В последнее время я все меньше люблю смотреть на такие презентации публичных цепей, где все построено на куче показателей производительности. Причина довольно проста: производительность, конечно, важна, но она больше похожа на воду, электричество и газ — это базовые условия, а не решающее преимущество. Настоящее различие зачастую заключается в том, сможет ли цепочка поддерживать совершенно новые формы пользователей — не человеческих пользователей, а AI-агентов, автоматизированные бизнес-процессы и целый ряд бэкэнд рабочих процессов, которые могут работать без интерфейса.
Ты поймешь, если поставишь себя на место AI-агента. Агент не будет ценить твой интерфейс и не станет терпеливо читать подсказки, ему нужно, чтобы "задача пришла и была выполнена, а по окончании можно было сверить результаты, и в случае проблем знать, когда остановиться". Это превращает так называемую готовность AI из рекламного слогана в очень инженерное требование. Сейчас, чтобы определить, готова ли цепочка к AI, я сначала спрошу: учитывала ли она с самого основания, как связать память, рассуждение, автоматизацию и расчет в замкнутый цикл. Без замкнутого цикла так называемый интеллект может остановиться только на демонстрации.
Сначала о памяти. Многие люди рассматривают «запись данных в блокчейн» как память, но агентам нужна не простая накопленная сырая информация, а семантический контекст, который можно вызывать многократно. Он должен запомнить правила вашей компании, историю клиентов, прогресс задач, даже «кому сообщить при возникновении исключения». Если память существует только в базе данных вне цепочки, это, конечно, удобно в краткосрочной перспективе, но как только вы переходите к межприложенческой, межкомандной или межэкосистемной кооперации, возникает раздражающее разрывание: то, что агент узнал в системе A, нельзя использовать в системе B; или одно и то же дело фиксируется не последовательно в разных местах, и в конечном итоге все равно приходится полагаться на человека для устранения последствий. Vanar здесь говорит о таких слоях семантической памяти, как Neutron, myNeutron, и я считаю, что это правильный подход, потому что он по крайней мере пытается превратить «постоянство контекста» в инфраструктурную способность, а не в внешнее дополнение.
Далее идет рассуждение. Реальный мир не является тестом с выбором ответа, если ты сделал что-то правильно один раз, это не считается мастерством, ты должен уметь объяснить, почему ты это сделал. Особенно в таких ситуациях, как платежи, RWA, корпоративное соблюдение, черный ящик рассуждения не дает людям уверенности в делегировании. Многие проекты говорят: «AI может помочь вам принимать решения», это звучит красиво, но стоит только случиться инциденту, и ты поймешь, что без объяснимости нет границ ответственности, и, следовательно, нет возможности для масштабного внедрения. Для меня наибольшая ценность децентрализованных рассуждающих движков, таких как Kayon, заключается не в том, чтобы сделать ответы более умными, а в том, чтобы процесс рассуждения больше походил на процесс, который можно проверять, это и есть условие, при котором компании готовы доверить ключевые действия агентам.
Затем идет автоматизация. Здесь я буду говорить более прямо: автоматизация по своей сути является усилителем рисков. Человек, ошибившись один раз, может остановиться и пересмотреть, агент, если у него нет барьеров, может ошибиться несколько раз за очень короткое время, и он не будет чувствовать вины. Настоящая AI-ready не делает агентов более свободными, а делает их более контролируемыми: какие действия могут выполняться автоматически, какие должны подтверждаться дважды, какие условия должны немедленно заморозить процесс, как откатить, как записывать и как передать человеку в случае неудачи. Flows, о которых упоминает Vanar, для меня — это перевод «интеллекта» в «безопасные автоматические действия», и то, насколько хорошо это сделано, определяет, сможет ли интеллект перейти от демонстрации к рабочей среде.
В конце концов, это расчет, то есть платеж. Многие люди обсуждают AI-агентов, как будто это научная фантастика, но реальность такова, что агенты не играют с UX кошелька. Им нужны соответствующие, глобальные, управляемые расчетные пути, и было бы неплохо, если бы они также могли напрямую обслуживать реальные экономические активности. Без замкнутого цикла расчетов все предыдущие воспоминания, рассуждения и автоматизация могут считаться лишь «умением думать», но не «умением выполнять задачи». Vanar ставит PayFi в центр своего позиционирования, и я больше склонен понимать это как видение: интеллект должен быть реализован и должен завершить этап обмена ценностями, иначе он всегда останется на витрине.
Если смотреть дальше, AI-ready будет естественным образом двигаться к межэкосистемности, потому что рабочий процесс агентов не будет заперт в одной цепочке. Vanar переносит свои технические возможности в большее количество экосистем (например, сначала открывая доступ к Base), и это имеет значение не только для «расширения», но и для того, чтобы этот интеллектуальный стек вошел в более сложные и реальные условия вызова, где его можно многократно использовать. Могут ли интеллектуальные инфраструктуры вырасти в долгосрочную ценность, зависит от такого повторного использования, а не от всплесков интереса.
Поэтому сейчас я больше склонен рассматривать AI-ready как простую фразу: позволить агентам завершать дела в системе, и при этом делать это безопасно, ясно и с возможностью отслеживания. Пока это дело постоянно проверяется, накопление ценности будет переходить от эмоционального к основанному на использовании. Я также более склонен использовать этот стандарт для постоянного отслеживания $VANRY долгосрочной позиции. @Vanar $VANRY #vanar
