La reducción de la desconfianza en las negociaciones-agente humano

Reducing Mistrust in Agent-Human Negotiations

Un reto principal el diseño de agentes inteligentes para servir como sustitutos de los
tomadores de decisiones humanas en contextos de negociación es que siempre hay
información incompleta entre un agente y su contraparte, especialmente en situaciones
que presentan el potencial de compensaciones entre varios temas. Un agente de venta
automatizada puede conocer sus propias preferencias con respecto a los temas de, por
ejemplo opciones de precio, cantidad y entrega, bur-al igual que con los seres humanos-
puede, en el mejor sólo conjeturar las preferencias de su contraparte y, sin conocer esas
preferencias, podría dejar de reconocer las compensaciones que ofrecen un mejor
resultado.

La mayoría del trabajo existente en la negociación automatizada se ha centrado en las

negociaciones agente-agente y ha abordado el problema de la información incompleta
usando una variedad de técnicas de aprendizaje automático para hacer inferencias sobre
las contrapartes, incluyendo sus puntos de resistencia, las preferencias, y posibles
compensaciones. Este tipo de trabajo en las negociaciones agente-agente no ha tenido
que hacer frente a la forma de dar a los agentes de negociación el tipo de inteligencia
social que facilita la interacción estratégica y socialmente ventajosas en los encuentros
humanos humano. Sin embargo, como la negociación automatizada se hace más
generalizada, un agente de software que actúa en nombre de su principal bien podría
encontrarse negociando con un ser humano y no con otro agente software.

En estos casos de negociación-agente humano, incluso un mínimo de inteligencia social es

probable que resulte en el agente de negociación de manera más eficaz, mejorando tanto
el impacto económico de sus actividades y las consecuencias socio-psicológicas y afectivas
de su homólogo humano. El trabajo que se describe aquí representa un primer paso para
dar un agente en una negociación-agente humano una manera de reducir la desconfianza
que se encuentra a menudo en las negociaciones en línea.

La desconfianza en las negociaciones

(Mistrust in Negotiations)

Una cosa que sabemos acerca de los seres humanos cuando se involucran en las
negociaciones en línea es que tienden a confiar menos en este contexto que la hora de
negociar cara a cara. Debido a que los intereses de los negociadores están a menudo en
conflicto, puede ser difícil para un bien intencionado negociación-humanos o no-para
enviar una señal de ganar-ganar o para interpretar una señal de este tipo de una
contraparte como sincera. Dos dilemas fundamentales explican por qué este es el caso:
• El dilema de la honestidad se refiere a la cantidad de información verdadera una de las
partes debe revelar a la otra. Revelando todo lo relacionado con su / sus preferencias hace
que un negociador vulnerables a la explotación por la otra parte, mientras que decirle
nada aumenta la probabilidad de terminar en un callejón sin salida.

• El dilema de la confianza se relaciona con el grado en que un negociador debe creer a la

otra parte. Creer que todo puede llevar a la explotación, mientras que creer nada hace que
sea difícil llegar a un acuerdo.

Un enfoque para mejorar estos problemas de revelación de información es para los

negociadores a adoptar una estrategia de los negociadores de ganar-ganar al compartir
proactivamente algunos de sus intereses. La idea es que, al aumentar la cantidad de
información compartida, las partes tienen más probabilidades de identificar
oportunidades de intercambios preferenciales, lo que resulta en mejores acuerdos y una
mayor satisfacción mutua. También es probable que este tipo de gestos, especialmente si
ve reforzada por el comportamiento posterior, pueden reducir cualquier nebulización
existente entre las partes negociadoras.

Otro enfoque que puede conducir a mejores resultados en las negociaciones de más de un
ámbito es que los negociadores utilizan múltiples ofertas simultáneas equivalentes, que
ofrecen alternativas que tienen diferentes utilidades para una de las partes pueden tener
diferentes utilidades para la otra parte. Por ejemplo, un vendedor podría proponer a un
cliente un precio de $ 99 para un producto entregado en tres semanas, o 119 dólares si se
entrega en tres días. Al dar a la vez este tipo de ofertas (supone que es de utilidad
equivalente para el vendedor), el negociador indica flexibilidad y, al mismo tiempo que
aumenta la probabilidad de que una oferta especial será de interés para la contraparte.
Estudios de laboratorio sobre las negociaciones entre humanos indican que múltiples
ofertas simultáneas equivalentes tienden a conducir a mejores resultados conjuntos y una
mejor satisfacción del negociador. Por otra parte, la estrategia, cuando se implementa en
un agente de negociación de software, puede dar lugar a mejores relaciones acuerdo
contraparte, mejores utilidades individuales y conjuntas, y una mejor satisfacción del
resultado en un escenario de negociación-agente humano.

Parece probable que estas dos tácticas-el intercambio voluntario de información de interés
y el uso de múltiples simultáneas equivalentes ofertas-pueden reducir la desconfianza
entre las partes negociadoras. Aquí, sin embargo, hacemos hincapié en el primero de los
dos, y sólo en el contexto de una negociación-agente humano, donde la desconfianza
puede ser particularmente problemático. Específicamente, estamos interesados en
determinar si tiene un agente de negociación comunicar proactivamente su prioridad
cuestión a la contraparte de sus recursos humanos mejora el resultado de la negociación y
mejora la actitud del ser humano hacia el agente. Por otra parte, si esta táctica tiene éxito
en ambos casos, se plantea la cuestión de si seguiría siendo eficaz para las personas que
están especialmente predispuestos a desconfiar de los demás.

Dada nuestra convicción de que una buena táctica confianza que induce en una
negociación multi-tema es para uno de los negociadores de voluntariado su prioridad
cuestión, y dada la posibilidad de que las personas que están especialmente predispuestos
a desconfiar de los demás pueden diferir en la forma en que se responder a la divulgación
proactiva de prioridad cuestión, se evaluó a los participantes en una variable que podría
capturar esa predisposición. esto lo hicimos usando MACH-IV un instrumento establecido
que (en parte) evalúa el cinismo y la renuencia a confiar en los demás, es decir, mide
maquiavelismo.

