Поведенческая экономика: когда агенты сдерживают свои предубеждения и стремятся к «доходу от инерции»

Азим Ашар, основатель информационного бюллетеня «Exponential View», имеет абонемент в спортзал, который позволяет ему приостанавливать оплату на три месяца в году. Он никогда этим не пользовался. Об этом он рассказывает в выпуске от 4 октября, чтобы проиллюстрировать, что произойдет, когда персональные помощники на базе ИИ, такие как Muse, Grok Bot или dots, начнут оптимизировать повседневную жизнь: агент будет приостанавливать членство каждый раз, когда его владелец уезжает, и ему не придется об этом помнить. «Этот анекдот незначительный, но затрагивает важную струну поведенческой экономики. Значительная часть прибыли многих компаний поступает не от предложения лучшего продукта, а от того, что можно назвать «рентой инерции»: это то, что платит клиент, который не сравнивает цены, не пересматривает условия и не отказывается от услуги. Недавняя статья в Business Insider предупреждает, что личные помощники представляют проблему для компаний, которые зарабатывают на ленивых клиентах, поскольку они готовы торговаться от их имени. В другом анализе, опубликованном в The Wealth Advisor, это явление называют «налогом на инерцию» и перечисляют его бенефициаров: кабельное телевидение, страховые компании, банки и услуги по подписке. «Наиболее распространённым примером являются банковские вклады». Торстен Слок, главный экономист Apollo Global Management, в конце сентября описал сценарий «агентского бегства»: если помощники будут автоматически переводить денежные средства домохозяйств на счета с наибольшей доходностью, банки лишатся дешёвых вкладов, за счёт которых они финансируют кредиты. Согласно сообщению investingLive, в котором было приведено это предупреждение, необанки выплачивают от 3,3% до 5% годовых, в то время как средние показатели по текущим счетам в США составляют 0,1%, а по сберегательным счетам — 0,4%. Этот разрыв почти в пять процентных пунктов сохраняется, поскольку большинство людей не обращают внимания на небольшие различия. «Это гипотетический сценарий, а не текущая реальность», — уточняется в заметке. «Теоретическая основа для всего этого была разработана в Массачусетском технологическом институте (MIT). В статье «Коазеанская сингулярность? Спрос, предложение и проектирование рынков с участием ИИ-агентов» Пейман Шахиди (MIT), Гили Русак (Гарвард), Бенджамин Мэннинг (MIT), Андрей Фрадкин (Бостонский университет) и Джон Хортон (MIT) утверждают, что агенты радикально снижают издержки поиска, транзакции и переговоров. Наибольшее сокращение ренты произойдет на рынках, где компании эксплуатируют поведенческие искажения, таких как контракты на телефонную связь, которые изучал Майкл Грабб из Бостонского колледжа в 2009 году, при этом агенты будут менее восприимчивы к «подталкиванию» (nudges) и рекламе, не несущей информационной нагрузки. В поведенческой экономике агенты в значительной степени смягчают «уклон в сторону статус-кво». «Данные это подтверждают. Джафар Саббах (Bayes Business School, Лондон) и Огуз Акар (King’s College London) опубликовали в Harvard Business Review статью «Исследование: традиционный маркетинг не работает с ИИ-агентами по закупкам». В ходе тысяч симулированных раундов с использованием четырёх ведущих моделей ни дефицит, ни обратный отсчёт, ни зачеркнутые цены, ни купоны не оказывали стабильного влияния на выбор, а порой даже снижали его. Только оценки в виде звёздочек повышали его, а более высокая цена — снижали. Бренды уже реагируют: по данным The New York Times, они ставят целью «рекламировать логику» с помощью каталогов на основе структурированных данных. Почти всё, что использует маркетинг срочности, — это то, что Даниэль Канеман (1934–2024), лауреат Нобелевской премии по экономике 2002 года, описал в книге «Думай быстро, думай медленно» как Систему 1: быструю интуицию, чувствительную к дефициту и фреймированию. Языковые модели воспроизвели эту двойственность. Тило Хагендорф из Штутгартского университета и его коллеги измерили её в статье «Интуитивное поведение и когнитивные искажения человека проявились в крупных языковых моделях, но исчезли в ChatGPT»: GPT-3 давал интуитивный и неправильный ответ в тесте на когнитивное мышление в 86,7 % из 150 задач, тогда как GPT-4 правильно решил 97 % задач. Просьба рассуждать шаг за шагом работает как метафорическая «Система 2». «Внутри картина выглядит менее обнадеживающей». В статье «Отслеживая мысли языковой модели» (март 2025 года) компания Anthropic проанализировала внутреннее устройство модели Claude 3.5 Haiku и обнаружила, что для сложения она сочетает два параллельных пути: грубую оценку и другой, который определяет последнюю цифру, но когда его просят объяснить, как он это сделал, он описывает школьный алгоритм «переноса единицы», что не соответствует действительности. Это апостериорное рационализирование — черта, которую Канеман признал бы в любом из нас. «Агенты, таким образом, не являются исключением». В работе «Как когнитивное смещение влияет на крупные языковые модели? Кейс-стади по эффекту закрепления в симуляциях ценовых переговоров» команда из Киотского университета обнаружила, что когда продавец начинал с высокой цены, искусственный покупатель оказывался в худшем положении во всех оцениваемых моделях, причем модели с логическим мышлением демонстрировали несколько лучшие результаты. На платформе Magentic от Microsoft Research, где агенты покупают и продают друг у друга, от 80 % до 100 % принимали первое полученное предложение, а при увеличении количества результатов поиска с 3 до 100 показатели ухудшались почти во всех моделях — это искусственная версия парадокса выбора. Некоторые из них поддавались влиянию фальшивых отзывов и скрытых инструкций. «И это ещё не всё». В статье «Конкурентные предубеждения лежат в основе чрезмерной и недостаточной уверенности в крупных языковых моделях» (Nature Machine Intelligence, апрель 2026 г.) исследователи из Google DeepMind показали, что модели упорно придерживаются своего собственного ответа, когда он находится у них на виду (они меняли своё мнение в 13,1 % случаев, против 34 %, когда ответ был скрыт), и в то же время чрезмерно реагируют на противоположный совет. А исследование Стэнфордского университета, опубликованное в марте в журнале Science, показало, что одиннадцать чат-ботов одобряли действия пользователя на 49 % чаще, чем другие люди. Агент, который льстит своему владельцу и придерживается его решения, демонстрирует признаки подтверждающего смещения. «Одно уточнение: разница между человеческими смещениями и смещениями агентов заключается не столько в их наличии, сколько в их корреляции. Ошибки людей разнородны и в совокупности имеют тенденцию компенсироваться; миллионы агентов, основанных на одной и той же модели, могут ошибаться одновременно и в одном и том же направлении, что и является механизмом «агентской паники». Кроме того, компании адаптируются: в главе, посвящённой MIT, предупреждается, что они будут реагировать с помощью информационных архитектур, разработанных для влияния на агентов, а также с помощью запутывания цен. «У Германа Мелвилла есть персонаж по имени Бартлеби, который на любую просьбу отвечал: „Я бы предпочел этого не делать“. Значительная часть экономики услуг последнего полувека опиралась на миллионы маленьких Бартлеби, которые предпочитали не оплачивать, не сравнивать, не пересматривать условия». Агенты предпочли бы это сделать — с их ориентирами, первоначальными предложениями и склонностью соглашаться с пользователем, — но они бы это сделали. По крайней мере, фитнес-клуб «Ашар» перестанет взимать плату за эти три месяца».