Огляд інструментів DeFAI: Як AI-агенти забезпечують управління активами в ланцюзі

Автор: GO2MARS

Перед тим як розпочати аналіз, важливо спочатку чітко визначити ключове поняття: DeFAI.

DeFAI — це скорочення від DeFi (децентралізованих фінансів) та AI (штучного інтелекту), що означає інтеграцію AI-агентів у блокчейн-фінансові сценарії, надаючи їм здатність відчувати стан ринку, автономно розробляти стратегії та безпосередньо виконувати операції в мережі — таким чином, виконуючи такі фінансові дії, як розподілення активів, управління ризиками та взаємодія з протоколами, які раніше вимагали ручного втручання професіоналів.

Коротко кажучи, DeFAI — це не просто AI-оновлення інструментів DeFi, а спроба побудувати на ланцюзі автономну фінансову виконавчу шару.

Цей сегмент швидко розквітнув з четвертого кварталу 2024 року, і за ним стоять три ключові події, які відповідають трьом рівням входження AI Agent у Web3: виход за межі наративів, створення інфраструктури для асетізації та реальне впровадження здатності до виконання.

Перша подія відбулася в липні 2024 року. Twitter-бот Truth Terminal, створений розробником Енді Айрі, швидко набув популярності після отримання подарунка у 50 000 доларів США у BTC від співзасновника a16z Марка Андрессена, що спричинило вірусне поширення монети GOAT. Це був перший справжній вихід AI-агентів на публічну арену як учасників ланцюгової економіки.

Друга подія відбулася того ж року в жовтні. Virtuals Protocol набув популярності на мережі Base, токенізуючи самі AI-агенти; ринкова капіталізація його екосистеми досягла максимуму в 3,5 мільярда доларів США, ставши типовим представником етапу створення інфраструктури для асетизації в секторі DeFAI.

Третім подією стало запуск проектів Giza, HeyAnon, Almanak тощо на ланцюговому рівні, що перетворює галузь зі стадії, спрямованої на нарративи, на стадію продуктизації — AI Agent тепер реально «діють», виконуючи операції в ланцюгу, а не обмежуючись інформаційною взаємодією.

З точки зору глобального ринкового розміру, кілька дослідницьких інститутів мають дуже схожі очікування щодо зростання сектора AI Agent:

Діаграма 1: Порівняння прогнозів розміру глобального ринку AI Agent, джерело даних: MarketsandMarkets (2025), Grand View Research (2025), BCC Research (2026.01)

Проте між капітальним інтересом та практичним застосуванням індустрії залишається значна різниця. За даними звіту «The State of AI in 2025» від McKinsey, опублікованого у листопаді 2025 року (на основі опитування 1993 респондентів у 105 країнах), хоча 88% організацій вже використовують ШІ принаймні в одній функції бізнесу, майже дві третини залишаються на етапі експериментів або пілотних проектів. Щодо сфери AI Agent: 62% організацій почали експериментувати, 23% продовжують масштабування принаймні в одній функції, але частка організацій, які досягли масштабного розгортання в будь-якій окремій функції, не перевищує 10%.

Ці дані свідчать, що інтерес до сегменту DeFAI зараз залишається вищим за реальний прогрес у його реалізації. Розуміння цієї різниці є передумовою для об’єктивної оцінки цінності цього сегменту.

Щоб зрозуміти, як працює DeFAI, спочатку потрібно відповісти на ключове питання: яким механізмом AI втручається в ончейн фінансові операції?

Основним виконавчим блоком системи DeFAI є AI-агент, побудований на основі великих мовних моделей. Згідно з академічним оглядом Wang et al. (2023), його основні здібності можна класифікувати за трьома рівнями архітектури, кожен з яких має конкретну функцію в контексті ланцюга:

• Планувальний рівень, відповідальний за розбиття цілей та оптимізацію шляхів, що відповідає генерації стратегій та оцінці ризиків у ланцюгових сценаріях;
• Шар пам’яті, який забезпечує накопичення інформації між періодами за допомогою зовнішніх сховищ, таких як векторні бази даних, і зберігає історичні ринкові дані та стан протоколу;
• Інструментальний шар, що розширює можливості моделі, дозволяючи їй викликати зовнішні системи, такі як DeFi-протоколи, цінові оракули та міжланцюгові мосты.

