Искусственный интеллект-агент начал помогать вам зарабатывать деньги, но сложность в том, что…

作者：Vaidik Mandloi

原标题：Знай своего агента

编译及整理：BitpushNews

Обещание о том, что AI-агенты изменят интернет-ландшафт, постепенно становится реальностью. Они вышли за рамки экспериментальных инструментов в чат-окнах и стали неотъемлемой частью нашего повседневного функционирования — от очистки почтового ящика и организации встреч до ответов на заявки поддержки. Они тихо повышают производительность, и эти изменения зачастую остаются незамеченными.

Однако этот рост — не просто слухи.

К 2025 году автоматический трафик превысит человеческий, составляя 51% общего интернет-активности. Только в США AI-движимый трафик на розничных сайтах вырос на 4700% по сравнению с прошлым годом. Сейчас AI-агенты работают через системы, многие из них могут получать доступ к данным, запускать рабочие процессы и даже инициировать сделки.

Тем не менее, доверие к полностью автономным агентам за год снизилось с 43% до 22%, что в значительной степени связано с ростом числа инцидентов безопасности. Почти половина компаний по-прежнему использует совместные API-ключи для аутентификации агентов, хотя этот метод никогда не предназначался для передачи ценности или самостоятельных действий систем.

Проблема в том, что скорость расширения агентов опережает инфраструктуру, предназначенную для их управления.

В ответ появляются новые протокольные уровни. Стейблкоины, интеграции с картами и такие стандарты, как x402, позволяют инициировать транзакции машиной. Также разрабатываются новые уровни идентификации и аутентификации, чтобы помочь агентам распознавать себя и действовать в структурированных средах.

Но возможность оплаты — не равна полноценной экономике. Как только агенты смогут передавать ценность, встанут более фундаментальные вопросы: как они находят подходящие сервисы в машиночитаемом формате? Как подтверждают свою личность и авторизацию? Как убедиться, что выполненные ими операции действительно произошли?

В этой статье рассматривается инфраструктура, необходимая для масштабного функционирования экономики, управляемой агентами, и оценивается, достаточно ли зрелы эти уровни для поддержки устойчивых, автономных участников, действующих с машинной скоростью.

Агентам нельзя покупать то, что они не видят

Прежде чем агент сможет оплатить услугу, он должен сначала найти её. Звучит просто, но именно в этом месте сейчас сосредоточены основные трения.

Интернет создан для чтения человеком. Когда человек ищет контент, поисковые системы возвращают ранжированные ссылки. Эти страницы оптимизированы для убеждения. Они наполнены макетами, трекерами, рекламой, навигационными панелями и стилями — всё, что важно для человека, но для машин — в основном «шум».

Когда агент запрашивает ту же страницу, он получает исходный HTML. Типичная статья блога или товарная страница в таком виде может содержать около 16 000 токенов. При преобразовании в чистый Markdown количество токенов сокращается примерно до 3 000. Это означает, что объем обрабатываемого моделью контента уменьшается на 80%. Для одного запроса эта разница может быть незначительной. Но при тысячах таких запросов к разным сервисам из-за этого возникают задержки, увеличиваются затраты и усложняется логика рассуждений.

@Cloudflare

В итоге агент тратит много вычислительных ресурсов на удаление элементов интерфейса, прежде чем получить доступ к ключевой информации для действия. Эти усилия не повышают качество результата, а лишь компенсируют то, что сеть изначально не предназначена для таких целей.

По мере роста трафика, управляемого агентами, эта неэффективность становится всё более очевидной. AI-сканирование розничных и софтверных сайтов за последний год значительно увеличилось и сейчас составляет большую часть общего интернет-активности.

В то же время, около 79% ведущих новостных и контентных сайтов блокируют хотя бы одного AI-сканера. С их точки зрения, это вполне оправдано. Агентам не интересно взаимодействовать с рекламой, подписками или традиционной воронкой конверсий при извлечении контента. Блокировка — способ защитить доходы.

Проблема в том, что в сети нет надежных способов отличить злонамеренных сканеров от легальных агентов-закупщиков. Оба вида представляют собой автоматический трафик, исходящий из облачной инфраструктуры. Для системы они выглядят одинаково.

Глубже стоит вопрос: агенты не пытаются «потреблять» страницу, они ищут возможности для действия.

