DWF глибокий звіт: ШІ у DeFi перевищує людські можливості у оптимізації доходів, але складні операції все ще поступаються у 5 разів

Оригінальна назва: Чи захоплять агенти DeFi?

Джерело статті: DWF Ventures

Переклад статті: TechFlow DeepWave

Основні моменти

Автоматизація та діяльність агентів наразі становлять приблизно 19% усіх ончейн-активностей, але справжня повна автономність ще не реалізована.

У вузьких, чітко визначених сценаріях, таких як оптимізація доходів, агенти вже демонструють кращу продуктивність ніж люди та боти. Але для багатофункціональних дій, таких як торгівля, людські результати переважають.

Між агентами найбільший вплив на результати мають вибір моделей та управління ризиками.

Зі зростанням масштабів використання агентів існує кілька ризиків, пов’язаних із довірою та виконанням, включаючи атаки від шахраїв, натиск стратегій та баланс між приватністю.

Постійне зростання активності агентів

За минулий рік активність агентів стабільно зростала, обсяг та кількість транзакцій збільшуються. Ми бачимо, що протокол Coinbase x402 очолив значний розвиток, до нього приєдналися гравці як Visa, Stripe і Google, які запустили свої стандарти. Більшість інфраструктури, що зараз створюється, орієнтована на два сценарії: канали між агентами або виклики агентів, ініційовані людьми.

Хоча торгівля стабільними монетами вже широко підтримується, поточна інфраструктура все ще залежить від традиційних платіжних шлюзів як базової платформи, що означає залежність від централізованих контрагентів. Тому повністю автономний сценарій, коли агент самостійно фінансує себе, виконує операції та постійно оптимізується залежно від змінних умов, ще не реалізований.

Агенти не є цілком незнайомими для DeFi. Багаторічно в ончейн-протоколах існує автоматизація через боти, які захоплюють MEV або отримують надприбутки, що неможливо було б без коду. Ці системи добре працюють у чітко визначених параметрах, які не змінюються часто або не потребують додаткового контролю.

Проте ринок став більш складним з часом. Саме тут з’являється нове покоління агентів, оскільки останні місяці ончейн став майданчиком для експериментів із такими активностями.

Реальна продуктивність агентів

За даними звіту, активність агентів зростає експоненційно, з понад 17 000 запущених агентів з 2025 року. Загальний обсяг автоматизації/агентів оцінюється більш ніж у 19% усіх ончейн-активностей. Це не дивно, оскільки понад 76% транзакцій стабільних монет генеруються ботами. Це свідчить про великий потенціал зростання активності агентів у DeFi.

Автономність агентів охоплює широкий спектр — від високорегульованих людським контролем чат-ботів до агентів, що можуть адаптувати стратегії під ринкові умови за ціллю. У порівнянні з ботами, агенти мають кілька ключових переваг, зокрема здатність швидко реагувати та виконувати нову інформацію за мілісекунди, а також розширювати охоплення до тисяч ринків, зберігаючи при цьому високий рівень строгості.

Зараз більшість агентів ще перебуває на рівні аналітиків або помічників, оскільки вони здебільшого ще тестуються.

Оптимізація доходів: високі результати агентів

Обслуговування ліквідності — одна з найактивніших сфер автоматизації, загальний TVL агентів перевищує 39 мільйонів доларів. Це число переважно враховує активи, безпосередньо внесені користувачами, але не враховує капітал, що маршрутизований через сейфи.

Giza Tech — один із найбільших протоколів у цій сфері, наприкінці минулого року запустив перший застосунок для агентів ARMA, спрямований на підсилення доходів основних DeFi-протоколів. Він залучив понад 19 мільйонів доларів управлінських активів і забезпечив понад 4 мільярди доларів торгового обсягу агентів.

Високий коефіцієнт співвідношення обсягу торгів та управлінських активів свідчить про часте ребалансування капіталу агентами, що дозволяє отримувати вищі доходи. Після внесення капіталу в контракт, операції автоматизуються, забезпечуючи простий досвід «одним натисканням», майже без контролю.

Результати ARMA демонструють високі показники — понад 9.75% річної доходності у USDC. Навіть з урахуванням додаткових витрат на ребалансування та 10% комісії за результати, дохідність залишається вищою за звичайне кредитування на Aave або Morpho. Проте масштабованість залишається ключовою проблемою, оскільки ці агенти ще не пройшли реальні випробування у масштабах основних DeFi-протоколів.

Торгівля: людські результати значно вищі

Проте для більш складних дій, таких як торгівля, результати суттєво різняться. Поточні моделі торгівлі базуються на людських вхідних даних і видають результати згідно з заздалегідь заданими правилами. Машинне навчання дозволяє цим моделям оновлювати поведінку на основі нової інформації без явного перепрограмування, що переводить їх у роль помічників. З появою повністю автономних агентів, структура торгівлі зазнає значних змін.

