DeFAI инструментальный обзор: как управлять активами в цепочке с помощью AI-агента?

Для команд, которые одновременно способны совмещать измерения Web3 и AI, сейчас как раз наступило окно возможностей для входа в эту область.

Статья: GO2MARS

Прежде чем приступить к полноценному анализу, необходимо сначала прояснить одно ключевое понятие: DeFAI。

DeFAI — это аббревиатура от DeFi (децентрализованные финансы) и AI (искусственный интеллект). Под этим понимается внедрение AI Agent в ончейн-сценарии финансовых услуг: он получает возможность воспринимать состояние рынка, самостоятельно разрабатывать стратегии и напрямую выполнять ончейн-операции — тем самым, не полагаясь на ручное оперативное вмешательство, выполнять целый ряд финансовых действий, которые традиционно требуют работы профессионалов, включая распределение активов, управление рисками, взаимодействие с протоколами и т. д.

Проще говоря, DeFAI — это не просто «AI-апгрейд» DeFi-инструментов, а попытка построить на блокчейне автономно функционирующий слой финансового исполнения.

Этот трек с Q4 2024 быстро набрал обороты. За ним стоит три знаковых события, на которые стоит обратить внимание: каждое из них соответствует одному из трёх уровней вхождения AI Agent в Web3 — прорыв через нарратив, создание токенизированной инфраструктуры базового уровня и реальное внедрение исполнительных возможностей.

Первое событие произошло в июле 2024 года. Twitter-бот Truth Terminal, созданный разработчиком Andy Ayrey, после получения подарка в размере 50k долларов BTC от сооснователя a16z Марка Андриссена стремительно «взорвался», что спровоцировало вирусное распространение монеты GOAT. Это было первое по-настоящему заметное появление AI Agent в публичном поле как экономического участника в ончейне.

Второе событие случилось в октябре того же года. Virtuals Protocol стремительно набрал популярность в сети Base, токенизировав сам AI Agent. Его рыночная капитализация в рамках экосистемы превысила 3,5 млрд долларов и стала типичным представителем стадии токенизированной инфраструктуры в треке DeFAI.

Третье событие — то, что такие проекты, как Giza, HeyAnon, Almanak, один за другим начали реализовывать слой исполнения в ончейне, переводя индустрию от нарратива к продуктовой стадии: AI Agent начинает действительно «делать руками» ончейн-операции, а не ограничиваться уровнем информационного взаимодействия.

Если смотреть на масштаб глобального рынка, то прогнозы роста для трека AI Agent у многих исследовательских организаций совпадают:

Таблица 1: прогнозы по объёму рынка глобальных AI Agent в сравнении; источник данных: MarketsandMarkets (2025), Grand View Research (2025), BCC Research (2026.01)

Однако между «жаром» капитала и реальным внедрением в индустрии по-прежнему сохраняется заметный разрыв. Согласно докладу McKinsey «The State of AI in 2025», опубликованному в ноябре 2025 года (на основе опросов 1 993 респондентов из 105 стран), хотя 88% организаций уже используют AI хотя бы в одном бизнес-функциональном направлении, почти две трети всё ещё находятся на стадии экспериментов или пилотов. В частности, в области AI Agent: 62% организаций начинают эксперименты, 23% продвигают масштабирование хотя бы в одном направлении, но доля тех, кто реализует масштабированное развертывание в рамках любой одной отдельной функции, всё равно ниже 10%.

Эта статистика подсказывает нам следующее: нарративный «жар» в треке DeFAI в настоящий момент всё ещё опережает темпы реального внедрения. Понимание этого разрыва — предпосылка для объективной оценки ценности данного трека.

Технический фундамент DeFAI: как AI Agent взаимодействует с ончейн-миром

Чтобы понять, как работает DeFAI, сначала нужно ответить на ключевой вопрос: посредством какого механизма AI вмешивается в ончейн-финансовые операции?

Ключевой исполнительный блок системы DeFAI — AI Agent, построенный на базе больших языковых моделей. Согласно академическому обзору Wang et al. (2023), его ключевые возможности можно свести к трёхуровневой архитектуре, и каждый уровень в ончейн-сценариях имеет свою конкретную функцию:

• Планировочный уровень отвечает за декомпозицию целей и оптимизацию пути; это соответствует генерации стратегий и оценке рисков в ончейн-сценариях;
• Уровень памяти, реализованный через внешние хранилища вроде векторных баз данных, обеспечивает накопление информации между периодами и несёт на себе исторические данные рынка и состояние протоколов;
• Уровень инструментов расширяет возможности модели, позволяя вызывать внешние системы, такие как DeFi-протоколы, ценовые оракулы и кроссчейн-мосты.

