ИИ-агент как переговорщик: торгуется ли он лучше человека

Идея делегировать торг машине перестала быть демонстрацией на конференции. В 2024 году Google на презентации Project Mariner и связанных агентных функций показал сценарий, где ассистент сам ищет товар и оформляет покупку, а стартапы вроде переговорных ботов для B2B-закупок предлагают автономно писать поставщикам и сбивать цену. Вопрос, который волнует покупателя и продавца одинаково: агент действительно выторговывает лучше, чем вы сами в переписке, или просто быстрее нажимает кнопки.

Что вообще делает агент-переговорщик

Под вывеской «ИИ-переговорщик» скрываются очень разные вещи. Первое — обычный чат-бот на стороне продавца, который отвечает на «а скидка будет» по заранее заданным правилам: он не торгуется, он раздаёт заготовки. Второе — LLM-агент¹, которому дали цель («купить эту модель телефона не дороже 40 000 рублей»), доступ к переписке или площадке и право действовать в рамках лимита. Именно второй тип интересен: он формулирует аргументы, реагирует на встречные предложения и решает, когда уступить.

Технически такой агент — это языковая модель в цикле: она читает сообщение собеседника, держит в контекстном окне² историю торга и ваши ограничения, генерирует следующий ход и при необходимости вызывает инструменты (отправить сообщение, проверить цену у конкурентов, оформить заказ). Автономность здесь спорная: большинство продуктов на рынке требуют подтверждения человека перед финальной сделкой.

Есть ли доказательства, что ИИ торгуется лучше

Классическая академическая точка отсчёта — проект FAIR (тогда — исследовательское подразделение Meta*) под названием CICERO, который в 2022 году научился вести переговоры в стратегической игре Diplomacy и, по опубликованным в Science данным, вошёл в верхнюю часть турнирной таблицы против людей. Но Diplomacy — это игра с чёткими правилами и метрикой победы, а не торг за подержанный диван на Avito.

Более ранний ориентир — эксперимент FAIR 2017 года с ботами, которые делили набор предметов в диалоге и научились имитировать человеческий стиль торга. Тогда же журналисты раздули историю, будто боты «изобрели свой язык»: на деле их просто перестали штрафовать за грамматику, и текст выродился в повторы. Это хороший урок: без ограничений агент оптимизирует метрику, а не результат, который вам понятен.

Агент не хочет заключить хорошую сделку. Он хочет максимизировать заданную функцию. Если вы плохо описали, что для вас «хорошо», он выторгует цифру, которая формально ниже, но обернётся возвратом, спором или потерей времени.

Публичных, воспроизводимых бенчмарков, где ИИ-агент стабильно обыгрывает человека в реальном коммерческом торге с деньгами, на сегодня нет. Всё, что можно утверждать честно: в узких игровых постановках модели показывают сильную игру, а на живом рынке результат зависит от качества настройки и данных о рыночной цене.

Где машина сильнее, а где человек

Сильные стороны агента предсказуемы. Он не устаёт, не обижается на грубость, помнит весь диалог и может параллельно вести десятки переписок с разными продавцами, сравнивая их предложения. Он не поддаётся приёму «предложение действует только сегодня», если вы явно запретили ему торопиться.

Слабые места тоже понятны. Агент плохо считывает контекст, которого нет в тексте: что продавец в отпуске и готов сбросить больше, что партия залежалась, что вы можете предложить бартер. Он склонен к галлюцинациям — сослаться на несуществующую акцию или чужую цену, которой нет. И он уязвим к манипуляции через prompt injection³: собеседник может встроить в сообщение инструкцию, сбивающую агента с цели.

Сравнение подходов к торгу

Кому это пригодится, а кому нет

Пригодится:

• Закупщику в бизнесе, который каждый день собирает предложения от 20–30 поставщиков: агент отсеет дорогих и выведет на переговоры двух-трёх реальных.
• Продавцу на маркетплейсе или в объявлениях с потоком однотипных вопросов «а дешевле можно» — бот снимет рутину и не даст скидку ниже вашего порога.
• Тому, кто ненавидит торговаться и в переписке уступает из вежливости: агент держит вашу нижнюю границу без эмоций.

Не стоит полагаться на агента:

• В разовой крупной сделке, где важны репутация и живой контакт: покупка квартиры или автомобиля с рук — не место для автономного бота.
• Когда цена вопроса выше суммы, которую вы готовы потерять из-за ошибки или галлюцинации агента.
• Если у вас нет ориентира по рыночной цене: без данных агент торгуется вслепую и может «выиграть» переговоры за товар, который в другом месте стоит вдвое дешевле.

Как попробовать без риска

1. Дайте агенту жёсткие рамки: целевая цена, максимум, стоп-фразы, при которых он выходит из диалога.
2. Оставьте финальное подтверждение за собой — не разрешайте автономную оплату на первых сделках.
3. Дайте ему ориентир по рынку: цены конкурентов, средний чек. Без этого торг превращается в угадайку.
4. Проверяйте каждую ссылку и цифру, которую агент упоминает в переписке, — модели выдумывают акции.
5. Начните с мелких сделок, где ошибка стоит сотни рублей, а не сотни тысяч.

¹ LLM-агент — языковая модель, которой дали цель и инструменты (доступ к переписке, поиску, оформлению заказа), чтобы она действовала в несколько шагов, а не просто отвечала на один вопрос.

² Контекстное окно — объём текста (в токенах), который модель удерживает одновременно: вся история торга плюс ваши инструкции должны в него поместиться, иначе начало диалога «забывается».

³ Prompt injection — атака, при которой в обычное на вид сообщение встраивают скрытую инструкцию для модели, чтобы сбить её с задачи или заставить действовать против ваших интересов.

* Meta признана в России экстремистской организацией, её деятельность запрещена.