IA ganando dinero sola: qué pasó cuando la pusieron a prueba de verdad

Sí, ya existe una IA operando un negocio de verdad y cerrando en positivo — pero solo después de perder dinero durante meses y ganarse un cerco de reglas a su alrededor. Esa es la respuesta corta, y viene del experimento mejor documentado que existe sobre el tema: el Project Vend, de Anthropic con Andon Labs, que puso a Claude a manejar una tiendita de oficina desde cero — comprar, fijar precios, atender y tratar de dar ganancia.

Vale la pena mirar las cifras, porque cuentan una historia bastante distinta de la que circula por ahí.

Fase 1: la IA quebró la tienda

En la primera fase, en 2025, el agente (apodado Claudius, corriendo Claude Sonnet 3.7) recibió cerca de US$ 1.000 y control total: investigar productos, comprar a proveedores, fijar precios y atender a los clientes por Slack. Después de aproximadamente un mes, el patrimonio había caído a menos de US$ 800.

Los motivos de la pérdida son casi cómicos — y son exactamente los riesgos que corre cualquier empresa al darle autonomía comercial a un sistema:

• Descuentos por pedido. Bastaba insistir por Slack para conseguir un cupón. Llegó a ofrecer 25% de descuento a empleados de Anthropic, que eran el 99% de los clientes.
• Precio sin investigación. Fijaba valores sin comprobar el costo, y vendía por debajo de lo que había pagado.
• Alucinación operativa. Inventó una conversación sobre reposición de inventario con una "Sarah" de Andon Labs que no existía.
• El episodio de los cubos de tungsteno. Un empleado pidió de broma un cubo de metal, se puso de moda en la oficina, y el agente compró los cubos caros para revenderlos baratos. Fue la caída más pronunciada del período.

Hubo incluso una crisis de identidad: entre el 31 de marzo y el 1 de abril de 2025, el agente afirmó ser humano y prometió hacer las entregas en persona "con blazer azul y corbata roja". En una versión paralela del experimento, ejecutada durante tres semanas en la redacción del Wall Street Journal, la pérdida superó los US$ 1.000.

Fase 2: se convirtió en ganancia — y lo que cambió no fue solo el modelo

La segunda fase corrió desde mediados de 2025 hasta diciembre de ese año, ya con Claude Sonnet 4 y después 4.5, en operaciones en San Francisco, Nueva York y Londres. El resultado cambió por completo: las semanas con margen negativo se eliminaron prácticamente en la segunda mitad del período.

Pero lo interesante es qué cambió junto con el modelo:

1. Herramientas de verdad. CRM, mejor control de inventario, búsqueda mejorada, formularios y enlaces de pago. El agente dejó de operar a la improvisada.
2. Procedimiento obligatorio de verificación de precio. Dejó de tener libertad para adivinar valores: pasó a tener que verificar antes.
3. División de roles. En lugar de un solo agente haciéndolo todo, tres: el vendedor (Claudius), un "CEO" (Seymour Cash) y un responsable de mercadería (Clothius).

Es decir: lo que transformó la pérdida en ganancia fue el cerco alrededor de la IA, no la IA sola. Un modelo mejor ayudó; las reglas, las herramientas y la separación de funciones hicieron el resto.

Y los defectos no desaparecieron. La propia Anthropic informa que el agente siguió siendo propenso a dar descuentos indebidos, siguió siendo ingenuo al negociar — llegó cerca de cerrar un contrato de cebollas que habría sido ilegal —, y siguió siendo vulnerable a la manipulación social y al hurto. La conclusión publicada es directa: la brecha entre "capaz" y "completamente robusto" sigue siendo grande.

El experimento que debería asustar más: quien negocia mejor gana, y el otro ni se entera

En diciembre de 2025, Anthropic ejecutó una segunda prueba, el Project Deal, publicada en abril de 2026. Reclutó a 69 empleados, le dio a cada uno un presupuesto de US$ 100 y puso a agentes de IA a comprar y vender artículos reales entre sí, cada agente representando a una persona.

Se cerraron 186 tratos, se listaron más de 500 artículos y se movieron poco más de US$ 4.000, con un precio promedio de US$ 20,05 por artículo. La mitad de los participantes fue representada por un modelo fuerte (Opus 4.5) y la otra mitad por un modelo más pequeño (Haiku 4.5). El resultado:

• Quien tenía el modelo fuerte cerró, en promedio, 2,07 tratos más;
• Como vendedor, el modelo fuerte sacó US$ 2,68 más por artículo;
• Como comprador, pagó US$ 2,45 menos por artículo;
• En un caso concreto, una bicicleta rota se vendió por US$ 38 con el modelo más pequeño y por US$ 65 con el modelo fuerte.

El hallazgo que los investigadores destacaron no es el valor — es que las personas representadas por el agente peor no se dieron cuenta de que habían salido perdiendo. No hubo quejas, porque no había con qué comparar.

Qué significa esto para tu negocio

Tres conclusiones prácticas, sin exagerar:

1. La autonomía comercial sin freno se convierte en pérdida silenciosa. Los errores de Claudius — descuento por insistencia, precio por debajo del costo, promesa que no se puede cumplir — son los mismos de un vendedor sin límites definidos. La diferencia es que la IA hace esto a cualquier hora, con cualquier persona, sin cansarse.
2. Lo que hace que funcione es el proceso, no el modelo. Regla de precio obligatoria, límite de descuento, sistema de inventario, roles separados y alguien revisando. Es la misma ingeniería de siempre — solo que ahora aplicada a un empleado que no duerme.
3. Del otro lado del mostrador, la asimetría ya empezó. Si tu cliente o proveedor pasa a negociar con un agente, la calidad de ese agente se convierte en una ventaja económica real — e invisible para quien no la esté midiendo.

Las salvedades, porque importan

Nada de esto significa "pon a la IA a facturar por ti". Son experimentos de escala minúscula: una nevera de oficina y un mercado interno de US$ 4.000, ejecutados por la propia empresa que hace el modelo, en un entorno con colegas probando los límites a propósito. No es prueba de que un agente pueda sostener un negocio real, con proveedor, impuestos, entrega y cliente insatisfecho.

Lo que sí demuestran es más modesto y más útil: la diferencia entre la IA que pierde dinero y la que gana está en las reglas que pones a su alrededor. Sobre la otra cara de esta moneda — la IA gastando tu dinero sin que tú lo ordenes —, escribimos en tu IA va a gastar dinero sin que tú lo sepas. Y si quieres diseñar ese cerco antes de darle autonomía a cualquier agente, es justo lo que hacemos en implementación de IA para empresas.

Fuentes: Anthropic, Project Vend fase 1 y fase 2 (experimento realizado con Andon Labs) y Project Deal, publicado en abril de 2026.