AI・テクノロジー

LLMエージェントに交渉を任せたら、何が起きるのか──9,840回の「AI同士の値引き交渉」から見えた意外な真実

docker agent

• 18 min read
Share

はじめに：企業の「交渉」がAIエージェントに委ねられる時代へ

サプライチェーン（供給網）のデジタル化が、段階を大きく変えつつあります。これまでの自動化は「決められた手順を機械的に実行する」ことでしたが、今は「条件を読み、提案し、譲歩し、合意を探る」という交渉そのものをAIが担う段階へ移行しています。

実際の企業では、すでにこの動きが始まっています。WalmartはPactumのLLM（大規模言語モデル）エージェントを使い、膨大な数のサプライヤーとの「テールスパンド契約」を自動交渉しています。テールスパンドとは、個々には金額が小さく人手を割けなかった長期契約の集合体を指します。また、ArkestroやGlobality、Fairmarkitといった企業は、BoeingやBPなど大手の調達交渉を管理するプラットフォームを提供しています。消費者向けにも、Alibabaの仕入れエージェント「Accio」や、中古品の値引き交渉を行う「XianyuのFishBargain」といったサービスが登場しています。

注目すべきは、その先にある「LLM同士の交渉」です。買い手側も売り手側も、人間に代わってAIエージェントが代理を務める構図が現実になっています。話題を集めた例が、Anthropicの「Project Deal」です。社員のClaudeエージェント同士が実際の私物を売買し、1週間で186件・総額4,000ドル超の取引が成立しました。これはもはや実験室の話ではなく、実運用に近い場面でAI同士が価格や条件を巡って競う時代が来ていることを示しています。

では、こうしたAIエージェントは本当に「価値を生み出せる」のでしょうか。生み出した利益は「予測可能に分けられる」のでしょうか。そして、赤字になる契約を「避けられる」のでしょうか。この記事では、これらの問いを、経済学の理論（交渉ゲーム）を「ものさし」にして3社9モデルのLLMを徹底監査した研究を題材に、AI同士の交渉がもたらす機会とリスクを解きほぐしていきます。

そもそも「LLMに交渉を任せる」とはどういうことか

LLMエージェントとは何か

大規模言語モデル（LLM）とは、膨大なテキストデータから学習し、自然言語を生成・理解できるAIのことです。一方、エージェントとは、このLLMを組み合わせて、与えられた目標に向けて「計画→実行→確認」を自律的に繰り返す仕組みを指します。交渉エージェントはその応用の一つで、調達担当者に代わって「いくらで・どれだけ買うか」を、相手側のAIと話し合って決めます。人間なら顔を合わせて行う価格や数量の駆け引きを、機械同士の対話に置き換えたものだとイメージすると分かりやすいでしょう。

なぜ交渉をAIに任せるのか（重要性）

調達や契約の仕事は、人手と時間がかかる割に件数が膨大です。特に、個々の金額が小さく人件費が割に合わなかった契約領域（テールスパンド領域）は、これまで放置されがちでした。機械的に大量処理できるLLM交渉は、こうした領域まで自動化の対象にできる点が強みです。実際、この研究が着想を得た背景には、ある国際的なAI交渉競技で18万件超のエージェント同士の交渉が実施されるまでに、エージェント交渉が拡大している現状があります。

この論文の独自性：これまでの「リーダーボード評価」では測れない

従来のAI評価は、言語能力や一般知識を競う「リーダーボード」が主流でした。しかし、そのような指標では、交渉の「経済的な良し悪し」は測れません。この論文の狙いは、交渉結果を「遅れによって失う金額」「取引相手に奪われる利益」「赤字契約をうっかり受け入れるミス」といった、お金の単位で評価することにあります。つまり、LLMが会話をうまくこなせるかではなく、実際にどれだけの経済的価値を生み、それをどう分配するかを監査する、というのがこの研究の独自の視点なのです。

