a16z: 5 modi in cui la blockchain supporta l'infrastruttura degli agenti di intelligenza artificiale

Autore: a16z

A cura di: Hu Tao, ChainCatcher

Gli agenti basati sull'intelligenza artificiale si sono rapidamente trasformati da "copiloti" a soggetti economici, superando in rapidità lo sviluppo delle infrastrutture circostanti.

Sebbene gli agenti siano ora in grado di svolgere compiti ed effettuare transazioni, mancano di metodi standardizzati per dimostrare la propria identità e autorità, nonché di meccanismi di ricompensa in tutti gli ambienti. Le informazioni relative all'identità non possono essere condivise tra le piattaforme, i metodi di pagamento non sono ancora programmabili in modo predefinito e le attività di coordinamento vengono svolte in modo indipendente.

La blockchain affronta questo problema a livello di infrastruttura. I registri pubblici forniscono ricevute per ogni transazione, che chiunque può verificare. I portafogli digitali offrono agli utenti informazioni di identità portatili. Le stablecoin offrono un metodo di regolamento alternativo. Non si tratta di tecnologie di un futuro lontano; possono essere utilizzate già oggi e consentono agli utenti di operare come vere e proprie entità economiche senza bisogno di autorizzazioni.

1. Identità non umana

Il collo di bottiglia attuale nell'economia degli agenti non è più l'intelligenza, bensì l'identità.

Solo nel settore dei servizi finanziari, il numero di identità non umane (sistemi di trading automatizzati, motori di calcolo del rischio, modelli antifrode) è circa 100 volte superiore a quello dei dipendenti umani. Con la diffusione su larga scala dei moderni framework di agenti (che utilizzano strumenti quali i modelli di linguaggio di grandi dimensioni, i flussi di lavoro autonomi e l'orchestrazione multi-agente), questo rapporto è destinato a continuare ad aumentare in vari settori.

Tuttavia, questi agenti non dispongono ancora di conti bancari. Possono interagire con il sistema finanziario, ma tale interazione è priva di portabilità e verificabilità e non è intrinsecamente affidabile. Mancano di metodi standardizzati per dimostrare la propria autorità, non sono in grado di operare in modo indipendente su diverse piattaforme e non possono essere ritenuti responsabili delle proprie azioni.

Ciò che manca attualmente è un livello di identità universale — equivalente a un protocollo SSL per gli agenti — in grado di standardizzare il coordinamento tra le piattaforme. Sebbene siano stati compiuti tentativi significativi, i metodi rimangono frammentati: da un lato vi è uno stack integrato verticalmente e incentrato sulle valute legali; dall’altro vi sono standard aperti e nativi delle criptovalute (come x402 e le proposte emergenti relative all’identità degli agenti); inoltre, esistono framework per sviluppatori, come le estensioni MCP (Model Context Protocol), che cercano di collegare l’identità a livello di applicazione.

Attualmente non esiste un metodo ampiamente diffuso e interoperabile che consenta a un agente di dimostrare a un altro: chi rappresenta, quali azioni è autorizzato a compiere e come verrà retribuito. Questa è l'idea alla base di KYA (Know Your Agent).

Proprio come gli esseri umani si affidano alla storia creditizia e al KYC (Know Your Customer), anche gli agenti hanno bisogno di firme crittografiche come credenziali che li vincolino al loro mandante, all'autorità, ai vincoli e alla reputazione. La blockchain offre un livello di coordinamento neutrale per tutto questo: identità trasferibili, portafogli programmabili e prove verificabili che possono essere analizzate in applicazioni di chat, API e marketplace.

Abbiamo già assistito alle prime implementazioni: registri di agenti on-chain, agenti integrati nei wallet che utilizzano l'USDC, standard ERC per "agenti a fiducia ridotta" e kit di strumenti per sviluppatori che combinano l'identità con pagamenti integrati e controlli antifrode.

Ma finché non verrà introdotto uno standard universale per l'identificazione, i commercianti continueranno a bloccare gli agenti a livello di firewall.

2. Governance dei sistemi operativi basati sull'intelligenza artificiale

Gli agenti stanno iniziando a gestire sistemi reali, sollevando nuove domande.

