te había entendido que con cualquier otra cosa que midió el estudio (es una asociación, no causalidad, con 112 respuestas). Y el propio estudio avisa de que ese 30% podría estar inflado respecto a una población menos familiarizada con estas herramientas.

Lo que falló, que es lo más instructivo

Esta parte del informe me parece la más útil porque se parece mucho a lo que va a pasar en un negocio real.

Se rompió lo físico y nadie tenía registro

Algunos participantes no llevaron los libros que habían prometido, y otros se quedaron con las manos vacías. Anthropic admite que no tenía ningún sistema para seguir los envíos y las entregas. Al final abandonaron los intentos de recuperarlos y pidieron disculpas. Los agentes cerraron tratos perfectamente en pantalla, pero la ejecución en el mundo real quedó sin dueño ni trazabilidad.

La lección para tu negocio es directa: un trato cerrado por un agente que no queda registrado en un sistema, con responsable y plazo, no es un trato, es una promesa.

Hubo presión del grupo y exceso de docilidad

Un participante se quejó de que su agente aceptó un libro por "presión de grupo". Otro criticó que su agente fue demasiado dócil y se conformó con malos encajes.

La identidad, el spam y las disputas no tenían respuesta

En el apartado de lo que haría falta para mercados de agentes, Anthropic plantea tres cosas que en este experimento no existían:

• Identidad: cada agente debería tener un identificador, como la matrícula de un avión, y las personas poder demostrar que son personas sin revelar más de la cuenta.
• Control del spam entre agentes: límites de mensajes por agente. La propia investigación los llama una palanca de diseño importante en cualquier mercado agéntico.
• Resolución de disputas: reglas claras sobre qué pasa cuando un trato falla, desde ninguna responsabilidad hasta devolución garantizada. Una plataforma que devuelve dinero al comprador debe poder penalizar al vendedor que no entregó.

Si lo piensas, estos tres huecos son los que ya conoces del comercio entre personas: quién eres, cuánto puedes insistirme y qué pasa si no cumples. Los mercados de agentes tienen que reconstruirlos desde cero.

Los límites del estudio, para no sacar conclusiones de más

Un artículo de análisis serio tiene que decir también hasta dónde llega el estudio. Esto reconoce Anthropic:

• Los participantes eran empleados de Anthropic, no una muestra representativa, y probablemente confían más en Claude que el público general.
• No había incentivo económico por clasificar con cuidado, así que las listas de referencia pueden ser imprecisas. Las personas solo ordenaron 10 libros, y el resto se estimó.
• Participaron solo agentes de Claude, entrenados para ser corteses. No hubo agentes adversarios que intentaran engañar o manipular.
• Se trató de una sola categoría, libros, con reglas de mercado fijas: duración, número de agentes simultáneos y registro.
• Las preferencias ordinales se convirtieron en puntajes numéricos asumiendo linealidad.

Mi lectura: el estudio demuestra con claridad que la representación de preferencias es el cuello de botella en un entorno amable. No demuestra cómo se comportaría un agente en un entorno hostil, con dinero real y contrapartes que mienten. Ahí el riesgo es probablemente mayor, no menor.

Qué significa para un dueño de negocio

Llevemos todo esto a tu empresa. Delegar compras, ventas o negociaciones en un agente implica que el agente actúa por ti ante terceros, con tu dinero o tu reputación. Para que eso funcione, hay cinco cosas que construir antes de darle autonomía.

1. Escribir qué quieres, con más detalle del que te parece necesario

Lo que Project Swap midió con libros, tú lo vas a vivir con proveedores, precios, plazos y condiciones. Si le dices al agente "consígueme el mejor precio", va a perseguir el precio más bajo y puede sacrificar plazo, calidad o relación. Un agente representa bien solo lo que está escrito.

Un ejemplo ilustrativo, no es un caso real: una tienda que compra insumos a tres proveedores. El dueño sabe que el proveedor A es 6% más caro pero nunca se retrasa, que el B es barato pero falla en temporada alta y que el C solo sirve para pedidos grandes. Si eso no está escrito, el agente tratará a los tres como iguales y elegirá por precio. Si está escrito, el agente decide como lo haría el dueño en un buen día.

2. Separar lo negociable de lo no negociable

Todo negocio tiene líneas rojas. Un precio mínimo, un descuento máximo, un cliente al que no se le vende, una cláusula que nunca se firma. Un agente prosocial cede, uno despiadado aprieta, y ninguno de los dos sabe dónde está tu límite si no se lo dices. Escríbelo como regla, no como sugerencia.

