“Nag-aalaga ka na ba ng lobster?” Sa kasalukuyan, kapag nagbati ang mga Web3er, malamang 8 out of 10 ay gagamit ng pahayag na ito.
Sa pagpasok ng 2026, matapos ang pagpapakita ng mga robot sa Chinese Spring Festival Gala, ang mga bagong henerasyon ng AI Agent, tulad ng OpenClaw, ay naging bagong laruan sa mga teknolohiya. Gumagamit ang ilan ng AI para sa customer service, ang iba para sa pagsulat ng code, at ang ilan ay nagsisikap na simulan ang paggamit ng Agent upang masimulang isang buong “digital employee.” Sa nakaraang panahon, madalas na binanggit sa iba’t ibang internet platform ang konsepto ng “isang tao na kumpanya,” kung saan isang tao lamang ang nakakapagpatakbo ng isang proseso na dati ay nangangailangan ng isang maliit na team.
Hindi rin nagpapahinga ang Web3. Kung mas marami kang tumitingin sa mga industriyal na media sa nakalipas na panahon, makikita mo na ang maraming proyekto ay nagsisimula na ring magtakda ng mga paksa tungkol sa AI Agent. May ilan na nag-aaral kung paano gamitin ng Agent ang mga asset o contract sa chain, may ilan na gumagawa ng mga pangunahing imprastruktura para sa pagbabayad, pagkakakilanlan, o finansyal ng Agent, may mga tao na nag-uusap tungkol sa “ekonomiya ng Agent,” kung saan ang AI ay maaaring maging bahagi ng network tulad ng isang user, at may ilan na muli ay nagsisimula na ring mag-advocate ng bagong slogan na “Web4.0.”
Nakikita dito, mayroong isang malalim na pakiramdam ng pamilyar.
Sinasabing ang mundo ng fashion ay isang siklo, ngunit hindi inaasahan na ang mundo ng teknolohiya (o crypto) ay ganun din. Tanda mo pa ba noong unang panahon ng bear market noong 2022, biglang naging sikat ang ChatGPT, at agad naging paksa ng lahat ang AI? Hindi natigil ang Web3 community—agad na lumabas ang maraming bagong konsepto tulad ng AI Agent, AI trader, at automated strategies, parang anumang koneksyon sa AI ay maaaring magbigay ng bagong kuwento. Ngunit hindi ito nagtagal. Nang muling umakyat ang crypto market, agad na bumalik ang atensyon ng mga tao sa Crypto mismo.
At ang pagkakataong ito sa ikalawang kalahati ng 2025, may pagbabalik ng bearish trend sa cryptocurrency market, kaya ang Web3 ay nagsimulang maghanap ng mga bagong konsepto na magiging susunod.
Ngunit sa pananaw ng Portal Labs, rito rin nanggagaling ang problema. Kapag nagsimula ang isang kuwento na maging popular, maraming Web3 startup team ay hindi nagpapasya batay sa teknolohiya o negosyo, kundi batay sa kuwento: anong konsepto ang tataas, iyon ang gagawin. At pagkatapos ay bumagsak sila—
Maraming koponan ang natutunan lamang habang tinutuloy ang proyekto na mabilis mabuo ang konsepto, ngunit mahirap ilapat ang produkto. Saan ang mga user? Ano ang mga partikular na sitwasyon? Saan nakabatay ang patuloy na pagbabayad? Maaari bang makakuha ng pondo? Madalas ay lumalabas ang mga tanong na ito pagkatapos ng ilang panahon ng paggawa ng proyekto.
Pagkatapos mag-antay hanggang mawala ang init, karaniwang natitirang mga proyekto na hindi pa nakakapag-umpisa. May ilang produkto na nanatili sa demo stage, may ilang itinatag ngunit walang mga user, at may ilang direktang nawala kasama ang kanilang kuwento. Sa maikling panahon, tila binuksan ang isang bagong track, ngunit kapag tingnan mo muli nang higit pa, ang tunay na natitirang bagay ay hindi marami.
