ИИ-агенты не умеют стратегически торговаться: понимание не ведет к выгоде
Группа исследователей изучила, способны ли большие языковые модели (LLM) вести стратегические переговоры в многопараметрическом торге. Результаты опубликованы на arXiv и показывают существенный разрыв между пониманием оппонента и умением извлечь выгоду.
В эксперименте агенты должны были обмениваться предложениями по нескольким атрибутам сделки, зная свои собственные и предполагаемые предпочтения контрагента. Как оказалось, LLM без труда моделируют чужие приоритеты и рано в ходе размышлений формулируют их верно.
Однако это знание не приводило к улучшению итоговых результатов для информированной стороны. Анализ пошаговых ходов показал: агенты часто отвечают на то, что, по их мнению, ценит оппонент, но редко связывают уступки с выигрышем по собственным высокозначимым параметрам.
Продавцы в целом оказались более уступчивыми. В условиях информационной асимметрии сторона, знающая предпочтения другого, шла на более слабые компенсационные уступки, то есть уступала там, где это было невыгодно.
Итоговые соглашения сильно зависели от поверхностных начальных предложений-якорей, а не от реальной полезности распределения ресурсов. Даже явное требование к агентам формулировать взаимные уступки до выдвижения оффера не повысило эффективность финальных договоренностей.
Полученные данные ставят под вопрос готовность LLM к реальным переговорным задачам в бизнесе и дипломатии, где требуется не только понимать, но и активно добиваться своих целей. Исследователи отмечают, что текущие модели остаются пассивными в стратегическом планировании.
