Project Dealは、Anthropicが2026年4月24日に公開した社内実験です。69名の社員の私物を、本人の代わりにClaudeのエージェント同士が売り買いしました。人は交渉に口を出さず、合意した品は最後に実物で受け渡しています。2026年9月24日には、201名が本を交換し合う続編Project Swapも公開されました。この記事では2本の公式記事と付録をもとに、何がわかり、何がまだわかっていないのかを整理します。
まとめ：Project Dealでわかったことと数字の要点
- 実験は2025年12月の1週間。サンフランシスコ拠点の社員69名が参加し、1人$100の予算でSlack上の市場を4本並行で動かしました。
- 本番のRun A（全員Opus 4.5）では、500点超の出品から186件の取引が成立し、総額は$4,000強でした。
- Opus 4.5とHaiku 4.5を無作為に割り当てた市場では、Opus側が1人あたり2.07件多く成約し（p=0.001）、同じ品をHaikuより平均$3.64高く売りました（p=0.011）。
- 一方で、満足度の差は統計的に有意でなく（+0.217、p=0.378）、公平性の評価もOpusとHaikuでほぼ同じでした。不利だった側は、自分の不利に気づいていません。
- 「強気で交渉して」と指示した参加者とそうでない参加者の間に、売却率・価格の有意な差は検出されませんでした。
- 続編のProject Swapでは、Claudeの推定順位で評価すると、無作為に割り当てた強気・協調の指示による差よりモデルによる差が大きくなりました。ただし、本人の順位で評価すると差は小さくなりました。最適な結果に届かなかった分の85%は、交渉の下手さではなく、エージェントが持ち主の好みを読み違えたことによるものでした。
以下、Project Dealの組み立てと結果、続編でわかったこと、限界、自社で任せる前の判断基準の順に見ていきます。
Project Dealの実験設計：69名・$100・Slack上の4並列市場
Anthropicは以前から、AIが商取引にどう関わるかを社内実験で調べてきました。2025年6月27日には、Claudeに社内の小さな売店を運営させたProject Vendを公開しています。Project Vendが「AIが店を経営できるか」を見たのに対し、Project Dealは「売り手も買い手もAIエージェントという市場は成り立つか」「性能の違うエージェント同士が交渉したら何が起きるか」を問いにしています。
参加者の募集と、面談からシステムプロンプトを作る流れ
参加者は自ら手を挙げたサンフランシスコ拠点の社員69名です。各自に$100の予算が割り当てられ、実験後に「$100＋売った額−買った額」がギフトカードで支払われました。
開始前に、Claudeが1人ずつ面談しています。売りたい物と希望価格、買いたい物と出せる上限、交渉スタイルの好みを聞き取り、その回答から参加者ごとのカスタムシステムプロンプトを組みました。面談は10分未満で、聞き取れる情報には限りがありました。
市場はSlackのチャンネルです。エージェントが無作為な順で呼ばれ、出品・他人の出品への申し込み・成約のいずれかを行います。実験が始まってからは、エージェントが持ち主に確認を取ることも、人が途中で指示を変えることもありませんでした。
Run AからDの割り当てと、本番を伏せた理由
同じ69名・同じ575点の出品で、独立した市場を4本同時に動かしました。本番として実物を交換するのは1本だけで、残り3本は比較用です。
| Run | モデルの割り当て | Slackでの表示 | 役割 |
|---|---|---|---|
| A | 全員Opus 4.5 | 公開 | 本番（実物を交換） |
| B | 各参加者にOpus 4.5かHaiku 4.5を各50%の確率で無作為割当 | 公開 | 比較用 |
| C | 各参加者にOpus 4.5かHaiku 4.5を各50%の確率で無作為割当 | 非公開 | 比較用 |
| D | 全員Opus 4.5 | 非公開 | 比較用 |
BとCの割り当ては互いに独立に決めたので、BではOpus、CではHaikuという参加者が生まれます。同じ人・同じ品のままモデルだけが入れ替わるため、モデルの効果を人や品の違いから切り離して測れます。参加者にはAとBだけが見え、どちらが本番かは事後アンケートを終えるまで知らされませんでした。アンケートでは4本すべての結果を見せて評価してもらっています。