実験の設計：3社9モデルのLLMで9,840回、AI同士を交渉させた

舞台設定：買い手と売り手の「供給契約バーゲニング」

実験の骨格は、サプライチェーンでよく見られる「買い手と売り手の卸売契約交渉」です。売り手は生産コスト c=30 で商品を生産し、買い手は数量 q と支払額 T の契約を交渉で決めます。買い手はそれを小売価格 r=60 で転売します。ここで重要なのが「非対称情報（private information）」という構造です。買い手だけが自分の「需要タイプ（高い需要か低い需要か）」を秘密に知っており、売り手はそのタイプについて事前確率（等確率）しか知りません。両者とも小売価格、生産コスト、割引率、そして最大10ラウンドの制限を共有しています。交渉が決裂すれば双方の利得はゼロになります。

理論の「ものさし」：完全ベイズ均衡（Perfect Bayesian Equilibrium）

この実験の特徴は、交渉ゲーム理論の「完全ベイズ均衡（PBE）」を合格ラインのものさしに使っている点です。PBEとは、合理的なプレイヤーが到達する「理想的な戦略と信念の組み合わせ」を指します。戦略とは各局面でとるべき行動のことで、信念とは「相手の秘密のタイプについての確率推測」であり、相手の行動を見るたびにベイズ更新で逐次修正されます。交渉ゲーム理論の原点はRubinstein（1982）の交互オファー交渉で、割引率（忍耐力）が強いほど有利になります。そこに非対称情報が加わると、相手のタイプを見分ける「スクリーニング（選別）」や「シグナリング（信号発信）」が重要になります。理論上の予測では、合理的なプレイヤーなら約1.25ラウンドで合意に達するという値が、9,840回の実験結果を評価する基準線となります。

使った9つのLLM（3社×3段階）

実験には、OpenAI・Google・Alibabaの3社から、それぞれ3段階のモデルを選びました。

プロバイダー フラッグシップ（最上位） ミッドティア（中位） ベースライン（旧世代）
OpenAI GPT-5.2 GPT-5-mini GPT-4o-mini
Google Gemini-3-Pro Gemini-3-Flash Gemini-2.5-Flash
Alibaba Qwen3-Max Qwen3-32B Qwen2.5-14B

段階の違いは「推論（reasoning）機能の有無」にあります。ベースラインの旧世代モデルは推論機能を持ちません。プロンプトでは「ゲームのルール」（利得計算式・需要分布・割引率・事前確率・買い手タイプ）だけを開示し、最適な契約や戦略は一切教えていません。つまり、交渉の「腕前そのもの」を監査する設計です。買い手は秘密の需要タイプを保持し、売り手は事前確率だけを知ったうえで、自然言語メッセージと正式オファー（数量・支払額）を交互に交わします。これを最大10ラウンド繰り返し、合意に至るか、決裂してゼロ利得になるかを記録します。全体のプロセスは次のとおりです。

flowchart TD
    A[買い手<br/>秘密の需要タイプ保持] -->|事前確率のみ開示| B[売り手]
    B --> C{交互オファー<br/>自然言語＋正式オファー<br/>q, T}
    C -->|合意| D[利得確定]
    C -->|10ラウンド超過| E[決裂<br/>ゼロ利得]
    C -->|継続| B

9,840回という回数は、9モデルを買い手・売り手役として様々な組み合わせ（セルフプレイ＝同モデル同士、クロスファミリー＝他社同士）で対戦させた結果の総数です。この設計により、モデルの能力（capability）だけでなく、プロバイダーの特性や役割の入れ替えが交渉結果にどう影響するかを、分離して測ることが可能になっています。

発見その1：能力（capability）は「価値の創出」を決める

驚くべき成果：合意率98.9%、理論上の余剰の95.4%を獲得

3社9モデルのLLMによる9,840回の交渉のうち、98.9%で合意に到達しました。しかも割引（遅延コスト）を考えない条件では、理論上の最大利益である「ファーストベスト余剰」の95.4%を実現します。ファーストベスト余剰とは、買い手と売り手が情報を完全に共有できたときに得られる取引利益の上限のことです。つまりAI同士は、ほぼ理論値に近い水準で「効率的に取引できる」ということです。