Когда человек ищет «билеты до 500 долларов», ему достаточно списка ранжированных ссылок. Он сравнивает варианты и принимает решение. Агенту же нужны совсем другие данные: какие сервисы принимают бронирования, в каком формате нужно подавать запрос, как рассчитывается цена, можно ли автоматизировать оплату. Очень немногие сервисы открыто публикуют такую информацию.

@TowardsAI

Именно поэтому разговор о поиске переходит к агент-ориентируемой обнаруживаемости (Agent-Oriented Discoverability, AEO). Если конечный пользователь — агент, то ранжирование в поиске становится менее важным. Главное — чтобы сервис мог описать свои возможности так, чтобы агент мог их понять без догадок. Если нет — он рискует стать «невидимым» в растущей доле экономики.

Агентам нужна идентичность

@Hackernoon

Когда агент научится находить сервисы и инициировать сделки, следующий вопрос — как системе на другой стороне сообщить, с кем она взаимодействует. Иными словами: идентичность.

Современные финансовые системы управляют гораздо большим числом машинных идентификаторов, чем человеческих. В финансах соотношение не-человеческих и человеческих идентификаторов примерно 96 к 1. API, сервисные аккаунты, автоматизированные скрипты и внутренние агенты доминируют инфраструктурой. Большинство из них никогда не проектировались для управления капиталом. Они выполняют предопределенные инструкции, не могут вести переговоры, выбирать поставщиков или инициировать платежи в открытой сети.

Автономные агенты меняют эти границы. Если агент может напрямую передавать стейблкоины или запускать процесс оплаты без ручного подтверждения, главный вопрос — кто ему это разрешил?

Именно здесь появляется концепция «Знай своего агента» (Know Your Agent).

Как и в финансовых организациях перед разрешением клиентам торговать, системы, взаимодействующие с автономными агентами, должны проверять три вещи перед предоставлением доступа к капиталу или выполнением чувствительных операций:

1. Криптографическая подлинность: действительно ли агент контролирует заявленные ключи?
2. Доверенность: кто дал агенту полномочия, и каковы их ограничения?
3. Связь с реальным субъектом: связан ли агент с юридическим лицом или физическим лицом, несущим ответственность?

Эти проверки формируют «стек идентичности»:

• Нижний уровень — криптографические ключи и подписи. Стандарты вроде ERC-8004 пытаются формализовать регистрацию и закрепление идентичности агента в проверяемом реестре.
• Средний уровень — поставщики идентичности. Связывают ключи с реальными субъектами: зарегистрированными компаниями, финансовыми институтами или проверенными личностями. Без этой привязки подписи лишь подтверждают контроль, а не ответственность.
• Верхний уровень — инфраструктура верификации. Обработка платежей, CDN или серверы приложений проверяют подписи, проверяют соответствующие сертификаты и выполняют границы полномочий. Например, протокол доверенного агента Visa (Trusted Agent Protocol) позволяет торговцам проверять, уполномочен ли агент действовать от имени конкретного пользователя. Аналогично, протокол агентского бизнеса Stripe (ACP) интегрирует такие проверки в программируемую оплату и поток стейблкоинов.

Параллельно, универсальные бизнес-протоколы (UCP), разработанные под руководством Google и Shopify, позволяют торговцам публиковать «списки возможностей», которые агенты могут обнаруживать и с которыми могут вести переговоры. Они выступают как оркестровочные слои, интегрируемые в Google Search и Gemini.

@FintechBrainfood

Важно понимать, что системы с открытым доступом и лицензированные системы будут сосуществовать.

На публичных блокчейнах агенты могут совершать транзакции без централизованных барьеров. Это повышает скорость и композиционность, но усиливает давление со стороны регуляторов. Например, приобретение Stripe компании Bridge показывает эту напряженность. Стейблкоины позволяют мгновенные трансграничные переводы, но обязательства по соблюдению правил не исчезают, даже если расчеты происходят в цепочке.

Эта напряженность неизбежно втягивает регуляторов. Когда автономные агенты смогут инициировать финансовые операции без прямого человеческого контроля и взаимодействовать с рынком, вопрос ответственности станет критичным. Финансовая система не может допустить, чтобы капитал уходил через нераспознанных или неавторизованных участников, даже если это — программные фрагменты.

Регуляторные рамки уже внедряются. Закон о AI в штате Колорадо, вступающий в силу 1 февраля 2026 года, вводит требования по ответственности для систем высокой автоматизации, и аналогичные законы разрабатываются по всему миру. Когда агенты начнут масштабно принимать финансовые решения, идентичность перестанет быть опцией. Если обнаружение делает агента видимым, то идентичность — это его подтверждение признания.