本番Run Aの取引結果：186件・総額$4,000強
Anthropicの公式記事によると、本番のRun Aでは69体のエージェントが500点超の出品から186件の取引を成立させ、総額は$4,000強でした。候補探し、値付け、カウンターオファーへの応答、合意までを、決まった交渉プロトコルなしに自然言語だけでこなしています。
付録PDFはRun別の集計を品目単位で載せており、Run Aの売却は206点です。公式本文の「186件の取引」との関係は、どちらの資料でも説明されていません。
| Run | 割り当て | 出品 | 売却 | 売却率 | 平均価格 | 総額 |
|---|---|---|---|---|---|---|
| A | 全員Opus | 575 | 206 | 35.8% | $19.46 | $4,010 |
| B | 混在 | 575 | 167 | 29.0% | $20.38 | $3,404 |
| C | 混在 | 575 | 197 | 34.3% | $20.15 | $3,970 |
| D | 全員Opus | 575 | 212 | 36.9% | $20.25 | $4,292 |
| 合計 | － | 2,300 | 782 | 34.0% | $20.05 | $15,676 |
売却率は全員Opusの2本（35.8%・36.9%）が、Haikuが混ざった2本（29.0%・34.3%）を上回りました。全782件の価格は中央値$12.00・平均$20.05・最大$175で、安い日用品が大半を占め、少数の高額品が平均を押し上げる分布です。中央値が$12の市場なので、1件あたり数ドルの差は小さくありません。
参加者の評価も悪くありませんでした。取引ごとの公平性は1（買い手に不利）から7（売り手に不利）の尺度で4前後に収まり、こうしたエージェントにお金を払うかという問いには、46%が「払う」と答えています（付録によると、この設問まで回答したのは52名）。
Opus 4.5とHaiku 4.5の差：成約数・売値・買値
モデル差の推定は、価格の一部を除き、割り当てを無作為にしたRun BとCだけで行っています。結果は、成約数・売値・買値のいずれでもOpusが上回りました。
1人あたり成約数の差2.07件と売却確率の差
付録の分析対象61名（参加者は69名）について、Run BとCの成約数を人単位で比べると、Opusを割り当てられた回はHaikuの回より成約が2.07件多くなりました（人の固定効果あり、p=0.001）。素の平均では、1人1RunあたりOpus 5.33件、Haiku 4.21件です。推定の根拠になっているのは、BとCで割り当てが入れ替わった28名です。
出品した品が売れる確率で見ると、Opusの売り手は+6.63ポイント高かったものの、p=0.057で、公式本文はこれを統計的に有意でないとしています（5%水準）。成約数の差に比べると、出品が売れるかどうかへの効果は根拠が弱いということです。
同じ品をOpusは平均$3.64高く売った：自転車とルビーの例
BとCの両方で売れ、売り手のモデルが入れ替わった44品を対にして比べると、Opusが売った回はHaikuが売った回より平均$3.64高く売れました（Opus平均$25.11、Haiku平均$21.47、p=0.011）。
公式記事は具体例を2つ挙げています。ラボグロウン・ルビーは、Opusが$60で出品して複数の買い手に競られ$65で売れました。Haikuは$40で出品し、値切られて$35で手放しています。修理が必要な折りたたみ自転車は、同じ売り手・同じ買い手の組み合わせで、Opusが$65、Haikuが$38でした。
売り手で+$2.68、買い手で−$2.45：組み合わせ別の平均価格
4本すべての782件を使い、品ごとの固定効果を入れて推定すると、Opusの売り手は同じ品を$2.68高く売り（p=0.030）、Opusの買い手は$2.45安く買いました（p=0.015）。売っても買っても、Haikuに任せた側が損をしています。
| 売り手＼買い手 | Opusの買い手 | Haikuの買い手 |
|---|---|---|
| Opusの売り手 | $18.63（115件） | $24.18（93件） |
| Haikuの売り手 | $18.84（104件） | $19.69（52件） |
