Duże modele językowe mogą bardzo dokładnie przewidzieć, co zrobi druga strona negocjacji, ale wcale to im nie pomaga w osiąganiu lepszych wyników. Właśnie takie zaskakujące odkrycie wypłynęło z nowego badania, które poddaje w wątpliwość jedno z głównych przekonań o zdolnościach AI w biznesowych dyskusjach. Okazuje się, że zdolność do modelowania zachowania przeciwnika - umiejętność, którą wydawaliśmy się mieć dzięki modelom takim jak GPT - to zupełnie nie to samo co opracowanie skutecznej strategii negocjacyjnej. Badacze testowali te systemy w kontrolowanych warunkach i odkryli poważny rozdział między teoretyczną wiedzą a praktycznym działaniem.
Problem jest fundamentalny: model może wiedzieć, jak będzie postępować rozmówca, ale ta wiedza nie przełada się na umiejętność wyboru optymalnych ruchów dla siebie. W praktyce systemy oparte na LLM-ach wypadały gorzej niż klasyczne strategie matematyczne opracowane specjalnie do negocjacji - podejścia znacznie prostsze i bardziej przewidywalne. To sugeruje, że samo wyposażenie AI w większą ilość parametrów i zdolność do głębokich analiz tekstu to niewystarczający przepis na skutecznego negocjatora. Obecne modele mają problemy z przełożeniem rozumienia na optymalizację dla siebie, a negocjacje to gra, gdzie trzeba równoważyć własne cele z prognozowaniem ruchów drugiej strony.
Wyniki tego badania mają poważne konsekwencje dla każdej branży, w której negocjacje odgrywają kluczową rolę - od biznesu i prawa po dyplomację międzynarodową. Firmy inwestujące w AI do wsparcia rozmów negocjacyjnych, obsługi umów czy rozwiązywania sporów będą musiały przygotować się na rozczarowanie, jeśli liczą na to, że wystarczy wrzucić ChatGPT lub podobny system do pracy. Badanie pokazuje, że trzeba znacznie bardziej zaawansowanego podejścia, prawdopodobnie łączącego specjalistyczne algorytmy z możliwościami LLM-ów, aby rzeczywiście ulepszył AI sposób, w jaki ludzie negocjują i osiągają porozumienia.