Але тут потрібно зрозуміти одне: самі AI-моделі не можуть безпосередньо взаємодіяти з блокчейном. Майже всі сучасні системи DeFAI використовують архітектуру, що розділяє офлайн-висновки та онлайн-виконання — AI-агент виконує розрахунки стратегій поза блокчейном, а потім перетворює результати на сигнали для транзакцій у блокчейні, які надсилаються модулем виконання. Ця архітектура є практичним вибором за наявних технологічних умов і одночасно породжує серію питань безпеки, зокрема щодо авторизації приватних ключів та управління дозволами.

AI-агент — це автономна система прийняття рішень, що базується на великих мовних моделях, яка забезпечує замкнений цикл виконання завдань шляхом розбиття завдань, управління пам’яттю та виклику інструментів, а наразі взаємодія AI-агентів з активами ланцюга вже набула певної форми.

Діаграма 2: Трьохрівнева архітектура AI Agent

Після того як технічна основа DeFAI була зрозуміла, виникає природне питання: як ця система дійшла до сьогоднішнього дня?

За дослідженням The Block, еволюція DeFAI не відбулася миттєво, а пройшла два різні етапи — від ранніх інтерактивних агентів, зосереджених на обробці інформації, до сучасних виконавчих систем, здатних реально втручатися в он-чейн операції.

Вони відрізняються суттєво за цільовою аудиторією, технічними засобами та рівнем ризику.

Діаграма 3: Порівняння двох етапів еволюції DeFAI

Двоступеневий розвиток можна зрозуміти так:

Перша хвиля — це інтерактивні агенти, основна увага яких зосереджена на створенні інтелектуальної архітектури, здатної до діалогу та аналізу. До представників цього етапу належать фреймворк Eliza від ElizaOS (раніше ai16z) та G.A.M.E. від Virtuals. Сутність цього етапу залишається інформаційним інструментом — агенти можуть читати, говорити та аналізувати, але їх функціональні межі не виходять за межі інформаційного рівня і не торкаються жодних операцій з активами.

Друга хвиля — це виконавчі DeFAI агенти, які справді замкнули цикл прийняття рішень та виконання. До них належать такі проекти, як HeyAnon, Wayfinder, Giza (ARMA Agent) та Almanak. Спільною рисою таких систем є те, що ШІ працює поза ланцюгом, генерує структуровані сигнали стратегії та виконує угоди за допомогою модуля на ланцюзі — він не замінює існуючі DeFi-протоколи, а додає до них шар ШІ-прийняття рішень, перетворюючи весь процес з «людина дає команду» на «агент виконує автономно».

Суттєва різниця між двома хвилями розвитку полягає не у складності технологій, а у тому, чи торкаються вони справжніх активів. Це визначає, що виклики, з якими стикається друга хвиля системи, — у механізмах довіри, проектуванні прав доступу та архітектурі безпеки — набагато складніші, ніж у першій хвилі — саме цьому буде присвячена наступна глава.

Від технічної архітектури до шляху розвитку, «що може робити» DeFAI поступово стає зрозумілим. Але на рівні реальних продуктів, які конкретні проблеми він вирішує?

Загалом, зараз дослідження застосування DeFAI зосереджені на чотирьох основних напрямках, які відповідають чотирьом ключовим проблемам у налагодженні операцій у ланцюжку: «ефективність дохідності, виконання стратегій, бар’єри взаємодії та управління ризиками».

Оптимізація доходу: автоматична перебалансування між протоколами

Оптимізація доходу — це найбільш зріла наразі сценарій застосування DeFAI. Її основна логіка полягає у постійному скануванні річних дохідностей з депозитів на таких основних DeFi-протоколах, як Aave, Compound, Fluid, поєднаному з оцінкою за допомогою передвизначених параметрів ризику, чи необхідно перерозподілити активи, а також виконанні аналізу витрат на транзакції перед кожною операцією — кошти переказуються лише тоді, коли збільшення доходу покриває всі газові та транзакційні витрати, забезпечуючи автоматизовану оптимальну конфігурацію між протоколами.