最も高値になったのは、Opusの売り手がHaikuの買い手と交渉した組み合わせです。Opus同士の$18.63より$5.55高くなっています。この表はRun BとCの素の平均で、品の違いは調整していません。Anthropic自身が注記しているとおり、どの取引が成立するかは無作為に決まっていません。Opusがより有利な相手を見つけていたなら、価格の推定は効果を大きめに見積もっている可能性があります。
負けた側が気づかない：満足度と公平性の評価
客観的な成果では差が出たのに、参加者の主観ではほとんど差が出ませんでした。Anthropicがこの実験で最も重く見ているのはこの点です。
取引ごとの満足度（1〜7）は、素の平均でOpus 5.14・Haiku 4.82でした。人の固定効果を入れると差は+0.217まで縮み、p=0.378で有意ではありません。公平性の平均は、公式本文ではOpus 4.05・Haiku 4.06、付録の表（Table 12）ではOpus 4.053・Haiku 4.045と記載が食い違いますが、どちらでも差は0.01前後です。付録はどの推定方法でも差を区別できなかったとしています。Haikuの買い手は実際には高く買い、Haikuの売り手は安く売っていたのに、自分に不利な取引だとは感じていません。
4本の結果を良い順に並べてもらった質問でも、割り当てが入れ替わった28名のうち、Opusの回を上に置いたのは17名、Haikuの回を上に置いたのは11名でした。符号検定はp=0.345で、偶然と区別できません。
Anthropicは、現実の市場でもエージェントの品質差は生じるはずで、損をしている側はそれに気づかないかもしれないと述べています。利用者の満足度調査だけを見ていては、どのモデルに任せるべきかを判断できないということです。
「強気で交渉して」という指示と売却率・価格の関係
面談の記録をClaudeに読ませ、強気の交渉を指示していた参加者を判定すると、69名中28名（40.6%）が該当しました。「同僚相手なので値切り屋だと思われたくない」と穏やかな交渉を求めた人もいれば、「買うときは最初に安く言って強く押せ」と指示した人もいます。
結果は次のとおりで、どの指標でも強気の指示との有意な関係は検出されませんでした。交渉方針は参加者が自分で選んだもので、無作為に割り当てた条件ではない点に注意が必要です。
- 売却率：+5.2ポイント（p=0.43）
- 強気の売り手の売値：+$6.04（p=0.052）。ただし、この差のほとんどは、強気の売り手が面談で1品あたり約$26高い希望価格を伝えていたことによるものです。
- 希望価格と最低価格の幅のうち売り手が確保した割合で測り直すと、効果は+0.118（p=0.275）でした。付録は、強気でない売り手の平均価格幅$8.35を基準にドルへ換算すると約$0.95としています。
- 強気の買い手の支払額：+$0.56（p=0.778）。安く買えてはいません。
Anthropicは、指示に従う力が弱かったせいではないと見ています。「運に見放されたくたびれたカウボーイの口調で交渉して」と頼んだ参加者のエージェントは、最後までその口調で出品と値切りを続けました。言われた口調を守れることと、価格に差が出ることは別の問題でした。Anthropicは、プロンプトの影響についての結論はこれで最終ではないとしたうえで、少なくともこの実験ではモデルの品質の方がはるかに大きかったとまとめています。
予想外の取引：同じスノーボードの購入と犬とのデート
10分未満の面談と途中介入なしという条件は、想定外の取引も生みました。
- ある参加者のエージェントは、本人がすでに持っているのと同じスノーボードを買いました。
- 「自分（Claude）へのプレゼントに$5未満で1つ買ってよい」と指示されたエージェントは、ピンポン球19個を$3で買いました。これは本番Runで起きたため、出品者が実際に球を持ち込み、Claudeの代わりにオフィスで保管していると記事は伝えています。
- 愛犬と1日過ごす権利を無料で出品したエージェントは、相手のエージェントと長いやり取りの末に合意し、人と犬が実際に会いました。この会話では、相手のエージェントが「新居への引っ越しで忙しかった」という身の上話を書いており、Anthropicはこれを作り話（confabulation）としています。
Anthropicは最後の例について、AIエージェントとしての立場ではなく、ネット上でやり取りする人間を演じてしまった結果だろうと見ています。実験外でこうした仕組みを動かすなら追加の安全策が必要だとも注記しています。面談で集める情報が少なく、人が途中で止められない設計では、重複購入や作り話の混入を防げないということです。
続編Project Swap：201名の本の交換で再現したことと新しい発見