ただし、交渉は平均2.98ラウンドかかります。理論上は約1.25ラウンドで合意に達するはずなので、ここに「遅れ」が生じています。この遅れは割引率（忍耐力）が強いほど痛みになり、交渉の余剰を21〜34%も目減りさせることが分かりました。

能力は「信頼性」も決める：弱いモデルは赤字契約を受け入れる

経済学には「個別合理性（individual rationality）」という基本ルールがあります。これは、自分にとって利益がマイナスになる契約は断るべき、という考え方です。ところが、交渉能力の低いモデルはこれを守れませんでした。旧世代・非推論のベースラインモデルは、交渉の19.2%（おおよそ5回に1回）で「片方にとって赤字になる契約」を受け入れてしまったのです。一方、中位（ミッドティア）では0.6%、最上位（フラッグシップ）では0.0%にまで低下しました。

この結果が示すのは、弱いモデルには「自動利得検証」、つまり契約内容が赤字でないかを機械的に確認する仕組みが必須のガードレール（安全装置）になる、ということです。

モデル段階 赤字契約の受入率
ベースライン（旧世代・非推論） 19.2%
ミッドティア（中位） 0.6%
フラッグシップ（最上位） 0.0%

なぜ余計なラウンドがかかるのか：ヒューリスティック代替

強いモデルは「提案→却下」の反復探索を通じて契約の質を高めます（効率は98.9%に対し、弱いモデルは91.0%）。つまり交渉が長引くのは必ずしも悪手ではなく、より良い契約を探すための「投資」と解釈できます。実際、シャープレイ分解（複数の要因のうち、どの要因が結果の変動をどれだけ説明するかを割り当てる分析手法）によれば、この能力差が余剰の変動の約66%を説明します。AI交渉の成否は、まず第一に「どれだけ賢いモデルを使うか」で決まる、というのがこのセクションの結論です。

flowchart LR
    A[9,840回のLLM同士交渉] --> B{合意?}
    B -- はい 98.9% --> C[ファーストベスト余剰の95.4%を獲得]
    B -- いいえ --> D[ゼロ利得]
    C --> E[平均2.98ラウンド<br>遅れで余剰21〜34%減]
    E --> F{モデル能力}
    F -- 弱い --> G[赤字契約 19.2%受入]
    F -- 強い --> H[赤字契約 ほぼゼロ]

発見その2：誰が勝つかは「能力」より「プロバイダー（提供元）」が決める

同じプロンプトなのに、買い手シェアが大きく違う

前のセクションで見たように、モデルの「賢さ（能力）」はどれだけ価値を生み出せるかを大きく左右します。ところが、その価値を誰がどれだけ分け前として獲得するかは、能力ではうまく説明できないというのが2つ目の発見です。

実験では「セルフプレイ」、つまり同じモデル同士を買い手と売り手に分けて交渉させました。プロンプトに与えるゲームのルール（利得計算式・需要分布・割引率・事前確率など）は完全に同じです。それにもかかわらず、買い手が獲得する余剰の割合（買い手シェア）は、モデルの提供元によって大きく異なりました。

  • OpenAI系（GPTシリーズ）：約40%
  • Google系（Geminiシリーズ）：約50%
  • Alibaba系（Qwenシリーズ）：約70%

つまり「同じだけ賢いAI同士」でも、どちらの会社のAIが買い手役を務めるかによって、分け前は約30ポイントも変わってしまうのです。

xychart-beta
    title "セルフプレイでの平均買い手シェア（プロバイダー別）"
    x-axis ["OpenAI", "Google", "Qwen"]
    y-axis "買い手シェア（%）" 0 --> 80
    bar [40, 50, 70]

プロバイダーの特性が能力を上回ることもある

さらに興味深いのは、プロバイダー固有の特性が、ときにはモデル能力のランクを覆してしまうことです。実験で最も高能力とされたQwenのフラッグシップモデル（Qwen3-Max）は、**他社モデルと対戦するクロスファミリー環境では、なんと「最弱の売り手」**になりました。同じモデルが、自社内のセルフプレイでは圧倒的に有利だったのに、他社相手の売り手役では最下位に転落したのです。

