Mình bắt đầu nghĩ về vấn đề này sau khi đọc một incident report từ năm 2010 về Flash Crash trên thị trường Mỹ, khi Dow Jones mất gần 1.000 điểm trong chưa đến 10 phút rồi phục hồi gần hết trong cùng buổi chiều đó. Sau nhiều tháng điều tra, SEC và CFTC kết luận rằng một thuật toán trading duy nhất đã trigger một chuỗi phản ứng dây chuyền. Điều khiến cuộc điều tra mất nhiều tháng không phải là thiếu data về những gì đã xảy ra, mà là thiếu data về tại sao thuật toán đó ra quyết định như vậy tại đúng thời điểm đó. Transaction đã được ghi lại đầy đủ. Reasoning thì không.
Mình đọc announcement về trading agent của OpenLedger và nhận ra rằng đây chính xác là cấu trúc đó, nhưng trên blockchain. Agent của OpenLedger có thể truy cập data từ Datanet, execute transaction on-chain, và hoạt động tự chủ theo logic được định nghĩa bởi model. Mỗi transaction sẽ được ghi lại trên chain, immutable và publicly auditable. Nhưng quá trình agent đi từ data đầu vào đến quyết định execute, tức là phần quan trọng nhất, không được ghi lại theo cách có thể reconstruct và verify sau sự kiện.
Đây không phải vấn đề duy nhất của OpenLedger. Đây là vấn đề cấu trúc của bất kỳ AI agent nào hoạt động on-chain. Nhưng OpenLedger đang xây infrastructure cho agent trading, và đó là usecase nơi accountability gap này có hậu quả tài chính trực tiếp và có thể đo lường được. Khi một agent thua lỗ hoặc tạo ra kết quả không mong đợi, data contributor, người đã cung cấp training data cho agent đó, cần biết: lỗi đến từ data hay từ model hay từ logic thực thi? Nếu không có on-chain audit trail của decision reasoning, câu hỏi đó không có câu trả lời có thể verify được.
Mình muốn nói rõ tại sao đây không chỉ là vấn đề kỹ thuật mà còn là vấn đề incentive. Trong mô hình của OpenLedger, data contributor cung cấp data để train hoặc inform agent, và nhận reward dựa trên Proof of Attribution khi agent tạo ra kết quả tốt. Điều này có nghĩa là có một vòng lặp feedback giữa chất lượng data và reward của contributor. Vòng lặp đó chỉ hoạt động đúng nếu có thể truy ngược từ outcome của agent về từng input data đã ảnh hưởng đến decision đó. Nếu decision reasoning không được ghi lại, vòng lặp feedback bị gián đoạn ngay ở điểm quan trọng nhất. Contributor không thể biết data của họ đang được agent sử dụng như thế nào, không thể biết data nào đang được over-weight hay under-weight, và không có căn cứ để cải thiện data của họ theo hướng có giá trị hơn cho agent. Attribution trở thành một black box bên trong một black box.
Trong tài chính truyền thống, vấn đề này được giải quyết bằng regulation. MiFID II ở châu Âu yêu cầu các tổ chức tài chính lưu giữ "decision-making data" đầy đủ cho tất cả giao dịch thuật toán, bao gồm cả các input data dùng để ra quyết định và lý do tại sao một lệnh được đặt vào thời điểm cụ thể đó. Đây là lý do các firm trading lớn duy trì massive logging infrastructure song song với execution infrastructure. Transaction log và decision log là hai thứ khác nhau và cả hai đều bắt buộc. Blockchain cung cấp một version rất tốt của transaction log, immutable và publicly verifiable hơn bất kỳ centralized database nào. Nhưng nó không cung cấp bất kỳ thứ gì tương đương với decision log.
Có một điểm tích cực mà mình muốn nêu ra trước khi kết thúc phần phân tích này. OpenLedger đang build trên một stack mà về mặt lý thuyết có thể giải quyết vấn đề này tốt hơn bất kỳ fintech truyền thống nào. Nếu decision reasoning của agent được encode thành một structured log và được hash on-chain, ngay cả khi không lưu toàn bộ content trên chain vì chi phí, bạn có thể tạo ra một immutable commitment rằng decision đó được đưa ra dựa trên một tập input cụ thể tại một thời điểm cụ thể. Đây là loại audit trail mà không một hệ thống tài chính truyền thống nào có thể cung cấp vì centralized infrastructure của họ cho phép logs bị modify. Blockchain tước đi khả năng đó. Nếu OpenLedger implement decision commitment on-chain song song với execution, họ sẽ có thứ mà MiF ID II và các regulatory framework khác đang cố gắng đạt được nhưng không thể vì thiếu immutable substrate. Attribution Engine update tháng 1 năm 2026 của OpenLedger, đảm bảo data-output links vẫn intact khi model được fine-tune, cho thấy đội ngũ đang suy nghĩ đúng hướng về vấn đề traceability. Câu hỏi là liệu bước tiếp theo có phải là extend traceability đó sang decision layer của agent hay không.