Anthropic 於 2026 年 9 月 24 日公布 Project Swap，一項研究 AI 代理如何代人進行交易的受控實驗。六個辦公室共有 201 名員工參與，每人帶來一本想送出的書，先與 Claude 進行短對話，再讓代表自己的代理到交易場上尋找交換對象。
每個代理要在有限時間內推介、議價和提出交換方案，交易可以是雙方交換，也可以是多方輪換，但只有所有相關代理同意才會執行。參與者另外對十本書排序，研究團隊用這些排序檢查代理是否真正掌握主人的閱讀偏好。
Anthropic 表示，代理從五分鐘對話建立的書籍排序，與參與者實際排序在 61% 的成對比較中吻合。這個數字代表短對話可以捕捉到一部分偏好，但不是完美的個人模型；當交易涉及更昂貴、更敏感或更難逆轉的決定時，仍需要更完整的背景資料和確認機制。
研究團隊重跑了大量交易場景，逐一改變模型、指令和代理混合方式。結果顯示，代理所使用的模型對談判結果的影響，通常比「ruthless」或「prosocial」這類行為指令更大；使用較強模型的市場整體效率也較高。被要求只為主人爭取最佳書籍的代理略佔優勢，但差距相對細小。
代理在交易場上並不是只作簡單配對。研究人員觀察到 16 種常見策略，包括利用時間壓力、強調某本書的吸引力、安排候補名單，以及替其他人尋找多方交換組合。這說明代理市場的問題不只是模型會否談判，還包括平台怎樣訂定可接受的行為、資訊公開程度和交易失敗後的處理方法。
三星期後的問卷顯示，大部分參與者喜歡收到的書，平均參與者表示願意把約三分之一的年度買書預算交給 Claude 代為使用。這是員工對一次低風險、低金額實驗的主觀反應，不應直接外推到財務、醫療或法律等高影響決策，但它提供了一個可觀察人類信任度的起點。
Project Swap 的實際啟示，是代理要代表人行動，系統必須同時處理偏好理解、授權範圍、談判規則和事後申訴。把代理放入真實市場之前，應先讓使用者看到它對自己偏好的推斷，設定可接受的交換邊界，並保留重要行動的確認和撤回機制。
這項研究仍是一個規模有限的受控實驗，商品是書籍，參與者來自同一家公司，交易場規則亦由研究團隊設計。它可以幫助我們理解 AI 代理在市場中的新問題，但不能視為代理已經適合獨立替人作出一般消費或商業決策的證明。