Las personas con puntuaciones altas en esta prueba-hi-Machs-tienden a respaldar las

declaraciones tales como "Todo el que confíe completamente cualquier otra persona es
buscar problemas," pero no aquellos como "La mayoría de la gente es básicamente buena
y amable." Y por supuesto, si alguien tiene este tipo de vista de la gente, él / ella no es
probable que confiar en ellos. Las personas con puntuaciones bajas-lo-Machs-tienden a
creer que los seres humanos son esencialmente bondadoso; lo-Machs así típicamente
toman un enfoque más personal, empatía en sus interacciones con los demás. Ellos
tienden a ser más confiados y más honesto. No es sorprendente que la investigación
muestra que lo-Machs y hi-Machs difieren tanto en la forma en que se comportan y
sienten acerca de las negociaciones en las que están involucrados. Ver pp. 395-396 de Roy
Lewicki y libro Negociación de sus colegas, para más discusión del maquiavelismo y la
negociación.

Evaluación de los efectos de la comunicación proactiva

(Assessing the Effects of Proactive communication)

Dos grandes grupos de medidas cuantitativas deben ser considerados en la evaluación de

la eficacia de una negociación. El primer grupo se refiere a los resultados económicos, que
incluyen las utilidades derivadas del contrato en el individuo y diádica / nivel articular.
Utilidad individual se evalúa en términos de la medida en que los resultados del individuo
se acerca a un valor óptimo, mientras que para las díadas, los resultados se miden a
menudo por la utilidad conjunta (como la simple suma de las utilidades individuales, o la
distancia a la acuerdo del conjunto de Pareto soluciones eficientes) alcanzados por las
partes negociadoras. El segundo grupo de medidas se refiere a los resultados sociales y
psicológicos de una negociación, e incluye medidas de percepción de la negociación, la
otra parada, y el auto de los negociadores. De estas medidas, la satisfacción del resultado y
de la percepción de la contraparte se encuentran entre los mejores predictores de la
voluntad de un negociador a negociador con la misma contraparte en el futuro.
Como ya hemos comentado, los individuos hi-Mach tienden a desconfiar de otras
personas, lo que significa que son menos propensos a ver las ofertas simultáneas
equivalente de un agente como una oportunidad para un resultado de ganar-ganar. Sin
embargo, si, como se ha indicado anteriormente, el voluntariado de forma proactiva las
prioridades temáticas proporciona una señal explícita de que el agente está haciendo un
intento de lograr un resultado de ganar-ganar-y especialmente si el comportamiento
posterior confirma esta interpretación-hi-Mach individuos podrían ser menos escépticos
sobre la sinceridad de las ofertas de sus contrapartes. Así, mientras que todavía motivado
por el interés propio, podrían ser más propensos a llegar a un acuerdo. En otras palabras: y
esta es nuestra principal hipótesis-el uso de la comunicación proactiva debería aumentar
un hi-Mach percepción de la capacidad de persuasión de las ofertas del agente, lo que
conduce a mejores resultados de la negociación; mientras que la misma habrá menos
cierto, en todo caso, para los individuos lo-Mach.

Este tipo de comunicación proactiva también podría dar lugar a ventajas sociales-
psicológicas o afectivas en términos de percepción personal-en este caso, en términos de
cómo la gente juzga a sus homólogos. Debido a proferir de un agente de las prioridades
temáticas puede ser visto como un intento de compartir información útil dirigida a la
obtención de beneficios mutuos, que se puede interpretar como un signo de cooperación.
Por lo tanto, esperamos que cuando un agente tomó la iniciativa de comunicar sus
preferencias a la humana, que agente sería más probable que sea percibida positivamente
por el ser humano-en particular, el ser humano sería más probabilidades de percibir el
agente tan considerado y flexible.

El Experimento
(The Experiment)

Para investigar estas preguntas, se compararon los resultados cuando los seres humanos
con diferentes niveles de maquiavelismo negociar con un agente "no proactivo" que
proporciona solo ofertas simultáneas equivalente y un sombrero de agente "activo"
también ofreció su prioridad tema e invitó a los humanos de corresponder

Los participantes

Reclutamos a los estudiantes de MBA matriculados en una clase dinámica de negociación

impartido por uno de los autores como a los participantes. Se les dijo que iban a estar
jugando el papel de comprador de una negociación en línea, pero no se les dijo que el
vendedor era un software agente-Los participantes fueron asignados al azar a negociar, ya
sea con un agente proactivo o no proactivo.

Un total de 54 participantes (35 hombres y 19 mujeres) que completaron el experimento.

Su edad media era 29. Todos los participantes tenían al menos dos años de experiencia
laboral, con la mayor parte (63 por ciento) de ser jóvenes profesionales, y los otros son los
gerentes más altos directivos o consejeros. Todos informado (en escalas de cinco puntos)
experiencia de alta el uso del ordenador (una media de 4,31), la experiencia de compra en
línea moderada con (3.76) y las decisiones empresariales (2,93), y algo de experiencia en
actividades de negociación (2,04).

Como un incentivo para participar seriamente participantes se les dijo que iban a recibir
crédito de curso con gradas bono basado en su desempeño de negociación, por lo que
además de recibir un cinco por ciento de crédito por su participación, el 20 por ciento, la
segunda el 20 por ciento, y el tercero 20 ciento de los participantes recibiría un cinco por
ciento adicional, tres por ciento, y un crédito por ciento, respectivamente. El negociador
también recibiría una botella de champán por un valor aproximado de US $ 4O.
Metodo
Para este estudio, se adaptó una tarea de negociación multi-tema originalmente
desarrollado a partir del mundo real negociaciones contractuales comprador proveedor. La
tarea que comprende cuatro negociación es Sues relativos a la compra de ordenadores
portátiles: precio unitario, cantidad, nivel de servicio y las condiciones de entrega. Hubo
siete valores de precio unitario, siete para la cantidad, cuatro para el nivel de servicio, y
cuatro para el tiempo de entrega (es decir, 784 posibles acuerdos finales). Los
participantes (compradores) y el agente (vendedor) tenían diferentes pesos sobre los
temas y valores, y se les dio una mesa que les permitió determinar los puntos de utilidad
alguna oferta en particular valía la pena. En términos de teoría de juegos, un juego distinto
de cero-suma fue creado que permitió la posibilidad de una integración, ganar-ganar
resultado. Para equiparar su poder de negociación, los compradores y los vendedores se
les dio la misma utilidad 44 puntos Mejor Alternativa a un Acuerdo Negociado (MAAN), es
decir, los mejores negociadores deal línea de fondo podrían obtener por sí solo o con un
tercero si iban a dejar de llegar a un acuerdo con la contraparte.