Но здесь нужно уточнить одну вещь: сам AI-модель не может напрямую взаимодействовать с блокчейном. Почти все текущие системы DeFAI используют архитектуру с разделением onchain-исполнения и offchain-вычислений: AI Agent завершает расчёт стратегии offchain, а затем преобразует результат в ончейн-сигналы транзакций, после чего исполняющий модуль отправляет их в сеть. Такая архитектурная конструкция — это и реальный выбор в условиях текущих технологий, и причина появления целого ряда вопросов по безопасности, включая вопросы авторизации приватным ключом и управления правами.

По сути, AI Agent — это автономная система принятия решений на базе больших языковых моделей, которая реализует контур выполнения через декомпозицию задач, управление памятью и вызовы инструментов; и на текущий момент взаимодействие AI Agent с ончейн-стороной (asset end) уже тоже принимает определённую форму.

Рисунок 2: Трёхуровневая архитектура AI Agent

Эволюция DeFAI: от информационного взаимодействия к исполняющему замкнутому циклу

После того как определён технический фундамент DeFAI, возникает закономерный вопрос: как эта система шаг за шагом дошла до сегодняшнего состояния?

Согласно исследованию The Block, эволюция DeFAI не произошла «в один шаг», а прошла через два разных этапа — от ранних интерактивных Agent, ориентированных в основном на обработку информации, к современным исполнительным системам, которые действительно вмешиваются в ончейн-операции.

Между ними имеются принципиальные различия в постановке целей, технических методах и уровнем рисков.

Таблица 3: сравнение двух сценариев эволюции DeFAI

Эволюционный путь в два этапа можно понимать так:

Первая волна — это интерактивный Agent, фокус которого — построение агентного каркаса, способного вести диалог и анализ. Показательные проекты включают ElizaOS (прежний ai16z) с фреймворком Eliza, а также G.A.M.E. от Virtuals и др. По сути, на этом этапе всё ещё речь идёт об информационных инструментах: Agent умеет читать, умеет говорить и анализировать, но его функциональные границы остаются на уровне информации и не касаются каких-либо операций по исполнению активов.

Вторая волна — это исполнительный DeFAI Agent, который по-настоящему входит в контур принятия решений и исполнения. К показателям относятся HeyAnon, Wayfinder, Giza (ARMA Agent) и Almanak и др. Общая характеристика таких систем: AI работает offchain, выдаёт структурированные сигналы стратегии и завершает транзакции через onchain-модуль исполнения. Он не заменяет существующие DeFi-протоколы, а поверх них вводит слой AI-механизма принятия решений: весь операционный путь меняется с «инструкций от человека» на «самостоятельное выполнение Agent».

Принципиальная разница двух волн заключается не в сложности технологий, а в том, касается ли они действительно активов. Это же определяет, что вторая волна сталкивается со значительно более сложными вызовами в механизмах доверия, проектировании прав и безопасной архитектуре — и именно это станет фокусом следующей главы.

Карта внедрения DeFAI: четыре основных сценария применения

От технической архитектуры к траектории эволюции: «что может делать» DeFAI становится всё более ясным. Тогда на уровне реальных продуктов — какие реальные проблемы он решает?

В целом, на текущий момент исследования применения DeFAI сформировали относительно зрелую структуру внедрения вокруг четырёх ключевых направлений. Они соответствуют четырём основным болевым точкам в ончейн-операциях: эффективность получения дохода, исполнение стратегий, порог взаимодействия и управление рисками.

Оптимизация доходности: автоматическая перебалансировка между протоколами

Сценарий оптимизации доходности — наиболее зрелое на данный момент направление внедрения DeFAI. Его ключевая логика такова: непрерывно сканировать годовые ставки доходности (APY) по депозитам в основных DeFi-протоколах, таких как Aave, Compound, Fluid, сопоставляя их с заданными параметрами риска и определяя, нужно ли делать ребалансировку; а перед каждой операцией проводить анализ транзакционных издержек. Перевод средств происходит только тогда, когда рост доходности способен покрыть все gas и транзакционные комиссии, тем самым обеспечивая автоматизацию оптимальной конфигурации между протоколами.