La questione fondamentale è chi detiene realmente il controllo su tutto. Immaginate una comunità o un'azienda in cui i sistemi di intelligenza artificiale si occupano di coordinare le risorse fondamentali, che si tratti dell'allocazione dei fondi o della gestione della catena di approvvigionamento. Anche se i cittadini votano per decidere i cambiamenti politici, se il livello di IA sottostante è controllato da un unico fornitore in grado di imporre aggiornamenti dei modelli, modificare i vincoli o ribaltare le decisioni, allora tale potere risulta molto limitato. Il livello di governance formale può essere decentralizzato, ma quello operativo rimane centralizzato; chi controlla il modello, in definitiva, controlla il risultato.

Quando gli agenti assumono ruoli di governance, introducono un nuovo livello di dipendenza. In teoria, ciò potrebbe facilitare l'attuazione della democrazia diretta: ognuno potrebbe avere un rappresentante basato sull'intelligenza artificiale incaricato di comprendere proposte complesse, valutare i pro e i contro e votare in base alle preferenze espresse.

Ma questa visione potrà concretizzarsi solo se tali agenti saranno realmente responsabili nei confronti delle persone che rappresentano, potranno operare a livello trasversale tra diversi fornitori di servizi e saranno tecnicamente vincolati a seguire le istruzioni umane. Altrimenti, il sistema che ne risulta potrebbe sembrare democratico in apparenza, ma in realtà è guidato da comportamenti modello poco trasparenti che nessuno è in grado di controllare.

Se la realtà attuale è che gli agenti vengono creati a partire da un numero limitato di modelli di base, allora abbiamo bisogno di strumenti per dimostrare che i comportamenti degli agenti siano in linea con gli interessi degli utenti piuttosto che con quelli delle aziende produttrici dei modelli. Ciò potrebbe richiedere garanzie crittografiche a più livelli: (1) i dati di addestramento esatti, i processi di messa a punto o i processi di apprendimento per rinforzo da cui ha origine l'istanza del modello; (2) i prompt e le istruzioni esatti che controllano agenti specifici; (3) le registrazioni dei comportamenti effettivi degli agenti nel mondo reale; e (4) garanzie affidabili che, una volta implementati, i fornitori non possano modificare le istruzioni o riaddestrare gli agenti affinché operino all'insaputa dell'utente. Senza queste garanzie, la governance degli agenti finirà per ridursi a una governance esercitata da chi controlla i pesi del modello.

È qui che entrano in gioco le criptovalute. Se le decisioni collettive vengono registrate sulla blockchain ed eseguite automaticamente, ai sistemi di intelligenza artificiale può essere richiesto di attuare i risultati verificati. Se gli agenti dispongono di identità crittografiche e registri di esecuzione trasparenti, è possibile verificare se gli agenti stanno rispettando le regole. Inoltre, se il livello di IA è di proprietà dell'utente e trasferibile, anziché vincolato a una singola piattaforma, nessuna azienda potrà modificare le regole tramite aggiornamenti del modello.

In definitiva, la governance dei sistemi di IA rappresenta fondamentalmente una sfida infrastrutturale, non una sfida politica. La vera autorità dipende dall'integrazione nel sistema stesso di meccanismi di garanzia applicabili.

3. Colmare le lacune dei sistemi di pagamento tradizionali nelle imprese native per l'IA

Gli agenti basati sull'intelligenza artificiale stanno iniziando a effettuare acquisti — web scraping, sessioni di navigazione, generazione di immagini — mentre le stablecoin stanno diventando un livello di regolamento alternativo per queste transazioni. Nel frattempo, sta prendendo forma una nuova categoria di piattaforme incentrate sugli agenti. Ad esempio, il marketplace MPP di Stripe e Tempo riunisce oltre 60 servizi progettati appositamente per gli agenti basati sull'intelligenza artificiale. Nella sua prima settimana di attività, ha elaborato oltre 34.000 transazioni, con commissioni a partire da soli 0,003 dollari, e le stablecoin come uno dei metodi di pagamento predefiniti.

La differenza sta nel modo in cui si accede a questi servizi. Non c'è una pagina di pagamento. Gli agenti leggono gli schemi, inviano richieste, effettuano pagamenti e ricevono i risultati in un unico scambio. Rappresentano una nuova categoria di commercianti "headless": solo un server, una serie di endpoint e un costo per ogni richiesta. Non esiste un punto vendita fisico, né un negozio né un team di vendita.