しかも、買い手役と売り手役を入れ替えるだけで、分け前は7〜18ポイントも変動しました。これは「どのベンダーを選ぶか」という決定が、能力ランクと同じくらい、いやそれ以上に「誰が儲けるか」を左右することを意味します。

具体例で見る「能力 vs プロバイダー」

能力とプロバイダーの関係を整理すると、次のようになります。同じOpenAIファミリーの中では、能力の論理が素直に働きます。買い手を最上位のGPT-5.2から弱いGPT-5-miniに替えると、買い手シェアは37.9%→35.2%に低下しました。家族内では、賢いモデルほど得をするのです。

ところが、他社にまたがるとこの論理は崩れます。Qwenの最上位モデルがクロスファミリーの売り手としては最弱になる、という事実がその典型例です。能力の高さは「絶対的な強さ」ではなく、対戦相手と役割によって相対的に変わる「文脈依存の強さ」だった、というのがこの節の結論です。

視点 セルフプレイ（同一ファミリー内） クロスファミリー（他社対戦）
買い手シェア OpenAI約40% / Google約50% / Qwen約70% 役割反転で7〜18ポイント変動
能力の影響 賢いモデルほど得（GPT-5.2→miniで37.9%→35.2%） 能力ランクが崩れる（Qwen最上位が最弱の売り手）

実務上は、この「プロバイダー効果」が重要な示唆を与えます。自社が買い手役なら買い手シェアの高い組み合わせ、売り手役ならその逆を狙うといった具合に、提供元の選択自体が交渉結果を左右する設計変数になるのです。

発見その3：プロンプト自体が「戦略レバー」になる

ここまでの2つの発見は「どの会社のAIを、どちらの役割で使うか」という『選び方』の問題でした。しかし、この研究が最も注目すべきだとしたのは、それ以上に扱いやすい設計変数、プロンプトそのものにあります。AI交渉では、文章で指定する一行の設定が、誰が儲けるかを左右する強力なレバーになり得るのです。

従来の交渉理論では「忍耐力」は1つの値だった

古典的な交渉ゲーム理論（Rubinstein, 1982に代表される交互オファー交渉）では、割引率 δ（デルタ）という変数が「遅れのコスト」、つまり交渉が長引くほどどれだけ損をするかという忍耐力を一手に担ってきました。忍耐の強い側ほど、相手より長く待てる分だけ有利になります。この δ は、人間の交渉では時間の流れと一体化した単一の値でした。

経済的忍耐と戦略的忍耐の分離

しかしLLM交渉では、この忍耐力が2つに分解される、というのがこの論文の核心的な見立てです。ひとつは、企業が実際に抱える遅延コスト、すなわちAPIの応答待ちや人間の承認、ワークフロー処理などの実時間が生む経済的忍耐（δ econ）。もうひとつは、プロンプトの中で「この交渉では1ラウンドごとに何%割り引くか」と明示的に指定する**戦略的忍耐（δ strat）**です。LLMは1ラウンドを数秒で処理できるため、この2つは実質的に自由に切り離せます。

flowchart LR
    subgraph 従来モデル[従来の人間交渉]
        A1[時間の流れ] --> B1[遅延コスト<br>＝忍耐力 δ（単一値）]
        B1 --> C1[分配・合意タイミングを決定]
    end
    subgraph LLM媒介モデル[LLM交渉]
        A2[実時間の遅れ] --> B2[経済的忍耐 δ econ]
        B2 --> C2[分配を決定]
        A3[プロンプト記述] --> B3[戦略的忍耐 δ strat]
        B3 --> C2
    end