Наприклад, Giza запустила ARMA Agent на мережі Base у лютому 2025 року зі стратегією отримання доходу від стабільних монет, постійно моніторя відсоткові ставки протоколів Aave, Morpho, Compound, Moonwell тощо, і інтелектуально розподіляючи кошти користувачів для максимізації доходу, враховуючи APY протоколів, витрати на комісії та ліквідність. За відкритими даними, ARMA наразі має близько 60 000 окремих власників, понад 36 000 розгорнутих Agent і загальний обсяг керованих активів (AUA) понад 20 мільйонів доларів США.

У ринкових умовах, коли дохідність DeFi-протоколів постійно коливається, ефективність та оперативність ручного моніторингу та ручного перерозподілу портфеля значно нижчі, ніж у автоматизованих систем — саме це є основною цінністю цього сценарію.

Діаграма 4: Приклад агента ARMA на платформі Giza

Автоматизація квантових стратегій: демократизація інституційних можливостей

У сценаріях автоматизації квантифікаційних стратегій платформа DeFAI намагається модулізувати та автоматизувати повний цикл операцій традиційних квантифікаційних команд, щоб особисті користувачі могли отримати доступ до інституційного рівня виконання стратегій.

Наприклад, Almanak, підтримуваний Delphi Digital, розбиває квантифікаційний процес на чотири етапи за допомогою своєї системи AI Swarm:

• Модуль стратегій підтримує написання інвестиційної логіки та проведення бектестів за допомогою Python SDK;
• Виконавчий двигун автоматично запускає перевірені коди стратегій та ініціює DeFi-виклики після отримання дозволу користувача;
• Безпечний гаманець побудований на основі Safe + Zodiac і створює багатопідписову систему, надаючи AI-агенту право на виконання стратегій через контроль ролей, щоб забезпечити, що кошти завжди залишаються під контролем користувача;
• Стратегічні скарбниці упаковують стратегії у вигляді торгівельних скарбниць, що відповідають стандарту ERC-7540, дозволяючи інвесторам брати участь у розподілі прибутку стратегії подібно до покупки відсотків фонду.

Значення цієї архітектури полягає в тому, що AI-агенти виконують функції аналізу даних, ітерації стратегій та управління ризиками, а користувачеві достатньо лише остаточно перевірити вихідні дані системи, не створюючи професійної квантової команди — досягається так звана «демократизація інституційних стратегій» (згідно з заявою проекту).

Діаграма 5: Екранна заставка головної сторінки платформи Almanak

Виконання інструкцій у натуральній мові: зробіть операції DeFi такими ж простими, як відправлення повідомлення

Суть цієї сценарії — DeFi-операції, засновані на намірі користувача (Intent-based DeFi): за допомогою технологій обробки природної мови користувачі надають торгові команди звичайною мовою, а ІШ розбирає їх і перетворює на багатокрокові операції в ланцюжку, значно знижуючи бар’єри для звичайних користувачів.

HeyAnon створив DeFAI-чат-платформу, де користувачі вводять команди у чат-бокс, а ІІ виконує на ланцюзі такі операції, як обмін токенів, міжланцюгові мостові з’єднання, позики та стейкінг. Платформа інтегрує міжланцюговий міст LayerZero та протоколи, такі як Aave v3, і підтримує розгортання на багатьох ланцюгах, включаючи Ethereum, Base та Solana.

Діаграма 6: Екран домашньої сторінки платформи HeyAnon

Wayfinder інвестований Paradigm і надає розширені сервіси повністю ланцюгових угод. Його AI-агенти (названі Shells) автоматично знаходять оптимальні шляхи для угод між різними ланцюгами, виконуючи операції, такі як міжланцюгові перекази, обмін токенів або взаємодія з NFT, не вимагаючи від користувачів звертати увагу на технічні деталі, такі як газові витрати або сумісність між ланцюгами.

Діаграма 7: Екран домашньої сторінки платформи Wayfinder

Загалом, інтерфейс на природній мові значно знижує бар’єри для використання DeFi, але вимагає вищої точності розпізнавання намірів на нижчому рівні — якщо AI неправильно зрозуміє команду, результат може суттєво відрізнятися від очікуваного користувачем.