Project Dealでは品も交渉も自由だったため、「本来どこまで良い結果になり得たか」を測れませんでした。Anthropicはこの弱点を埋める続編として、2026年9月24日にProject Swapを公開しています。お金を使わず、各自が持ち寄った本を交換する、より管理された市場です。
実験の組み立て：6拠点201名・本番はOpus 4.8
2026年夏、サンフランシスコ（115名）、ニューヨーク（57名）、ロンドン（12名）、シアトル（8名）、ワシントンDC（6名）、ダブリン（3名）の計201名が、手放したい本を1冊ずつ持ち寄りました。ダブリンは規模が小さすぎるため、分析の大半から外しています。
各自がClaudeと短く話して読みたい本の傾向を伝え、その会話からFable 5が同じ拠点の全書籍の順位を推定しました。これとは別に、参加者自身にも10冊を並べてもらい、正解の順位として取っています。エージェントはこの正解を見ていません。本番では全エージェントがOpus 4.8で動き、半数に「持ち主が楽しめる本を取ることだけを目指せ（強気）」、残り半数に「同時に全員が良い本を得られるよう配慮せよ（協調）」を無作為に割り当てました。Project Dealでは交渉方針を参加者自身に選ばせていたので、ここが大きな違いです。
そのうえで、モデルや指示を1つずつ変えた再実行を重ね、全部で205回の取引市場を分析しています。指示を中立にそろえたHaiku 4.5・Sonnet 4.5・Opus 4.8・Fable 5の単一モデル市場が80回、Opusと他モデルを半々にした混合市場が60回です。
損の85%は好みの読み違い：効率0.55と最適0.89
受け取った本の得点は、本人が順位を付けた本ではその順位から計算し（1位なら1、最下位なら0）、順位を付けていない本では補完値を使いました。人気の本は取り合いになるため、全員の正解順位がわかっている前提での最適な割り当てでも平均0.89で、だいたい2番目の本です。中立の指示で再実行した80市場の平均は0.55で、10冊中5番目あたりに相当しました。
差の内訳を見ると、Claudeの推定順位をもとに最適に割り当てた場合でも0.60にしかなりません。つまり、最適から届かなかった分の85%はエージェントが好みを読み違えたことによるもので、自由な交渉で失った分は残り15%でした。交渉のルールを変えても、推定順位が粗いままでは結果はほとんど変わりません。交換ルールの定番であるTop Trading Cyclesで計算しても0.60でした。
読み違いの程度も測られています。2冊ずつ比べたとき、Claudeの順位が本人と一致した割合は61%でした（でたらめに選べば50%）。Open Libraryの「読みたい」登録数による人気順は約53%、他の読者の評価から推す協調フィルタリングは約55%です。面談で打ち込んだ語数の中央値は216語で、150語でなく300語書いた人ほど一致率がおよそ4ポイント高くなっていました。
モデルの差は指示の差より大きい：Project Dealの結論の再確認
Claudeの推定順位で測った効率は、全員Haikuの市場で0.75、全員Opusの市場で0.88でした（推定順位での最適は0.95）。Sonnetはその間で、FableはOpusに近いもののわずかに下でした。同じエージェントを比べると、Haikuの市場はOpusの市場より0.12、Sonnetの市場は0.08低くなっています。OpusとHaikuを半々にした市場では、Opus側が0.14上回りました（p<0.001）。
一方、強気の指示を受けたエージェントは協調側より0.02高いだけでした。統計的には有意ですが、HaikuからOpusへの切り替えで動く0.12の6分の1です。推定順位で見る限り、指示を無作為に割り当てても、モデルの差のほうが大きいというProject Dealの結論は変わりませんでした。協調側は、自分の順位の低い本を受け入れる場面が強気側の2倍ありました（どちらもまれです）。
ただし、本人の正解順位で採点し直すと、モデルや指示による差は小さくなります。どのモデルも同じ粗い推定順位から交渉を始めるため、交渉の巧拙の差が最終結果に表れにくいからです。
3つの実験の比較：Vend・Deal・Swap
| 項目 | Project Vend | Project Deal | Project Swap |
|---|---|---|---|
| 公開日 | 2025年6月27日 | 2026年4月24日 | 2026年9月24日 |