プロンプト＝無料の戦略レバー

分離された戦略的忍耐をプロンプトで指定するだけで、余剰（取引で生まれた利益）の分け前の90%のばらつきを説明できたと、シャープレイ分解は示しています。つまり先ほどの「どの会社のAIを使うか」というプロバイダー選択と並び、**「どう忍耐を指定するか」**が誰が儲けるかを決める強力な設計変数になります。しかもその最適値は一様ではなく、買い手役か売り手役か、どのモデルを使うかによって変わります。どの程度の忍耐で臨むかは、交渉のルールを与えるプロンプト側で一度設定するだけで済む、ほぼコストのかからない戦略レバーなのです。

頑健性チェック：結論は「設計の偶然」ではない

ここまで見てきた「能力が価値を創出し、プロバイダーとプロンプトが分配を決める」という構図は、本当に信頼できるのでしょうか。実験の設定（自然言語のやり取り、割引の仕組み、モデルの推論方法など）を少し変えただけで結論がひっくり返るのであれば、それは設計上の偶然に過ぎません。この研究では、その疑念を払拭するために複数の追加実験（R1〜R7）を実施し、主要な結論が頑健（ロバスト）かどうかを検証しました。

コミュニケーション方式を変えても偏りは消えない（R1）

まず、交渉の媒体を「自然言語」から「数字のオファーだけ」に切り替えるテストが行われました。人間の交渉では言葉のニュアンスが結果に影響しやすいですが、LLM同士ではプロンプトに加えてやり取りも数値のみにしました。すると、プロバイダー固有の偏り（誰が買い手シェアを取るか）は消えませんでした。つまり、先ほどの「OpenAI約40%・Google約50%・Qwen約70%」という違いは、言葉での説得や表現の巧拙によるものではなく、各ベンダーのモデルが持つより本質的な特性に由来することが確認されました。

割引の枠組みを外しても定性結論は維持（R2）

次に、割引率（忍耐力）の設定をプロンプトから完全に取り除くテストが行われました。すると、交渉が長引く傾向は共通して残り、分配の定性的な傾向も維持されました。ただし、割引の枠組みがある場合とない場合で分け前の絶対値は変動するため、この実験は「どの会社のAIが有利か」という順序や傾向が頑健であることを示すものとして解釈するのが正しいと言えます。

推論努力・価格・事前確率・モデルサイズを変えても頑健（R4〜R7）

さらに、推論努力（reasoning effort）の設定、小売価格、売り手が持つ買い手タイプの事前確率、モデルのサイズ（容量）をそれぞれ変えた追加テストでも、主要な傾向は一貫して保たれました。いずれの変更でも「能力が価値創出を決める」「プロバイダーとプロンプトが分配を決める」という基本構図は崩れず、本研究の結論が実験条件の細部に依存しないことを裏付けています。

flowchart TD
    A[基本実験: 9,840回の交渉] --> B[R1 数値オファー化]
    A --> C[R2 割引枠組みを除去]
    A --> D[R4 推論努力を変更]
    A --> E[R5 小売価格を変更]
    A --> F[R6 事前確率を変更]
    A --> G[R7 モデルサイズを変更]
    B --> H[プロバイダー偏在は維持]
    C --> I[定性結論は維持・交渉は長引く]
    D --> J[主要傾向は頑健]
    E --> J
    F --> J
    G --> J

一貫して残る「交渉の長引き」

なお、これらの頑健性テストに共通して観察されたのは、いずれの設定でも交渉が長引きやすい傾向が残ることです。平均2.98ラウンド（理論値1.25）という基本実験の数値は、設定変更後も概ね維持されました。これは、LLM交渉が「効率的な合意」と「より良い契約の探索」のトレードオフの上に成り立っていることを示しており、実務で導入する際には交渉の遅れによる余剰消失（割引率次第で21〜34%）をあらかじめ想定しておく必要があることを示唆しています。

実務でどう使うか：AI交渉エージェントを導入する3つのポイント

9,840回の交渉から得られた知見は、学術的な興味に留まりません。ここまで見た「能力」「プロバイダー」「プロンプト」という三つの軸は、実際にAI交渉エージェントを調達現場へ導入する際の設計指針としてそのまま使えます。ここでは、実務者が押さえるべきポイントを三つに整理します。

