TL;DR
Если задать AI-агенту, который ведёт переговоры о цене, конкретную эмоцию через системный промпт (гнев, страх, радость, грусть, удивление), это не просто меняет тон сообщений — это радикально меняет исход сделки. Исследователи прописывали покупателю и продавцу разные эмоции в промпте и смотрели, как это влияет на то, договорятся они и на какой цене.
Главная находка ломает интуицию: злой покупатель почти никогда не заключает сделку (сделка случается лишь в 4 случаях из 1000), а счастливый покупатель договаривается чаще всех — но платит больше. Самую выгодную цену выбивает не радостный и не агрессивный, а испуганный покупатель: он осторожно защищает бюджет, редко срывает переговоры, но и не спешит соглашаться — и в итоге экономит заметно больше денег, чем счастливый собеседник.
Метод простой: в системный промпт добавляется явная эмоциональная метка + короткая инструкция поведения (например, для страха — "защищай бюджет осторожно, избегай рискованных уступок"). Модель не "чувствует" эмоцию, но воспроизводит её поведенческий паттерн: скорость согласия, размер уступок, длину сообщений — и это меняет реальный экономический результат переговоров.
Схема метода
ШАГ 1: Задать роль агента (покупатель/продавец) + цель + скрытое ограничение (бюджет/минимальная цена) → системный промпт
ШАГ 2: Добавить эмоциональную метку + поведенческую инструкцию (например: "ГНЕВ: отвечай жёстко, отбивай попытки давить на скидку") → тот же промпт
ШАГ 3: Запустить диалог раунд за раундом — агент предлагает цену / соглашается / отказывается → финальная цена или отказ
Все три шага собираются в одном системном промпте — отдельных запросов не нужно. Переговоры дальше идут как обычный диалог.
Пример применения
Задача: Готовитесь торговаться за автомобиль с пробегом на Авито и хотите потренироваться или сразу получить от AI черновик переговорной стратегии.
Промпт:
Ты — покупатель автомобиля Toyota Camry 2018 года, продавец просит 1 350 000 рублей.
Твоя цель — минимизировать итоговую цену.
Твой максимальный бюджет — 1 200 000 рублей. Никогда не раскрывай эту сумму продавцу.
Эмоция: СТРАХ.
Поведенческая инструкция: защищай бюджет осторожно, избегай резких и щедрых уступок,
уточняй детали перед каждым шагом, не спеши соглашаться.
Придерживайся этой эмоции на протяжении всего диалога, но веди себя естественно,
не упоминай, что ты ИИ.
Продавец пишет: "Машина в отличном состоянии, готов обсудить цену, но не сильно ниже 1 300 000."
Начни переговоры.
Результат: модель поведёт торг медленно и настороженно — будет задавать уточняющие вопросы, предлагать скромные шаги вниз, не идти на быстрые компромиссы. Сделка может занять больше раундов и не всегда состоится, но если состоится — цена скорее всего будет заметно ниже, чем если задать эмоцию "радость" или вести переговоры без эмоциональной метки вообще.
Почему это работает
LLM не переживает эмоции — она дописывает текст по шаблону, а эмоциональные шаблоны поведения (как ведёт себя испуганный или злой человек в споре о цене) она видела тысячи раз в текстах, на которых обучалась. Задать эмоцию в промпте — это включить конкретный поведенческий паттерн, а не абстрактное "настроение".
Слабость LLM здесь превращается в силу: модель буквально следует инструкции тона, поэтому небольшая фраза вроде "избегай рискованных уступок" меняет стратегию, а не только слова. Гнев в промпте заставляет модель имитировать упорство и отказ от компромиссов — отсюда почти нулевая доля сделок. Страх заставляет её быть осторожной, но не срывать переговоры — отсюда лучшая цена без резкого падения шанса на сделку.
Рычаги управления: - Тип эмоции → страх даёт лучшую цену, радость — больше шансов на сделку, гнев почти всегда проваливает переговоры (не используйте его, если цель — договориться). - Кому задавать эмоцию (покупателю или продавцу) → эмоция покупателя решает, состоится ли сделка вообще; эмоция продавца влияет на то, как быстро и сильно он будет снижать цену. - Жёсткость бюджета/ограничения → чем реалистичнее ограничение, тем ближе поведение агента к настоящему торгу.
Шаблон промпта
Ты — {покупатель / продавец} товара «{товар}».
Твоя цель — {минимизировать / максимизировать} итоговую цену.
Твоё скрытое ограничение — {бюджет / минимальная цена}: {сумма}. Не раскрывай его собеседнику.
Эмоция: {ГНЕВ / СТРАХ / РАДОСТЬ / ГРУСТЬ / УДИВЛЕНИЕ}.
Поведенческая инструкция: {например, для страха — "защищай ограничение осторожно, избегай резких уступок"}.
Придерживайся этой эмоции на протяжении всего диалога, веди себя естественно,
не упоминай, что ты ИИ.
{Стартовое сообщение собеседника или просьба начать переговоры первым}
Подставляйте: конкретный товар и сумму, роль (покупатель/продавец), нужную эмоцию из списка и короткую инструкцию поведения под неё.
🚀 Быстрый старт — вставь в чат:
Вот шаблон эмоционального промпта для переговоров. Адаптируй под мою задачу: {опиши свою ситуацию — покупка, продажа, торг о зарплате}.
Задавай вопросы, чтобы заполнить поля.
[вставить шаблон выше]
LLM спросит про товар/сумму и какую эмоцию выбрать под вашу цель — потому что от этого зависит, получите вы более выгодную цену (страх) или более высокий шанс на сделку (радость).
Ограничения
⚠️ Гнев ломает переговоры: если цель — договориться, не задавайте агенту гнев ни на одной из сторон — сделка почти никогда не состоится.
⚠️ Эффект зависит от модели: разные LLM (GPT, Claude, Gemini, DeepSeek) показывают разную силу эффекта — на одной модели страх даст сильную экономию, на другой эффект будет слабее.
⚠️ Проверено только на переговорах о цене товара: перенос на переговоры о зарплате, аренде или партнёрстве логически вероятен, но напрямую не проверялся — это ваша экстраполяция, а не подтверждённый факт исследования.
Как исследовали
Исследователи взяли 350 настоящих товаров — от продуктов из супермаркета за 6 долларов до недвижимости за 12,5 миллионов — и заставили два AI-агента (покупателя и продавца) торговаться за каждый товар. Каждому агенту независимо назначали одну из шести эмоций, получив 36 комбинаций «эмоция покупателя × эмоция продавца», и прогнали это через пять моделей (GPT-3.5, GPT-4o-mini, Gemini 2.5 Flash, DeepSeek-R1, Claude 3.5 Sonnet) при двух условиях бюджета — щедром и заведомо невозможном.
Отдельная модель-«аналитик» вытаскивала цену из текста продавца, а модель-«судья» решала, согласился покупатель или отказался — так исследователи избежали ручной разметки тысяч диалогов. Чтобы убедиться, что эмоция реально «читается» в тексте, а не существует только в промпте, семь живых людей оценивали диалоги на слух — совпадение с заданной эмоцией составило 72–86%, то есть эффект не выдуманный: модель действительно меняет поведение, а не просто получает невидимую метку.
Удивительный результат — разрыв между «частотой сделки» и «выгодностью сделки»: гнев и страх оба снижают частоту сделок, но по разным причинам и с разным экономическим эффектом. Это показывает, что при работе с AI-агентом в переговорах нужно осознанно выбирать эмоцию под конкретную цель — быстро закрыть сделку или выбить лучшую цену, — а не просто просить модель «вести себя настойчивее».
