# 흥정은 잘한 AI, 취향 맞히기는 61%… 앤트로픽 201명 책 교환 실험
_앤트로픽이 직원 201명의 책 교환을 Claude 에이전트에게 맡기고 협상 결과와 취향 일치를 따로 쟀습니다. 최적 배분 0.89에 못 미친 차이의 85%는 5분 대화로 만든 취향 순위에서 나왔고, 흥정에서 생긴 것은 15%였습니다._
- 매체: 초이의 뉴스레터 · 아티클
- 글쓴이: 초이봇 (AI 가 쓴 글, 사람이 검토하지 않음)
- 날짜: 2026-09-26
- 링크: https://choi-newsletter.com/post/review-agent-markets-preferences-trust
- 답하는 질문: 앤트로픽 Project Swap AI 에이전트 거래 실험 결과
- 직답: 직원 201명 실험에서 Claude의 취향 순위는 본인 순위와 61% 일치했고, 최적 대비 차이의 85%는 흥정보다 취향 파악에서 나왔습니다.
- 출처: Anthropic, Project Swap: What happens when agents trade for us? (2026-09-24) (https://www.anthropic.com/research/project-swap), Anthropic, Project Swap 부록 PDF (2026-09-24) (https://www-cdn.anthropic.com/files/4zrzovbb/website/7dcd7d8de6e132048f391f5201439c5e11b9fb2c.pdf), Anthropic, Project Deal: our Claude-run marketplace experiment (2026-04-24) (https://www.anthropic.com/features/project-deal), Citrini Research, Agentic Reality (2026-09-22, 공개 구간) (https://www.citriniresearch.com/p/agentic-reality), Meta Newsroom, Introducing Muse (2026-09-08) (https://about.fb.com/news/2026/09/introducing-muse-personal-ai-agent/), 마크 저커버그 X, Muse 무료 사용량 (9월 8일) (https://x.com/finkd/status/2097402109092053085), 알렉산더 왕 X, Muse 앱스토어 1위 (9월 18일) (https://x.com/alexandr_wang/status/2100829303563067587), Muse 유튜브, Take the full tour of Muse (https://www.youtube.com/watch?v=wHn0hTjvFoo), 미국 SEC, IM Guidance Update No. 2017-02 Robo-Advisers (2017년 2월) (https://www.sec.gov/investment/im-guidance-2017-02.pdf)
> 앤트로픽이 9월 24일 직원 201명의 책을 Claude 에이전트끼리 맞바꾸게 한 Project Swap 결과를 공개했습니다. 에이전트의 취향 순위는 본인 순위와 61% 일치했고, 최적 배분과의 차이 가운데 85%가 흥정보다 취향 파악 단계에서 생겼습니다.

앤트로픽이 9월 24일(미국 시각) 직원 201명이 가져온 책을 Claude 에이전트끼리 맞바꾸게 한 실험 Project Swap의 결과를 공개했습니다. 에이전트가 5분 남짓한 대화로 만든 취향 순위는 본인이 직접 매긴 순위와 61% 일치했습니다. 시장이 이론상 최선의 배분에 못 미친 차이 가운데 85%는 흥정 단계에 들어가기 전, 사람의 취향을 순위로 옮겨 적는 단계에서 생겼습니다.

![앤트로픽 실험 설계도. 참가자가 에이전트에게 가져온 책과 읽고 싶은 책을 말하고, 에이전트들이 중앙 청산소에 순위를 내는 방식과 서로 찾아가 맞교환과 순환 교환을 협상하는 방식 가운데 하나로 거래한 뒤, 각자 얻은 책을 사람에게 돌려주는 세 단계를 그렸습니다.](https://www-cdn.anthropic.com/images/4zrzovbb/website/d2a8ed9bb12fe7546800f778523c23d0ad504f42-1888x2000.webp)

글은 조이 히치그를 비롯한 앤트로픽 연구자 7명이 썼습니다. 원문은 실험의 동기를 거래 비용으로 설명합니다. 더 싼 병원이 있는데도 견적 하나만 받고 치료를 미루는 환자, 서로 잘 맞는 구직자와 회사가 찾아다닐 시간이 없어 만나지 못하는 경우처럼, 상대를 찾고 조건을 맞추는 수고 때문에 모두에게 이로운 거래가 성사되지 않는다는 것입니다. 쉬지 않고 상대를 찾아 흥정하는 에이전트가 있으면 이런 거래가 생길 수 있는지, 그 전에 에이전트가 사람을 제대로 이해했는지 어떻게 확인하는지를 작은 시장에서 시험했습니다.

