Anthropic creó un mercado de prueba para que los agentes de IA comerciaran entre sí

Resumen

El 24 de abril de 2026, Anthropic publicó los detalles de Project Deal, un mercado experimental en el que agentes de Claude actuaron como compradores y vendedores autónomos, negociando y completando transacciones reales en representación de empleados de Anthropic en la oficina de la empresa en San Francisco. El experimento no es el lanzamiento de un producto; es un proyecto de investigación controlado, diseñado para probar cómo se comportan los agentes de IA cuando su contraparte en una transacción también es un agente de IA, y no un humano. Los resultados ofrecen la demostración pública más clara hasta la fecha de cómo funciona en la práctica el comercio entre agentes, y plantean preguntas estructurales sobre confianza, estrategia de negociación y dinámica de mercado en un mundo donde los agentes de IA realizan transacciones en representación de personas a gran escala.

Qué es Project Deal

Project Deal fue creado por el equipo de investigación de Anthropic y operó como un mercado de anuncios clasificados —similar en formato a un Craigslist interno— para empleados de la sede de Anthropic en San Francisco. La característica definitoria fue el giro: se encomendó a Claude actuar tanto como comprador como vendedor en representación de los empleados participantes. Los agentes exploraron anuncios, evaluaron su valor, iniciaron negociaciones y completaron compras, todo ello sin intervención humana en ninguno de los dos lados de la transacción.

El uso de bienes reales y dinero real fue deliberado. Los investigadores de Anthropic querían observar el comportamiento de los agentes en condiciones que impusieran consecuencias reales, no una simulación. Cuando un agente paga de más por un artículo, el empleado al que representa pierde dinero real. Cuando un agente negocia de forma agresiva, el agente contraparte —y la persona detrás de él— experimenta eso como un resultado genuino. Esta decisión de diseño distingue a Project Deal de experimentos previos de negociación entre agentes que utilizaban tokens virtuales o mercados simulados.

Parámetros clave de la configuración de Project Deal:

Cómo se ve realmente el comercio entre agentes

La mayor parte de la discusión pública sobre agentes de IA en el comercio imagina una sola dirección: un principal humano con un agente de IA que gestiona tareas en su nombre. Project Deal introdujo una segunda dimensión: la contraparte en la transacción también es un agente que actúa en nombre de un humano. Ninguno de los dos lados es un humano participando activamente en la negociación. Ambos son sistemas de IA tratando de lograr el mejor resultado para la persona que representan.

Esto genera dinámicas que no existen en el comercio humano-a-humano ni humano-a-IA:

• Velocidad de negociación: los agentes de IA pueden intercambiar ofertas, contraofertas y justificaciones en segundos. Una negociación que a un humano le tomaría quince minutos de idas y vueltas puede concluir en menos de un minuto.
• Consistencia de estrategia: un negociador humano cambia su enfoque según el estado de ánimo, el cansancio y la presión social. Un agente aplica su estrategia de forma consistente en cada transacción, cada vez.
• Asimetría de información: ambos agentes tienen acceso al mismo tipo de capacidad de razonamiento. Ninguno tiene una ventaja inherente en el procesamiento de información sobre el otro, lo que desplaza la ventaja competitiva hacia la calidad de las instrucciones y el contexto que proporcionó el principal humano.
• Alineación con el principal: un agente que negocia por un comprador y un agente que negocia por un vendedor intentan, ambos, satisfacer a sus respectivos principales. Cuando ambos agentes están bien alineados con los objetivos declarados de sus principales, la transacción se resuelve de manera eficiente. Cuando las instrucciones son vagas, los agentes pueden sobreoptimizar en métricas indirectas (precio más bajo, cierre más rápido) en lugar del valor real.

Implicaciones para la economía agéntica

Project Deal es un proyecto de investigación, pero también es un prototipo de un cambio más amplio que ya está en marcha. En 2026, los agentes de IA se están desplegando en flujos de trabajo de adquisiciones, subastas publicitarias, sistemas de precios dinámicos y canales de negociación con clientes. En la mayoría de estos despliegues, uno de los lados de la transacción sigue siendo un humano o un sistema operado por humanos. Project Deal demuestra un futuro cercano en el que ambos lados son agentes.

Las implicaciones económicas de ese cambio son significativas:

Las filas de confianza y corrección de errores son donde se concentran los desafíos estructurales. Cuando un humano hace un mal trato, puede reconocerlo, escalarlo o renegociarlo. Cuando un agente hace un mal trato a velocidad de máquina en cientos de transacciones simultáneas, el daño se acumula antes de que cualquier revisor humano pueda intervenir. El uso de dinero real por parte de Project Deal en un entorno controlado y de bajo riesgo fue, en parte, una manera de observar esta dinámica a una escala en la que los errores son recuperables.

Los resultados que Anthropic publicó no incluyen un desglose detallado de los resultados de negociación, tasas de éxito o precios promedio de transacción; esos detalles no se revelaron en el anuncio del 24 de abril. Lo que sí se reveló es que los agentes completaron transacciones autónomas con éxito, que el formato de mercado funcionó según lo previsto, y que el experimento se está utilizando para orientar cómo maneja Claude las tareas de comercio agéntico en despliegues de producción.

Qué significa esto para los desarrolladores que construyen agentes hoy

Project Deal es una señal sobre la dirección del despliegue de agentes de IA, no un ejercicio académico aislado. Anthropic es el laboratorio detrás de Claude, el modelo que impulsa una gran parte de los despliegues de agentes en producción en 2026. Cuando Anthropic ejecuta un proyecto de investigación interno sobre comercio entre agentes, está desarrollando las capacidades, evaluaciones de seguridad y lineamientos de comportamiento que definirán cómo se desempeña Claude en contextos comerciales agénticos.

