Pierwsza fala: Wczesne zastosowania AI w kryptowalutach

Pierwsze implementacje agentów AI w branży kryptowalut opierały się głównie na zautomatyzowanych funkcjach społecznych, analizie sentymentu oraz podstawowej analizie danych on-chain. Te wczesne innowacje – określane jako „pierwsza fala” – utorowały drogę dla konwersacyjnej sztucznej inteligencji na platformach takich jak X, umożliwiając angażowanie użytkowników, moderację treści oraz pobieranie danych on-chain.

Z czasem branża rozwinęła się wraz z nadejściem „drugiej fali” rozwiązań AI, obejmujących automatyzację opartą na smart kontraktach, interoperacyjność między łańcuchami oraz zaawansowane protokoły DeFi. Warto jednak zauważyć, że mimo iż projekty te określają swoje działania jako „napędzane przez AI”, większość procesów analitycznych odbywa się off-chain, a jedynie kluczowe wyniki są przekazywane na blockchain. Celem tego raportu jest podsumowanie tych inicjatyw oraz ocena ich wpływu na przyszłość sektora.

---

Analiza wybranych projektów opartych na agentach AI

W ramach pierwszej fali AI-agentów powstało kilka kluczowych projektów, takich jak:

• ai16z i jego framework ELIZA,
• Virtuals oraz framework G.A.M.E.,
• Kompleksowy system AI RIG (ARC),
• AgentKit od Coinbase.

Wszystkie te inicjatywy koncentrowały się głównie na funkcjach komunikacyjnych, choć nie wyłącznie.

Projekt ai16z i framework ELIZA

Projekt ai16z początkowo koncentrował się na zarządzaniu funduszami DAO przy użyciu AI, jednak jego skuteczność była ograniczona przez brak przejrzystości dotyczący wewnętrznego agenta AI „AI Marc” i funduszu, którym miał zarządzać. Prawdziwym przełomem było jednak opracowanie frameworka ELIZA – narzędzia opartego na TypeScript, umożliwiającego tworzenie agentów AI dla platform takich jak X, Discord, Telegram, a także blockchainów Solana i EVM.

ELIZA integrowała wgląd AI z operacjami on-chain, lecz jej główne procesy analityczne działały off-chain, a na blockchain przekazywano jedynie finalne wyniki. Modułowa budowa ELIZA przyciągnęła wielu programistów, co zaowocowało 15 000 gwiazdek na GitHubie w szczytowym okresie popularności. Jednak aktywność deweloperska spadła od grudnia 2024 r., co odzwierciedla spadek wartości tokena $ai16z, który po osiągnięciu kapitalizacji 2,5 miliarda dolarów, stracił ponad 80% wartości.

Virtuals i framework G.A.M.E.

Projekt Virtuals pełnił rolę platformy uruchamiania agentów AI, a jego architektura G.A.M.E. umożliwiała tworzenie AI-agentów zdolnych do analizy rynków kryptowalut zarówno off-chain, jak i on-chain, a następnie komunikacji z użytkownikami na platformach społecznościowych. Najbardziej znaczącym agentem AI w ekosystemie Virtuals był aixbt -1.16%, który potrafił analizować rynek w czasie rzeczywistym i dostarczać użytkownikom strategiczne spostrzeżenia inwestycyjne.

ARC – framework oparty na języku Rust

Framework ARC miał podobne cele do ELIZA i G.A.M.E., jednak wyróżniał się tym, że został napisany w języku Rust. Podobnie jak ELIZA, aktywnosć ARC na GitHubie drastycznie spadła, co wskazuje na malejące zainteresowanie społeczności.

AgentKit od Coinbase

AgentKit różni się od poprzednich frameworków, ponieważ jest modelowo neutralny i bezpośrednio integruje się z platformą Coinbase Developer Platform SDK, umożliwiając budowę agentów AI świadomych blockchaina.

---

Druga fala: Transakcyjna AI i DeFAI

W ramach drugiej fali powstały projekty takie jak:

• HeyAnon,
• Wayfinder,
• AgentKit,
• Giza i agent ARMA,
• Almanak.

Tym razem AI skupiło się na automatycznych przepływach transakcyjnych i zdecentralizowanych finansach (DeFAI), a nie tylko na interakcjach społecznych.

HeyAnon i Wayfinder

HeyAnon łączy przetwarzanie języka naturalnego (NLP) z protokołami DeFi, umożliwiając użytkownikom wykonywanie transakcji poprzez polecenia tekstowe, np. „Wymień 1 ETH na USDT”. Wayfinder działa na podobnej zasadzie, ale zamiast tokena wykorzystuje agenty AI zwane „shells”, które poruszają się po różnych protokołach DeFi za pomocą ścieżek „wayfinding paths”.

Giza i ARMA

Giza opracowała agent ARMA, który dynamicznie reallokuje kapitał w protokołach DeFi, maksymalizując zwrot z depozytów stablecoinów. Kluczową kwestią jest niezawodność danych – ponieważ ARMA wymaga częstych rebalansowań i aktualizacji APR, bezpieczeństwo przepływu informacji staje się kluczowe.

Almanak i Story

Almanak łączy symulację rynku na blockchainie z modelami AI, by tworzyć i testować strategie DeFi. Z kolei Story wyróżnia się tokenizacją własności intelektualnej (IP) na blockchainie, umożliwiając automatyczne licencjonowanie oraz dystrybucję tantiem.

---

Analiza meta: od chatbotów do AI w finansach

Rozwój agentów AI w kryptowalutach przeszedł transformację z funkcji społecznych do finansowych.

Pierwsza fala skupiła się na chatbotach i automatyzacji społeczności, jednak jej praktyczna użyteczność finansowa była ograniczona.

Druga fala poszła o krok dalej, koncentrując się na bezpośrednim udziale AI w transakcjach i automatyzacji DeFi.

Jednak wraz z tymi postępami pojawiły się nowe zagrożenia, takie jak:

• Ataki na prywatne klucze,
• Ryzyko błędnej interpretacji danych przez AI,
• Potencjalna manipulacja rynkiem,
• Wady w mechanizmach off-chain przetwarzania danych.

Podsumowanie i wnioski

Pierwsza fala pokazała, że AI może usprawniać moderację, chatboty i DAO, ale brakowało jej zastosowań ekonomicznych. Druga fala skupiła się na DeFi i transakcjach, co zwiększyło potencjał AI w kryptowalutach. Ryzyka obejmują podatność na ataki, błędy AI oraz niepewność co do jakości danych. Jeśli wyzwania te zostaną rozwiązane, AI może stać się kluczowym elementem przyjaznych dla użytkownika systemów DeFi (DeFAI).