Kaya naman, ang pagpili sa pagitan ng pagpapatuloy sa Crypto o paglipat sa AI ay naging isang suliranin. Kung pipiliin ang una, ang merkado ay hindi mabuti, at ang pagpapalakas ay hindi siguradong magdudulot ng return; kung pipiliin ang pangalawa, wala naman basehan. Ang teknikal na hadlang, estruktura ng talento, at kalagayan ng kompetisyon sa AI ay iba sa Web3. Ang maraming teknikal na stack, produkto, at komunidad na resources na nakalikom ng mga ekipa sa loob ng ilang taon ay nakabatay sa sistema ng Crypto; kung magpapalipat nang buo sa AI, parang babalik muli sa isang ganap na bagong larangan. Mula sa kakayahan ng modelo, mga mapagkukunan ng data, hanggang sa ekipa ng inhinyero, kailangan ng halos lahat na muling itayo.
Mas realistiko naman ay ang AI sector ay nagsisilbing sobrang puno na. Mula sa mga kumpanya ng malalaking modelo, tradisyonal na internet na mga negosyo, hanggang sa maraming startup teams, lahat ay nag-invest ng malaking yaman sa larangang ito. Para sa isang startup team na dating nasa Web3, kung sila ay pumasok sa merkado lamang dahil sa pagbabago ng narrative, madali silang makakakita na wala silang teknikal na advantage o industry resources.
Sa katotohanan, mayroon pa isang praktikal na landas para sa maraming Web3 startup team. Hindi kailangang mag-transform lamang sila sa AI; maaari nilang patuloyin ang kanilang sariling Web3 na landas habang isinasaalang-alang kung ano ang kakayahan ng Crypto na maaaring punan sa loob ng AI system.
Kung susuriin nang mabuti ang kasalukuyang alon ng pag-unlad ng AI, makikita mo na maraming mahahalagang bahagi ay hindi pa ganap na nalulutas.
Ang pinakakaraniwan ay ang data. Habang lumalakas ang mga modelo, ang pinagmumulan ng data para sa pagtuturo, kung ang data ay kapani-paniwala at sumusunod sa mga patakaran, lalo na kung paano makakamit ng AI Agent ang 1v1 customization, ay walang mabuting mekanismo pa rin. Para sa mga AI na nakasalalay sa malaking dami ng data para sa pagtuturo, ito ay isang matagal nang umiiral na pangunahing problema.
Halimbawa, ang pagkakakilanlan at pagkakasundo. Kapag nagsisimula na ang AI Agent na makilahok sa pagpapatupad ng gawain, awtomatikong pagtinda, o kahit anumang desisyon sa operasyon, kailangan din nila ng pagkakakilanlan, pahintulot, at mga patakaran sa pagkakasundo. Sino ang maaaring mag-call sa isang Agent? Paano nila hinahati ang mga gawain sa isa’t isa? Paano ang pagkalkula pagkatapos ng pagpapatupad ng gawain? Ang lahat ng mga tanong na ito, sa puso nito, ay may kaugnayan sa pagkakakilanlan at pagkakahati-hati ng halaga sa isang bukas na network.
Mayroon pa mga problema sa pagbabayad. Kapag nagsimula na ang AI Agent na awtomatikong magtawag ng mga serbisyo, makakuha ng data, o magpapatupad ng mga gawain sa network, nangangahulugan ito na kailangan nila ng isang sistema ng maliit na pagbabayad na kayang mag-autopay. Ngunit sa tradisyonal na internet system, mahirap magkaroon ng ganitong uri ng struktura sa pagbabayad.
Ang lahat ng ito ay tila mga problema ng AI, ngunit marami nang solusyon ay nasa loob na ng teknikal na sistema ng Crypto. Anuman ang data incentive network, on-chain identity system, o open payment network, ito ay mga direksyon na patuloy na tinutuklasan ng Web3 sa nakalipas na ilang taon.
Kung talagang gustong subukan ng mga startup team sa Web3 ang mga direksyong ito, may ilang bagay na kailangang muna naisip nang maayos.