Para los desarrolladores que construyen agentes hoy, las implicaciones prácticas son:

1. La identidad del agente y la calidad de las instrucciones importan más que nunca. Cuando tu agente está negociando con otro agente —no con un humano—, la calidad de las instrucciones y el contexto que proporcionas es la principal fuente de ventaja competitiva. Una instrucción mal definida como "consigue el mejor trato" producirá un comportamiento distinto al de "compra el artículo si el precio está dentro del 15% del valor publicado y el tiempo de respuesta del vendedor es menor a 2 horas".

2. Los registros de auditoría se vuelven esenciales. En las transacciones entre agentes, ningún humano observa la negociación en tiempo real. Necesitas registros de lo que tu agente aceptó, por qué, y lo que el agente contraparte propuso en cada paso. Sin esos registros, las disputas no tienen base probatoria.

3. La alineación con el principal es el nuevo problema de UX. La calidad de los resultados de un agente en un contexto de mercado es una función directa de qué tan bien entiende y representa tus preferencias reales, no solo tus objetivos declarados. Este es un problema de diseño de instrucciones, no un problema del modelo.

4. El ecosistema se está formando ahora. Los estándares para la identidad de agentes, la autorización y los protocolos de comunicación entre agentes se están desarrollando en 2025 y 2026. Los desarrolladores que construyan teniendo en cuenta estos estándares desde ahora tendrán una ventaja a medida que madure la economía agéntica.

Despliega tus propios agentes en la economía agéntica con Happycapy

Happycapy está construido exactamente para el momento que demuestra Project Deal: un mundo donde los agentes actúan en tu nombre a través de tareas, transacciones y flujos de trabajo, y donde la calidad de la configuración de tu agente es lo que determina su efectividad.

Cada agente de Happycapy se define mediante un conjunto de archivos de configuración —SOUL, USER, IDENTITY, MEMORY y AGENTS— que te permiten especificar los objetivos, el contexto, el tono y el alcance de tu agente con precisión. No estás escribiendo código; estás escribiendo las instrucciones que determinan cómo te representa tu agente. Esa distinción importa en un contexto de comercio entre agentes, donde el agente del otro lado ejecuta la misma clase de modelo y el resultado lo determina de quién son las instrucciones más claras.

Los agentes de Happycapy se ejecutan en sandboxes aislados en la nube, lo que significa que puedes desplegar, probar e iterar sobre el comportamiento del agente sin riesgo para tus sistemas de producción. Cuando estés listo para conectar un agente a un flujo de trabajo real —una canalización de adquisiciones, una cola de soporte, una tarea de procesamiento de datos—, puedes hacerlo con conexiones auditadas y delimitadas en lugar de credenciales amplias.

La economía agéntica no es una tendencia futura. Es el entorno que Project Deal demuestra que ya se está construyendo. Prueba Happycapy gratis y construye el agente que te represente en ella.

Preguntas frecuentes

P: ¿Project Deal es un producto público de Anthropic o un proyecto de investigación interno? R: Project Deal es un experimento de investigación interno, no un producto público. Se llevó a cabo utilizando un mercado interno en la oficina de Anthropic en San Francisco, con empleados de Anthropic como los principales humanos. Anthropic publicó los detalles del experimento el 24 de abril de 2026, como un hallazgo de investigación y no como un anuncio de producto.

P: ¿Los agentes de Claude en Project Deal usaron dinero real? R: Sí. Según el relato publicado por Anthropic sobre el experimento, los agentes realizaron transacciones que involucraban bienes reales y dinero real. El uso de riesgos reales fue una decisión de diseño deliberada para observar el comportamiento de los agentes bajo condiciones que imponen consecuencias reales, distinguiendo el experimento de la investigación de mercado simulada.

P: ¿Qué sucede cuando dos agentes de IA no se ponen de acuerdo en un precio? R: En el formato de Project Deal, los agentes negociaron de forma autónoma, intercambiando ofertas y contraofertas sin intervención humana. Cuando los agentes no lograban ponerse de acuerdo, la transacción no se completaba. Este es el mismo resultado que una negociación humana fallida, pero ocurre más rápido y sin la fricción social que a veces empuja a los negociadores humanos hacia acuerdos subóptimos.

P: ¿En qué se diferencia el comercio entre agentes del trading algorítmico tradicional o de los precios dinámicos? R: Los sistemas de trading algorítmico y de precios dinámicos se basan en reglas: ejecutan una lógica preespecificada en respuesta a las condiciones del mercado. El comercio entre agentes utiliza agentes de IA que razonan sobre el contexto, interpretan instrucciones en lenguaje natural y adaptan su estrategia de negociación de manera dinámica. La distinción está entre un sistema que sigue reglas y un sistema que emite juicios, con todo el poder y el riesgo que esa distinción implica.

Fuentes

• Anthropic, anuncio de investigación "Project Deal", 24 de abril de 2026 (referenciado a través de la cobertura de TechCrunch, 25 de abril de 2026)
• TechCrunch, "Anthropic created a test marketplace for agent-on-agent commerce," Anthony Ha, 25 de abril de 2026
• Portada de Hacker News, 26 de abril de 2026 — referencia cruzada con un hilo de discusión más amplio sobre seguridad de agentes de IA
• Documentación del modelo de Anthropic sobre comportamiento agéntico y uso de herramientas, 2025–2026
• Contexto general: "Economic implications of autonomous agent systems," varios investigadores de seguridad de IA, 2025