1. 能力の閾値を理解し、ガードレールを設計する

最初のポイントは、採用するモデルの「能力の閾値」を把握し、それに応じたガードレール（安全装置）を挟むことです。実験では、旧世代・非推論のベースラインモデルは交渉の約5回に1回（19.2%）で、どちらか一方にとって赤字になる契約を受け入れてしまいました。一方、ミッドティアでは0.6%、フラッグシップでは0.0%まで低下します。つまり「AIが赤字契約を飲まないか」は、能力の高低で明確に線が引けるのです。弱いモデルを使うなら、契約の利得を機械的に検証する「自動利得検証」や、人間の承認ゲートを必ず挟みましょう。強いモデルなら軽い監視で済みますが、その分APIコストは高くなるため、「精度とコストのどちらを優先するか」を導入前に決めておく必要があります。

2. プロバイダー選定は「誰が買い手か売り手か」まで含めて決める

第二のポイントは、ベンダー選定を「能力ランク」だけで完結させないことです。実験では、同じ条件下でのセルフプレイ買い手シェアが、OpenAI系で約40%・Google系で約50%・Qwen系で約70%と、プロバイダーごとに大きく異なりました。さらに、買い手役と売り手役を入れ替えるだけで分け前が7〜18ポイントも変動し、最も高能力なQwenのフラッグシップが、他社相手の売り手としては最弱になるという逆転現象も起きています。つまり、自社が買い手として交渉に臨むのか、売り手として臨むのかによって、選ぶべきベンダーは変わるのです。選定時には、能力のベンチマークに加え、「どの役割で使うか」まで含めた組み合わせで評価することが重要です。

3. プロンプトの「忍耐力」設定を戦略的にチューニングする

第三のポイントは、プロンプトで指定する忍耐力（割引率）を、戦略的な設計変数として扱うことです。人間の交渉では、忍耐力は時間の経過と一体化していますが、LLMエージェントでは「実際の遅延コスト（経済的忍耐）」と「プロンプトで指定する戦略的忍耐」を切り離せます。エージェントは1ラウンドを数秒でこなすため、この二つを自由に組み合わせられるのです。実験では、プロンプトでの忍耐の指定が、余剰の分け前のばらつきの約90%を説明しました。しかも最適な値は、買い手役か売り手役か、どのモデルを使うかで異なります。導入後も、役割とモデルの組み合わせごとに最適な指定値を探索することが、交渉成果を改善する最大のポイントになります。

以上の三つは、いずれも「モデルを選ぶ」「プロンプトを設計する」という、導入の初期段階でできる意思決定です。AI同士の交渉はすでに高い効率を実現していますが、その成果を自社のものにするかは、こうした設計の巧拙に大きく左右されることが、この研究の示すところです。

まとめ：AI同士の交渉は「ブーム」か「落とし穴」か

9,840回に及ぶLLM同士の交渉実験を振り返ると、AI交渉エージェントは「ブーム」の側面と「落とし穴」の側面を同時に持っていることが分かります。まず技術面では、AI同士の交渉はすでに現実的な成果を上げています。合意率は98.9%に達し、割引がなければ理論上の最大限の利益（ファーストベスト余剰）の95.4%を実現しました。これは「AIに交渉を任せても、人間以上に効率的に取引できる」ことを意味し、ブームが単なる誇張ではないという証拠になります。

一方で、落とし穴も明確に浮かび上がりました。「誰が勝つか」は、単純な能力の高低だけでは決まらないのです。同じだけ賢いAI同士でも、どの会社（プロバイダー）のAIが買い手役か売り手役かで分け前が約30ポイントも変わりました。さらに最も高能力なモデルが、他社相手の売り手としては最弱になるという逆転現象も起きています。加えて、プロンプトで指定する忍耐力（割引率）が余剰の分け前のばらつきの約90%を説明するなど、「どのベンダーを使い、どうプロンプトを設計するか」という設計次第で結果が大きく動くことが示されました。