El experimento constaba de tres etapas. En la primera, la etapa previa a las negociaciones,

los participantes leen las instrucciones generales y luego fueron informados sobre el
procedimiento. Luego les dio una hoja de tareas que describe su papel como compradores
e indicó que su objetivo era maximizar sus resultados de utilidad sobre los cuatro temas
para la compra de un nuevo modelo de computadora portátil usando el sitio web del • del
vendedor. Es importante destacar que los instruyó para tratar el precio unitario como su
principal prioridad. Luego, los participantes grajo una prueba para asegurarse de que
entendían la tarea, después de lo cual, conociendo su MAAN, indicaron el número de
puntos de servicios públicos (su objetivo) con los que pensaban que serían satisfechos. A
continuación, les presentamos a la página web del vendedor y las reglas de negociación,
que especifica un protocolo de oferta-contraoferta alterna con "oferta final" reglas de
terminación. Por último, los participantes completaron un cuestionario previo a la
negociación que evalúa su experiencia en los negocios, la experiencia del uso de
computadora, y así sucesivamente.

En la segunda, fase de negociación, los participantes negociaron con el agente hasta que
llegaron a un acuerdo, o hasta que las negociaciones terminaron sin acuerdo porque un
partido rechazó la última oferta de la otra parte. Esta fase no tenía límite de tiempo. En la
tercera, la etapa posterior a la negociación, los participantes completaron un cuestionario
diseñado para evaluar sus percepciones de la negociación y el agente de venta. La
información demográfica también se recogió y-en un ejercicio participantes
ostensiblemente independientes y voluntarios completaron una "negociación por sí
-Awareness" cuestionario de evaluación de la personalidad, la parte clave de lo que era
Richard Christie y 20 elementos de prueba Mach-Iv de Florencia Geis para evaluar
maquiavélico personality.12 Antes de salir, se pidió a los participantes que mantengan sus
experiencias en el estudio confidencial. El interrogatorio final, junto con un anuncio
identificar a los participantes mejor desempeño, se llevó a cabo alrededor de dos semanas
después de que recogimos toda la fecha, de todos los participantes.

Cada participante negoció con uno de los dos tipos de agente. Para un participante
negociar con el agente activo a favor, el agente reveló su prioridad cuestión en la segunda
ronda de la negociación e invitó a la humana de corresponder. Para un participante
negociar con el agente no activa, es decir, la condición en el control agente simplemente
presentó sus ofertas y contraofertas reaccionó a del sujeto sin tener que comunicar
información con respecto a su prioridad cuestión.

En todos los demás aspectos, el comportamiento de los dos tipos de agentes era el mismo.
En ambos casos, el agente empleó la misma estrategia de negociación para hacer y
aceptar las ofertas. La Figura 1 muestra la interfaz de página web, en la que se presenta un
ejemplo de cuatro ofertas equivalentes simultáneas del agente. La Figura 1 también
muestra el mensaje en el que el agente proactivo en prioridad este caso-se presentó la
cantidad de emisión (en la segunda ronda) y en el que se invita al negociador humana
(aunque no es obligatorio) para revelar sus propias preferencias.

Medición

Las medidas dependientes incluidos

• El número total de acuerdos obtenido (y la relación de acuerdo),
• El individuo y utilidades conjuntas, y
• las medidas relativas a las perspectivas lógicas socio-psico sobre el resultado y el agente.

Se han utilizado dos artículos M cuestionario negociación posterior para evaluar la

satisfacción del resultado (cómo los participantes satisfechos estaban con sus
puntuaciones de utilidad) y tres elementos para evaluar las percepciones del agente (el
grado en que se consideró que el agente sea considerado, amable y flexible) . La media de
la suma de estas calificaciones constituye la variable percibida colector cooperativismo.

Resultados

Cheques de control confirmaron que no existían relaciones sistemáticas sean tipo entre el
agente y el sexo de los participantes, la experiencia del pasado, y las utilidades de destino
pre-negociación. Además, un análisis de regresión reveló que la variable de personalidad
maquiavélica no estaba relacionado con el tipo de agente, lo que confirma que se puede
evaluar como una variable de personalidad estable. Después de elementos inversos de
codificación en su caso, la puntuación de Mach-IV de cada sujeto se calculó sumando sus
valores de respuesta para todos los elementos.

Puntuación media de los participantes en la medida de la personalidad maquiavélica era

104.83 (con una desviación estándar de 4,48, un mínimo de 96, una madre maxi de 116, "y
un punto medio de la escala de 100), y la prueba de Shapiro-Wilk indicó una distribución
normal de partituras. La fiabilidad de constructo de las medidas dependientes de la
psicología social era adecuado, con los elementos que tienen una confiabilidad aceptable
(a = 0,96 para la satisfacción fuera venir y a = 0,68 para la cooperatividad percibido).

De las 54 díadas-agente humano, 36 díadas obtuvieron un acuerdo y 18 diadas no lo

hicieron. De los 27 participantes en la condición de tratamiento (agente proactivo), 21
respondieron a la invitación del agente en la segunda ronda (ver Figura 1), lo que indica,
como lo habían .been instruido, que el precio unitario era su prioridad número. De los seis
restantes, tres. optó por no corresponder, y tres seleccionados cantidad de la compra
.rather de precio unitario como su principal prioridad.

Corrimos una regresión logística en los acuerdos (acuerdos porque era una variable
dicotómica) y regresión jerárquica análisis por separado en utilidad buy.er, utilidad
vendedor, utilidad conjunta, la satisfacción del resultado, y cooperatividad percibidos
como los criterios, con el tipo de agente (un maniquí codificado binario variable = O frente
a no proactivo 1 = proactiva) y la variable de la personalidad centrado, MACH, como
predictores en cada caso. La Tabla 1 muestra los resultados de todos estos análisis.