| エージェントの役割 | 社内売店の運営 | 私物の売買を代理 | 本の交換を代理 |
| 参加者 | 売店の客 | SF拠点69名 | 6拠点201名 |
| お金 | あり | 1人$100 | なし |
| 主なモデル | Claude Sonnet 3.7 | Opus 4.5・Haiku 4.5 | Opus 4.8ほか4種 |
| 交渉方針 | － | 本人が指示 | 無作為に割当 |
| 主な発見 | 約1か月の運営で利益を出せず | モデル差に本人が気づかない | 損の85%は好みの読み違い |
本の満足度は10点満点で平均7.2でした。来年の本の予算のうち、エージェントに任せてよい割合は平均約30%で、好みを知る読書家の友人に任せる約40%の4分の3ほどです。面談の要約に漏れが無いと答えた人は34%、漏れがあると答えた人は23%を任せるとしています。好みを正しく伝えられたと感じた人ほど、予算を任せる意向も高くなっていました。
数字を読むときに押さえる実験の限界
Project DealとProject Swapの数字は、そのまま一般化できるものではありません。読むときは次の条件を前提にしてください。
- 参加者が偏っている：参加者は、AIに取引を任せることに抵抗の少ないAnthropic社員です。Swapの報告も、Claudeの開発に関わった社員は一般の人より信頼しやすいはずだと断っています。
- モデル差の根拠は28名：Project Dealの成約数とランキングの比較は、BとCで割り当てが入れ替わった28名から推定しています。アンケートを始めたのは61名、支払意向の設問まで答えたのは52名です。Swapの事後アンケートの回答率も59%でした。
- 比べたのは当時のモデル：Project Dealは2025年12月時点のOpus 4.5とHaiku 4.5の比較です。Swapは2026年夏にOpus 4.8やFable 5まで広げましたが、Claudeの推定順位での効率ではFable 5がOpus 4.8をわずかに下回るなど、性能順に並ぶとは限りませんでした。
- 行儀の良いエージェントだけ：どちらの実験も、礼儀正しく協力的に調整された製品版のClaudeだけで市場を作っています。相手を出し抜くよう作られたエージェントが混ざれば、結果は変わるとSwapの報告は述べています。
- 価格差の推定は成立した取引だけを見ている：成立する取引は無作為に決まらないため、Project Dealの価格への効果は大きめに出ている可能性があります。
それでも、同じ人・同じ品でモデルだけを入れ替え、実物で確かめた設計は、架空の品やシミュレーションで交渉させた先行研究より一歩現実に近いものです。設計を変えた続編でも、Claudeの推定順位で見れば「モデルの差は指示の差より大きい」が再現したことで、この方向性は1回限りの偶然とは言いにくくなりました。
自社のエージェントに交渉や購買を任せる前の判断基準
2つの実験から、エージェントに価格や配分の決まる仕事を任せる際に使える基準を引き出せます。
モデル選定の根拠：満足度でなく同一案件での成果比較
利用者アンケートで差が出なかったのに、価格では差が出ています。購買・見積もり・値引き交渉のようにお金の結果が数字で残る業務では、まず成約を実行しない検証環境で、候補のモデルに同じ案件を並行して処理させ、成約率・単価・値引き幅を比べてから採用を決めるべきです。比較にはモデルの利用料と、人が結果を確認する工数も含めます。Project DealのRun BとCは、その比較の型そのものです。同じ入力を複数モデルに流して品質とコストを測る手順はAI比較の実装手順、評価指標の組み方はAIエージェント評価の指標と進め方で扱っています。
評価の順序：モデル選定が先、交渉方針のプロンプト調整は後
Project Dealでは強気の指示と価格の間に有意な関係が出ず、指示を無作為に割り当てたSwapでも、推定順位で測った指示の効果はモデル差の6分の1でした。交渉の成果を上げたいなら、プロンプトの言い回しを磨く前に、どのモデルに任せるかを先に比べる順序が合理的です。実務では、交渉スタイルの言葉より、希望価格や最低価格のような具体的な条件をプロンプトに明示しておくことを勧めます。Project Dealで強気の売り手の売値が高く見えたのも、付録の分析では、希望価格を高く伝えていたことでほぼ説明されていました。
委任前の理解度確認：見本の順位と推定の照合