実務上の注意も忘れてはなりません。旧世代・非推論のモデルは交渉の19.2%で赤字契約を受け入れてしまうため、弱いモデルを使う際には自動利得検証や人間の承認ゲートが必要です。また、理論上の1.25ラウンドに対し実際は平均2.98ラウンドを要し、この遅れが忍耐力次第で余剰の21〜34%を消失させます。つまり、効率は高いものの、ガードレールなしに運用すると損失を招くリスクが常に付きまといます。

この研究の意義は、単に「どれが強いか」を競うのではなく、割引後効率・分配プロファイル・運用信頼性という三つの軸でAIエージェントを監査する手法を確立した点にあります。今後は、今回対象外だったClaude・Llama・Grokなどのモデルへの拡張や、人間とのハイブリッド交渉、秘密の忍耐力の推論といった課題が残されています。結論としては、AI同士の交渉は高い可能性を秘めた「本物の技術」でありながら、その成果を自社のものにするには、能力・プロバイダー・プロンプトという設計の三軸を戦略的に制御することが不可欠だと言えるでしょう。

よくある質問

LLMエージェントに交渉を任せるのは、もう安全なの？

結論から言えば「モデルの能力次第」です。最上位（フラッグシップ）モデル同士なら、合意率98.9%、割引なしで理論上の最大利益（ファーストベスト余剰）の95.4%を獲得し、赤字契約を受け入れる割合もほぼ0%でした。一方、旧世代・推論機能なしのベースラインモデルは交渉の約19%（5回に1回）で、どちらか一方にとって利益がマイナスになる契約を飲んでしまいます。弱いモデルを使う場合は、契約の利得を機械的に検証する「自動利得検証」や、人間の承認を挟むゲートを必ず設計すべきです。

「完全ベイズ均衡」って、結局どういう意味？

交渉ゲーム理論で「合理的なプレイヤーがたどり着く、理想的な行動と信念の組み合わせ」を指します。「行動」は各場面で取る戦略を、「信念」は相手の秘密の情報（ここでは買い手の需要タイプ）についての確率推測を意味し、オファーや返答を見るたびにベイズの定理で逐次更新されます。この研究では、この均衡が「合格ライン」のものさしとして使われ、実際のLLM同士の結果（合意率や分け前）をこの理論値と比較して評価しています。

どの会社のAIが「一番交渉が上手い」の？

一律には答えられません。能力（capability）は「生み出せる価値の総量」を決めますが、「その分け前を誰が取るか（分配）」はプロバイダーと役割によって強く左右されるからです。同じ条件下でセルフプレイの買い手シェアはOpenAI系が約40%、Google系が約50%、Alibaba（Qwen）系が約70%と大きく異なり、さらに買い手役と売り手役を入れ替えるだけで分け前が7〜18ポイント変動しました。実際、最も高能力なQwenのフラッグシップは、他社と対戦したときは最弱の売り手になるという逆転現象も起きています。

普通の交渉と、AI同士の交渉で何が違うの？

人間の交渉では「忍耐力」が時間の流れと一体で、交渉が長引くほど実際のコストがかさみます。一方AI交渉では、実際の遅延コスト（API応答待ちや承認ワークフローなど）を意味する「経済的忍耐」と、プロンプトで指定する「戦略的忍耐」を自由に切り離せます。このプロンプト上の指定値だけで、分け前のばらつきの約90%を説明できるため、人と違って「どれだけ粘るか」を文面上で精密にコントロールできる点が最大の違いです。

この研究の限界や課題は？

対象となったのはOpenAI・Google・Alibabaの3社9モデルで、Claude（Anthropic）・Llama（Meta）・Grok（xAI）は未検証です。また、実験では市場のルールをプロンプトにすべて開示しており、相手の隠れた忍耐力を推論する状況は対象外になっています。さらに、実際の運用に存在する承認レイヤーやコスト検証、エスカレーションといったガードレールを実験から除いているため、実導入の際はこれらを別途組み込むことが必要です。

参考資料

関連記事