Возьмём пример Giza: её ARMA Agent вышел в стабильные стейблкоин-стратегии доходности на сети Base в феврале 2025 года. Он постоянно мониторит изменения ставок по Aave, Morpho, Compound, Moonwell и другим протоколам. После комплексного учёта APY протоколов, комиссий и стоимости обслуживания ликвидности происходит интеллектуальное распределение средств пользователей для максимизации дохода. По публичным данным ARMA уже имеет около 60k независимых держателей, более 36k Agent, уже развёрнутых, а объём управляемых активов (AUA) превышает 20 млн долларов.

В рыночной среде, где доходности в DeFi-протоколах постоянно колеблются, эффективность и своевременность ручного мониторинга и ручной ребалансировки значительно уступают автоматизированным системам. Именно это и является основной ценностью данного сценария.

Таблица 4: пример с ARMA Agent на платформе Giza

Автоматизация количественных стратегий: «демократизация» возможностей уровня институций

В сценариях автоматизации количественных стратегий DeFAI-платформы стремятся модульно и автоматизировано представить полный операционный контур традиционных квант-команд, чтобы индивидуальные пользователи тоже могли получать доступ к возможностям исполнения стратегий уровня институций.

Например, поддерживаемый Delphi Digital Almanak: он представил систему AI Swarm, в которой количественный процесс разбивается на четыре этапа:

• Модуль стратегии: поддерживает написание инвестиционной логики через Python SDK и проведение backtesting;
• Исполнительный движок после получения авторизации пользователя автоматически запускает прошедший аудит код стратегий и триггерит вызовы DeFi;
• Безопасный кошелёк, собранный на базе Safe + Zodiac, формирует мультиподписную схему. Управление правами через роли передаёт право исполнения стратегии AI Agent, гарантируя, что средства всегда остаются в контролируемых пользователем пределах;
• Стратегический сейф (treasury) упаковывает стратегии в транзакционно-совместимые хранилища стандарта ERC-7540, позволяя инвесторам участвовать в распределении дохода стратегии примерно так же, как участие в долях фондов.

Смысл этой архитектуры в том, что AI-агенты берут на себя функции анализа данных, итерации стратегий и управления рисками, тогда как пользователю остаётся только провести финальную проверку результатов, выдаваемых системой. Для этого не нужно создавать профессиональную квант-команду — то есть реализуется так называемое «равноправие стратегий уровня институций» (как заявляет проект).

Рисунок 5: главная страница платформы Almanak

Исполнение инструкций на естественном языке: пусть DeFi операции будут такими же простыми, как отправка сообщения

Ключ этого сценария — DeFi-операции на основе намерений пользователя (Intent-based DeFi). При помощи технологий обработки естественного языка пользователи задают инструкции на повседневном языке; AI парсит их и превращает в многоступенчатые ончейн-операции, существенно снижая порог для обычных пользователей.

HeyAnon создал чат-платформу DeFAI. Пользователи вводят инструкции через диалоговое окно — и AI может выполнять ончейн-операции вроде обмена токенов, кроссчейн-моста, кредитования и стейкинга. Платформа интегрирует LayerZero кроссчейн-мост и такие протоколы, как Aave v3. Поддерживаются многоцепочечные развёртывания, включая Ethereum, Base, Solana и т. д.

Рисунок 6: главная страница платформы HeyAnon

Wayfinder, инвестируемый Paradigm, предлагает ещё более полный сервис сквозных ончейн-транзакций. Его AI Agent (называемый Shells) автоматически находит оптимальные пути между разными сетями и выполняет операции, включая кроссчейн-переводы, свопы токенов или взаимодействия с NFT. Пользователю не нужно разбираться с такими техническими деталями, как газ на нижнем уровне или кроссчейн-совместимость.

Рисунок 7: главная страница платформы Wayfinder

В целом, естественно-языковой интерфейс заметно снижает порог операций DeFi, но предъявляет более высокие требования к точности интерпретации намерений на базовом уровне. Если AI неверно понимает команду, результат может оказаться весьма далёк от ожиданий пользователя.