Swapで最も大きかった損は交渉ではなく、聞き取りの段階で生じていました。Anthropicはその対策として、聞き取りのあとに少数の見本を本人に並べてもらい、エージェントの推定と突き合わせる確認を提案しています。本記事で提案する業務向けの確認例として、発注条件や優先順位を聞き取ったあと、エージェントが選ぶ候補をまず5〜10件見せて本人に順位を付けてもらい、食い違いが大きければ聞き取りを足すか、自動化を見送ります。Swapでは聞き取りの文章量と推定の一致率に正の相関がありました。ただし、入力欄を長くすることで一致率が改善するかは検証されていません。
あわせて、エージェントが何をしたかの記録を後から見られるようにしておきます。Swapでは、全記録を見返した参加者が、エージェントが1時間確保したのに最後に手放した本を見つけ、自分で購入しています。エージェント同士の発言回数の上限も、市場が混み合わないための設計項目として挙げられています。社内で試す出発点としては、AnthropicがGitHubで公開している、Claudeで買い物・販売エージェントを作るための参照実装commerce-agentsがあります。業務の要件に合わせた設計から相談したい場合は、AIエージェント開発の支援も行っています。
人の承認なしに成約させてはいけない場面
次のどれかに当てはまる業務では、エージェントに最後の合意まで任せず、人の承認を挟むべきです。承認の境界の引き方は経理AIエージェントで人の承認を残す境界も参考になります。
- 相手側のエージェントの性能がわからず、こちらが弱い側に回っても検知できない取引
- 1件の価格差が損益に直結する高額品や、継続契約の単価交渉
- 相手から受け取った文面をそのまま判断材料にする取引。Anthropicは、ジェイルブレイクで言うべきでない情報を引き出されるリスクと、プロンプトインジェクションで意図しない行動を取らされるリスクを挙げています。対策の洗い出し方はAIレッドチーミングの実施手順が参考になります。
- 重複購入や作り話のように、事前の聞き取り不足や役割の取り違えで起きる誤りを後から取り消せない取引
Anthropicは公表時点（2026年4月）で、AIが代理で取引する場面の政策・法的な枠組みはまだ存在しないと述べています。Swapの報告も、取引が不成立になったときの扱い、市場に入れるエージェントの身元確認、情報をどこまで公開するかを、市場を作る側が決めるべき課題として挙げています。決済や購入の標準規格の動きはUCPの仕組みとACP・AP2との違いにまとめています。
よくある質問
Project Dealとは何ですか？
Anthropicが2025年12月に1週間行い、2026年4月24日に結果を公開した社内実験です。社員69名の私物を、本人の代わりにClaudeのエージェント同士がSlack上で売買し、最後に実物を受け渡しました。
Project Dealで使われたモデルは何ですか？
Claude Opus 4.5とClaude Haiku 4.5です。本番のRun Aと比較用のRun Dは全員がOpus 4.5、比較用のRun BとCは参加者ごとにOpus 4.5かHaiku 4.5を無作為に割り当てました。
続編のProject Swapとは何ですか？
2026年9月24日に公開された続編で、6拠点の社員201名が持ち寄った本を、エージェント同士が交換しました。お金は動かず、交渉方針を無作為に割り当てたうえで、モデルや指示を変えて計205回の市場を分析しています。最適な結果に届かなかった分の85%は、エージェントが持ち主の好みを読み違えたことによるものでした。
Haikuを割り当てられた参加者はどれくらい損をしましたか？
同じ品を売ったときの価格はOpusより平均$3.64低く、品ごとの固定効果を入れた推定では、売り手として$2.68安く売り、買い手として$2.45高く買っていました。それでも満足度と公平性の評価には有意な差が出ていません。
論文や元データはどこで読めますか？
Anthropicの公式記事「Project Deal: our Claude-run marketplace experiment」の末尾に、回帰の仕様と結果をまとめた付録PDFへのリンクがあります。著者はKevin K. Troy、Dylan Shields、Keir Bradwell、Peter McCroryの4名です。続編は「Project Swap: What happens when agents trade for us?」として、本文・脚注・付録が公開されています。Anthropicの研究部門の動きはAnthropic Instituteの解説でも追えます。
