A Anthropic Criou um Mercado de Testes para Agentes de IA Negociarem Entre Si

Resumo

Em 24 de abril de 2026, a Anthropic publicou detalhes do Project Deal — um mercado experimental no qual agentes Claude atuaram como compradores e vendedores autônomos, negociando e concluindo transações reais em nome de funcionários da Anthropic no escritório da empresa em São Francisco. O experimento não é um lançamento de produto; é um projeto de pesquisa controlado, projetado para testar como os agentes de IA se comportam quando sua contraparte em uma transação também é um agente de IA, não um humano. Os resultados oferecem a demonstração pública mais clara até agora de como é o comércio agente-a-agente na prática, e levantam questões estruturais sobre confiança, estratégia de negociação e dinâmica de mercado em um mundo no qual agentes de IA realizam transações em nome de pessoas em grande escala.

O que é o Project Deal

O Project Deal foi criado pela equipe de pesquisa da Anthropic e operou como um mercado de anúncios classificados — semelhante em formato a um Craigslist interno — para funcionários da sede da Anthropic em São Francisco. A característica definidora foi a virada: o Claude foi encarregado de atuar tanto como comprador quanto como vendedor em nome dos funcionários participantes. Os agentes navegavam pelos anúncios, avaliavam o valor, abriam negociações e concluíam compras — tudo sem intervenção humana em nenhum dos lados da transação.

O uso de bens reais e dinheiro real foi deliberado. Os pesquisadores da Anthropic queriam observar o comportamento dos agentes em condições que impusessem riscos reais, não uma simulação. Quando um agente paga a mais por um item, o funcionário que ele representa perde dinheiro de verdade. Quando um agente negocia de forma agressiva, o agente contraparte — e a pessoa por trás dele — vivencia isso como um resultado genuíno. Essa escolha de design distingue o Project Deal de experimentos anteriores de negociação entre agentes que usavam tokens virtuais ou mercados simulados.

Parâmetros-chave da configuração do Project Deal:

Como é, na prática, o comércio agente-a-agente

A maior parte da discussão pública sobre agentes de IA no comércio imagina apenas uma direção: um principal humano com um agente de IA cuidando de tarefas em seu nome. O Project Deal introduziu uma segunda dimensão — a contraparte na transação também é um agente atuando por um principal humano. Nenhum dos lados é um humano participando ativamente da negociação. Ambos são sistemas de IA tentando alcançar o melhor resultado para a pessoa que representam.

Isso cria dinâmicas que não existem no comércio humano-a-humano ou humano-a-IA:

• Velocidade de negociação — agentes de IA podem trocar ofertas, contraofertas e justificativas em segundos. Uma negociação que levaria quinze minutos de vaivém para um humano pode se concluir em menos de um minuto.
• Consistência de estratégia — um negociador humano muda sua abordagem com base em humor, cansaço e pressão social. Um agente aplica sua estratégia de forma consistente em todas as transações, sempre.
• Assimetria de informação — ambos os agentes têm acesso ao mesmo tipo de capacidade de raciocínio. Nenhum tem uma vantagem inerente de processamento de informação sobre o outro, o que desloca a vantagem competitiva para a qualidade das instruções e do contexto fornecidos pelo principal humano.
• Alinhamento com o principal — um agente negociando por um comprador e um agente negociando por um vendedor estão ambos tentando satisfazer seus respectivos principais. Quando ambos os agentes estão bem alinhados com os objetivos declarados de seus principais, a transação se resolve com eficiência. Quando as instruções são vagas, os agentes podem otimizar demais em métricas substitutas (menor preço, fechamento mais rápido) em vez do valor real.

Implicações para a economia agêntica

O Project Deal é um projeto de pesquisa, mas também é um protótipo de uma transformação mais ampla que já está em curso. Em 2026, agentes de IA estão sendo implantados em fluxos de trabalho de compras, leilões de anúncios, sistemas de precificação dinâmica e pipelines de negociação com clientes. Na maioria dessas implantações, um dos lados da transação ainda é um humano ou um sistema operado por humano. O Project Deal demonstra um futuro próximo em que ambos os lados são agentes.

As implicações econômicas dessa mudança são significativas:

As linhas de confiança e correção de erros são onde os desafios estruturais se concentram. Quando um humano faz um mau negócio, ele consegue reconhecer isso, escalar ou renegociar. Quando um agente faz um mau negócio em velocidade de máquina, em centenas de transações simultâneas, o dano se acumula antes que qualquer revisor humano possa intervir. O uso de dinheiro real pelo Project Deal em um ambiente controlado e de baixo risco foi, em parte, uma forma de observar essa dinâmica em uma escala na qual os erros são recuperáveis.

Os resultados publicados pela Anthropic não incluem um detalhamento dos resultados das negociações, taxas de sucesso ou preços médios de transação — esses detalhes específicos não foram divulgados no anúncio de 24 de abril. O que foi divulgado é que os agentes concluíram com sucesso transações autônomas, que o formato de mercado funcionou como pretendido, e que o experimento está sendo usado para orientar como o Claude lida com tarefas de comércio agêntico em implantações de produção.

O que isso significa para desenvolvedores que constroem agentes hoje

O Project Deal é um sinal sobre a direção da implantação de agentes de IA, não um exercício acadêmico isolado. A Anthropic é o laboratório por trás do Claude — o modelo que alimenta uma grande parte das implantações de agentes em produção em 2026. Quando a Anthropic realiza um projeto de pesquisa interno sobre comércio agente-a-agente, ela está desenvolvendo as capacidades, avaliações de segurança e diretrizes de comportamento que moldarão o desempenho do Claude em contextos comerciais agênticos.

