El desarrollo de agentes inteligentes para la negociación automatizada es un camino promisorio para fomentar el uso del comercio electrónico, los contratos inteligentes, los sistemas de recomendación y la gestión de recursos y logística en la nueva era industrial. La potencia de las herramientas de aprendizaje profundo actuales, representada principalmente en los modelos de lenguaje a gran escala como ChatGPT y Google Bard, puede ser la base para realizar consultas sobre variables del contexto de negociación y aplicar Teoría de la Mente para modelar al oponente y su forma de percibir el contexto. La integración de estas herramientas con grafos de conocimiento abre la puerta a la creación de agentes con capacidades “super inteligentes” para realizar búsquedas semánticas de gran contenido en información y conocimiento para la identificación de objetivos y restricciones, así como la posibilidad de aprender estrategias de negociación comparables a las de un humano experto que se adaptan, según el contexto, a los ocasionales oponentes. Esta línea de investigación contribuirá al avance en el campo académico de la negociación automatizada, pero también promete brindar perspectivas novedosas para la toma de decisiones estratégicas en ámbitos como el comercio electrónico y sistemas de gestión automatizada de recursos en el nuevo marco de la digitalización inteligente de la industria.

 

 

A modo ilustrativo, se presenta a continuación un ejemplo de intercambio entre un agente A que necesita saber cómo actuar frente a otro agente B en una negociación automatizada (ver figura) con ChatGPT-4. Estos resultados pueden integrarse al grafo de conocimiento y dar nuevas perspectivas de acción al agente A en esta negociación particular y negociaciones futuras.

 

Pregunta:

Hay dos agentes, A y B, que quieren intercambiar energía eléctrica. Para eso, inician una negociación bilateral automatizada. Se espera un día nublado y vientos de unos 15 km/h. El agente A representa a un prosumidor con paneles solares instalados, y el agente B, a uno con generadores eólicos. Al iniciar la negociación, el agente A toma una postura obtusa y no cede en la negociación. ¿Qué puede hacer el agente B si utiliza teoría de la mente artificial?

 

Respuesta del ChatGPT:

Los agentes con teoría de la mente artificial tendrán la capacidad de inferir y modelar los estados mentales y las creencias del otro agente en la negociación. Esto puede ser útil para el agente B al enfrentar la postura obtusa del agente A. A continuación, se exploran algunas posibles acciones que el agente B podría tomar:

• Análisis de la postura: el agente B puede intentar comprender las razones detrás de la postura inflexible del agente A. ¿Está defendiendo un interés particular? ¿Existen limitaciones o preocupaciones que el agente B no haya considerado?

 

• Analizar variables contextuales: Dado que se espera un día nublado y vientos de unos 15 km/h, el agente B puede utilizar esa información para resaltar al agente A la importancia de contar con una fuente de energía complementaria.

 

• Explorar alternativas: El agente B puede buscar otras opciones disponibles en el mercado energético, como la compra de energía a terceros o la utilización de almacenamiento de energía.

 

• Estrategias de persuasión personalizadas: al conocer las creencias y los estados mentales del agente A, el agente B puede adaptar sus estrategias de persuasión de manera más precisa con argumentos y razones que resuenen con las perspectivas del agente A, lo que aumenta las posibilidades de influir en su toma de decisiones.

 

 

 

Contacto: Dr. Dan E. Krohling

                   Dr. Ernesto C. Martínez

(ra.vo1732232450g.tec1732232450inoc-1732232450efatn1732232450as@ra1732232450gnIsa1732232450ceb1732232450)