MIT学生让AI代理学会了做生鲜食品交易

如何利用AI代理实现模拟系统的完全自动化？

生成式人工智能实验室，或者生成式人工智能实验室将MIT学生团队与全球各地的公司配对，帮助解决此类挑战。整个学期，学生们设计并构建实用的人工智能解决方案，并发掘新的人工智能驱动机会。

由麻省理工学院斯隆大学主办，是与麻省理工学院数字经济倡议GenAI-Lab 专注于战略实施和有意义的变革。它还通过积极的竞争激励团队，最佳项目颁发奖杯，所有顶级项目吹嘘的权利.

今年春季获得学生团队亚军的Team iTradeNetwork面临着为完全模拟市场制定数字化转型和人工智能实施路线图的挑战。结果是：一个由AI代理驱动的即时部署市场，食物可以在几秒钟内售出，而非几天。

以下是这四位建设者——麻省理工学院学生伊多·莱维、塞萨尔·多里、帕特·奥万多·罗什和埃利·朱文斯潘—创建了他们的项目。

一个1660亿美元的市场靠电话标签运营

在美国，食品通常通过农民和零售商之间预先达成的协议销售。但美国大约三分之一的易腐食品是在现货市场上出售的，每年价值约1660亿美元。

现货市场对农民和买家来说都充满挑战。农产品保质期短。仅仅两到三周后，一盒草莓或一颗生菜就会变质。而这一半的保质期常常被谈判过程占据，每年在市场上损失数十亿美元的产品损失。

问题的根源在于农民和买家在现货市场上使用的模拟系统。完成单点交易需要种植者经历一系列考验：先识别潜在买家，然后通过电话与他们协商价格和数量。

接下来，他们会在交付时间和物流上进行协调，最后生成相关文件。更何况，所有这些都必须在管理其他未开放库存的同时完成。

即使工作顺利进行，仍有新的挑战。等到价格达成一致、交货窗口确定、采购订单生成时，农产品离变质又近了几天。

有一家公司希望解决这个问题iTradeNetwork.过去26年里，它一直在为B2B易腐食品贸易构建数字骨干。该公司的平台服务于主要买家和卖家。

即使在iTrade平台上，现货市场依然顽固地手动操作。没有快速匹配供需的机制，更别说谈判协议了。每笔交易仍然依赖人工经纪人按顺序操作，一次接一个电话。

从人开始，而不是技术

团队的第一步是与食品行业人士交流。他们采访了在iTradeNetwork平台上活跃交易的买卖双方，了解他们的日常工作流程、摩擦来源及改进建议。

“当我们与iTrade及其他公司交谈时，高管们对他们想打造的东西有一定想法，”麻省理工学院斯隆研究员兼团队成员Ido Levy说。“但当你和实际做这些工作的人们交流时，这与现在的做法相比，AI市场是巨大的转变。我需要听到市场真正需要什么。”

团队听取业内人士的意见，达成交易是最大的瓶颈。这些对话也明确了机会的规模。三分之一的易腐食品通过现货市场流通，种植者和买家接触到最多，技术服务也最不足。

现货市场的经纪人对经纪人平台

基于这些信息，团队决定农民和买家需要一个数字市场，以便共同开始谈判。最终形成的平台称为NegotiateAI，是一个跨越四层的代理对代理市场。

具体流程如下：

市场：卖家通过市场发布库存，而买家则发布需求。匹配算法通过评估价格、数量、时机、位置和质量五个维度的重叠，识别可能的一致区（ZOPA）。

一旦算法识别出交易可能存在，谈判室将在毫秒内开启。但如果没有ZOPA，就没有空位，也没有人浪费时间。

谈判蜂拥：每家公司都有自己的产品具有独特谈判风格的AI代理——平衡、进取、谨慎或合作。产品被赋予硬编码的护栏，以及公司定义的提示，塑造代理与对方的沟通和推理方式。

谈判始于卖方经纪人提出报价。然后买方代理可以提出反建议。两位特工谈判，直到达成协议或退出。

编排者：一旦两位代理达成协议，一位称为编排者的主代理会计算协议的期望值，并将其与蜂群中其他开放谈判房间进行比较。调解者预测并选出价值最高的交易。

如果竞争房间有80%的概率以更优条件成交，编排者可能会持有。最终，编排者将交易升级给人类主管进行最终批准。

人类的认可。一名人工主管会审查交易条款、谈判历史和协调者的理由。主管随后批准、修改或拒绝该交易。这些决策会被记录下来，以便下一次谈判能更聪明地开始。

“任何人都能打造一个会讨价还价的聊天机器人，”莱维说。“真正的突破是Orchestrator，一个不仅能促成房间里最有利交易的人工智能，还能同时审视所有公开谈判，决定哪笔交易值得成交。那就是系统不再只是工具，而是开始像交易员一样行事的地方。”

结果

代理的协商行为基于182,812次模拟，为系统奠定了基于真实结果数据而非假设的基础。

在这些试验中，系统达成共识率超过90%。离场率仅为5%。这远低于人类谈判中情绪、疲劳和连续瓶颈可能侵蚀结果的比例。

协调员随后批准了56%的已完成协议。它在对整个群体运行期望值计算后，选择了最优的交易，而不仅仅是第一个方案。

整个过程——匹配、谈判、协调、升级——仅需22秒。过去需要数天电话、语音留言和手动来回沟通的过程，现在在种植者喝完早咖啡之前就要结束了。

“难点在于让数百名代理同时进行谈判，每个人通过真实约束推理，模拟对方行为，最终汇聚出最优决策，”莱维说。“所有这些都是实时、大规模的，同时产出对买家和卖家都经济合理的结果。我们或许刚刚解读了商业的未来。”

NegotiateAI平台的下一步是什么？

NegotiateAI是一个可运行的生产模型，iTradeNetwork已准备好开始将买家和卖家引入平台的工作。该系统设计为加法而非破坏性：买家和卖家可以在试用平台的同时继续打电话。

这降低了行业采用的门槛，而该行业数十年来一直抗拒变革。

“我们的观点是，生成式人工智能在与真实领域专业知识和严谨执行相结合时创造价值，这项工作证明了这一点，”iTradeNetwork首席技术官Sid Dixit表示。

“他们降落在可部署的装置上，几秒钟内完成了过去需要几天的任务，每个决策都由人类掌控。”

Dixit补充说，下一步将是开展受控试点，利用现场供应商和买家，赋能市场对食品供应链产生切实影响。

一支充满动力的团队

Levy表示，项目的成功很大程度上来自iTrade的透明度以及愿意帮助Action Lab团队构建可部署产品的态度。

公司那边的承诺也很重要。iTrade不仅仅是一个有任务的客户，更是一个致力于推动作品走向生产的合作伙伴。Levy指出，这种动态正是GenAI实验室区别于案例研究或毕业设计项目的部分原因。

“我来麻省理工是为了打造一个还不存在的东西，”莱维说。“生产规模下的代理间谈判一直是一个未解决的问题。麻省理工学院给了我们舞台、合作伙伴和让它成真实现的授权。我们不仅仅是为食品打造产品。我们为代理人的交易构建了架构。”

该岗位麻省理工学院的学生如何教导人工智能代理进行交易最初发表于麻省理工学院数字经济倡议.