Подтверждение выполнения и репутация агента

Когда агент начнет выполнять задачи, связанные с деньгами, контрактами или конфиденциальной информацией, наличие только идентичности уже недостаточно. Проверенный агент все равно может вводить в заблуждение, искажать свою работу, раскрывать информацию или показывать плохие результаты.

Самое важное — как доказать, что агент действительно выполнил заявленную работу?

Если агент утверждает, что проанализировал 1000 документов, обнаружил мошеннические схемы или выполнил торговую стратегию, должна быть возможность проверить, что вычисление действительно произошло и результат не был подделан или поврежден. Для этого необходим слой подтверждения производительности.

На сегодняшний день существуют три подхода:

1. Технологии доверенных вычислительных сред (TEEs): основаны на аппаратных средствах вроде AWS Nitro или Intel SGX. В этом случае агент работает внутри защищенной среды (Enclave), которая выпускает криптографический сертификат, подтверждающий выполнение конкретного кода на определенных данных без изменений. Затраты обычно невелики (дополнительная задержка 5-10%), и для высоконадежных бизнес-кейсов это приемлемо.
2. ZKML (Zero-Knowledge Machine Learning): математический подход. Позволяет агенту генерировать криптографические доказательства, что вывод был получен с помощью конкретной модели, не раскрывая веса модели или приватных данных. Например, DeepProve-1 от Lagrange Labs недавно продемонстрировал полное доказательство нулевого знания для GPT-2, ускорив процесс в 54-158 раз по сравнению с предыдущими методами.
3. Экономические механизмы (Restake Security): основаны на финансовых стейках. Протоколы вроде EigenLayer требуют, чтобы валидаторы заложили капитал за результат работы агента. Если вывод оказывается ложным, залог конфискуется (Slashing). Такой подход не доказывает каждое вычисление, а делает неискреннее поведение экономически невыгодным.

Эти механизмы решают одну и ту же задачу с разных сторон. Однако доказательства выполнения — редки и разовые. Для рынка важна накопительная репутация.

Репутация превращает отдельные доказательства в долгосрочную историю производительности. Новые системы стремятся сделать показатели агента переносимыми и крипто-закрепленными, а не зависеть от платформенных оценок или непрозрачных внутренних дашбордов.

Ethereum Attestation Service (EAS) позволяет пользователям или сервисам публиковать подписанные, цепочкой закрепленные доказательства поведения агента. Успешное выполнение задачи, точное предсказание или легитимная транзакция могут быть зафиксированы в неизменяемой форме и перенесены между приложениями.

@EAS

Конкурентные среды тестирования (Agent Arenas) формируются. В них агенты оцениваются по стандартным задачам и ранжируются с помощью систем вроде Elo. Например, Recall Network сообщает, что более 110 тысяч участников создали 5,88 миллиона предсказаний, что дает измеряемые показатели эффективности. По мере расширения такие системы начинают напоминать реальные рынки рейтингов AI-агентов.

Это позволяет переносить репутацию между платформами.

В традиционных финансах агентам, таким как Moody’s, присваиваются рейтинги кредитоспособности. В агентной экономике потребуется аналогичный слой оценки надежности не-человеческих участников. Рынок должен уметь оценивать, насколько агент надежен для доверия капитала, насколько его результаты статистически последовательны и стабильны в долгосрочной перспективе.

Итог

Когда агенты начнут обладать реальной авторитетностью, рынку потребуется четкая система оценки их надежности. Агентам будет присваиваться переносимый уровень производительности, основанный на проверке исполнения и тестировании, с рейтингами, корректируемыми по качеству, и с прозрачной системой авторизации. Страховые компании, торговцы и регуляторы будут полагаться на эти данные для определения, какие агенты могут получать доступ к капиталу, данным или регуляторным потокам.

В целом, эти уровни начинают формировать инфраструктуру агентной экономики:

1. Обнаруживаемость (Discoverability): агентам необходимо уметь находить сервисы в машиночитаемом виде, иначе они не смогут искать возможности.
2. Идентичность (Identity): агентам нужно подтверждать свою личность и полномочия, иначе они не смогут входить в систему.
3. Репутация (Reputation): агентам нужно создавать проверяемую историю, подтверждающую их надежность, чтобы заслужить долгосрочное доверие экономики.