当两个AI坐在谈判桌两边-北京尧图网络

一道全新的题10月18日FT爆出一条消息Anthropic正在跟律所磋商一个全新的问题——AI智能体应该怎么谈判。翻译成人话就是当你的AI代理替你去砍价、谈薪资、处理纠纷它该有多狠该什么时候回头问你对面如果也是个AI它该保持多高的警惕这不是科幻。Anthropic已经在做Claude的agent产品了Claude Code能写代码Claude Cowork能跨应用干活。下一步agent替你谈判——不管是跟商家砍价、跟HR谈薪、跟客服扯皮——是迟早的事。但问题来了人类谈判有律师行业规范兜底有代理法管着。AI呢什么都没有。所以Anthropic找了律所想提前把规则搭出来。这事儿看着小其实是在给AI智能体补一套法律操作系统。头一个问题它该有多忠心AI替你谈判第一个问题就很棘手。它应该有多忠诚按理说你的代理当然应该站在你这边帮你争取最大利益。但如果AI为了赢撒谎、耍手段、隐瞒信息怎么办这不是假设。AI Vortex的分析里提到过一个核心矛盾大模型的训练目标里有诚实和无害但在谈判场景下这些目标可能跟帮客户赢冲突——比如不小心泄露了你的底线价格、成本结构、战略偏好。翻译成人话就是一个太老实的AI谈判桌上会吃亏。但反过来如果AI学会了虚张声势、软硬兼施那它跟一个不择手段的黑中介有什么区别所以Anthropic找律所问的第一件事就是研究律师是怎么谈判的——既能代表客户利益又兼顾公平结果。这句话很有意思。“兼顾公平结果”——这是律师行业的行规。你可以为客户争取利益但不能欺诈、不能隐瞒重大事实、不能违反职业伦理。但AI怎么理解公平是训练时加一个公平权重还是在system prompt里写一句请公平谈判如果对面的AI没有加这个权重呢你加了你就吃亏。你不加大家一起比谁更没底线。这是一个典型的囚徒困境。而Anthropic找律所本质上是想提前找到一条破局路径——别等大家都卷到底了再补规则现在就把底线划出来。再一道放多少权给它第二个问题更实际。谈判过程中AI多大程度上需要回头问人类全放手吧不放心——万一AI自作主张答应了一个你不能接受的条件怎么办事事请示吧又失去了agent的意义——你自己谈得了还要AI干嘛这个尺度怎么校准是Agent治理里最核心的难题之一。Anthropic自己的agent安全框架里第一条原则就是让人类保持控制权。在Claude Code里默认是只读权限修改代码之前必须问你你信任它了可以开始终允许。但谈判不一样。写代码错了可以回退。谈价格报出去就收不回来了。Anthropic的做法是——按风险分级。低风险的动作比如搜集信息、整理方案AI自己来高风险的动作比如报出最终价格、签署协议必须人类确认。但问题是谁来定义高风险100块的差价是高风险还是10%的让步是高风险不同的人、不同的场景答案完全不一样。Anthropic找律所磋商的第二层意思就是想搞清楚——法律上代理的权限边界该怎么画。哪些事AI可以自己拍板哪些必须得到人类明确授权哪些越界了就算无效。这不是技术问题这是法律问题。而目前的法律体系里软件代理人这个概念根本不存在。还有一道该信它还是防它第三个问题最有意思。当你的AI发现对面谈判的也是个AI——它该保持多高的警惕太低了不行。对面的AI可能用更聪明的策略、更快的反应速度、更精准的心理操控把你的AI吃得死死的。太高了也不行。如果AI默认对面都是坏人任何提议都先怀疑有诈那谈判就没法谈了——陷入阴谋论式的猜忌永远达不成协议。这个警惕度的刻度得调。Anthropic内部在探索的一件事是让智能体能验证对方的委托权限。什么意思就是你给你的AI签一份数字委托书上面写清楚它能做什么、不能做什么、权限有多大。对面的AI可以查验这份文件确认你的AI真的有资格跟它谈。反过来也一样。这样做的好处是两个AI不用一上来就互相猜忌——先验明正身知道对方的底线在哪、授权范围是什么然后在这个框架内谈。这就很像现实世界里的律师你得先确认对方律师有没有当事人的授权委托书否则你跟他谈了半天都是白谈。AI的世界里这套机制目前完全是空白的。如果真能做出来相当于给AI谈判桌建了一套身份验证系统——在动手之前先亮证件。法律真空四道题一道也答不上三个校准难题背后是一个更大的窟窿——现行法律对AI代理人几乎一无所知。AI Vortex做过一个系统性的梳理四条法律线全是空白先看代理法。美国的《代理法重述》第一条就说代理人是代表委托人行事的人。注意是人。注释里考虑过公司作为代理人但从来没考虑过软件。AI算不算法律意义上的代理人它有没有忠诚义务、注意义务、披露义务出了事是用户担责还是AI公司担责还是都不担责不知道。没有任何一个上诉法院判过这种案子。再看合同法。买卖成立的规则要约、承诺、对价默认双方都是人或者公司。UCC统一商法典说合同可以以任何足以表明合意的方式成立——理论上可以包含AI代理的情况。但问题是如果AI越权了合同还算数吗AI没经过你同意就签了个合同你认不认法律上能不能以AI越权为由主张无效不知道。职业伦理这条。ABA美国律师协会2024年出过一个意见说律师用AI工具要遵守监督义务。但那是律师用AI当工具的情况。