Управление рисками и мониторинг ликвидаций: механизмы, встроенные в ончейн-протоколы

В сценариях DeFi-кредитования и кредитного плеча самое частое применение AI Agent — это мониторинг в реальном времени здоровья ончейн-позиций и автоматическое выполнение защитных действий перед тем, как будет достигнут порог ликвидации. Этот слой применения постепенно встраивается в крупнейшие DeFi-протоколы и становится нативной функцией DeFi-платформ.

• Aave оценивает безопасность позиции с помощью «health factor». Когда health factor падает ниже 1.0, позиция заёмщика автоматически получает квалификацию для ликвидации;
• Compound использует механизм «Liquidation Collateral Factor»: когда заёмный баланс аккаунта превышает установленный этим фактором лимит, срабатывает ликвидация, а конкретные параметры по каждому типу обеспечения устанавливаются отдельно через ончейн-госуправление.

Ручной мониторинг сложно поддерживать с постоянной эффективностью в 24/7 высоковолатильной ончейн-среде. AI Agent в этом сценарии может обеспечивать непрерывное отслеживание, интеллектуальную оценку и автоматическое вмешательство, поднимая эффективность риск-менеджмента до уровня, недостижимого ни ручными, ни чисто «правиловыми» автоматизированными системами.

Таблица 8: 4 основных сценария применения Agent×DeFi

**В совокупности, **описанные четыре сценария не независимы друг от друга. Они дополняют друг друга вокруг одной общей линии: оптимизация доходности и автоматизация количественных стратегий ориентированы на продвинутых пользователей с определённым объёмом активов; их ключевые преимущества — эффективность исполнения и точность стратегии. Естественно-языковое взаимодействие направлено на снижение операционного порога для обычных пользователей. Управление рисками выступает базовой безопасностью, проходящей через все сценарии. В тандеме эти три элемента формируют текущую базовую картину внедрения DeFAI и создают основу для более сложных ончейн-приложений с Agent в будущем.

Нижняя граница безопасности DeFAI: управление приватными ключами и контроль прав

Четыре упомянутых выше сценария применения, будь то оптимизация доходности или автоматизация количественных стратегий, имеют один-единственный фундаментальный предпосылочный момент: AI Agent должен иметь в той или иной форме доступ к правам подписи, то есть способность обращаться к приватному ключу. Это — самая ключевая технологическая проблема всего трека DeFAI, и при этом она чаще всего оказывается скрыта за «жаром» нарратива. Если в механизме подписи появится уязвимость, все верхнеуровневые возможности стратегий потеряют смысл.

На данный момент в индустрии основные решения по безопасности приватного ключа делятся на два типа: MPC (многопартийные вычисления) и TEE (доверенные среды выполнения). Оба подхода имеют разные акценты в безопасностной модели, уровне автоматизации и инженерной сложности.

Таблица 9: сравнение двух основных решений по безопасности приватного ключа

• MPC (Multi-Party Computation, многопартийные вычисления) исходит из основной идеи: разделение ключа устраняет проблему единой точки отказа. Например, в распространённой схеме 2-of-3 threshold signing: даже если одна из частей ключа будет раскрыта, атакующий не сможет самостоятельно завершить подпись, и безопасность средств не будет затронута. Vultisig — типичный продукт в этом направлении: это открытый многосетевой само-кастоди-кошелёк, построенный на технологии MPC/TSS, использующий архитектуру без единой мнемоники, объединяющую безопасность ключа с само-кастоди пользователей.
• TEE (Trusted Execution Environment, доверенная среда выполнения) идёт по другой дороге: приватный ключ и агентный код «запечатываются» в защищённой изолированной зоне, поддерживаемой аппаратно (enclave). AI Agent выполняет в enclave вычисления стратегии и подпись, а наружу выводит только результат подписи в ончейн. Внешней среде приватный ключ полностью не виден. Такие чипы, как Intel SGX, AMD SEV, ARM CCA и др., обеспечивают аппаратный уровень изоляции и криптографическую поддержку. Chainlink внедрил TEE в сеть оракулов для обработки чувствительных данных и использует механизм удалённой аттестации, чтобы доказать внешней стороне целостность среды выполнения.

