Los agentes de IA empiezan a negociar: el problema ya no es el precio, sino el mandato

El Financial Times informó el 18 de octubre de 2026, citando a personas conocedoras de los planes de Anthropic, de que la compañía está consultando a despachos de abogados sobre cómo deberían actuar los agentes que negocian por sus usuarios. La cuestión incluye desde compras y reclamaciones de atención al cliente hasta acuerdos con consecuencias económicas más amplias.

No se trata de un producto anunciado ni de una función disponible. Es una señal de hacia dónde se está moviendo el desarrollo de agentes: pasar de localizar información y redactar propuestas a representar intereses, intercambiar compromisos y alcanzar acuerdos con otras personas o con otros agentes.

Esa transición cambia la naturaleza del riesgo. Una respuesta equivocada puede corregirse; una negociación equivocada puede revelar un presupuesto, aceptar una condición contractual o crear una expectativa que después resulte difícil deshacer.

Anthropic ha probado esta idea con bienes reales. En Project Deal, 69 agentes negociaron la compra y venta de más de 500 artículos entre empleados. Alcanzaron 186 acuerdos por un valor total superior a 4.000 dólares, identificando contrapartes, proponiendo precios, respondiendo a contraofertas y cerrando operaciones en lenguaje natural.

El experimento también mostró que la capacidad del modelo importaba. Los agentes basados en Opus completaron más acuerdos y, al vender los mismos artículos, obtuvieron de media 3,64 dólares más que los agentes basados en Haiku. En un caso ilustrativo, un rubí creado en laboratorio se vendió por 65 dólares con Opus y por 35 con Haiku.

Project Swap amplió el análisis a 201 participantes y a un mercado de intercambio de libros. Los agentes primero entrevistaban a cada persona para inferir sus preferencias y después negociaban con otros agentes. El resultado expuso dos problemas distintos: entender correctamente lo que quiere el usuario y respetarlo cuando aparecen oportunidades durante la negociación.

En una empresa, el precio rara vez es el único criterio. Un comprador puede preferir un proveedor algo más caro por su plazo de entrega, su solvencia, la calidad del soporte o la posibilidad de cancelar. Un responsable de eventos puede aceptar un coste mayor para reducir el riesgo técnico. Un agente que optimiza una sola cifra puede destruir precisamente el valor que debía proteger.

El mandato debería distinguir objetivos, límites y preferencias. El objetivo puede ser reducir el coste total; los límites pueden impedir revelar el presupuesto máximo, aceptar exclusividades o superar una cantidad sin aprobación; las preferencias pueden valorar la flexibilidad, la proximidad o la relación existente con el proveedor.

También importa quién responde cuando el agente se equivoca. La trazabilidad debe permitir reconstruir qué información recibió, qué ofertas hizo, qué reglas aplicó y quién aprobó el paso irreversible. Sin ese registro, la automatización puede ahorrar tiempo y a la vez debilitar la posición contractual de la organización.

La negociación autónoma no tiene por qué comenzar con contratos complejos. Puede aparecer antes en compras repetitivas: pedir presupuestos comparables, solicitar descuentos por volumen, comprobar fechas de entrega o renovar servicios dentro de unas condiciones ya aprobadas.

También encaja en operaciones con capacidad perecedera. Hoteles, transporte, alquiler audiovisual o espacios para eventos trabajan con recursos cuyo valor cambia con el tiempo. Un agente puede explorar combinaciones y contraofertas con rapidez, siempre que no pueda comprometer inventario, márgenes o condiciones fuera de un rango autorizado.

En atención al cliente, la misma arquitectura puede gestionar compensaciones o cambios de servicio. El agente propone una solución dentro de una política verificable; los casos sensibles, ambiguos o económicamente relevantes pasan a una persona antes de confirmar el acuerdo.

Los estudios de negociación entre agentes muestran que las dinámicas humanas no desaparecen. Un trabajo académico basado en más de 180.000 negociaciones encontró que la calidez se asociaba con mejores resultados generales, mientras que las estrategias dominantes podían capturar más valor. También detectó tácticas específicas de sistemas de IA, incluida la inyección de instrucciones durante la conversación.

Por eso, un despliegue empresarial razonable debería separar explorar, proponer y comprometer. El agente puede investigar alternativas y negociar dentro de un espacio limitado; un verificador comprueba políticas y datos; una persona autoriza las excepciones y los acuerdos con efectos jurídicos o económicos relevantes.

La ventaja no estará en delegar todas las decisiones, sino en convertir el mandato de la empresa en reglas que una máquina pueda aplicar y que una persona pueda auditar. Cuando los agentes empiecen a negociar entre sí, la calidad de esas reglas será tan importante como la capacidad del modelo.