3. Verificar con quién habla tu agente

En Project Swap todos eran colegas con identidad conocida. En el mundo real, tu agente va a conversar con otros agentes y con personas que dicen ser quienes no son. Antes de que cierre un trato, necesita comprobar con quién trata, igual que lo haría una persona de tu equipo con un proveedor nuevo. Esto conecta con los fraudes de voz y de suplantación que ya te conté en fraude con deepfakes de voz.

4. Llevar un registro que puedas auditar

Un participante del estudio dijo que, en economías de agentes, la observabilidad del proceso importaría tanto como el resultado. Estoy de acuerdo. Cada oferta, cada contraoferta, cada aceptación y cada dato compartido debe quedar guardado, con fecha y con la razón de la decisión. Si no puedes reconstruir por qué se cerró un trato, tampoco puedes corregir al agente cuando se equivoca. Si quieres profundizar en esto, escribí sobre por qué la IA decidió eso.

5. Poner límites de gasto y una parada humana

El agente debe tener un tope por operación, un tope por día y una lista de decisiones que siempre pasan por una persona. Cualquier compra por encima del límite, cualquier excepción a tus reglas y cualquier trato con un proveedor nuevo debería esperar una aprobación. Es lo que ya haces con un empleado nuevo: no le das la tarjeta de la empresa el primer día.

Cómo lo vería en un organigrama híbrido

Aquí es donde la conversación se vuelve práctica. En un organigrama híbrido, donde personas y colaboradores digitales trabajan juntos, un agente que compra o vende es un puesto más. Tiene un jefe, un alcance, unas reglas, un presupuesto y un responsable humano que responde por él.

Ese responsable no tiene que revisar cada operación. Tiene que revisar una muestra, mirar las excepciones y ajustar las reglas cuando el agente se equivoque. Es parecido a como supervisas a un vendedor junior: al principio ves todo, luego revisas una parte, luego solo lo que sale de lo normal.

En IA&N construimos esa estructura dentro de un centro de mando inteligente, de modo que las reglas, el registro y los límites no estén dispersos en conversaciones sueltas, sino en un sistema que es tuyo. Si quieres ver cómo se define ese tipo de rol, mira qué es un colaborador digital y por qué no es lo mismo que un chatbot.

Un mapa de qué delegar primero

No todas las decisiones tienen el mismo riesgo. Una forma sencilla de ordenar qué darle a un agente es mirar tres cosas: cuánto dinero está en juego, qué tan reversible es la decisión y qué tan fácil es comprobar si salió bien.

• Delegar primero: tareas de bajo importe, reversibles y verificables. Pedir cotizaciones, comparar precios publicados, reponer insumos baratos con un tope pequeño.
• Delegar con aprobación: decisiones medias. Elegir proveedor, aceptar un cambio de plazo, ofrecer un descuento dentro de un rango. El agente prepara la decisión y una persona la confirma.
• No delegar todavía: decisiones grandes, irreversibles o con efecto legal. Firmar contratos, aceptar penalizaciones, comprometer capacidad de producción, cambiar condiciones con un cliente importante.

Cómo empezar esta semana

Si quieres probar sin jugártela, este es el camino que yo seguiría:

• Elige una sola categoría de compra o venta repetitiva y de bajo riesgo.
• Escribe, en una página, tus preferencias, tus prioridades y tus líneas rojas para esa categoría.
• Deja que el agente prepare las operaciones durante dos semanas sin ejecutarlas. Tú las revisas.
• Compara lo que habría hecho el agente con lo que tú hiciste. Cada diferencia es una regla que falta.
• Cuando coincidan casi siempre, dale autonomía con un tope bajo y un registro completo.
• Sube el tope poco a poco, solo si el registro respalda la decisión.

Checklist copiable: antes de dejar que un agente decida por tu negocio

Copia esto, pégalo en tu documento y marca cada punto con evidencia, no con intención.

• Tengo por escrito qué valoro en esta decisión: precio, plazo, calidad, relación, riesgo.
• El agente ya me mostró cómo resume mis preferencias y yo corregí lo que faltaba.
• Definí qué es negociable y qué no, con números concretos.
• Hay un tope de gasto por operación y por día, y está aplicado por el sistema, no solo escrito.
• Existe una lista de decisiones que siempre requieren aprobación humana.
• Sé con quién habla el agente: hay verificación de identidad de proveedores y clientes nuevos.
• Cada oferta, aceptación y dato compartido queda registrado con fecha y motivo.
• Alguien de mi equipo es responsable del agente y revisa una muestra cada semana.
• Está definido qué pasa si un trato falla: quién avisa, quién reclama, quién compensa.
• Probé al agente en modo sombra, sin ejecutar, durante al menos dos semanas.
• Tengo un botón de parada: puedo suspender al agente en minutos.