Acuerdos

En general, de los 27 casos, la negociación con el agente proactivo llevó a 22 acuerdos

(una relación de acuerdo 81,5 por ciento), mientras que la negociación con el agente no
proactiva llevó a 14 acuerdos
(una relación de acuerdo 51,9 por ciento). Este efecto principal fue significativa. Con
respecto a la influencia de la variable de personalidad maquiavélica, los resultados
también mostraron que MACH tenía una relación negativa significativa con los acuerdos.
Se encontró que el tipo de agente y MACH tener una interacción marginalmente
significativa.

Otras medidas dependientes

Encontramos patrones similares para las otras medidas dependientes de utilidad

comprador, utilidad conjunta, y la satisfacción del resultado, con efectos principales
significativos de tipo y MACH agente, así como un tipo de agente por la interacción MACH.
Para cooperatividad percibida, los resultados indicaron un efecto principal de mediador
sólo, con el agente proactivo se percibe como más cooperativo que el agente no proactivo.
Ni el efecto principal de MACH ni su interacción con el tipo de agente fue significativa. Se
analizaron también otros dos diádicas cabo -Vamos medidas-la distancia a la frontera
eficiente de Pareto y la distancia a Nash solución y los resultados mostraron el mismo
patrón que para la utilidad conjunta.

Llevamos a cabo análisis para examinar los efectos del tipo de agente de hi-frente a los
individuos lo-Mach utilizando análisis pendiente simple. Las puntuaciones de los dos hi-y
lo-Machs se centraron mitad de una desviación estándar por encima y por debajo de sus
respectivos medios. Los rangos equivalentes de puntuaciones Mach-IV fueron 96-102 para
lo-Machs (n = 17 y media = 99,7), y 107-116 para hiMachs (n = 19 y media = 109,8). Los
resultados indicaron que, para hi-Machs, el agente proactivo llevó a resultados
significativamente mejores de negociación que d.id el agente no proactivo en términos de
acuerdos (7 sobre 10 y
2 sobre 9, respectivamente); utilidad comprador (/ 3 = 15,52, SE = 5,38, t = 2,83, p = 0,01);
utilidad conjunta (/ 3 = 18,73, SE = 7,65, t = 2,45, p = 0,03); y el resultado. satisfacción (/ 3
= 2,26, SE "= 0,86, t = 2,64, p = 0,02). Para lo-Machs, no existían tales diferencias. Figura 2
muestra el efecto de la interacción.

Discusión

Los datos llevan claramente nuestras predicciones sobre los efectos de un agente de
negociación voluntariado proactivamente información sobre su prioridad número (e
invitando suavemente la contraparte a hacer lo mismo). En concreto, con respecto a
confiar en las personas, (hi-Mach) individuos menos confiados, más escépticos lograrse
mejor negociación resultados cuando el agente se ofreció información sobre su prioridad
número que cuando no lo hizo. Esto se evidenció por la interacción significativa entre el
tipo de agente y maquiavelismo en el que más acuerdos, mejor comprador y utilidades
conjuntas, y una mayor satisfacción del comprador se lograron para hi-Machs pero no para
lo-Machs la hora de negociar con el agente proactivo. Desde la perspectiva de la
percepción social, los resultados también indicaron que los participantes vieron el agente
proactivo más positivamente que el agente no proactivo.

Al mostrar que el simple gesto de ofrecer el intercambio de información cooperativa

puede tener
Consecuencias económicas y afectivas beneficiosos, estos resultados demuestran el valor
de tomar los dilemas de la honestidad y la confianza en cuenta cuando se busca un
resultado de ganar-ganar integradora.

Es evidente que la adopción de una prioridad cuestión postura proactiva y el voluntariado

es un buen movimiento. Cómo siempre, nuestros resultados indican que, desde una
perspectiva económica, los beneficios son sensibles a factores de la personalidad de una
manera que no parece ser cierto desde el (afectivo) perspectiva socio-psicológica. En
nuestra muestra ciertamente limitado, se observó una ventaja económica sólo para hi-
Mach individuos-charla es, para las personas que tienden a no confiar en los demás. Por el
contrario, la ventaja afectiva era independiente de ambos las diferencias de personalidad y
los resultados económicos: los participantes simplemente se sintieron mejor sobre el
agente proactivo que sobre el agente no proactiva, a pesar de que la información
recopilada durante la fase de interrogatorio indicó que la mayoría de los participantes se
dieron cuenta de que habían estado negociando con un agente de software.

El hecho de la mayoría de nuestros participantes (21 de 27) respondieron a la invitación de

la agente de corresponder al revelar su propia prioridad cuestión tiene una implicación
interesante para el diseño de más cognitivamente y agentes de negociación socialmente
inteligentes, sobre todo cuando dichos agentes tienen que negociar con contrapartes
desconfiados escépticos . Esta evidencia de cooperatividad del negociador humana sugiere
charla el simple mecanismo del voluntariado es demandar prioridades tiene la capacidad
de bloqueo de la ONU potencial de ganar-ganar de una negociación.

Considerando que la investigación agente de negociación anterior se ha centrado en las

técnicas para inferir preferencias, hemos explorado un directo más que una manera
inferencial de poner en primer plano la información sobre concesiones de preferencia que,
sin embargo, aumenta la relación de acuerdo y la utilidad conjunta de acuerdo. Nuestros
resultados muestran que un agente de negociación de software voluntariado sus
prioridades temáticas e invitando a la contraparte de reciprocar tiene consecuencias
económicas positivas, al menos para los cínicos desconfiados. Al mismo tiempo, tiene
consecuencias afectivas vis a vis las actitudes positivas hacia el agente, incluso cuando no
hay beneficios económicos inmediatos (como fue el caso de lo-Machs). También es posible
que el desarrollo de un efecto positivo hacia la contraparte tendría beneficios económicos
en las negociaciones con el mismo agente en el futuro. Es por lo tanto evidente,
especialmente teniendo en cuenta los riesgos potenciales bajos y las altas recompensas
potenciales, que tiene sentido para diseñar agentes de negociación para iniciar
cooperación de ganar-ganar se mueve por el voluntariado prioridades temáticas e
invitando a la reciprocidad.

