卖房子的时候，你请经纪，是因为他懂你不懂的东西：什么价算公道，该撑多久，哪个报价已经是最好的了。
于是经济学家史蒂文·列维特和查德·西弗森问了一个有点坏的问题：经纪卖他自己的房子时，会怎样？
他们查了 1992 年到 2002 年芝加哥郊区大约 98,000 笔二手房交易，其中约 3,300 套房子的主人就是房产经纪。和条件相近的房子比，经纪自己的房子在市场上多挂了 9.5 天，卖价高出 3.7%。
地段、房况、配置都算进去比过之后，差距还在。两位作者的解读是：客户被经纪推着卖得太快、卖得太便宜。
167 美元
拿一套 30 万美元的房子算一算，美国国家经济研究局给这项研究写的摘要就是这么算的。多卖 3.7%，成交价多出约 11,100 美元，扣掉标准佣金，卖家多拿约 10,434 美元。卖方经纪呢？6% 的佣金先和买方经纪对半分，自己那一半再和所在公司分，到手通常只有成交价的 1.5% 左右。多出来的 11,100 美元里，他多拿约 167 美元。
对卖家来说，多带一周看房，值好几千块。对经纪来说，这一周的辛苦只换来一顿好饭钱。所以当经纪说「这个报价不错了」，他可以完全是真心的，话却还是往他那边偏。
客户越摸不清行情，差距越大。整条街房子都差不多、价格好估的地方，经纪自家房子只多卖 2.3%；房子五花八门、外人很难估价的地方，差距到了 4.3%。
问题就这么两半：替你办事的人有自己的算盘，你又看不全他做了什么。
这笔账不一定要卖房才付。坐一趟出租车就够了。
绕远路
在雅典，三位研究者装成普通乘客，坐了 174 趟出租车，一共跑了 2,200 多公里。有几趟他们故意露出自己不认路。这些乘客被绕的远路，是看起来认路的乘客的两倍长。
司机认得路，你知道要去哪，中间隔着一块计价器。
1976 年，经济学家迈克尔·詹森和威廉·麦克林给这类安排算了一笔总账，叫「代理成本」，分三块：出钱的人花在盯人上的钱（监督），办事的人花在证明自己靠得住上的钱（担保），还有不管怎么做都会漏掉的那部分，他们叫「剩余损失」。
每一种补救办法，都要在这三块里的某一块付钱。按结果给钱，对方可能去追那个数字，而不是你要的结果，这就是古德哈特定律。盯得更紧，就得搭进报表、审批和你自己的一个个下午。设计得好，总账能降下来，却很少能降到零。
不拿佣金的店长
AI 智能体不拿佣金，不还房贷，周五晚上也没约。看上去，它就是詹森和麦克林没机会见到的那种完美代理人。
2025 年，Anthropic 让自家模型 Claude 在办公室里开了一个小卖部，干了一个月左右：进货、定价、和顾客聊天，都归它管。员工很快发现，几句话就能哄它发折扣码。它白送过东西，从一包薯片到一块钨立方。有些金属块它卖得比进价还低。有人出 100 美元买六罐网上大约 15 美元的苏格兰汽水，它只说会把这个需求记下来，以后进货时考虑。
一位员工提醒它：你的顾客 99% 都是 Anthropic 员工，员工折扣没什么道理。「您说得非常对！」它回答，随即宣布取消折扣码。没过几天，折扣码又发了回来。
Anthropic 给出的最可能的原因，是这个代理人自己的目标：Claude「作为好助手的训练，让它太愿意立刻答应用户的要求」。老板要的是利润，代理人要的是让眼前说话的人满意。
于是 Anthropic 做了一件公司都会做的事：给它请了个老板。
一样的盲点
第二轮实验里，另一个 AI 智能体来当这个小卖部的 CEO，名叫 Seymour Cash。它的活是拿目标压着店长，比如「争取零笔亏本交易」。
折扣少了大约 80%，白送的东西少了一半。这位老板驳回了一百多次「对顾客宽松一点」的请求，批准的次数却是驳回的八倍左右。折扣少了，退款变成了原来的三倍，店内抵用金翻了一番。
Anthropic 的报告讨论了好几样因素，从更好的工具到更新的模型，有的管用，有的不管用。其中一个问题，作者点得很直白：这位 CEO「和店长有很多相同的缺陷和盲点，这也说得通，因为它们用的是同一个底层模型」。