Однако безопасность ключа — это лишь первая линия обороны. На практике, независимо от того, какое решение по управлению ключами используется, поверх него нужно накладывать механизмы контроля прав, чтобы предотвратить действия Agent с выходом за пределы полномочий. Практика Almanak даёт достаточно полное справочное обрамление: платформа одновременно использует TEE для защиты логики стратегии и приватных параметров, а также вставляет слой прав Zodiac Roles Modifier между engine развертывания и Safe смарт-аккаунтом, который держит пользователь. Каждая транзакция, инициированная AI, должна пройти поэлементное сравнение с заранее заданными белыми списками контрактного адреса, функций и параметров; любые транзакции, не соответствующие разрешённым границам, будут автоматически отклонены.

Такое внедрение принципа минимальных привилегий уже стало важным ориентиром для безопасного проектирования систем DeFAI. Оно раскрывает более глубокую логику: проблемы безопасности DeFAI — по сути не вопрос выбора одной-единственной технологии, а системная инженерия, в которой согласованно работают управление ключами, границы полномочий и аудит выполнения. Недостаток любого из звеньев может стать самым слабым узлом во всей цепочке. Именно это и будет отправной точкой для анализа рисков в следующей главе.

Разрыв между реальностью и нарративом: ключевой анализ рисков DeFAI

Вышеописанный анализ выявляет один ключевой вывод:

VCX получает премию не потому, что выбор активов особенно выдающийся или ожидания доходности выше, а потому что продаёт сам «канал доступа». При этом нужно ответить на вопрос: чем именно является продукт VCX по своей природе?

С точки зрения юридической формы это закрытый фонд, зарегистрированный в SEC: состав активов прозрачен, структура соответствует требованиям, и по сути он не отличается от любого обычного stock-based ETF. Но с точки зрения фактической функции он продаёт не традиционное «ожидание инвестиционного возврата», а некий «квазипропуск» доступа со стороны активов: ранее к нему могли прикасаться только топовые VC-институции и аккредитованные инвесторы, а теперь эта квалификация упакована в единицы, которые можно покупать и продавать на NYSE.

Поэтому, то, что рынок готов платить премию 16–30x к NAV, по своей сути является оценкой этого права на доступ, а не оценкой будущей доходности базовых активов.

С этой точки зрения сравнение VCX и MicroStrategy (MSTR) довольно наглядно. На поверхности обе компании делают похожие вещи: упаковывают дефицитные активы (биткоин / топовые pre-IPO доли) в ценные бумаги, которые можно торговать на вторичном рынке, и на рынке демонстрируют премию, значительно превосходящую оценку стоимости базовых активов. Но логика капиталовложений у них принципиально различается:

• MSTR через постоянный выпуск конвертируемых облигаций и привлечение средств через привилегированные акции собирает деньги, а затем добавляет их, докупая биткоин. Эта механика даёт ей возможность динамически расширять размер и постоянно наращивать долю, обеспечивая в определённой степени внутренний фундамент поддержки премии к цене акций.
• VCX же ограничена структурными особенностями закрытого фонда: после завершения размещения масштаб активов в основном фиксируется. Невозможно через рефинансирование продолжать покупать новые активы, а ликвидность позиции сильно зависит от IPO или выхода через слияния и поглощения базовых компаний. Как только спадёт настроение розничных инвесторов или истечёт шестимесячный lock-up период, количество обращаемых бумаг увеличится — и давление на сужение премии будет гораздо сильнее, чем у MSTR.

Сравнение VCX и MSTR (Strategy) mode

Иными словами, премия MSTR опирается на набор капитал-механизмов, которые продолжают работать, тогда как премия VCX в основном происходит из-за дефицита «жетонов» (ограниченной доступности) и движения настроений. Логика продукта сама по себе не содержит «правильно» или «неправильно», но риск, который она несёт, труднее для рынка корректно оценить по сравнению с обычным закрытым фондом:

Как только розничные инвесторы покупают по цене намного выше NAV, по факту они платят не за стоимость самих активов, а за премию к этому праву на доступ. А эта премия после того, как базовая компания завершит IPO и на публичном рынке сформируется прямой торговый канал, столкнётся с быстрым обнулением.

