AlibabaのQwenチームらがAI経営を検証

E-Commerce Benchの設定は、きれいなサンドボックスではなく実際のネット販売の圧力を映すよう作られている。市場モデルは実際のTaobaoとTmallのデータに基づき、需要はセールイベントや自然災害で変動する。576の仕入れ先のうち約4分の1は、過剰請求や注文数の虚偽申告、返品率の高い不良品出荷を行う不正業者に意図的に設定されている。資金繰りも厳しい。仕入れ費と運営費は即座に口座から引かれ、売上金は発送後9日間エスクローに留保されてからウォレットに入るため、AIが出金を計画しなければ黒字の店でも資金が尽きうる。さらに古い会話履歴は自動消去され、各モデルは最大20件の記憶エントリでやりくりを強いられる。こうした設計が、上位の力強い資産成長と他の破綻という結果の鋭い分裂を説明する。論文の枠組みは、このベンチマークが知能の順位表というより、AIエージェントが丸1年にわたり事業の支払い能力を保てるかのストレステストであることを示唆している。