శక్తివంతమైన మోడళ్లు మెరుగుగా చేశాయి, వినియోగదారులు గుర్తించలేదు
Anthropic నిర్వహించిన ఒక అంతర్గత ప్రయోగం, AI అసమానత యొక్క సున్నితమైన కానీ ముఖ్యమైన రూపం ఇప్పటికే వెలుగులోకి వస్తోందని సూచిస్తోంది: శక్తివంతమైన మోడళ్ల ద్వారా ప్రతినిధ్యం పొందిన వ్యక్తులు, చుట్టుపక్కల ఎవరూ ఆ లోటును గుర్తించకుండా, మెరుగైన ఫలితాలను సాధించగలరు. అందించిన మూల పాఠ్య ప్రకారం, Anthropic 2025 డిసెంబరులో ఒక వారం పాటు “Project Deal” అనే అంతర్గత మార్కెట్ను నిర్వహించింది, ఇందులో 69 మంది ఉద్యోగులు Slack పై Claude-ఆధారిత AI ఏజెంట్లను ఉపయోగించి నిజమైన వస్తువులను కొనుగోలు, విక్రయాలు చేశారు.
ప్రతి పాల్గొనేవారికి $100 బడ్జెట్ ఇచ్చారు. మార్కెట్ తెరవకముందు, Claude స్వచ్ఛందులకు వారు ఏమి కొనాలనుకుంటున్నారు లేదా అమ్మాలనుకుంటున్నారు, వారి ధర అభిరుచులు ఏమిటి, మరియు వారి ఏజెంట్ ఏ విధమైన చర్చా శైలిని ఉపయోగించాలి అనేది అడిగింది. ఆ సమాచారం ఆధారంగా Anthropic కస్టమ్ system prompts తయారుచేసింది. తర్వాత, AI ఏజెంట్లు మొత్తం ప్రక్రియను చివరవరకూ నిర్వహించారు: జాబితాలు రాయడం, ప్రత్యర్థులను కనుగొనడం, ఆఫర్లు ఇవ్వడం, చర్చించడం, ఒప్పందాలు ముగించడం. వస్తువులు మార్పిడి చేయడానికి మాత్రమే మనుషులు చివరలో తిరిగి ప్రవేశించారు.
ప్రయోగంలోని కీలక మలుపు పాల్గొనేవారికి తెలియకుండా ఉంచబడింది. Anthropic మార్కెట్కు సమాంతర వెర్షన్లను నడిపింది. కొన్నింటిలో ప్రతి పాల్గొనేవారికి Claude Opus 4.5 ద్వారా ప్రతినిధ్యం లభించింది, ఇది మూల పాఠ్యంలో ఆ సమయంలో Anthropic యొక్క frontier model గా పేర్కొనబడింది. మరికొన్నింటిలో, పాల్గొనేవారికి 50% అవకాశం Claude Haiku 4.5 ద్వారా ప్రతినిధ్యం పొందేలా జరిగింది, ఇది కంపెనీ యొక్క చిన్న మోడల్.
ఫలితం కేవలం సాంకేతికం కాదు. సామాజికమైంది కూడా.
మూలం ప్రకారం, మరింత సామర్థ్యవంతమైన Opus మోడల్ సగటున Haiku కంటే స్థిరంగా మెరుగైన ధరలు సాధించింది మరియు ఎక్కువ ఒప్పందాలు కుదుర్చుకుంది. అదే సమయంలో, మరింత దూకుడైన చర్చా సూచనలు ఫలితాల్లో గణాంకపరంగా ముఖ్యమైన తేడాను చూపలేదు. ఇంకొక మాటలో చెప్పాలంటే, కేవలం గట్టిగా మోపమని చెప్పడం కంటే, మోడల్ సామర్థ్యమే ఎక్కువ ప్రాముఖ్యమైంది.
ఈ ఫలితం, enterprise AI స్వీకరణలో సాధారణంగా ఉండే ఒక ఊహకు వ్యతిరేకంగా ఉంది; అక్కడ సంస్థలు ప్రాంప్ట్ శైలి లేదా ఉపరితల ప్రవర్తనే ఎక్కువ విలువను నిర్ణయిస్తాయని అనుకుంటారు. Anthropic ఫలితాలు, ప్రాథమిక మోడల్ బలం టోన్ కంటే ఎక్కువ ప్రాముఖ్యమై ఉండవచ్చని సూచిస్తున్నాయి. ఈ నమూనా సాధారణంగా వర్తిస్తే, ఏజెంట్ నాణ్యతే డిజిటల్ లావాదేవీలలో ఎవరు అనుకూల నిబంధనలను పొందుతారో నిశ్శబ్దంగా నిర్ణయించవచ్చు.
అత్యంత ప్రాముఖ్యమైన కనుగొనడం ఆర్థికం కన్నా గ్రహణపరమైనదై ఉండవచ్చు. బలహీనమైన Haiku ఏజెంట్లు ఉన్న వినియోగదారులు వాస్తవంగా చెడు ఫలితాలు పొందినా, తమ లావాదేవీలను Opus ద్వారా ప్రతినిధ్యం పొందిన వినియోగదారుల్లాగే న్యాయంగా రేటు చేసినట్లు Anthropic చెబుతోంది. ఇదే సంస్థ AI-సహాయ నిర్ణయాలలో “అదృశ్య అసమానత”గా పేర్కొంటోంది.
ఇది కీలకమైన ఆలోచన. సంప్రదాయ అసమానతలు సాధారణంగా ధర, ప్రాప్యత, లేదా సేవా నాణ్యతలో కనిపిస్తాయి. Anthropic సూచిస్తున్నది మరింత గుర్తించడానికి కష్టం: ఇద్దరు వ్యక్తులు సమానంగా సంతృప్తిగా అనిపించవచ్చు, కానీ వారి తరఫున పనిచేసిన యంత్రం ఒకరికి విధిగా తక్కువ స్థాయి ప్రతినిధిత్వం ఇచ్చి ఉండవచ్చు.