I canali di pagamento necessari a tal fine sono già operativi. x402 e MPP di Coinbase adottano approcci diversi, ma entrambi integrano i pagamenti direttamente nelle richieste HTTP. Anche Visa sta ampliando la propria infrastruttura di pagamento in una direzione simile, mettendo a disposizione uno strumento CLI che consente agli sviluppatori di effettuare pagamenti direttamente dal terminale, mentre gli esercenti ricevono istantaneamente le stablecoin sul backend.

I dati attuali sono ancora in fase iniziale. Dopo aver escluso le attività non organiche, come il wash trading, x402 elabora mensilmente circa 1,6 milioni di dollari in pagamenti effettuati tramite agenti, una cifra ben al di sotto dei 24 milioni di dollari recentemente riportati da Bloomberg (citando dati provenienti da x402.org). Tuttavia, le infrastrutture circostanti si stanno espandendo rapidamente: Stripe, Cloudflare, Vercel e Google hanno tutte integrato x402 nelle loro piattaforme.

Il settore degli strumenti per sviluppatori offre enormi opportunità: l'ascesa di Vibe Coding sta aumentando il numero di sviluppatori di software e ampliando il mercato potenziale per questi strumenti. Aziende come Merit Systems stanno lavorando a soluzioni orientate al futuro, lanciando AgentCash, un portafoglio CLI e una piattaforma di marketplace che si collega ai protocolli MPP e x402. Questi prodotti consentono agli agenti di acquistare i dati, gli strumenti e le funzionalità di cui hanno bisogno utilizzando stablecoin da un unico account. Ad esempio, gli operatori del team vendite possono semplicemente richiamare un endpoint per arricchire le informazioni sui potenziali clienti con dati provenienti da Apollo, Google Maps e Whitepages senza uscire dall'interfaccia a riga di comando.

Questa tendenza del commercio tra operatori a privilegiare i pagamenti in criptovaluta (e le soluzioni emergenti basate sulle carte) deriva da diversi fattori. Il primo è il processo di sottoscrizione. Quando i gestori dei pagamenti accettano nuovi esercenti, si assumono il rischio connesso a tali esercenti. Per i gestori tradizionali è difficile accettare come cliente un commerciante senza sede fisica, sito web o persona giuridica. In secondo luogo, le stablecoin possono essere programmate su reti aperte senza autorizzazione: qualsiasi sviluppatore può consentire agli endpoint di supportare i pagamenti senza dover integrare sistemi di elaborazione dei pagamenti né stipulare accordi con gli esercenti.

Abbiamo già visto questo modello. Ogni cambiamento nei modelli di business dà vita a una nuova categoria di commercianti, mentre i sistemi esistenti inizialmente faticano a soddisfare le loro esigenze. Le aziende che stanno realizzando questa infrastruttura non puntano su un fatturato mensile di 1,6 milioni di dollari, bensì sui livelli di fatturato che si registreranno quando gli agenti diventeranno gli acquirenti principali.

4. Ricostruire la fiducia nell'economia degli agenti

Da 300.000 anni, la cognizione umana rappresenta il collo di bottiglia del progresso. Oggi l'intelligenza artificiale sta riducendo il costo marginale di esecuzione quasi a zero. Man mano che le risorse scarse diventano abbondanti, i fattori limitanti cambiano. Quando l'intelligenza diventa economica, cosa diventa costosa? Verifica.

Nell'economia degli agenti, il vero ostacolo alla scalabilità è dato dai limiti del nostro istinto biologico: la nostra capacità di verificare e valutare le decisioni delle macchine. Il volume di lavoro degli agenti ha superato di gran lunga la capacità di supervisione umana. A causa degli elevati costi della vigilanza e del tempo necessario affinché i fallimenti si manifestino, i mercati tendono a ridurre gli investimenti in materia di vigilanza. La "collaborazione uomo-macchina" sta rapidamente diventando una realtà impossibile.

Ma l'impiego di agenti non verificati comporta rischi aggravati. I sistemi ottimizzano spietatamente le metriche degli "agenti" allontanandosi silenziosamente dalle intenzioni umane, creando una falsa illusione di produttività che nasconde il massiccio accumulo di debito dell'IA. Per affidare in tutta sicurezza l'economia alle macchine, la fiducia non può più basarsi su controlli effettuati dall'uomo: deve essere integrata direttamente nell'architettura stessa.