Ang unang dapat isaalang-alang ay ang teknikal na kakayahan ng tim mismo. Magkakaiba-iba ang teknikal na akumulasyon ng iba’t ibang Web3 project. May mga tim na espesyalista sa chain-based protocols, mayroon ding mga tim na mahusay sa data networks, at mayroon ding mas nakatuon sa application-layer products. Kung ang tim ay patuloy na nagtatrabaho sa data-related infrastructure sa mga nakaraang taon, tulad ng data collection, data extraction, o data markets, mas natural ang pagpapalawak sa data layer para sa AI, tulad ng data contribution network, verifiable data sources, o incentive-based data markets para sa mga model. Kung ang tim ay mas nakatuon sa chain-based protocols o infrastructure, maaaring isaisip ang pagbuo ng runtime environment para sa AI Agent, tulad ng on-chain identity at permission management ng Agent, task execution protocols, o pagbibigay ng automatic settlement at payment capabilities para sa Agent. Samantala, para sa mga tim na nagsasagawa ng application-layer products na tulad ng trading tools, content platforms, community products, o consumer apps, mas angkop na gamitin ang AI bilang capability layer na i-embed sa kanilang umiiral na product system. Halimbawa, gamitin ang AI upang mapabuti ang analytical capabilities, automatisin ang operational workflows, o gamitin ang Agent upang isagawa ang mga gawain na dati’y kailangan ng tao.
Susunod na dapat tuklasin ay ang pagkakaroon ng totoong business scenario. Maraming AI project ang mabilis na nawawala hindi dahil sa kakulangan sa teknolohiya, kundi dahil wala silang malinaw na use case mula sa simula. Maaaring maging sobrang sikat ang konsepto, ngunit kung saan ang mga tao na talagang kailangan ng produkto na ito, bakit sila gagamit nito, at bakit sila ay handang magbayad para dito—ang mga tanong na ito ay madalas ay hindi seryosong tinugon. May ilang konsepto na maraming pag-uusap sa industriya, tulad ng “AI+Web3,” “Agent economic system,” at “AI trader,” na parang napakalaking ideya; ngunit kung hihingin mo ang mas malalim na pagsusuri, ang totoong matatag na user base ay talagang limitado. Sa kabilang banda, ang ilang pangangailangan na hindi gaanong “sexy,” tulad ng data processing, automated operations, information filtering, o task execution, ay mas matatag at patuloy na umiiral sa totoong business. Dahil dito, kapag sinusuri mo kung dapat pumasok sa isang AI direksyon, mas mabuti na huwag muna tingnan kung ano ang sikat na konsepto, kundi tingnan muna ang scenario mismo: Kung ang scenario na ito ay isang matagal nang umiiral na business problem, kung mayroon nang mga tao na nagbabayad para dito, at kung ang AI ay talagang makakapagpataas ng efficiency sa bahaging ito. Kung ang mga kondisyong ito ay totoo, mas malaki ang posibilidad na maging produkto ang direksyong ito mula sa isang narrative.
Kailangan pa nating tingnan kung may mga mapagkukunan ba ang mga startup team sa Web3 na makakapasok sa mga bahaging ito.
Ang mga direksyon tulad ng data, pagkakakilanlan, at pagbabayad na nabanggit sa itaas ay sa pamamagitan ng kalikasan ay hindi simpleng teknikal na isyu, kundi mga isyu ng network resources.
Halimbawa, sa data network, kung ang team ay walang tiyak na pinagkukunan ng data o walang user base na patuloy na nag-aambag ng data, kahit na natapos na ang teknolohiya, mahirap makabuo ng tunay na network effect. Parehong sitwasyon sa paggawa ng identity system o collaboration network para sa AI Agent—kailangan ng mga aktibong developer, application, o Agent na sumali, k otherwise, ang protocol ay mahihirapan makabuo ng ecosystem. Parehong lohika ang nasa payment at settlement system. Kapag nagsimula nang mag-call ng serbisyo, magkuha ng data, o mag-execute ng task ang AI Agent sa network, maging maliliit na bayad ay magiging sobrang madalas. Ngunit ang ganitong payment network ay may kahulugan lamang kung maraming Agent at serbisyo ang umiiral nang sabay-sabay; kung hindi, ito ay mananatiling isang teknikal na module lamang.
Kaya para sa maraming Web3 team, ang tunay na dapat pag-aralan ay hindi “mayroon bang teknikal na puwang sa direksyong ito”, kundi kung kayang maging bahagi sila ng network na ito. Kung mayroon na ang team ng mga pinagkukunan ng data, developer ecosystem, o application scenarios, ito ang karaniwang nagdedesisyon kung makakapasok ba ang isang proyekto sa infrastraktura ng AI, at hindi lang mananatili sa antas ng konsepto.