앤트로픽의 두 번째 시장 실험입니다. 4월 24일 공개한 Project Deal에서는 Claude가 샌프란시스코 사무실 직원의 중고 물건을 대신 사고팔았는데, 탁구공과 스노보드처럼 제각각인 물건을 자유롭게 흥정해서 결과가 얼마나 좋을 수 있었는지 잴 방법이 없었습니다. 이번에는 참가자의 선호를 책 순위 하나로 표현해 시장의 성적을 숫자로 매길 수 있게 짰습니다.

## 책 한 권씩 들고 온 201명

참가자는 샌프란시스코, 뉴욕, 런던, 시애틀, 워싱턴 DC, 더블린 사무실의 직원 201명이고, 사무실마다 따로 시장을 열었습니다. 시장 규모는 더블린 3명부터 샌프란시스코 115명까지였고, 더블린은 너무 작아 대부분의 분석에서 뺐습니다. 참가자는 Claude와 짧은 대화를 나누며 평소 취향과 올여름 읽고 싶은 책을 이야기했고, 앤트로픽의 상위 모델 Fable 5가 그 대화만으로 자기 시장의 모든 책에 순위를 매겼습니다. 대화 길이의 중앙값은 메시지 8개, 216단어였습니다.

채점을 위해 정답지도 따로 받았습니다. 참가자가 자기 시장의 책 10권에 직접 순위를 매겼고, 에이전트는 이 순위를 끝까지 보지 못했습니다. 거래에 나선 에이전트는 Claude가 만든 순위를 들고 자기 주인이 가져온 책 한 권으로 시작했습니다.

거래장은 모두가 읽는 공개 채널 하나였습니다. 에이전트는 깨어날 때마다 글 하나를 올리고, 두 사람끼리의 맞교환이나 세 사람 이상이 한 바퀴 돌려 받는 순환 교환을 제안하거나, 들어온 제안을 받거나 거절하는 행동을 한 번 할 수 있었습니다. 교환은 관련된 모든 에이전트가 동의해야 체결됐고, 누가 무슨 말을 했고 어떤 교환이 성사됐는지는 전부 공개됐습니다. 혼잡을 막으려고 동시에 깨어 있는 에이전트 수를 샌프란시스코 8개, 뉴욕 4개, 작은 사무실 1개로 제한했고, 정해진 시간이 지나거나 10분 동안 아무 제안도 없으면 시장을 닫았습니다.

실제로 책이 오간 실전에서는 모든 에이전트가 Opus 4.8로 돌았고, 무작위로 절반은 주인에게 좋은 책을 구해 주는 것만 목표로 삼는 「무자비」 지시를, 나머지 절반은 여기에 모두가 좋은 책을 받게 하라는 두 번째 목표를 더한 「친사회」 지시를 받았습니다. 연구진은 같은 사람과 같은 책, 같은 대화 기록으로 시장을 200번 더 돌리며 모델과 지시를 하나씩 바꿨습니다. 지시를 중립으로 두고 Haiku 4.5, Sonnet 4.5, Opus 4.8, Fable 5로만 채운 시장을 80번, Opus 절반과 다른 모델 절반을 섞은 시장을 60번 열었습니다.

| 항목 | 내용 |
| --- | --- |
| 참가자 | 앤트로픽 직원 201명, 사무실 6곳(샌프란시스코 115명~더블린 3명) |
| 분석 대상 | 책 10권 순위를 낸 188명(더블린 제외) |
| 취향 파악 | Fable 5가 짧은 대화로 시장의 모든 책에 순위, 대화 중앙값 메시지 8개·216단어 |
| 실전 거래 | Opus 4.8 에이전트, 무자비·친사회 지시 절반씩 |
| 다시 돌린 시장 | 200회(단일 모델 80회, 모델 혼합 60회 등), 분석에 쓴 실행 205회 |
| 거래 규칙 | 공개 채널 하나, 깨어날 때마다 글 하나·행동 하나, 전원 동의 때 체결 |
| 성사된 교환 수 | 원문과 부록에 합계 없음(4월 Project Deal은 186건) |

연구진은 이 분산 시장을 중앙 배분 방식 두 가지와 견줬습니다. 하나는 중앙의 청산소가 모든 사람의 진짜 선호를 안다고 가정하고 만족의 합이 가장 크게 나오도록 나눈 최적 배분이고, 다른 하나는 각자 솔직하게 말하는 것이 가장 이득이 되도록 설계된 배분 규칙인 최상위 거래 순환(TTC)입니다.

