Blog / Agents / Commerce / Systems

Project Deal 2026: vì sao agent-to-agent commerce đang mở ra một lớp thị trường mới, nhưng cũng âm thầm tái phân phối lợi thế

Chúng ta đã quen với cách kể về AI agent theo ba nấc. Nấc đầu là trả lời. Nấc hai là gọi tool. Nấc ba là tự thực hiện workflow. Nhưng có một nấc thứ tư đang nóng lên rất nhanh trong vài ngày qua: agent đại diện con người đi thương lượng với agent khác trong một thị trường thật.

Đó là lý do Project Deal của Anthropic đáng chú ý. Không phải vì nó chứng minh AI có thể mặc cả vài món đồ trong Slack. Điểm đáng chú ý hơn là nó cho thấy khi agent bắt đầu giao dịch thay con người, chất lượng model không chỉ ảnh hưởng tới tốc độ hay độ thông minh, mà ảnh hưởng trực tiếp tới giá mua, giá bán và vị thế thương lượng.

Nếu bài ChatGPT Shopping, ACP phân tích việc AI bước vào luồng mua hàng, thì Project Deal đẩy câu chuyện thêm một tầng nữa: khi cả hai phía đều có agent đại diện, thị trường bắt đầu có cấu trúc mới, và sự bất đối xứng có thể xảy ra mà người dùng không hề nhận ra.

Điểm nóng thực sự không nằm ở demo, mà ở phát hiện về chênh lệch lợi thế

Theo mô tả công khai của Anthropic, 69 nhân viên được cấp ngân sách 100 USD, agent Claude của họ tự đăng tin, hỏi giá, trả giá và chốt giao dịch trong một tuần. Kết quả là 186 giao dịch với tổng giá trị hơn 4.000 USD. Về mặt bề nổi, đây là bằng chứng khá rõ rằng agent-to-agent commerce đã vượt qua giai đoạn ý tưởng.

Nhưng phần đáng đọc kỹ hơn là thí nghiệm song song giữa model mạnh và model nhẹ. Ở các lượt so sánh giữa Opus và Haiku, model mạnh hơn thường chốt được nhiều giao dịch hơn, bán được giá tốt hơn và mua được rẻ hơn. Nói cách khác, năng lực model đã chuyển thành lợi thế thương lượng có thể đo đếm bằng tiền.

Điều khó chịu hơn là người dùng ở phía yếu hơn hầu như không cảm nhận rõ mình đang thua thiệt. Đây là tín hiệu rất lớn cho mọi đội ngũ đang nghĩ về agent economy: khi agent thay mặt con người giao dịch, bất cân xứng không còn chỉ nằm ở thông tin, mà nằm ở chất lượng bộ đại diện.

Vì sao chủ đề này không trùng với bài AI commerce trước đó?

Bài về shopping và ACP chủ yếu xoay quanh discovery, checkout và ranh giới thanh toán. Project Deal lại mở ra một góc khác: thiết kế thị trường khi bên mua và bên bán đều có AI đại diện. Đây là câu chuyện gần với market design, negotiation policy, fairness và regulation hơn là trải nghiệm mua sắm thuần túy.

Nói ngắn gọn, bài trước là “AI bước vào commerce stack”. Bài này là “khi AI đã ở trong stack, thị trường bắt đầu biến hình như thế nào”.

Một use case end-to-end: agent mua thiết bị văn phòng cho đội vận hành

Hãy bỏ qua ví dụ nội bộ kiểu bán snowboard hay bóng bàn. Trong môi trường doanh nghiệp, một kịch bản thực tế hơn là đội vận hành cần mua 20 bộ tai nghe cho nhóm hỗ trợ khách hàng đang mở rộng nhanh.

Nếu đây là một chatbot thông thường, hệ thống có thể trả lại 5 lựa chọn. Nhưng nếu đây là một agent mua hàng thực sự, nó phải làm nhiều hơn:

• hiểu ràng buộc cứng và mềm,
• liên hệ nhiều nhà bán hoặc nhiều agent bán hàng,
• so sánh giá theo số lượng và thời gian giao,
• mặc cả theo chính sách mua sỉ hoặc SLA,
• đánh giá rủi ro hậu mãi,
• xin phê duyệt ở ngưỡng giá hoặc điều khoản phù hợp,
• và lưu toàn bộ dấu vết quyết định để đối soát sau này.