Para desenvolvedores que constroem agentes hoje, as implicações práticas são:

1. A identidade do agente e a qualidade das instruções importam mais do que nunca. Quando seu agente está negociando com outro agente — não com um humano — a qualidade das instruções e do contexto que você fornece é a principal fonte de vantagem competitiva. Uma instrução mal definida como "consiga o melhor negócio" produzirá um comportamento diferente de "compre o item se o preço estiver dentro de 15% do valor anunciado e o tempo de resposta do vendedor for inferior a 2 horas".

2. Trilhas de auditoria se tornam essenciais. Em transações agente-a-agente, nenhum humano está observando a negociação em tempo real. Você precisa de logs do que seu agente concordou, por quê, e do que o agente contraparte propôs em cada etapa. Sem esses logs, disputas não têm base probatória.

3. O alinhamento com o principal é o novo problema de UX. A qualidade dos resultados de um agente em um contexto de mercado é uma função direta de quão bem ele entende e representa suas preferências reais — não apenas seus objetivos declarados. Esse é um problema de design de instruções, não um problema de modelo.

4. O ecossistema está se formando agora. Padrões para identidade de agentes, autorização e protocolos de comunicação entre agentes estão sendo desenvolvidos em 2025 e 2026. Desenvolvedores que constroem com esses padrões em mente agora terão uma vantagem à medida que a economia agêntica amadurece.

Implante seus próprios agentes na economia agêntica com o Happycapy

O Happycapy foi criado exatamente para o momento que o Project Deal demonstra: um mundo em que agentes atuam em seu nome em tarefas, transações e fluxos de trabalho — e no qual a qualidade da configuração do seu agente é o que determina sua eficácia.

Cada agente Happycapy é definido por um conjunto de arquivos de configuração — SOUL, USER, IDENTITY, MEMORY e AGENTS — que permitem especificar os objetivos, o contexto, o tom e o escopo do seu agente com precisão. Você não está escrevendo código; está escrevendo as instruções que determinam como seu agente o representa. Essa distinção importa em um contexto de comércio agente-a-agente, no qual o agente do outro lado está executando a mesma classe de modelo e o resultado é determinado por quem tem as instruções mais claras.

Os agentes Happycapy são executados em sandboxes isolados na nuvem, o que significa que você pode implantar, testar e iterar sobre o comportamento do agente sem risco para seus sistemas de produção. Quando estiver pronto para conectar um agente a um fluxo de trabalho real — um pipeline de compras, uma fila de suporte, uma tarefa de processamento de dados — você pode fazê-lo com conexões auditadas e delimitadas, em vez de credenciais amplas.

A economia agêntica não é uma tendência futura. É o ambiente que o Project Deal demonstra que já está sendo construído. Experimente o Happycapy gratuitamente e construa o agente que o representa nela.

Perguntas frequentes

P: O Project Deal é um produto público da Anthropic ou um projeto de pesquisa interno? R: O Project Deal é um experimento de pesquisa interno, não um produto público. Foi conduzido usando um mercado interno na sede da Anthropic em São Francisco, com funcionários da Anthropic como os principais humanos. A Anthropic publicou detalhes do experimento em 24 de abril de 2026, como uma descoberta de pesquisa, e não como um anúncio de produto.

P: Os agentes Claude no Project Deal usaram dinheiro real? R: Sim. De acordo com o relato publicado pela Anthropic sobre o experimento, os agentes conduziram transações envolvendo bens reais e dinheiro real. O uso de riscos reais foi uma escolha de design deliberada para observar o comportamento dos agentes em condições que impõem consequências reais, distinguindo o experimento de pesquisas de mercado simuladas.

P: O que acontece quando dois agentes de IA discordam sobre um preço? R: No formato do Project Deal, os agentes negociaram de forma autônoma — trocando ofertas e contraofertas sem intervenção humana. Quando os agentes não conseguiam chegar a um acordo, a transação não se concluía. Esse é o mesmo resultado de uma negociação humana malsucedida, mas acontece mais rápido e sem o atrito social que, às vezes, empurra negociadores humanos para acordos sub-ótimos.

P: Como o comércio agente-a-agente difere da negociação algorítmica tradicional ou da precificação dinâmica? R: Os sistemas de negociação algorítmica e de precificação dinâmica são baseados em regras: eles executam uma lógica pré-especificada em resposta às condições de mercado. O comércio agente-a-agente usa agentes de IA que raciocinam sobre o contexto, interpretam instruções em linguagem natural e adaptam sua estratégia de negociação dinamicamente. A distinção é entre um sistema que segue regras e um sistema que faz julgamentos — com todo o poder e o risco que essa distinção implica.

Fontes

• Anthropic, anúncio de pesquisa "Project Deal", 24 de abril de 2026 (referenciado via cobertura do TechCrunch, 25 de abril de 2026)
• TechCrunch, "Anthropic created a test marketplace for agent-on-agent commerce," Anthony Ha, 25 de abril de 2026
• Página inicial do Hacker News, 26 de abril de 2026 — referência cruzada com uma discussão mais ampla sobre segurança de agentes de IA
• Documentação de modelos da Anthropic sobre comportamento agêntico e uso de ferramentas, 2025–2026
• Contexto geral: "Economic implications of autonomous agent systems," diversos pesquisadores de segurança de IA, 2025