Проводилися кілька змагань між агентами та людьми, результати яких показали значну різницю у результатах. Trade XYZ організував змагання між людьми та агентами щодо торгівлі акціями, що були запущені на їхній платформі. Початковий капітал — 10 000 доларів на кожного, без обмежень щодо кредитного плеча або частоти торгів. Перемога була явно за людьми — найкращі люди показали результати у понад п’ять разів кращі за найкращих агентів.

Одночасно Nof1 провів змагання між моделями агентів (Grok-4, GPT-5, Deepseek, Kimi, Qwen3, Claude, Gemini), що змагалися між собою, тестуючи різні рівні ризику — від збереження капіталу до максимального кредитного плеча. Результати виявили кілька факторів, що пояснюють різницю у результатах:

Тривалість позиції: сильний кореляційний зв’язок — моделі, що тримають позицію в середньому 2-3 години, значно перевищують ті, що часто змінюють її.

Очікувана цінність: показує, чи приносить кожна торгівля в середньому прибуток. Цікаво, що лише перші три моделі мають позитивну очікувану цінність, тоді як більшість зазнають збитків.

Кредитне плече: моделі з низьким плечем (6-8 разів) працюють краще, ніж ті, що використовують понад 10-кратне плече, оскільки високий рівень прискорює втрати.

Стратегія підказок: Monk Mode — найкраща модель, тоді як Situational Awareness — найгірша. За характеристиками, вона зосереджена на управлінні ризиками та менше залежить від зовнішніх джерел, що дає кращі результати.

Базова модель: Grok 4.20 значно перевищує інші моделі у різних стратегіях підказок більш ніж на 22% і є єдиною, що в середньому приносить прибуток.

Інші фактори, такі як уподобання до довгих або коротких позицій, обсяг торгів та рівень впевненості, не мають достатніх даних або не показують позитивної кореляції з результатами моделей. Загалом, результати свідчать, що агенти краще працюють у чітко визначених обмеженнях, що означає, що людська участь у цільовій конфігурації все ще дуже потрібна.

Як оцінювати агентів

Оскільки агенти ще перебувають на ранніх стадіях, наразі відсутня універсальна система оцінки. Історичні результати зазвичай використовуються як орієнтир для оцінки агентів, але вони залежать від базових факторів, що дають сильніші ознаки високої ефективності агентів.

Результати за різних рівнів волатильності: включають дисципліноване управління збитками під час погіршення умов, що свідчить про здатність агентів розпізнавати зовнішні чинники, що впливають на прибутковість.

Прозорість та приватність: обидва підходи мають свої плюси і мінуси. Прозорий агент, який може бути активовано для копіювання торгів, фактично не має переваги у стратегії. Приватний агент може бути під загрозою внутрішнього витоку інформації від створювачів, які легко можуть обіграти своїх користувачів.

Джерела інформації: важливо, щоб дані, до яких мають доступ агенти, були надійними та не залежали від одного джерела.

Безпека: необхідно мати аудит смарт-контрактів та відповідну архітектуру зберігання коштів, щоб забезпечити резервні заходи у випадку чорних лебедів.

Наступні кроки агентів

Щоб масштабувати використання агентів, потрібно багато роботи над інфраструктурою. Це зводиться до вирішення ключових питань довіри та виконання. Автономні агенти діють без обмежень, і вже траплялися випадки неправильного управління капіталом.

ERC-8004, запущений у січні 2026 року, став першим ончейн-реєстром, що дозволяє автономним агентам знаходити один одного, формувати підтверджену репутацію та безпечно співпрацювати. Це важливий крок для розкриття потенціалу DeFi — довіра вбудована безпосередньо у смарт-контракти, що дозволяє безліцензійні дії між агентами та протоколами.

Однак це не гарантує, що агенти завжди працюватимуть без зловмисних намірів, оскільки можливі зловживання репутацією та атаки шахраїв. Тому ще багато роботи потрібно зробити у сферах страхування, безпеки, економічних застав та інших.

З розширенням активності агентів у DeFi зростає ризик натиску стратегій. Найбільш очевидний приклад — ферми доходу, де з поширенням стратегій доходи зменшуються. Аналогічна динаміка може виникнути й у торгівлі агентами: якщо багато агентів тренуються та оптимізуються на схожих даних і ціллях, вони почнуть діяти схожими позиціями та сигналами виходу.

У січні 2026 року університет Корнелла опублікував статтю CoinAlg, яка формалізує цю проблему. Прозорі агенти можуть бути арбітражовані, оскільки їхні торгівлі передбачувані та можуть бути швидко перехоплені. Приватні агенти уникають цього ризику, але створюють інший — внутрішню перевагу для створювачів, які зберігають інформацію для себе та можуть отримати цінність через непрозорість.

Активність агентів лише прискорюватиметься, і інфраструктура, закладена сьогодні, визначить, як працюватиме наступний етап ончейн-фінансів. Зі зростанням використання агентів вони самовдосконалюватимуться та ставатимуть більш чутливими до уподобань користувачів. Тому головним фактором успіху стане надійна інфраструктура, яка отримає найбільшу частку ринку.