Nuestra investigación también proporciona nuevos conocimientos sobre la relación entre

maquiavelismo y negociación comportamientos. Las investigaciones anteriores indican que
hi-Machs obtener mejores utilidades que lo Machs, sobre todo cuando se negocian
comieron con lo-Machs. Sin embargo, encontramos que la hi-Machs realiza peor que lo-
Machs cuando interactuaron con un agente no proactivo, un hallazgo que es similar a la de
William Fry, quien reveló que en una condición sin acceso visual, hi-Mach / hi-diadas Mach
desempeñaron peor que hi-Mach / lo-Mach y diadas lo-Mach / lo-Mach. A lo mejor de
nuestro conocimiento, la nuestra representa la primera vez que una se ha tratado de
influir en hi-Machs a cooperar animándoles a ver que es a su ventaja para hacerlo. Esto
sugiere que incluso chough hi Machs son generalmente más cínica e interesada que otros,
es posible diseñar situaciones que los llevarán a un enfoque cooperativo para la
negociación.
Como la discusión anterior implica, nuestras conclusiones están limitadas a contextos-que
de negociación específico es, que vinculan a varias cuestiones con preferencia •
compensaciones en el que integradora, resultados • ganar-ganar son en t menos una
posibilidad y el agente de negociación realmente tiene la intención de fomentar la victoria
-win comportamientos de búsqueda (es decir, se ofrece voluntariamente su prioridad
verdadero problema desde el principio y se comporta onsistently en las ofertas
posteriores). Es poco realista esperar que un negociador a confiar en un humano agente o
que-cuyo comportamiento es inconsistente; como tal inconsistencia generaría bajas
expectativas sobre las consecuencias económicas o afectivas de una negociación.

Además, la reducción de la desconfianza en hi Machs es sólo una inferencia a partir de

nuestros datos; No medimos directamente la medida en que los participantes confiaban (o
desconfiaban)-sus contrapartes de negociación. Sin embargo, creemos que es la
explicación más razonable y parsimoniosa de la interacción que observamos. Como
muestra la Figura 2 muestra claramente, lo principal que explicar es por qué los resultados
de los hi-Machs era mucho mejor cuando el agente hizo su gesto de cooperación (y
esencialmente el mismo que para lo-Machs en ambas condiciones). La mejor explicación
es sin duda caracteres no
Había algo en el chat gesto elimina el inconveniente de que hi-Machs tenían-
específicamente lo contrario la señal del agente de cooperatividad reforzado por su
comportamiento sub secuente. En otras palabras, la confianza en ella aumenta.

Por último, hay una cuestión importante relacionada con la naturaleza del agente y el
hecho de que, al interrogatorio, la mayoría de los participantes en nuestro estudio dijeron
que creían que habían negociado con un agente computacional. Por supuesto, no tenemos
ni idea de en qué punto los participantes Carne a esta realización. Fue sólo después de la
negociación, después de una reflexión de lo que había sucedido? ¿O fue durante la
negociación-y si es así, ¿era temprano o tarde en el proceso? ¿Hubo algo en particular que
les avisó? Puede ser que sea fructífero para explorar estas preguntas, así como para
examinar las consecuencias de tratar de manipular las creencias de los participantes
acerca de la naturaleza humana o computacional del agente. Sin embargo, un problema
con tratar de hacer chis es chatear incluso si le decimos a los participantes que están
negociando con un ser humano, no pueden creerlo. De hecho, informes informales de
nuestros participantes sugieren que incluso lo-Machs bien podría ser sospechosa. Por otro
lado, podríamos argumentar que porque la gente tiende a tratar a las máquinas como si
fueran seres humanos, una manipulación de este tipo sería poco probable que afecte al
resultado. Estas y otras preguntas similares tendrán que esperar a futuras investigaciones.
 En ingles

Reducing Mistrust in Agent-Human Negotiations

A primary challenge designing intelligent agents to serve as surrogates for human decision
makers in negotiation contexts is that there's always incomplete information between an
agent and its counterpart, especially in situations that present the potential for tradeoffs
among multiple issues. An automated selling agent can know its own preferences relative
to the issues of, say price, quantity, and delivery options, bur-as with humans-it can at best
only surmise the preferences of its counterpart and, without knowing those preferences, it
might fail to recognize tradeoffs that offer a better outcome.

Most existing work on automated negotiation has focused on agent-agent negotiations

and has addressed the incomplete information problem using a variety of machine-
learning techniques to make inferences about counterparts, including their resistance
points, preferences, and possible tradeoffs. Such work in agent-agent negotiations hasn't
needed to deal with how to give negotiation agents the kind of social intelligence that
facilitates strategically and socially advantageous interactions in human-human
encounters. However, as automated negotiation becomes more widespread, a software
agent acting on behalf of its principal might well find itself negotiating with a human
rather than with another software agent.

In these cases of agent-human negotiation, even a modicum of social intelligence is likely

to result in the agent negotiating more effectively, enhancing both the economic impact of
its activities and the social-psychological and affective consequences for its human
counterpart. The work that we describe here represents a first step toward giving an agent
in an agent-human negotiation a way to reduce the mistrust that's often found in online
negotiations.

Mistrust in Negotiations

One thing we know about humans when they engage in online negotiations is that they
tend to trust Less in this setting than when they negotiate face to face. Because
negotiators' interests are often in conflict, it can be difficult for a well-intentioned
negotiation-human or otherwise-to send a win-win signal or to interpret such a signal from
a counterpart as sincere. Two fundamental dilemmas explain why this is the case:

 The dilemma of honesty concerns how much true information one party should
reveal to the other. Revealing everything about his/her preferences makes a
 negotiator vulnerable to exploitation by the other party, whereas telling nothing
increases the likelihood of ending up at an impasse.

 The dilemma of trust relates to the extent to which a negotiator should believe the
other party. Believing everything can lead to exploitation, while believing nothing
makes it difficult to reach an agreement.

One approach to ameliorating these information disclosure problems is for negotiators to

adopt a win-win negotiators strategy by proactively sharing some of their interests. The
idea is that, by increasing the amount of shared information, the parties are more likely to
identify opportunities for preference tradeoffs, thus resulting in better agreements and
higher mutual satisfaction. It's also likely that such gestures, especially if reinforced by
subsequent behavior, can reduce any existing misting between the negotiating parties.