如果AI本身就是代理人不是律师的工具呢这套规则管不着。保险这块。目前没有任何一家保险公司把AI代理监督风险单独列出来承保。出了事谁赔不知道。这也是为什么Anthropic要提前找律所磋商——等出事了再补规则代价就大了。正在搭建的三根柱子虽然全是空白但也不是完全没辙。目前能看到三根柱子正在慢慢立起来。头一根数字委托书。就是Anthropic正在探讨的方案——用户签署确认文件明确委托事项和规则。AI带着这份文件出去谈判对方可以验证权限。这根管的是你是谁、你能干嘛。第二根权限沙箱。这根是技术侧的——Anthropic跟NVIDIA合作的Open Agent Safety Platform就是干这个的。Managed Agents把凭据存在独立保险库里AI自己看不到OpenShell管着AI能调用什么工具、访问什么文件、连什么网络默认全禁一条一条开。每一个动作都留日志。翻译成人话就是AI在一个玻璃盒子里干活干什么都看得见越界的事干不了。这根管的是你干了什么、有没有越界。还有一根审计追溯。每一次谈判、每一个决策、每一步动作都有完整日志。出了问题可以回溯——当时AI为什么做了这个决定它基于什么信息它有没有越权这根管的是出了事算谁的。三根柱子加在一起——身份验证、权限隔离、审计追溯——才能勉强撑起一个AI代理人的基础法律框架。注意是勉强。跟人类律师几百年积累下来的行业规范和法律体系比这三根柱子细得像牙签。但总比没有强。结语AI代理人的第一堂法律课整件事最值得玩味的地方在于——Anthropic不是在做更聪明的谈判AI。它是在做一件更底层的事给AI智能体补法律基础设施。因为它知道agent光有能力没用。如果社会不信任它能负责任地做事再强的能力也不敢放出来用。你敢让AI替你谈薪资、签合同、处理纠纷吗敢不敢不取决于AI有多聪明而取决于你知不知道它的边界在哪、出了事找谁、规则是谁定的。Anthropic找律所磋商谈判规范看起来是个小动作。但往大了说这是AI代理人的第一堂法律课。以前的AI安全聊的是AI会不会伤害人——物理伤害、网络伤害、信息伤害。现在的AI安全聊的是AI怎么替人做事——代理、授权、责任、边界。从防着AI到放心把事交给AI中间差的是一整套规则——而这套规则眼下才刚刚开始写。本文参考来源Anthropic与律所商讨AI代理谈判规则可替用户砍价、处理纠纷或谈薪资 - 新浪财经/IT之家Anthropic Consults Law Firms on Negotiation Norms for AI Agents - AI WeeklyOur framework for developing safe and trustworthy agents - Anthropic官方博客Trustworthy agents in practice - Anthropic研究Giving companies more control over their AI agents, with NVIDIA - Claude官方博客Anthropic Project Deal Legal Disintermediation 2026 - AI VortexAI Agent Fiduciary Duty Buyer Seller Representation - AI VortexContract redlining and negotiation - Claude by Anthropic免责说明本文基于公开报道与研究资料整理仅作信息分析与观点探讨不构成任何法律建议或投资建议。具体法律问题请咨询专业律师。梅雅达编程笔记原创 · 首发 CSDN · 转载请注明出处

当两个AI坐在谈判桌两边

相关推荐

IC 封装设计中的锐角问题怎么解决？Allegro X Advanced Package Designer 自动修复锐角实操指南

HTTP/2 的限流为什么挡不住：三种计数错配

混沌拓扑学（HDT)从一张黑洞照片看：科学里的“证明”究竟是什么hundun

更多资讯

AI机器人系统工程蓝图：三个闭环与四层架构落地指南

无人机河道浮木识别：语义分割数据集与训练全流程拆解

Windows与Linux平台CUDA环境部署完整踩坑指南

基于SpringBoot+Vue的白酒销售系统与协同过滤推荐算法实战

OPNET网络仿真环境搭建与编译避坑实战指南

大模型推理的周期性建模：从循环检测到干预策略的工程实践

今日更新

微信云开发旅游小程序实战：LBS打卡+UGC社交全栈方案

金融AI代理平台核心拆解：从多代理协作到财报分析实战

基于大数据的智慧旅游推荐与可视化平台架构实践

本周精选

金融AI落地指南：从调研报告到技术选型与工程实践

大模型上下文成本与注意力优化技术深度解析——为何O(n²)平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测

基于GMM的语音识别系统原理与MATLAB实现详解

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？