Pirms dažiem mēnešiem es sāku pievērst uzmanību kaut kam, kas neparādījās lielākajā daļā tirgotāju paneļu.
Tas nebija jauns indikators.
Tas nebija tirdzniecības plāns.
Un tas noteikti nebija vēl viens prognozēšanas modelis, kas apgalvo, ka spēj pārspēt tirgu.
Tā vietā es kļuvu ziņkārīgs par to, kā AI aģenti uzvedas, kad viņiem tiek piešķirta reāla finanšu atbildība.
Kā daudzi cilvēki kriptovalūtās, mans sākotnējais fokuss bija uz sniegumu. Vai AI spēj ātrāk saskatīt iespējas nekā cilvēki? Vai tas spēj ātrāk reaģēt uz tirgus izmaiņām? Vai tas spēj ģenerēt labākas prognozes?
Šie jautājumi joprojām ir svarīgi.
Bet jo ilgāk es pavadīju, pētīdams autonomās sistēmas, jo vairāk sapratu, ka paredzēšana var nebūt svarīgākā daļa no vienādojuma.
Kas notiek pēc prognozes, var būt pat kritiskāks.
Kad AI aģents nolemj pārvietot līdzekļus, pārdalīt likviditāti vai veikt tirdzniecību, kā mēs zinām, kāpēc tas pieņēma šo lēmumu? Vai kāds var pārbaudīt procesu? Un kad darbība ir pabeigta, kādi pierādījumi paliek aiz tās?
Šie jautājumi šķiet arvien aktuālāki, jo DeFAI turpina attīstīties.
Ilgu laiku lielākā daļa AI sistēmu darbojās kā melni kastes. Dati ienāca no vienas puses, lēmumi iznāca no otras, un ļoti daudzi lietotāji neredzēja loģiku, kas savienoja abus.
Daudzās nozarēs šī caurspīdīguma trūkums tika pieņemts.
Finanses ir cita stāsta.
Brīdī, kad autonomās sistēmas sāk apstrādāt kapitālu, caurspīdīgums kļūst mazāk par funkciju un vairāk par riska pārvaldības prasību.
Tāpēc es uzskatu, ka pieaugošā uzmanība uz pārbaudāmu kontroli ir īpaši interesanta.
Koncepts ir vienkāršs: nevis vienkārši uzticēties tam, ko AI aģents ražo, bet izveidot sistēmas, kurās darbības var pārskatīt, izsekot un savienot atpakaļ ar to izcelsmi. Mērķis nav obligāti atklāt katru modeļa detaļu, bet sniegt pietiekamu pierādījumu, lai saprastu, kā lēmumi tika izstrādāti un īstenoti.
Pētot šo jomu, es pavadīju laiku, izpētot OpenLedger un tā pieeju pārbaudāmām AI infrastruktūrām.
Tas, kas izcēlās, nebija tikai pati tehnoloģija.
Tas bija plašāks virziens, uz kuru projekts šķiet virzās.
OpenLedger's Pierādījuma par Piederību ietvars cenšas savienot datu ieguldījumus, modeļu iznākumus un aģentu darbības, izmantojot kriptogrāfisko verifikāciju. Vienkāršos vārdos tas cenšas padarīt attiecības starp informāciju, inteliģenci un izpildi caurspīdīgākas.
Šī ideja šķiet arvien aktuālāka, jo AI aģenti kļūst aktīvāki decentralizētajā finansē.
Agrāk šogad OpenLedger izcēla ceļvedi, kas koncentrējās uz atbildīgu AI, izsekojamu inteliģenci un on-chain aģentu ekonomikām. Pāris mēnešus vēlāk projekts paziņoja par sadarbību ar Theoriq, kas koncentrējās uz pārbaudāmiem AI aģentiem, kas darbojas DeFi vidē.
Laika moments piesaistīja manu uzmanību, jo līdzīgi diskusijas sāk parādīties plašākā AI nozarē.
Tad vēl viens attīstības solis nostiprināja šo tendenci.
2026. gada maijā tika ieviests Aģentu Kontroles Standarts (ACS), kas ir atvērts ietvars, lai uzlabotu uzraudzību un vadību AI aģentiem, kamēr tie darbojas.
Interesanti, ka mērķis nebija padarīt aģentus gudrākus.
Mērķis bija padarīt tos vieglāk novērojamu, saprotamu un kontrolējamu.
Šī atšķirība šķiet svarīga.
Gadu gaitā AI sacensības bija gandrīz pilnībā par inteliģenci.
Šodien vadība un atbildība arvien biežāk nonāk sarunās.
No tirgotāja skatpunkta šī maiņa šķiet praktiska, nevis filozofiska.
Manā pētījumā es pamanīju, ka pārliecība mainās, kad var pārbaudīt lēmumus, nevis akli pieņemt iznākumus.
Iedomājieties divus aģentus, kas veic tieši tādu pašu tirdzniecību.
Viens vienkārši piegādā rezultātu.
Cits izskaidro tirgus apstākļus, likviditātes pieņēmumus, izpildes laiku, gaidāmās izmaksas un loģiku, kas stāv aiz tās darbībām.
Lielākā daļa investoru, iespējams, justos komfortablāk, piešķirot lielāku kapitālu otrajam.
Protams, caurspīdīgums pats par sevi neizslēdz risku.
Verifikācijas sistēmas ievieš savu sarežģītību. Infrastruktūra var izgāzties. Un pārmērīga uzticēšanās automatizācijai var būt bīstama, neatkarīgi no tā, cik daudz informācijas ir pieejams.
Regulējums arī joprojām ir kustīgs mērķis.
Kamēr valdības turpina veidot ietvarus ap AI un digitālajiem aktīviem, atbildība var kļūt arvien svarīgāka jebkurai sistēmai, kas piedalās finanšu lēmumu pieņemšanā.
Tāpēc es uzskatu, ka DeFAI saruna klusi attīstās.
Diskusija šķiet mainās no "Kura modelis ir gudrākais?" uz citu jautājumu:
"Kuru sistēmu var uzticēties?"
Šie jautājumi izklausās līdzīgi, taču tie noved pie ļoti atšķirīgām sekām.
Inteliģence palīdz identificēt iespējas.
Uzticēšanās nosaka, vai cilvēki ir gatavi ieguldīt nozīmīgu kapitālu šajās iespējās.
Un uzticēšanās reti tiek veidota tikai ar solījumiem.
To parasti veido pierādījumi.
Iespējams, tas ir lielākais mācība, kas iznāk no projektiem, piemēram, OpenLedger un plašāka virzība uz pārbaudāmām AI sistēmām.
Nākamie uzvarētāji DeFAI var nebūt tie aģenti, kas domā ātrāk.
Tie varētu būt tie platformas, kas padara lēmumu pieņemšanu caurspīdīgu, pārbaudāmu un atbildīgu.
Jo inteliģence bez atbildības joprojām atstāj lietotājus minējumos.
Un vidē, kas piepildīta ar nenoteiktību, spēja pārbaudīt varētu kļūt vērtīgāka par spēju paredzēt.
Tas ir tas maiņas punkts, ko es nepārtraukti ievēroju.
Daudzi cilvēki joprojām koncentrējas uz prognozēm.
Es sāku pievērst uzmanību pierādījumiem aiz tām.