Quando chiunque può creare contenuti gratuitamente, il fattore più importante diventa la verificabilità delle fonti: capire da dove provengono i contenuti e se sono affidabili. La blockchain, insieme alla certificazione on-chain e ai sistemi di identità digitale decentralizzati, ridefinisce i confini economici dell'implementazione sicura. L'intelligenza artificiale non è più considerata una "scatola nera", ma presenta una cronologia chiara e verificabile.

Man mano che un numero crescente di agenti di intelligenza artificiale inizia a effettuare transazioni tra loro, i meccanismi di regolamento e i sistemi di tracciabilità diventano indissolubilmente legati. I sistemi di trasferimento di fondi — come le stablecoin e gli smart contract — possono inoltre includere ricevute crittografiche che registrano chi ha compiuto quale azione e chi debba essere ritenuto responsabile in caso di problemi.

I vantaggi comparativi delle persone vengono costantemente valorizzati: dall’individuazione dei piccoli errori alla definizione degli orientamenti strategici, fino all’assunzione di responsabilità quando sorgono dei problemi. I vantaggi duraturi spettano a chi è in grado di certificare crittograficamente i risultati, garantirli e assumersi la responsabilità in caso di fallimento.

La mancanza di verifiche su larga scala è un rischio che si accumula nel tempo.

5. Mantenere il controllo da parte dell'utente

Da decenni, i livelli di astrazione hanno continuamente trasformato il modo in cui gli utenti interagiscono con la tecnologia. I linguaggi di programmazione hanno astratto il codice macchina. Le righe di comando sono state sostituite dalle interfacce grafiche, che si sono poi evolute in applicazioni mobili e interfacce di programmazione delle applicazioni (API). Ogni trasformazione ha nascosto una maggiore complessità di fondo, consentendo al contempo agli utenti di mantenere una visione d'insieme.

Nel mondo degli agenti, gli utenti specificano i risultati anziché le azioni, e il sistema decide come raggiungere tali risultati. Gli agenti non solo riepilogano il modo in cui vengono svolti i compiti, ma anche chi li svolge. Una volta impostati i parametri iniziali, gli utenti non devono più intervenire e il sistema funziona in modo autonomo. Il ruolo dell'utente passa dall'interazione alla supervisione; il sistema rimane "attivo" per impostazione predefinita, a meno che l'utente non intervenga.

Man mano che gli utenti delegano un numero crescente di attività agli agenti, emergono nuovi rischi: input ambigui potrebbero indurre gli agenti ad agire sulla base di presupposti errati all'insaputa dell'utente; eventuali malfunzionamenti potrebbero non essere segnalati, impedendo così di individuare percorsi diagnostici chiari; una singola approvazione potrebbe innescare flussi di lavoro articolati in più fasi che nessuno aveva previsto.

In questo contesto, la tecnologia crittografica svolge un ruolo importante. Il fulcro della tecnologia crittografica è sempre stato quello di ridurre al minimo la fiducia cieca. Man mano che gli utenti affidano sempre più potere decisionale al software, i sistemi di agenti mettono in luce questo problema e rendono ancora più esigenti le nostre richieste in termini di rigore nella progettazione dei sistemi: dobbiamo stabilire confini più chiari, migliorare la trasparenza e fornire garanzie più solide riguardo alle funzionalità di questi sistemi.

Per affrontare questa sfida, è emersa una nuova generazione di strumenti nativi per le criptovalute. Ad esempio, il Delegation Toolkit di MetaMask, l'AgentKit e i portafogli agent di Coinbase, nonché i framework di delega basati su ambiti come AgentCash di Merit Systems consentono agli utenti di definire cosa gli agenti possono e non possono fare a livello di smart contract. Le architetture basate sugli intenti, come NEAR Intents (che dal quarto trimestre del 2024 hanno registrato un volume di scambi superiore a 15 miliardi di dollari sugli exchange decentralizzati (DEX)), consentono agli utenti di definire i risultati attesi — come ad esempio "trasferire token e mettere in stake" — senza specificare l'esatto metodo di attuazione.

L'intelligenza artificiale rende la scalabilità economicamente vantaggiosa, ma fatica a conquistare la fiducia. Le criptovalute possono ricostruire la fiducia su larga scala.
Si sta sviluppando un'infrastruttura Internet che consentirà alle persone di partecipare direttamente alle attività economiche. La domanda ora è se verrà progettato all’insegna della massima trasparenza, responsabilità e controllo da parte degli utenti, oppure se si baserà su sistemi intrinsecamente inadatti agli attori non umani.