Управління ризиками та моніторинг клірингу: механізми, вбудовані в блокчейн-протокол

У сценаріях DeFi-позичання та плеча найпоширенішим застосуванням AI-агентів є моніторинг у реальному часі стану позицій у ланцюзі та автоматичне виконання захисних дій перед наближенням до порога ліквідації. Ця ключова функція поступово інтегрується до основних DeFi-протоколів і стає нативною функцією платформ DeFi.

• Aave використовує «коефіцієнт здоров’я» для оцінки безпеки позиції; коли коефіцієнт здоров’я опускається нижче 1.0, позиція позичальника стає підлеглою кліренсу;
• Compound використовує механізм «коефіцієнта ліквідації забезпечення (Liquidation Collateral Factor)», який активує ліквідацію, коли баланс позики облікового запису перевищує встановлений верхній ліміт цього коефіцієнта; конкретні параметри кожного забезпечення встановлюються окремо за допомогою on-chain управління.

Ручне моніторингу важко підтримувати постійну ефективність реагування на 24/7 високоволатильних ланцюгових ринках; AI-агенти в цьому сценарії забезпечують неперервне відстеження, інтелектуальну оцінку та автоматичне втручання, підвищуючи ефективність контролю ризиків до рівня, недоступного для людських або правилово-автоматизованих систем.

Діаграма 8: Чотири основні сценарії використання Agent×DeFi

Загалом, чотири зазначені сценарії не є незалежними, а доповнюють один одного в рамках однієї основної ідеї: оптимізація доходу та автоматизація квантифікованих стратегій спрямовані на досвідчених користувачів із певним рівнем активів, їхнім ключовим перевагою є ефективність виконання та точність стратегій; інтеракція за допомогою природної мови спрямована на зниження бар’єрів для звичайних користувачів; а управління ризиками є базовою системою безпеки, що охоплює всі сценарії. Разом вони утворюють основну структуру екосистеми DeFAI на сьогоднішній день і закладають основу для майбутніх, більш складних застосунків на ланцюзі.

Як зазначалося раніше, чотири основні сценарії застосування — незалежно від того, чи йдеться про оптимізацію доходу, чи автоматизацію квантових стратегій — можуть бути реалізовані лише за умови, що AI Agent має доступ до підписових прав, тобто до приватного ключа. Це найважливіша, але найчастіше прихована під іншими розповідями технічна виклик у сфері DeFAI — якщо механізм підпису матиме вразливість, усі стратегічні можливості верхнього рівня втратять сенс.

Наразі основні рішення для безпечного управління приватними ключами в галузі поділені на дві категорії: MPC (багатоучасникові обчислення) та TEE (надійне виконавче середовище). Обидва підходи мають різні акценти щодо моделей безпеки, рівня автоматизації та інженерної складності.

Діаграма 9: Порівняльна таблиця двох основних підходів до безпечного управління приватними ключами

• Основна ідея MPC (Multi-Party Computation, багатоучасникових обчислень) полягає у видаленні однієї точки відмови шляхом розбиття ключів. Наприклад, у поширених 2-of-3 порогових підписах навіть якщо один із ключів буде скомпрометований, зловмисник не зможе самостійно здійснити підпис, і безпека коштів залишається незрушенною. Vultisig — це представницький продукт у цьому напрямку; це відкритий багатоланцюговий самотриманий гаманець, побудований на основі технологій MPC/TSS, який використовує архітектуру без єдиного мнемонічного фрази, поєднуючи безпеку ключів і самотримання користувача.
• TEE (Trusted Execution Environment, надійне середовище виконання) йде іншим шляхом: приватний ключ разом із проксі-кодом зберігається в ізольованій області, захищеній апаратно (enclave). AI-агент виконує обчислення стратегії та підпису всередині enclave, а лише результат підпису виводиться на ланцюг; зовнішнє середовище повністю не бачить приватного ключа. Основні чіпи, такі як Intel SGX, AMD SEV та ARM CCA, надають підтримку апаратного рівня ізоляції та шифрування. Chainlink вже інтегрував TEE до мережі оракулів для обробки конфіденційних даних та за допомогою механізму віддаленої аутентифікації підтверджує цілісність середовища виконання зовні.