Прогноз трендов

На основе предыдущего анализа можно сделать поэтапное суждение о траектории эволюции DeFAI. В целом, этот трек находится в ключевой точке перехода от доказательства концепции к продуктовой стадии. Ожидается, что эволюция пройдёт три последовательно нарастающих этапа:

Таблица 11: прогноз этапов развития DeFAI

Примечание: таблица выше — это выводы с учётом опубликованных отраслевых отчётов, прогресса проектов и технической зрелости; это не детерминированный таймлайн

На текущем этапе DeFAI в целом находится на переходе от периода вспомогательных решений к полусамостоятельному периоду: некоторые проекты уже начали брать на себя ограниченную автономную исполнительную способность, но механизмы проверки человеком и подстраховки всё ещё остаются основной формой развертывания. В этом контексте, с учётом текущей технической зрелости и состояния рынка, стоит выделить три ключевые оценки.

Во-первых, по сути большинство текущих DeFAI-проектов всё ещё представляют собой автоматизированные инструменты, а не по-настоящему автономных Agent. На данном этапе продукты, которым присваивают ярлык «DeFAI», в основном способны переводить команды человека в заранее заданные последовательности DeFi-операций. По сути, они больше похожи на интерфейс эффективного исполнения, чем на автономную систему со своей независимой логикой рассуждения и принятием решений. Согласно отчёту McKinsey за 2025 год, даже в сценариях для общих предприятий менее 10% организаций на любом единственном направлении уже реализуют масштабированное развертывание AI Agent. Порог доверия и операционная сложность в ончейн-сценариях ещё выше; от технической демонстрации до истинного коммерческого замкнутого цикла всё ещё остаётся существенная дистанция.

Во-вторых, наиболее зрелое и наиболее легко получающее доверие институций направление для AI Agent — это не высокорисковая автономная торговля, а мониторинг, раннее предупреждение и управленческая поддержка в ончейне. Сценарии вроде 24/7 мониторинга позиций, предупреждений о ликвидациях, анализа предложений по управлению — с одной стороны допускают относительно высокую терпимость к «галлюцинациям» LLM (ошибочный вывод не обязательно напрямую запускает потерю средств); с другой — эффективно компенсируют человеческую врождённую неспособность поддерживать внимание непрерывно. Это более реалистичный путь для перехода DeFAI от «технической демонстрации» к «институциональному принятию».

В-третьих, интеграция AI Agent и RWA — следующий пересекающийся вектор, который стоит пристально отслеживать. Согласно данным RWA.xyz, по состоянию на начало апреля 2026 года общая стоимость ончейн-тоукенизированных RWA-активов превысила 27 млрд долларов (не включая стейблкоины). Они включают в себя несколько категорий, таких как казначейские облигации США, частный кредит, сырьевые товары, корпоративные облигации и т. д. Если AI Agent сможет брать участие в управлении комбинированными активами, включая портфель RWA казначейских облигаций и стейблкоинов — например, автоматически корректируя доли в зависимости от рыночной среды — то доступный объём активов будет существенно больше, чем текущая сфера, ориентированная в основном на нативные DeFi-активы. И есть шанс действительно связать активный ончейн и офчейн уровни, реализовав связку Web3+AI+TraFi, что значительно расширит рыночное воображение.

Заключение

AI Agent и управление ончейн-активами сейчас находятся в ключевой фазе перехода от доказательства концепции к продуктовой стадии. Техническая осуществимость уже на первом уровне подтверждена, но вызовы — от рисков галлюцинаций LLM и неоднородности ончейн-данных до отсутствия доверительной инфраструктуры — отрасль не сможет решить только технологическими итерациями. Необходимо системно продвигать проектирование архитектуры, планирование комплаенс-пути, создание системы безопасности и верификацию бизнес-модели.

Это также означает, что данный трек всё ещё находится на ранней стадии строительства, а реальная конкурентная картина пока не сформировалась. Для команд, которые способны одновременно управлять двумя измерениями — Web3 и AI — сейчас как раз окно возможностей для входа: будь то построение более надёжных ончейн-систем Agent на уровне исполнения или «пробивание» ключевых звеньев на уровне инфраструктуры — данных, прав и доверия. В этих областях всё ещё имеется немало пробелов, ожидающих заполнения.

Конкурентные барьеры DeFAI в итоге не будут зависеть только от единственной модели или глубины интеграции протоколов. Они будут определяться тем, получится ли выстроить по-настоящему самоcогласованный замкнутый контур между технологиями, комплаенсом и безопасностью.