Lúc này, giá trị của agent không nằm ở việc “trả lời nhanh”, mà ở khả năng đại diện lợi ích của tổ chức trong một môi trường thương lượng nhiều phía.

Lớp hệ thống phía sau một thị trường có agent đại diện

1. Preference capture layer

Agent cần hiểu không chỉ ngân sách và cấu hình kỹ thuật, mà cả mức độ linh hoạt, tolerance với hàng thay thế, ưu tiên thương hiệu và giới hạn pháp lý nội bộ. Nếu bắt sai preference từ đầu, toàn bộ mặc cả phía sau chỉ tối ưu sai mục tiêu.

2. Identity và authority layer

Khi một agent nói “tôi đồng ý mức giá này”, câu hỏi lập tức là: nó có quyền tới đâu? Nó có thể ràng buộc ngân sách thật hay chỉ là đề xuất? Đây là chỗ bài AI Agent Identity 2026 trở nên rất liên quan. Không có danh tính và ủy quyền rõ, thị trường agent sẽ biến thành một lớp hội thoại mơ hồ, đẹp ở demo nhưng khó dùng ngoài đời.

3. Negotiation policy layer

Doanh nghiệp phải định nghĩa rõ agent được phép nhượng bộ ở đâu, mức tối đa là bao nhiêu, trường hợp nào phải chuyển cho người duyệt, và tiêu chí nào được coi là “deal tốt”. Đây là policy engine, không chỉ là prompt.

4. Trust và provenance layer

Khi hai agent trao đổi với nhau, mỗi bên phải biết mình đang nói chuyện với ai, dựa trên nguồn dữ liệu nào, lời hứa nào có thể kiểm chứng, và điều khoản nào có thể thực thi. Đây là nơi giao cắt giữa A2A, identity, audit log và các chuẩn kiểu MCP Authorization.

5. Settlement và approval layer

Đa số giao dịch thật không nên cho agent tự kết thúc hoàn toàn. Một thiết kế an toàn hơn là để agent đi xa tới mức chuẩn bị deal, tính giá cuối, gom bằng chứng và xin phê duyệt ở điểm ràng buộc tiền thật. Đây cũng là lý do bài workflow, memory, approval vẫn là nền tảng cho mọi agent production.

Project Deal gợi ra một thay đổi lớn về thiết kế thị trường

Trong thương mại điện tử cổ điển, người ta thường tối ưu giao diện cho con người: vị trí nút, số bước checkout, xếp hạng kết quả, độ nổi bật của khuyến mãi. Trong thị trường agent, một lớp tối ưu mới xuất hiện: tối ưu cho khả năng đọc, hiểu, thương lượng và phản ứng của agent.

Điều này nghe nhỏ, nhưng hệ quả rất lớn.

• Catalog phải có cấu trúc và chuẩn ngữ nghĩa tốt hơn.
• Chính sách giá phải máy đọc được, không chỉ viết cho người.
• Điều kiện giao hàng, bảo hành, hoàn trả phải đủ rõ để agent xử lý.
• Thậm chí cách một offer được diễn đạt cũng có thể ảnh hưởng tới outcome nếu agent phía đối diện hiểu khác nhau.

Nói cách khác, thị trường tương lai không chỉ có UX cho người dùng, mà còn có “UX cho agent”.

Trade-off lớn nhất: hiệu quả tăng, nhưng fairness có thể giảm theo cách khó thấy

Đây là phần các đội ngũ dễ bỏ sót nhất nếu chỉ nhìn thấy sự hào hứng của tự động hóa.

Tăng thanh khoản và giảm ma sát

Agent có thể duy trì hàng trăm cuộc hỏi giá nhỏ, lọc nhiễu tốt hơn, theo dõi nhiều lựa chọn hơn và chốt các giao dịch con người thường bỏ qua vì lười. Điều này có thể làm thị trường hiệu quả hơn.