Проте безпека ключів — це лише перший рівень захисту. У реальних умовах, незалежно від обраної схеми керування ключами, необхідно додати механізми контролю доступу, щоб запобігти несанкціонованим діям агента. Практика Almanak надає досить повний відправний пункт: платформа одночасно використовує TEE для захисту логіки та конфіденційних параметрів, а між двигуном розгортання та розумним обліковим записом Safe, що належить користувачеві, вставляється шар прав доступу Zodiac Roles Modifier — кожна транзакція, ініційована штучним інтелектом, повинна бути перевірена проти попередньо визначеного списку дозволених адрес контрактів, функцій та параметрів; транзакції, що не відповідають авторизованому діапазону, автоматично відхиляються.

Цей підхід до принципу мінімальних прав доступу став важливим еталоном для проектування безпеки систем DeFAI. Він розкриває глибшу логіку: проблеми безпеки DeFAI суть не просто питання вибору окремих технологій, а системна інженерна задача, що включає спільну роботу керування ключами, межами прав доступу та аудиту виконання — будь-яка відсутність у будь-якому з цих елементів може стати найслабшим ланцюгом у всьому ланцюжку. Саме це й є вихідною точкою для аналізу ризиків у наступному розділі.

Наведений аналіз виявляє ключовий висновок:

VCX не отримує премію через винятковий вибір активів або вищі очікувані доходи, а тому, що продає сам канал. Для цього потрібно відповісти на питання: що за продукт є VCX?

З юридичної точки зору це закритий фонд, зареєстрований у SEC, з прозорим портфелем та відповідною структурою, який не відрізняється від будь-якого звичайного акційного ETF на ринку. Але з практичної точки зору, він продає не традиційне «очікування прибутку», а доступ до активів — раніше доступний лише для топових VC-фірм та кваліфікованих інвесторів — цей доступ був упакований у одиниці, які торгуються на NYSE.

Тому ринок готовий платити премію в 16–30 разів до NAV, що суттєво є ціною на це право доступу, а не оцінкою майбутнього прибутку від базових активів.

З цієї точки зору порівняння VCX і MicroStrategy (MSTR) досить ілюстративне. На перший погляд вони роблять схожу річ: упаковують важкодоступні дефіцитні активи (біткойн / топові пре-ІПО акції) у вигляді цінних паперів, що торгуються на вторинному ринку, і демонструють на ринку премію, значно перевищену над вартістю базових активів. Але логіка капіталу між ними має фундаментальні відмінності:

• MSTR за допомогою постійного випуску конвертованих облігацій та привілейованих акцій збирає кошти, які потім використовує для додаткової покупки біткойнів. Цей механізм надає йому здатності динамічно розширювати баланс і постійно збільшувати свої позиції, що надає премії до ціни акцій певну внутрішню підтримку.
• VCX обмежена структурними обмеженнями закритого фонду: обсяг активів після випуску майже фіксований, неможливо продовжувати покупку нових активів за рахунок повторного фінансування, а ліквідність портфеля сильно залежить від IPO або виходу через злиття та поглинання базових компаній. Коли ентузіазм дрібних інвесторів зменшиться або після закінчення шестимісячного періоду блокування зросте кількість обігових акцій, тиск на зменшення премії буде значно вищим, ніж у MSTR.

VCX порівняно з MSTR (стратегія)

Іншими словами, премія MSTR підтримується постійно діючим капітальним механізмом, тоді як премія VCX зумовлена переважно рідкістю актива та емоційними факторами. Сама по собі ця продуктова логіка не є правильною чи неправильною, але її супутні ризики важче правильно оцінити ринку, ніж у звичайних закритих інвестиційних фондів:

Коли дрібні інвестори купують за ціною, значно вищою за NAV, вони насправді платять не за вартість активів, а за премію за доступ — і ця премія піддаватиметься швидкому знищенню після того, як базова компанія проведе IPO і на відкритому ринку з’явиться прямий канал торгівлі.

На основі попереднього аналізу можна зробити етапні висновки щодо еволюційного шляху DeFAI. Загалом, цей сектор перебуває на ключовому етапі переходу від підтвердження концепції до продуктизації, і його розвиток, як очікується, пройде три послідовні етапи:

Діаграма 11: Прогноз етапів розвитку DeFAI

Примітка: Наведена вище таблиця базується на комплексному аналізі відкритих галузевих звітів, прогресу проектів та рівня технологічної зрілості і не є фіксованим розкладом.

