Δημοσιεύτηκε σήμερα η επιστημονική εργασία «Behavioral Disclosure in LLM-Mediated Bilateral Trade: A Theoretical Framework with Empirical Calibration in Hotel Dynamic Pricing», μέρος της ερευνητικής δουλειάς της AGEL AI Ι.Κ.Ε.
Μέχρι και πριν μερικούς μήνες, η αγορά είχε ήδη προσαρμοστεί στην αλληλεπίδραση ανθρώπου με AI. Στην εργασία αυτή πάμε ένα βήμα παρακάτω και εξετάζουμε την αλληλεπίδραση AI με AI, δύο γλωσσικά μοντέλα να διαπραγματεύονται μεταξύ τους για λογαριασμό αγοραστή και πωλητή σε μια πραγματική επιχειρηματική συνθήκη (B2B κρατήσεις ξενοδοχείου).
Δοκιμάσαμε δέκα μοντέλα μετώπου (Claude, GPT-5.5, Gemini, DeepSeek, Grok κ.ά.) σε πέντε πειραματικές φάσεις, συνολικά ~4.320 διαλόγους. Τα ευρήματα ανατρέπουν την κλασική θεωρία μηχανισμών:
– Το Claude Sonnet 4.6 φτάνει 99,8% αποδοτικότητα στο ξενοδοχειακό domain, ξεπερνώντας στατιστικά την καλά-βαθμονομημένη «τιμή πόρτας».
-Το Claude Opus 4.7, αντίθετα, αρνείται δομικά να κλείσει συμφωνία (0/60 διαπραγματεύσεις).
-Το GPT-5.5 καταρρέει από 67% σε 16% αποδοτικότητα όταν αλλάζει το domain από αφηρημένο σε πραγματικά ευρώ.
Το βασικό μήνυμα που εξάγεται είναι ότι η ταυτότητα του μοντέλου κυριαρχεί έναντι του πρωτοκόλλου. Ο σχεδιασμός μηχανισμών για AI-to-AI αλληλεπίδραση πρέπει να γίνεται μοντέλο-προς-μοντέλο. Δεν αρκεί ότι ένα μοντέλο είναι «καλό γενικά», πρέπει να δοκιμαστεί στο συγκεκριμένο επιχειρηματικό περιβάλλον πριν αναπτυχθεί.
Η εργασία εδραιώνει το θεωρητικό πλαίσιο γύρω από την παράμετρο α (disclosure rate), τη συνδέει με κλασικά αποτελέσματα οικονομικής θεωρίας (Myerson–Satterthwaite, Chatterjee–Samuelson) και παρέχει το πρώτο, εξ όσων γνωρίζουμε, διεξοδικό cross-model πείραμα διμερούς διαπραγμάτευσης σε πραγματικό κλάδο.
Drakos, S. (2026). Behavioral Disclosure in LLM-Mediated Bilateral Trade. AGEL AI Working Paper.
https://zenodo.org/records/20075690