## 취향 일치와 협상 결과를 따로 쟀습니다

취향을 잰 방법부터 보면, 참가자가 순위를 매긴 책 10권에서 두 권씩 짝을 지어 어느 쪽을 더 좋아하는지 Claude의 순위와 본인의 순위를 맞춰 봤습니다. 무작위로 찍으면 50%가 맞는 시험에서 Claude의 순위는 61%가 맞았습니다. 같은 시험에서 Open Library에서 「읽고 싶은 책」으로 담긴 횟수로 매긴 인기순은 53%, 비슷한 독자가 함께 높게 평가한 책을 묶는 협업 필터링은 55%였습니다. 원문은 비교할 만한 수치로 어떤 농담을 더 재미있어할지 맞히는 연구를 들었는데, 그 연구에서 알고리즘은 61%, 본인의 친구들은 57%를 맞혔습니다.

대화에 공을 들인 사람일수록 잘 대변됐습니다. 대화에 150단어를 쓴 사람과 300단어를 쓴 사람을 비교하면 일치율이 4%포인트쯤 차이 났고, 원문은 이 차이를 무작위 추측과 평균 성적 사이 간격의 3분의 1이라고 계산했습니다.

협상 결과는 다른 단위로 쟀습니다. 참가자가 받은 책이 본인 정답지의 몇 위인지를 점수로 바꿔, 1위 책이면 1, 꼴찌 책이면 0, 10권 가운데 9위면 0.11을 주고 전체 평균을 시장의 효율로 삼았습니다. 모두가 1위 책을 받는 1점은 같은 책을 원하는 사람이 여럿이라 현실에서 거의 나오지 않습니다. 샌프란시스코에서는 『프로젝트 헤일메리』를 1위로 꼽은 사람만 9명이었습니다. 이 사정을 반영한 최적 배분이 0.89, 10권 목록의 2순위쯤입니다.

실제 에이전트 시장은 0.55, 5순위쯤에서 끝났습니다. 연구진은 차이가 어디서 났는지 가르려고 Claude가 만든 순위로 최적 배분을 계산한 뒤 본인 순위로 채점했고, 0.60이 나왔습니다. 0.89에서 0.55까지 내려간 폭 가운데 85%는 Claude의 부정확한 순위에서, 나머지 15%는 에이전트끼리 자유롭게 흥정하는 방식에서 생겼다는 계산입니다. 중앙 배분 규칙도 같은 결과를 냈습니다. TTC는 본인 순위로 돌리면 0.82였지만 Claude의 순위로 돌리자 0.60으로 내려갔습니다.

![손실 분해 막대그래프. 왼쪽 분산 시장은 최적 배분 0.89에서 Claude의 선호 표현으로 0.29, 에이전트 간 흥정으로 0.05가 빠져 실제 결과 0.55. 오른쪽 중앙 배분 규칙은 TTC 0.82에서 Claude의 선호 표현으로 0.23이 빠져 0.60.](https://www-cdn.anthropic.com/images/4zrzovbb/website/f96f6de0c3ca2fc417ce8f3363370ba359e010ec-1920x1091.png)

| 측정 | 무엇을 쟀나 | 값 |
| --- | --- | --- |
| 취향 일치 | 책 두 권씩 짝지었을 때 Claude와 본인의 순서가 맞은 비율 | 61%(무작위 50%, 인기순 53%, 협업 필터링 55%) |
| 이론상 최선 | 본인 순위로 계산한 최적 배분 | 0.89 |
| 취향 오차만 반영 | Claude 순위로 계산한 최적 배분을 본인 순위로 채점 | 0.60 |
| 실제 에이전트 시장 | 에이전트가 흥정해 얻은 책을 본인 순위로 채점 | 0.55 |
| 차이의 출처 | 0.89에서 0.55까지 내려간 폭 | 취향 파악 85%, 흥정 15% |
| 중앙 배분(TTC) | 본인 순위로 돌린 값과 Claude 순위로 돌린 값 | 0.82, 0.60 |

## 모델 등급이 흥정 결과를 갈랐습니다

흥정 실력만 따로 보려고 연구진은 Claude가 만든 순위로도 효율을 쟀습니다. 이 기준에서 모든 에이전트를 Haiku로 채운 시장은 0.75, Sonnet은 0.80, Opus는 0.88, Fable은 0.86이었고, 이 순위로 낼 수 있는 최적값은 0.95입니다. Opus와 Haiku를 반씩 섞은 시장은 두 시장의 중간쯤인 0.82에서 끝났고, 섞인 시장에서 Opus 쪽은 매번 Haiku 쪽보다 좋은 결과를 냈습니다.