Mi punto de vista

Lo que más me llamó la atención de Project Swap es lo poco glamuroso del hallazgo. Esperaba que la discusión fuera si la IA negocia mejor o peor que una persona. Resulta que lo que más pesa es algo que cualquier empresario conoce: si no explicas bien lo que quieres, te entregan otra cosa.

Yo veo en la realidad que muy pocos negocios de los que conozco tienen escritas sus propias reglas de compra y venta. Están en la cabeza del dueño o de una persona del equipo. Delegar en un agente obliga a sacarlas de ahí, y eso, aunque no pusieras nunca un agente, ya es un buen ejercicio para tu negocio.

También creo que conviene mantener los pies en el suelo. El estudio se hizo con libros, entre empleados de una empresa de IA, con agentes bien educados y sin dinero real en juego. Es información valiosa, pero no es una licencia para soltar a un agente con la cuenta de la empresa. Sí es una buena razón para empezar a preparar el terreno.

Si me preguntas para dónde va esto, mi punto de vista es que los agentes van a comprar y vender, y que quienes tengan sus reglas, sus registros y sus límites en orden van a ganar mucho. No porque la IA reemplace a nadie, sino porque el equipo humano pasa de ejecutar cada compra a definir las reglas y vigilar las excepciones, que es trabajo de más valor. Y eso se construye con estructura propia, el patrimonio digital de tu empresa, no con una herramienta alquilada que no conoces.

Entonces es momento de preguntarnos: ¿si mañana un agente negociara en tu nombre, podría explicar con tus propias palabras qué es lo que de verdad quieres? Si la respuesta es no, ese es tu primer trabajo, y puedes empezarlo hoy.

Si quieres ver cómo se diseña un colaborador digital con reglas, registro y límites para tu negocio, puedes entrar al registro del Centro de Mando o probar un colaborador digital de voz.

Preguntas frecuentes

¿Qué es Project Swap de Anthropic?

Es un experimento publicado el 24 de septiembre de 2026 en el que 201 empleados de Anthropic fueron representados por agentes de Claude en un mercado de intercambio de libros. Sirvió para medir cuánto de un mal resultado venía de entender mal a la persona y cuánto de negociar mal.

Según Anthropic, el 85% del déficit respecto al óptimo vino de la representación imprecisa de las preferencias, y el 15% restante del mercado libre entre agentes.

¿Puedo dejar que un agente de IA compre por mi empresa?

Sí, pero con límites. Empieza con compras repetitivas, de bajo importe y reversibles, con un tope de gasto aplicado por el sistema, un registro de cada operación y aprobación humana para lo que salga de las reglas.

El estudio de Anthropic se hizo con libros y agentes bien comportados, así que no demuestra seguridad en compras grandes o con contrapartes que intenten engañar.

¿Qué modelo de IA negocia mejor?

En Project Swap, Opus 4.8 obtuvo 0,88 y Fable 5 obtuvo 0,86 de eficiencia, frente a 0,80 de Sonnet 4.5 y 0,75 de Haiku 4.5, medido sobre las clasificaciones de Claude. Cuando se enfrentaban, el agente con Opus conseguía hasta 0,14 puntos más que el de Haiku.

Aun así, cambiar de modelo movía el resultado mucho menos que mejorar la representación de las preferencias de la persona.

¿Cómo evito que un agente revele información que no debe?

Define desde el principio qué datos puede compartir, como precio máximo, urgencia o alternativas, y cuáles nunca. En el estudio, entre el 78% y el 96% de los agentes mencionó su libro favorito y en los pisos neutrales solo el 10% de los agentes reveló la posición de tres o más libros.

Revisa el registro de conversaciones con regularidad para detectar fugas antes de que cuesten dinero.

¿Qué pasa si el agente cierra un trato que no debía?

Debes poder detectarlo, pausar al agente y corregir la regla que falló. Para eso necesitas registro de cada decisión, un responsable humano y una política clara de qué ocurre cuando un trato falla.

En Project Swap, algunos participantes nunca recibieron sus libros y no había un sistema de seguimiento para repararlo, que es exactamente lo que conviene tener resuelto antes de delegar.