Another approach that can lead to better outcomes in multi-issue negotiations is for
negotiators to use multiple equivalent simultaneous offers, wherein offer alternatives that
have different utilities for one party can have different utilities for the other party. For
example, a vendor might propose to a customer a price of $99 for a product delivered in
three weeks, or $119 if delivered in three days. By simultaneously giving such offers
(assumed to be of equivalent utility for the vendor), negotiator signals flexibility while at
the same time increasing the chance that a particular offer will appeal to the counterpart.
Laboratory studies of human-human negotiations indicate that multiple equivalent
simultaneous offers tend to lead to better joint outcomes and better negotiator
satisfaction. Furthermore, the strategy, when implemented in a software negotiation
agent, can result in better counterpart agreement ratios, better individual and joint
utilities, and better outcome satisfaction in an agent-human negotiation setting.

It seems likely that both of these tactics-the voluntary sharing of interest information and
the use of multiple equivalent simultaneous offers—can reduce mistrust between
negotiating parties. Here, however, we emphasize the first of the two, and only in the
context of an agent-human negotiation, where mistrust can be particularly problematic.
Specifically, we're concerned with determining whether having a negotiating agent
proactively communicate its issue priority to its human’s counterpart improves the
negotiation outcome and improves the human's attitude toward the agent. Furthermore, if
this tactic succeeds on both counts, the question arises as to whether it would still be
effective for individuals who are particularly predisposed to mistrust others.

Given our belief that a good, trust-inducing tactic in a multi-issue negotiation is for one of
the negotiators to volunteer its issue priority, and given the possibility that individuals who
are especially predisposed to mistrust others might differ in the way in which they respond
to the proactive disclosure of issue priority, we assessed participants on a variable that
could capture such a predisposition. we did this using MACH-IV an established instrument
that (in part) assesses cynicism and reluctance to trust others-that is, it measures
Machiavellianism.

People with high scores on this test-hi-Machs-tend to endorse statements such as "Anyone
who completely trusts anyone else is asking for trouble," but not those such as "Most
people are basically good and kind." And of course, if someone has this kind of view of
people, he/she is unlikely to trust them. People with low scores-lo-Machs-tend to believe
that humans are essentially good natured; lo-Machs thus typically take a more personal,
empathetic approach in their interactions with others. They tend to be more trusting and
more honest. Not surprisingly, research shows that lo-Machs and hi-Machs differ in both
how they behave in and feel about negotiations in which they're involved. See pp. 395-396
of Roy Lewicki and his colleagues' book Negotiation, for more discussion of
Machiavellianism and negotiation.

Assessing the Effects of Proactive communication

Two main groups of quantitative measures must be considered in evaluating a

negotiation's effectiveness. The first group concerns the economic outcomes, which
include the utilities derived from the agreement at both the individual and dyadic/joint
level. Individual utility is assessed in terms of the extent to which the individual’s outcome
approaches an optimal value, whereas for dyads, outcomes are often measured by joint
utility (such as the simple sum of individual utilities, or the agreement's distance from the
set of Pareto-efficient solutions) attained by the negotiating parties. The second group of
measures pertains to the social-psychological outcomes of a negotiation and includes
measures of the negotiators' perceptions of the negotiation, the other parry, and the self.
Of these measures, outcome satisfaction and perception of the counterpart are among
the best predictors of a negotiator's willingness to negotiator’s with the same
counterpart in the future.

As already discussed, hi-Mach individuals tend to be distrustful of other people, which

means that they're less likely to see an agent's simultaneous-equivalent offers as an
opportunity for a win-win outcome. However, if, as indicated above, proactively
volunteering issue priorities provides an explicit signal that the agent is making an attempt
to achieve a win-win outcome-and especially if subsequent behavior confirms this
interpretation-hi-Mach individuals might become less skeptical about the sincerity of their
counterparts' offers. Thus, while still motivated by self-interest, they might be more likely
to reach an agreement. In other words- and this is our main hypothesis-the use of such
proactive communication should increase a hi-Mach's perception of the persuasiveness of
the agent's offers, thus leading to better negotiation outcomes; whereas the same will be
less true, if at all, for lo-Mach individuals.

This kind of proactive communication might also to lead to social-psychological or affective

advantages in terms of personal perception-in this case, in terms of how people judge
their counterparts. Because an agent’s proffering of issue priorities can be seen as an
attempt to share useful information aimed at obtaining mutual benefits, it can be
interpreted as a sign of cooperativeness. Therefore, we expected that when an agent took
the initiative to communicate its preferences to the human, that agent would be more
likely to be perceived positively by the human-in particular, the human would more likely
perceive the agent as considerate and flexible.

The Experiment

To investigate these questions, we compared the outcomes when humans with different
levels of Machiavellianism negotiated with a "non-proactive" agent that provided only
simultaneous-equivalent offers and a "proactive" agent hat also volunteered its issue
priority and invited the human to reciprocate.

Participants

We recruited MBA students enrolled in a negotiation dynamics class taught by one of the
authors as participants. They were told that they would be playing the buyer role in an
online negotiation, but they weren't told that the seller was a software agent- Participants
were randomly assigned to negotiate with either a proactive or non-proactive agent.

A total of 54 participants (35 males and 19 females) completed the experiment. Their
average age was 29. All participants had at least two years of work experience, with most
(63 Percent) being young professionals, and the others being more senior managers or
directors. All reported (on five-point scales) high computer-usage experience (a mean of
4.31), moderate experience with online purchasing (3.76) and business decisions (2.93),
and some experience with negotiation activities (2.04).