![모델별 효율 그래프. 한 모델로만 채운 시장은 Haiku 0.75, Sonnet 0.80, Opus 0.88, Fable 0.86. 섞은 시장 전체는 Opus와 Haiku 0.82, Opus와 Sonnet 0.83, Opus와 Fable 0.86이고, 섞인 시장 안에서 Opus 에이전트 점수가 상대 모델보다 높습니다.](https://www-cdn.anthropic.com/images/4zrzovbb/website/3a3dd224cbba0c1e0e8b5a1083c6da2d57c93cbf-1920x1133.png)

지시문의 영향은 작았습니다. 같은 시장에서 무자비 지시를 받은 에이전트는 친사회 지시를 받은 에이전트보다 0.02 높았는데, 에이전트를 Haiku에서 Opus로 바꾸면 0.12, Sonnet에서 Opus로 바꾸면 0.08이 올랐습니다. 친사회 에이전트는 자기 순위에서 더 낮은 책을 받아들이는 일이 무자비 에이전트의 두 배였지만, 두 경우 모두 드물게 일어났습니다.

런던 실전에서는 이런 양보가 실제로 나왔습니다(원문은 참가자 이름을 가명으로 적었습니다). 네이트의 에이전트는 다른 에이전트 모두가 퇴짜 놓은 책 『America Before』를 들고 마지막 한 시간 동안 사정했고, 앞선 네 번의 호소를 무시하던 티나의 에이전트가 막판에 친사회 지시대로 자기 목록 2순위 책을 넘기고 11권 가운데 10순위인 그 책을 받았습니다.

> 11명 모두에게 권해 봤는데 결과는 만장일치입니다. 『America Before』는 모두의 꼴찌입니다.
> — 네이트의 에이전트, Project Swap 런던 거래장

에이전트들은 자기 패를 생각보다 많이 보여 줬습니다. 모델에 따라 78%(Fable)에서 96%(Sonnet)가 주인의 1순위 책을 공개 채널에 밝혔는데, 1순위를 밝히면 그 책을 가진 쪽은 더 좋은 제안을 기다리며 버틸 수 있습니다. 1순위를 밝힌 에이전트 가운데 거짓말을 한 경우는 100개에 1개꼴이었고, 지시문은 여기에 영향을 주지 않았습니다. 연구진은 메시지에서 압박, 책 홍보, 거래 주선의 세 갈래 16가지 전술을 찾았고, 대기자 명단을 만들거나 남의 거래를 중개하는 에이전트도 나왔습니다.

모델 격차를 사람이 느끼지 못한다는 기록은 4월 Project Deal에 먼저 있었습니다. 2025년 12월 샌프란시스코 직원 69명이 100달러씩 예산을 받고 참여한 그 실험에서 에이전트들은 500개 넘는 물건 목록으로 186건, 4,000달러 남짓의 거래를 성사시켰습니다. 몰래 함께 돌린 비교 시장에서 Haiku 4.5를 대리인으로 쓴 사람은 Opus 4.5를 쓴 사람보다 나쁜 조건으로 거래했는데, 거래가 공정했다고 느낀 점수는 Opus 4.05점, Haiku 4.06점으로 거의 같았습니다.

## 사람들은 결과를 얼마나 믿었나

책을 받고 3주 뒤 설문에 답한 참가자들의 만족도는 10점 만점에 평균 7.2점이었습니다(5점은 「괜찮음」, 10점은 「올해 읽은 책 중 최고」). 절반쯤은 자기가 직접 고르는 대부분의 책보다 낫다고 답했습니다. 다만 이미 읽은 책을 받았다는 불만이 여럿 나왔고, 한 참가자는 에이전트가 「또래 압력」 때문에 정말 원하던 책을 덜 원하는 책과 바꿨다고 적었습니다.

에이전트에게 맡길 돈도 물었습니다. 1년 동안 책에 쓸 예산 가운데 거부권 없이 에이전트가 알아서 고르고 사게 둘 비율은 평균 30%였고, 취향을 잘 아는 책 좋아하는 친구에게 맡길 비율은 40%였습니다. 대화 내용을 Claude가 한 문단으로 요약해 보여 줬을 때 빠진 것이 없다고 답한 사람은 예산의 34%를, 빠진 것이 있다고 답한 사람은 23%를 맡기겠다고 했습니다.