На поточному етапі DeFAI загалом перебуває на перехідному етапі від фази допоміжного прийняття рішень до фази напівавтономії — деякі проекти вже почали виконувати обмежений обсяг автономних дій, але переважною формою реалізації залишається людський контроль та механізми резервного забезпечення. На тлі цього, з урахуванням поточного рівня технологічної зрілості та ринкової ситуації, варто звернути увагу на три ключових висновки.

По-перше, суть більшості проектів DeFAI на сьогодні — це автоматизовані інструменти, а не справжні автономні агенти. Продукти, які зараз позначаються як «DeFAI», здебільшого мають здатність перетворювати людські команди на передвизначені послідовності DeFi-операцій, що за суттю ближче до ефективного інтерфейсу виконання, ніж до автономної системи з незалежним міркуванням та прийняттям рішень. За звітом McKinsey за 2025 рік, навіть у загальних корпоративних сценаріях менше 10% організацій досягли масштабного розгортання AI-агентів у будь-якій окремій функції. Бар’єри довіри та складність операцій у ланцюгових сценаріях ще вищі, і шлях від технічних демонстрацій до справжніх комерційних замкнених циклів залишається довгим.

Друге, найбільш зрілими та найлегше прийнятними для інституційних інвесторів напрямками застосування AI-агентів наразі є моніторинг, попередження та підтримка управління в мережі, а не високоризикований автономний трейдинг. Сценарії, такі як моніторинг позицій 7×24, попередження про кліренс, аналіз пропозицій управління — з одного боку, мають відносно високий рівень допустимості до галюцинацій LLM — помилки у виведенні не призводять до безпосередніх втрат коштів; з іншого боку, вони ефективно компенсують природну недостатність людини у тривалості уваги. Такі сценарії є більш реалістичним шляхом переходу DeFAI від «технічного демонстрування» до «прийняття інституціями».

Третє, інтеграція AI Agent і RWA — це наступна перехрестна область, яку варто уважно спостерігати. За даними RWA.xyz, станом на початок квітня 2026 року загальна вартість токенізованих RWA-активів у ланцюзі перевищила 27 мільярдів доларів США (без стабільних монет) і охоплює кілька категорій, зокрема державні облігації США, приватний кредит, сировину та корпоративні облігації. Якщо AI Agent зможе втрутитися у управління портфелем, що включає RWA-облігації та стабільні монети — наприклад, автоматично налаштовуючи пропорції між ними залежно від ринкових умов — масштаб доступних активів значно перевищить поточний діапазон, заснований на DeFi-активах, і зможе справді з’єднати он-чейн і оф-чейн активи, реалізувавши взаємодію Web3 + AI + TraFi, що значно розширить ринкову уяву.

AI-агенти та управління активами в ланцюзі перебувають у ключовий період переходу від підтвердження концепції до комерціалізації. Технічна доцільність була частково підтверджена, але виклики галузі — від ризиків галюцинацій LLM та гетерогенності даних ланцюга до відсутності інфраструктури довіри — не можуть бути вирішені лише за рахунок технологічного удосконалення; для їх вирішення необхідний системний підхід, що включає проектування архітектури, планування шляху відповідності, створення системи безпеки та перевірку бізнес-моделей.

Це саме означає, що цей сектор все ще перебуває на початковій стадії розробки, і справжній конкурентний ландшафт ще не сформувався. Для команд, які здатні одночасно оволодіти Web3 та AI, зараз — ідеальний час для входу — незалежно від того, чи йдеться про створення більш надійних ончейн-агентів на рівні виконання, чи про з’єднання ключових елементів даних, прав доступу та довіри на інфраструктурному рівні — існує величезна кількість порожніх місць, які потрібно заповнити.

Бар’єри конкуренції DeFAI в кінцевому підсумку не будуть залежати від окремої здатності моделі чи глибини інтеграції протоколу, а визначатимуться здатністю створити справжній самопідтримуваний цикл між технологіями, відповідністю та безпекою.