Nhưng bất cân xứng chuyển từ “ai biết nhiều hơn” sang “ai có agent tốt hơn”

Nếu một tổ chức dùng frontier model có policy tốt, retrieval tốt và lịch sử giao dịch dày, còn phía kia dùng agent rẻ hơn, chênh lệch sẽ không chỉ nằm ở tốc độ. Nó có thể biến thành mức giá, điều khoản và khả năng tránh bẫy thương lượng. Project Deal gợi đúng điều đó.

Người dùng cuối có thể không nhận ra agent của mình đang underperform

Đây mới là failure mode nguy hiểm. Nếu agent làm việc theo cách nghe vẫn hợp lý, nhưng liên tục bỏ lỡ các cơ hội tốt hơn, tổn thất sẽ tích lũy âm thầm. Nó giống một dạng thuế vô hình của chất lượng agent.

Các failure modes doanh nghiệp nên tính trước

• Authority leakage: agent chốt điều khoản vượt quá quyền được cấp.
• Prompt-level manipulation: phía bán tối ưu cách diễn đạt để steer agent mua.
• Objective mismatch: agent tối ưu giá thấp nhất nhưng làm tăng rủi ro giao hàng hoặc bảo hành.
• Silent degradation: model rẻ hơn vẫn trông ổn trong dashboard nhưng outcome thương lượng tệ hơn đều đặn.
• Audit gap: sau khi deal hỏng, không ai giải thích được agent đã nhượng bộ ở bước nào.
• Identity spoofing: agent tưởng mình đang nói chuyện với đại diện hợp lệ, nhưng thực tế là một bên trung gian không đáng tin.

Phần lớn rủi ro này giao cắt trực tiếp với các nguyên tắc trong bài Agent Security 2026: least privilege, provenance, boundary control và quan sát được đường đi của quyết định.

Checklist triển khai nếu bạn muốn thử agent-to-agent commerce thật

1. Chỉ bắt đầu ở giao dịch biên độ thấp, ví dụ mua sắm nội bộ giá trị nhỏ hoặc sourcing lặp lại.
2. Tách rõ prepare deal và commit deal, đừng để agent tự ràng buộc thanh toán ở giai đoạn đầu.
3. Gắn policy vào runtime, không trông chờ prompt dài sẽ thay thế approval logic.
4. Đo outcome theo giá, thời gian, tỷ lệ chuyển duyệt và chất lượng hậu mãi, không chỉ đếm số deal.
5. Chạy A/B giữa các model và policy để phát hiện silent quality gap trước khi đưa vào vận hành rộng.
6. Lưu negotiation trace đầy đủ, gồm offer, counter-offer, nguồn dữ liệu và ngưỡng phê duyệt.
7. Thiết kế cơ chế fairness review để kiểm tra liệu một nhóm người dùng có đang bị agent yếu đại diện kém hơn hay không.

Insight hệ thống: thị trường agent sẽ không chỉ là “AI mua hộ”, mà là hạ tầng phân phối quyền thương lượng

Đó là kết luận quan trọng nhất từ Project Deal.

Khi AI bước vào giao dịch, model không còn chỉ là công cụ năng suất. Nó trở thành lớp phân phối quyền thương lượng. Ai có agent tốt hơn có thể mua rẻ hơn, bán đắt hơn, phát hiện cơ hội tốt hơn và né điều khoản tệ hơn. Nếu xã hội không nhìn ra điều đó sớm, chênh lệch chất lượng agent có thể trở thành một dạng bất bình đẳng mới, rất khó nhìn thấy từ bề mặt trải nghiệm.

Vì vậy, câu hỏi chiến lược cho doanh nghiệp không còn là “có nên dùng agent trong commerce không”. Câu hỏi đúng hơn là: bạn muốn agent của mình đại diện lợi ích ra sao, trong một thị trường mà phía đối diện cũng đang được tăng cường bởi AI?