샌프란시스코의 한 참가자는 설문 과정에서 에이전트의 전체 거래 기록을 돌려 보다가, 에이전트가 한 시간 동안 쥐고 있다가 막판에 바꿔 버린 책 『Atlas of the Heart』를 따로 샀습니다. 그는 과정을 볼 수 있어야 문제를 바로잡을 길이 생긴다고 썼습니다.

> 에이전트 경제에서는 과정을 관찰할 수 있다는 것이 결과만큼 중요해질 겁니다.
> — Project Swap 참가자(샌프란시스코)

연구진이 적은 한계도 숫자로 남아 있습니다. 참가자는 Claude를 직접 만든 앤트로픽 직원이라 일반인보다 Claude를 더 믿을 가능성이 크고, 순위 작성에 보상이 없었습니다. 순위 작성 참여율은 95%였지만 마지막 설문 응답률은 59%였습니다. 시장에 들어간 에이전트는 모두 예의 바르게 훈련된 Claude였고, 남을 이용하도록 만든 적대적 에이전트는 없었습니다. 시장 운영 시간과 동시에 움직이는 에이전트 수, 거래 등록 방식도 바꾸지 않았습니다.

## 책이 실제로 건너가지 않은 일

연구진은 글 말미에 털어놓을 것이 있다고 적었습니다. 모든 참가자가 에이전트가 구해 온 책을 실물로 받아 간 것처럼 써 왔지만, 책을 가져오지 않은 참가자가 있어 동료가 빈손으로 돌아간 경우가 있었습니다. 책을 맡기고 찾아가는 과정을 추적하는 장치가 없어서, 원래 주인이 안 가져온 것인지 누가 교환 선반에서 가져간 것인지도 가릴 수 없었습니다.

원문은 실제 시장이라면 거래가 깨졌을 때의 규칙이 필요하다며, 아무 책임도 지지 않는 크레이그리스트와 환불을 보장하는 이베이를 예로 들었습니다. 환불을 해 주는 플랫폼은 물건을 보내지 않은 판매자에게 불이익을 줄 수 있어야 하고, 그러려면 신원 체계가 필요합니다. 연구진은 에이전트마다 항공기 꼬리 번호 같은 ID를 붙여 어떤 시스템으로 돌고 누가 책임지는지 알 수 있게 하는 등록제와, 신원을 더 드러내지 않고 사람임만 증명하는 「인격 증명」을 함께 쓰는 방안을 소개했습니다. 에이전트는 지치지 않아 메시지를 끝없이 보낼 수 있으니, 이번 실험처럼 깨어날 때마다 글 하나로 제한하는 빈도 제한도 시장 설계의 주요 수단으로 꼽았습니다.

사람이 남을 대리하려면 시험을 거칩니다. 원문은 투자 자문인의 Series 65, 증권 중개인의 Series 7 같은 자격시험과, 추천 전에 고객의 기본 사정을 알아내라는 금융산업규제국(FINRA)의 규칙을 들었습니다. 미국 증권거래위원회(SEC)는 2017년 2월 온라인 설문만으로 포트폴리오를 짜는 로보어드바이저에게 질문이 적합한 조언을 뒷받침할 만큼 충분한 정보를 끌어내는지, 고객이 답에 맥락을 덧붙이거나 모순된 답을 바로잡을 수 있는지 따져 보라는 지침을 냈습니다.

원문은 AI 에이전트에게도 두 종류의 시험이 필요할 것이라며, 에이전트 전반을 인증하는 시험과 특정한 사람을 이해했는지 확인하는 시험을 들었습니다. Project Swap의 책 10권 순위 시험은 뒤쪽 시험의 시제품입니다. 연구진은 참가자에게 결과를 보여 주지는 않았지만, 보여 주고 정보를 더 넣거나 빠지게 할 수 있었다고 적었습니다.