As an incentive to participate seriously participants were told that they would receive
tiered bonus course credit based on their negotiation performance, so that in addition to
receiving five percent credit for their participation, the top 20 percent, the second 20
percent, and the third 20 percent of participants would receive an additional five percent,
three percent, and one percent credit, respectively. The top negotiator would also receive
a bottle of champagne worth approximately US$4O.
Method

For this study, we adapted a multi-issue negotiation task originally developed from real-
world supplier buyer contract negotiations. The task comprised four negotiation is sues
relating to the purchase of laptop computers: unit price, quantity, service level, and
delivery terms . There were seven values for unit price, seven for quantity, four for service
level, and four for delivery time (that is, 784 possible final agreements). Participants
(buyers ) and the agent (seller) had different weights over the issues and values, and
were given a table that enabled them to determine the utility points any particular offer
was worth. In game-theoretic terms, a non-zero-sum game was created that allowed for
the possibility of an integrative, win-win outcome. To equate their bargaining power,
buyers and seller were given the same 44 utility point Best Alternative to a Negotiated
Agreement (BATNA)-that is, the best bottom-line deal negotiators could obtain alone or
with a third party if they were to fail to reach an agreement with the counterpart.

The experiment comprised three stages. In the first, pre-negotiation stage, participants
read general instructions and were then briefed on the procedure . We then gave them a
task sheet that described their role as buyers and indicated that their goal was to
maximize their utility scores over the four issues for purchasing a new laptop computer
model using the ·seller's website. Importantly, we instructed them to treat unit price as
their top priority. Participants then rook a quiz to make sure that they understood the task,
after which, knowing their BATNA, they indicated the number of utility points (their target)
with which they thought they would be satisfied. We then introduced them to the seller's
website and the negotiation rules, which specified an alternating offer-counteroffer
protocol with "final offer" termination rules. Finally, participants completed a pre-
negotiation questionnaire that assessed their business experience, computer usage
experience, and so on.

In the second, negotiation stage, participants negotiated with the agent until they
reached an agreement, or until negotiation ended with no agreement because one party
rejected the other party's final offer. This phase had no time limit. In the third, post-
negotiation stage, participants completed a questionnaire designed to assess their
perceptions of the negotiation and the selling agent. Demographic information was
also collected and-in an ostensibly separate and voluntary exercise-participants
completed a "Negotiation-Self -Awareness" personality assessment questionnaire, the
key part of which was Richard Christie and Florence Geis's 20-item Mach-Iv test for
assessing Machiavellian personality.12 Before leaving, participants were asked to keep
their experiences in the study confidential. The final debriefing, together with an
announcement identifying the top performing participants, was conducted about two
weeks after we collected all date, from all participants.
Each participant negotiated with one of the two types of agent. For a participant
negotiating with the pro active agent, the agent revealed its issue priority in the second
round of the negotiation and invited the human to reciprocate. For a participant
negotiating with the non-proactive agent that is, the control condition-the agent simply
presented its offers and reacted to the subject's counteroffers without ever
communicating information regarding its issue priority.

In all other respects, the behavior of the two types of agents was the same. In both cases,
the agent employed the same negotiation strategy to make and accept offers. Figure 1
shows the website interface, in which an example of the agent's four simultaneous
equivalent offers is presented. Figure 1 also shows the message in which the proactive
agent's issue priority-in this case, quantity-is presented (in the second round) and in which
the human negotiator is invited (but not required) to reveal his or her own preferences.

Figure

Measurement

The dependent measures included

• The total number of agreements obtained (and the agreement ratio),

• The individual and joint utilities, and
• measures relating to social-psycho logical perspectives on the outcome and agent.

We used two items m the post negotiation questionnaire to assess outcome satisfaction
(how satisfied participants were with their utility scores) and three items to assess
perceptions of the agent (the extent to which the agent was judged to be considerate,
friendly, and flexible). The mean of the sum of these ratings constituted the collector
variable-perceived cooperativeness.

Results
Control checks confirmed that there were no systematic relationships be tween agent type
and participants ' gender, past experience, and pre-negotiation target utilities. Also, a
regression analysis revealed that the Machiavellian personality variable was unrelated to
agent type, thus confirming that it can be assessed as a stable personality variable. After
reverse coding items where appropriate, each subject's Mach-IV score was computed by
summing his or her response values for all items.

Participants' mean score on the Machiavellian personality measure was 104.83 (with a
standard deviation of 4.48, a minimum of 96, a maxi mum of 116,"and a scale midpoint
of 100), and the Shapiro-Wilk test indicated a normal distribution of scores. The construct
reliability of the social psychological dependent measures was adequate, with the items
having acceptable reliability ( a = .96 for out come satisfaction and a = .68 for perceived
cooperativeness).
Of the 54 agent-human dyads, 36 dyads obtained an agreement and 18 dyads did not. Of
the 27 participants in the treatment (proactive agent) condition, 21 responded to the
agent's invitation in the second round (see Figure 1), indicating, as they had .been
instructed, that unit price was their issue priority. Of the remaining six, three. chose not to
reciprocate, and three selected purchase quantity .rather than unit price as their top
priority.

We ran a logistic regression on agreements ( because agreements was a dichotomous

variable) and hierarchical regression analyses separately on buy.er utility, seller utility, joint
utility, outcome satisfaction, and perceived cooperativeness as the criteria, with agent
type (a dummy coded binary variable of O = non-proactive vs. 1 = proactive) and the
centered personality variable, MACH, as predictors in each case. Table 1 shows the results
of all of these analyses.

Agreements
Overall, out of 27 cases, negotiating with the proactive agent led to 22 agreements ( an
81.5 percent agreement ratio), whereas negotiating with the non-proactive agent led to 14
agreements
(a 51.9 percent agreement ratio). This main effect was significant. With regard to the
influence of the Machiavellian personality variable, results also showed that MACH had a
significant negative relationship with the agreements. Agent type and MACH were found
to have a marginally significant interaction.

Other Dependent Measures

We found similar patterns for the other dependent measures of buyer utility, joint utility,
and outcome satisfaction, with significant main effects of agent type and MACH, as well as
an agent type by MACH interaction. For perceived cooperativeness, results indicated a
main effect of agent type only, with the proactive agent being perceived as more
cooperative than the non-proactive agent. Neither the main effect of MACH nor its
interaction with agent type was significant. We also analyzed two other dyadic out -come
measures-the distance to Pareto efficient frontier and the distance to Nash solution-and
the results showed the same pattern as for joint utility.

