- En Project Swap, 201 personas dejaron que un agente de Claude negociara por ellas el cambio de un libro.
- Según Anthropic, el 85 % de lo que faltó para el mejor resultado vino de entender mal lo que quería cada persona; la negociación explica el 15 %.
- Con una conversación corta, el agente acertó el orden de preferencias el 61 % de las veces, frente a un 50 % al azar.
- Para un agente que atiende clientes, lo decisivo es qué pregunta y qué registra antes de actuar.
Contenido del artículo
Anthropic, la empresa detrás de Claude, publicó el 24 de septiembre de 2026 los resultados de Project Swap, un experimento en el que agentes de inteligencia artificial negociaron en nombre de personas reales. La pregunta de fondo le sirve a cualquier empresa que esté pensando en poner un agente a atender clientes: ¿en qué falla un agente cuando actúa por alguien?
Qué fue Project Swap
- Las personas: 201 empleados de Anthropic, en seis oficinas, llevaron cada uno un libro para regalar.
- La conversación: Cada uno le contó a Claude, en un chat corto, qué le gusta leer.
- La negociación: Un agente de Claude por persona negoció los intercambios con los demás agentes, sin que la persona interviniera.
- La medida: Al final, cada persona ordenó diez libros según su preferencia, y con ese orden se midió qué tan bien le fue a su agente.
El resultado: negociaron bien, entendieron menos
Los agentes cerraron intercambios y casi nunca mintieron sobre lo que querían. Lo que les costó fue otra cosa: saber qué quería de verdad la persona a la que representaban.
| Qué se midió | Resultado |
|---|---|
| Acierto al ordenar las preferencias de cada persona | 61 %, frente a 50 % al azar |
| De lo que faltó para el mejor resultado posible, lo que vino de entender mal a la persona | 85 % |
| Lo que vino de la negociación | 15 % |
| Satisfacción con el libro recibido | 7,2 de 10 |
La conclusión de Anthropic: el límite no estuvo en negociar, sino en representar bien las preferencias de cada persona a partir de una conversación corta.
Por qué pasa: una conversación corta dice poco
La mitad de los participantes escribió 216 palabras o menos, en unos ocho mensajes, y con eso el agente tuvo que adivinar el resto. Anthropic encontró que quien escribió cerca de 300 palabras en vez de 150 obtuvo unos 4 puntos más de acierto: más contexto, mejor representación.
También pesó el modelo: en las repeticiones del experimento, un modelo más capaz mejoró los resultados más que cambiar las instrucciones del agente.
Qué significa para un agente que atiende a tus clientes
El experimento fue con libros, no con ventas, pero la lección se traslada: un agente comercial puede responder rápido y bien, y aun así recomendar lo equivocado si no entendió qué necesita el cliente.
- Qué pregunta: Las preguntas del agente tienen que sacar lo que cambia la recomendación: para qué lo necesita el cliente, cuántas personas lo van a usar y qué tiene hoy.
- Qué registra: Lo que el cliente cuenta queda escrito en el CRM, para que la persona que sigue la conversación no tenga que volver a preguntar.
- Cuándo confirma: Anthropic propone que un agente le muestre a la persona algunas decisiones de ejemplo antes de actuar solo. En ventas, eso es resumirle al cliente lo que entendió antes de cotizar o agendar.
- Con qué modelo trabaja: El modelo cuenta: en el experimento pesó más que las instrucciones.
En una empresa que vende maquinaria industrial, el agente no debería cotizar antes de saber para qué proceso es la máquina y cuántos turnos trabaja la planta: con esas dos respuestas cambia la máquina que conviene.
Los límites del estudio
- Los participantes fueron empleados de Anthropic, que no representan a la población general, y no recibieron pago por participar.
- Solo se probaron agentes de Claude bien comportados; agentes que intentan engañar quedaron por fuera.
- Fue un intercambio de libros: lo que dice sobre ventas es una lectura, no un resultado medido en ventas.
Fuente: Anthropic, «Project Swap», publicado el 24 de septiembre de 2026 en anthropic.com/research/project-swap. Las cifras de este artículo son las que publica Anthropic.
En Magma
En los CRM que desarrollamos, el agente comercial que atiende por WhatsApp se construye sobre la estrategia comercial de cada empresa: qué pregunta, en qué orden y qué registra en el CRM antes de pasarle el prospecto al equipo.
¿Quieres verlo en tu empresa?
Escríbenos por WhatsApp y te contamos cómo sería con tus procesos.