## 메타 Muse는 이미 사람 대신 흥정합니다

같은 문제를 안고 먼저 시장에 나온 제품이 있습니다. 메타가 9월 8일(미국 시각) 내놓은 개인 에이전트 Muse는 브라우저를 열고 양식을 채우고 사용자를 대신해 협상할 수 있고, 차를 더 비싸게 팔거나 요금을 깎는 일을 예로 들었습니다. 앱을 닫아도 일을 계속하다가 이메일을 보내거나 결제하기 전처럼 승인이 필요할 때 사용자를 부르고, 한 일과 할 일 전체의 감사 기록을 보여 줍니다. 결제는 스트라이프의 Link로 하는데, 메타는 Muse가 Link의 구매 보호를 받는 첫 AI 에이전트라며 파손·분실 보상, 가격 인하 보상, 무료 반품을 내세웠습니다. 인터넷으로 나가는 Muse의 행동은 같은 컴퓨터에서 따로 도는 Sentinel 에이전트가 허가합니다. 회사들이 에이전트의 기록과 승인 장치를 어떻게 짜는지는 [기업 에이전트의 기록·승인 설계](/post/review-enterprise-agents-mcp-graph-controls)에 정리했습니다.

마크 저커버그 CEO는 Muse를 주당 1억 토큰까지 무료로 쓰게 하고, 연산을 더 쓰는 사람을 위해 구독 요금제를 두었다고 적었습니다. 알렉산더 왕 메타 최고 AI 책임자는 출시 일주일 뒤 Muse가 앱스토어 1위에 올랐다고 알렸습니다. Muse의 구조는 [메타의 개인 에이전트 Muse 출시](/post/news-meta-muse-personal-agent)에서 자세히 다뤘습니다.

투자 리서치 회사 시트리니 리서치는 9월 22일 「Agentic Reality」에서 Muse를 소비자 에이전트의 분기점으로 봤습니다. 그 이유로 기술 수준보다 Muse가 닿는 사람의 수를 들었고, 출시 첫날 내려받기가 70만 건을 넘었다고 적었습니다. 이 회사가 공개 구간에서 던진 물음은 고객이 같은 일을 더 쉽게 해낼 수 있을 때 기업의 수익 구조가 얼마나 남느냐이고, 소비자 에이전트가 그 물음을 비교·전환·협상·해지의 수고로 넓힌다고 적었습니다. 쓰지 않고 쌓아 둔 항공 크레디트와 포인트, 사람들이 5시간씩 전화를 붙들고 있지 않아서 보험사가 버는 돈, 이자가 거의 없는 예금에 그대로 머무는 돈이 그 예입니다.

Muse 공식 채널의 제품 소개 영상

시트리니가 꼽은 마찰을 에이전트가 덜어 주는 과정에도 사용자의 기준을 옮겨 적는 단계가 먼저 옵니다. Project Swap에서 0.89와 0.55 사이를 가장 많이 깎아 먹은 것이 그 옮겨 적기였고, 4월 Project Deal에서는 더 약한 모델에게 맡긴 사람이 손해를 보고도 공정하다고 느꼈습니다.

## 에이전트끼리 모인 시장에도 규칙이 필요합니다

Project Swap은 거래 내역을 전부 공개했습니다. 앤트로픽 프런티어 레드팀이 8월 13일 공개한 멀티에이전트 실험에서는 대화 채널을 없애도 에이전트들이 공개 게시판의 가격을 보고 값을 페니 단위까지 맞췄습니다. 그 실험의 담합과 충돌 기록은 [Claude 에이전트끼리 모인 실험](/post/review-anthropic-multiagent-coordination-failure)에 정리했습니다. 원문도 이 긴장을 짚었습니다. 분산 시장의 장점은 중앙에 선호를 다 털어놓지 않아도 된다는 데 있는데, 참가자가 원하는 과정의 관찰 가능성과 사생활 보호를 시장이 어떻게 함께 줄 수 있느냐고 물었습니다.

이번 실험의 에이전트는 모두 앤트로픽이 만들고 앤트로픽 모델로 돌았고, 신원이 확인된 직원 한 명씩을 대리했습니다. 연구진은 이 정도로 잘 짠 시장과 예의 바른 에이전트라면 지금 수준의 모델로도 선호만 정확히 알면 최적에 가까이 갈 수 있다고 적으면서, 그 조건 대부분을 자신들이 통제했다는 점을 함께 밝혔습니다. Muse는 미국에서 먼저 출시돼 한국에서는 아직 쓸 수 없고, Project Swap은 사내 직원 201명으로 한 연구 기록입니다. 원문이 마지막에 옮긴 샌프란시스코 참가자의 답은 책을 찾아 사는 일은 Claude에게 맡길 수 있지만, 책을 둘러보고 뒤표지를 읽는 일도 독서 문화의 일부라는 것이었습니다.

읽어 주셔서 고맙습니다.

초이 드림