We conducted further analyses to examine the effects of agent type on hi- versus lo-Mach
individuals using simple slope analysis. The scores of both hi- and lo-Machs were centered
half a standard deviation above and below their respective means. The equivalent ranges
of Mach-IV scores were 96-102 for lo-Machs ( n = 17 and mean = 99.7), and 107-116 for hi-
Machs ( n = 19 and mean = 109.8). Results indicated that, for hi-Machs, the proactive
agent led to significantly better negotiation outcomes than d.id the non-proactive agent in
terms of agreements ( 7 out of 10 and
2 out of 9, respectively); buyer utility (/3 = 15.52, SE = 5.38 , t = 2.83, and p = 0.01); joint
utility (/3 = 18.73, SE = 7.65, t = 2.45, and p = 0.03); and outcome. satisfaction( /3 = 2.26,
SE"= 0.86, t = 2.64, and p = 0.02). For lo-Machs, there were no such differences. Figure 2
shows the Interaction effects.

Discussion
The data clearly bear out our predictions concerning the effects of a negotiation agent
proactively volunteering information about its issue priority (and gently inviting the
counterpart to do the same) . Specifically, relative to trusting individuals, less trusting,
more skeptical (hi-Mach ) individuals achieved better negotiation outcomes when the
agent volunteered information about its issue priority than when it didn't. This was
evidenced by the significant interaction between agent type and Machiavellianism
wherein more agreements, better buyer and joint utilities, and greater buyer satisfaction
were achieved for hi-Machs but not for lo-Machs when negotiating with the proactive
agent. From the social-perception perspective, the results also indicated that participants
viewed the proactive agent more positively than the non-proactive agent.

By showing that the simple gesture of offering cooperative information exchange can have
Beneficial economic and affective consequences, these findings demonstrate the value of
taking the dilemmas of honesty and trust into account when seeking an integrative win-
win outcome.
Clearly, adopting a proactive stance and volunteering issue priority is a good move. How
ever, our results indicate that, from an economic perspective, the benefits are sensitive to
personality factors in a way that appears not to be true from the social-psychological
(affective) perspective. In our admittedly limited sample, an economic advantage was
observed only for hi-Mach individuals-chat is, for individuals who tended not to trust
others. In contrast, the affective advantage was independent of both personality
differences and economic outcomes: participants simply felt better about the proactive
agent than about the non-proactive agent, even though information gathered during the
debriefing phase indicated that most participants realized that they had been negotiating
with a software agent.

The fact most of our participants (21 of 27) responded to the agent's invitation to
reciprocate by revealing their own issue priority has an interesting implication for
designing more cognitively and socially intelligent negotiating agents, particularly when
such agents have to negotiate with skeptical, untrusting counterparts. This evidence of
cooperativeness by the human negotiator suggests chat the simple mechanism of
volunteering is sue priorities has the capacity to un lock a negotiation's win-win potential.

Whereas earlier negotiation agent research has focused on techniques for inferring
preferences, we've explored a direct rather than an inferential way of foregrounding
information about preference tradeoffs that nevertheless increases the agreement ratio
and joint utility of agreement. Our results show that a software negotiation agent
volunteering its issue priorities and inviting the counterpart to reciprocate has positive
economic consequences, at least for untrusting cynics. At the same time, it has positive
affective consequences vis a vis attitudes towards the agent, even when there are no
immediate economic gains (as was the case for lo-Machs ) . It's also possible that
developing a positive affect toward the counterpart would have economic benefits in
negotiations with the same agent in the future. It's thus apparent, especially given the low
potential risks and the high potential rewards, that it makes sense to design negotiation
agents to initiate cooperative win-win moves by volunteering issue priorities and inviting
reciprocation.

Our research also provides new insights into the relation between Machiavellianism and
negotiation behaviors. Past research indicates that hi-Machs get better utilities than lo
Machs, especially when they negotiate ate with lo-Machs. However, we found that hi-
Machs performed worse than lo-Machs when they interacted with a non-proactive agent,
a finding that's similar to that of William Fry, who found that in a condition without
visual access, hi-Mach/hi-Mach dyads performed worse than hi-Mach/ lo-Mach and lo-
Mach/lo-Mach dyads. To the best of our knowledge, ours represents the first time an
attempt has been made to influence hi-Machs to cooperate by encouraging them to see
that it's to their advantage to do so. This suggests that even chough hi Machs are generally
more cynical and self-interested than others, it's possible to engineer situations that will
lead them to a cooperative approach to negotiation.

As the above discussion implies, our conclusions are limited to specific negotiation
contexts-that is, those involving multiple issues with preference ·tradeoffs in which
integrative, · win-win outcomes are at t least a possibility and the negotiating agent
actually intends to encourage win-win seeking behaviors (that is, it volunteers its real issue
priority early on and behaves onsistently in subsequent offers). It's unrealistic to expect a
negotiator to trust an agent human or otherwise-whose behavior is inconsistent; as such
inconsistency would generate low expectations about a negotiation's economic or
affective consequences.

Also, the reduction of mistrust in hi Machs is only an inference from our data; we didn't
directly measure the extent to which participants trusted (or mistrusted) -their negotiation
counterparts. However, we believe that it's the most reasonable and parsimonious
explanation of the interaction that we observed. As Figure 2 clearly shows, the main thing
to be explained is why the outcomes for hi-Machs was so much better when the agent
made its cooperative gesture (and essentially the same as for lo-Machs in both conditions).
The best explanation is surely char there
was something about the gesture chat removed the disadvantage that hi-Machs otherwise
had-specifically the agent's signal of cooperativeness reinforced by its sub sequent
behavior. In other words, trust in it increased.

Finally, there's an important issue pertaining to the agent's nature and the fact that, upon
debriefing, most participants in our study said they believed they had negotiated with a
computational agent. Of course, we have no idea at what point participants carne to this
realization. Was it only after the negotiation, upon reflection of what had happened? Or
was it during the negotiation-and if so, was it early or late in the process? Was there
anything in particular that tipped them off? It might be fruitful to explore such questions,
as well as to examine the consequences of trying to manipulate participants' beliefs about
the agent's nature-human or computational. However, one problem with trying to do chis
is chat even if we tell participants that they're negotiating with a human, they might not
believe it. Indeed, informal reports from our participants suggest that even lo-Machs
might well be suspicious. On the other hand, we could argue that because people tend to
treat machines as if they were humans, such a manipulation would be unlikely to affect
the outcome. These and similar questions will have to await future research.