谁获得了个人 AI 助手带来的收益？语言模型市场模拟中的卖方适应与无助手消费者

个人 AI 助手开始代表消费者进行交易，早期采用者确实节省了开支。这些节省能否持续，以及没有助手的消费者会面临什么情况，取决于卖方如何应对——这是单用户证据无法回答的问题。我们构建了一个基于智能体的租赁市场，其中语言模型分别扮演消费者、助手，以及由算法定价工具引导的六个自适应卖方。一半人口获得助手，助手被赋予咨询授权或执行授权；合同将一项只有租客亲自采取行动才能避免的费用，与一个预先选定的附加项目捆绑，而获授权的助手可以在线取消该项目。一个分析基准和一个经过行为校准的规则市场提供事前预测；通过设置卖方冻结与卖方自适应的配对分支，我们将采用效应与市场反馈区分开来。在三十个模拟市场中，当卖方保持不变时，执行型助手使采用者的人均每日租客支出减少 13.7 USD；卖方适应收回了其中约三分之一的节省，最终减少 8.7 USD。这些收益既来自更低的账单，也来自租赁交易总体完成数量的增加。卖方提高标价，同时降低费用；经过校准的预测认为无助手消费者将承担 +3.6 的负担，但这一预测并未实现：他们的平均支出变化为 +0.4，置信区间为 -0.6 至 +1.3。替换卖方模型，以及在市场内部将费用设定权转交给定价工具的实验表明，费用行为，以及由此决定的收益分配，取决于卖方一侧。我们据此认为，应在市场层面评估助手——将交易完成情况、总支出以及非用户都纳入考量；这些比较层清楚定位了经过校准的行为预测在语言模型市场中究竟在哪一环节失效。