Rapporto approfondito DWF: L'intelligenza artificiale supera gli esseri umani nell'ottimizzazione dello yield farming nella DeFi, ma le transazioni complesse restano ancora indietro di 5 volte

Titolo originale dell'articolo: Gli agenti conquisteranno il mondo della DeFi?
Fonte originale: DWF Ventures

Traduzione a cura di: DeepFlow Tech

Punti chiave

Attualmente, l'automazione e l'attività degli agenti rappresentano circa il 19% di tutta l'attività sulla blockchain, ma non è stata ancora raggiunta una vera autonomia end-to-end.

In contesti specifici e ben definiti, come l'ottimizzazione del rendimento, gli agenti hanno dimostrato prestazioni migliori rispetto agli esseri umani e ai bot. Tuttavia, quando si tratta di attività che coinvolgono molteplici aspetti, come il trading, gli esseri umani ottengono risultati migliori rispetto agli agenti.

Tra i fattori, la scelta del modello e la gestione del rischio sono quelli che incidono maggiormente sui risultati di trading.

Con la diffusione su larga scala degli agenti, emergono diversi rischi legati alla fiducia e all'esecuzione, tra cui gli attacchi "sandwich", la congestione delle strategie e i compromessi in materia di privacy.

Crescita costante dell'attività degli agenti

Nell'ultimo anno l'attività degli agenti è aumentata costantemente, con un incremento sia del volume che del numero delle transazioni. Abbiamo assistito a sviluppi significativi guidati dal protocollo x402 di Coinbase, con l'adesione di attori come Visa, Stripe e Google, che hanno introdotto i propri standard. La maggior parte delle infrastrutture attualmente in fase di realizzazione è pensata per gestire due tipi di scenari: i canali tra agenti o le chiamate agli agenti avviate dall'utente.

Sebbene le transazioni con stablecoin abbiano ottenuto un ampio consenso, l'infrastruttura attuale si basa ancora sui tradizionali gateway di pagamento come livello sottostante, il che significa che dipende ancora da controparti centralizzate. Pertanto, lo stato finale di "piena autonomia", in cui gli agenti sono in grado di autofinanziarsi, agire in modo autonomo e ottimizzarsi continuamente in base alle mutevoli condizioni, non è stato ancora raggiunto.

Gli agenti non sono del tutto sconosciuti nel mondo della DeFi. Da anni, l'automazione tramite bot nei protocolli on-chain consente di catturare il MEV o di ottenere rendimenti eccezionali che non sarebbero possibili senza l'uso del codice. Questi sistemi hanno funzionato molto bene nell'ambito di parametri chiaramente definiti che non cambiano frequentemente né richiedono una supervisione aggiuntiva.

Tuttavia, con il passare del tempo il mercato è diventato sempre più complesso. È qui che assistiamo all’ingresso della nuova generazione di agenti, con gli ultimi mesi di attività on-chain che hanno fatto da banco di prova per tali iniziative.

Le prestazioni degli agenti in azione

Secondo quanto riportato, l'attività degli agenti ha registrato una crescita esponenziale, con oltre 17.000 agenti avviati dal 2025. Si stima che il volume complessivo delle attività di automazione e degli agenti copra oltre il 19% di tutte le attività on-chain. Ciò non sorprende, dato che si stima che oltre il 76% del volume dei trasferimenti di stablecoin sia generato dai bot. Ciò indica un notevole potenziale di crescita per l'attività degli agenti nel settore DeFi.

Gli agenti presentano un ampio spettro di autonomia, che va da esperienze simili a quelle dei chatbot, che richiedono un elevato livello di supervisione umana, fino ad agenti in grado di formulare strategie che si adattano al mercato sulla base degli input specificati. Rispetto ai bot, gli agenti presentano diversi vantaggi fondamentali, tra cui la capacità di reagire ed elaborare nuove informazioni in pochi millisecondi e di estendere la copertura a migliaia di mercati, mantenendo lo stesso livello di rigore.

Attualmente, la maggior parte degli agenti si trova ancora a un livello compreso tra quello di analista e quello di copilota, poiché molti sono ancora in fase di sperimentazione.

Ottimizzazione della resa: Prestazioni eccezionali degli agenti

La fornitura di liquidità è un settore in cui l'automazione ha assunto un ruolo predominante, con un TVL totale detenuto dagli agenti che supera i 39 milioni di dollari. Questo dato rileva principalmente le attività depositate direttamente dagli utenti presso gli agenti, ma non include il capitale convogliato tramite le tesorerie.

Giza Tech è uno dei principali protocolli in questo settore e alla fine dello scorso anno ha lanciato ARMA, la prima app di tipo "agent", pensata per migliorare la raccolta di rendimenti per i principali protocolli DeFi. Ha raccolto oltre 19 milioni di dollari in asset in gestione e generato un volume di negoziazione degli agenti superiore a 40 miliardi di dollari.

L'elevato rapporto tra volume di negoziazione e patrimonio gestito indica che gli operatori ribilanciano frequentemente il capitale, consentendo di ottenere rendimenti più elevati. Una volta depositato il capitale nel contratto, l'esecuzione avviene in modo automatizzato, offrendo agli utenti un'esperienza semplice con un solo clic che richiede una supervisione minima.

Le prestazioni di ARMA sono quantificabilmente eccellenti, con un rendimento annualizzato superiore al 9,75% per l'USDC. Anche tenendo conto delle commissioni aggiuntive di ribilanciamento e di una commissione di performance del 10% a favore dell'agente, il rendimento supera i normali tassi di interesse applicati su Aave o Morpho. Tuttavia, la scalabilità rimane una preoccupazione fondamentale, poiché questi agenti non sono ancora stati messi alla prova in condizioni reali per gestire o adattarsi alle dimensioni dei principali protocolli DeFi.

Transazione: I contatti umani sono fondamentali

Tuttavia, per operazioni più complesse come le transazioni, i risultati sono molto più vari. L'attuale modello operativo funziona sulla base di dati inseriti dall'utente e fornisce risultati secondo regole prestabilite. L'apprendimento automatico ha fatto compiere un passo avanti in questo senso, consentendo al modello di aggiornare il proprio comportamento sulla base di nuove informazioni senza bisogno di una riprogrammazione esplicita, avvicinandolo così al ruolo di copilota. Con l'arrivo di agenti completamente autonomi, il panorama delle transazioni è destinato a subire un cambiamento significativo.

Sono state organizzate diverse competizioni sia tra agenti che tra esseri umani e agenti, che hanno messo in luce notevoli differenze nelle prestazioni dei vari modelli. Trade XYZ ha organizzato una competizione tra trader umani e bot per le transazioni relative ai titoli quotati sulla sua piattaforma. Ogni conto è stato aperto con un capitale iniziale di 10.000 dollari, senza alcuna restrizione in merito alla leva finanziaria o alla frequenza delle operazioni. I risultati hanno dato un netto vantaggio agli esseri umani, con i migliori partecipanti umani che hanno superato i migliori agenti di oltre cinque volte.

Nel frattempo, Nof1 ha organizzato una competizione tra modelli, in cui diversi modelli (Grok-4, GPT-5, Deepseek, Kimi, Qwen3, Claude, Gemini) si sono sfidati a vicenda, mettendo alla prova diversi profili di rischio, dalla conservazione del capitale alla massima leva finanziaria. I risultati hanno evidenziato diversi fattori che potrebbero contribuire a spiegare le differenze di rendimento:

Tempo di mantenimento della posizione: È emersa una forte correlazione: i modelli in cui ogni posizione veniva mantenuta in media per 2-3 ore hanno ottenuto risultati significativamente migliori rispetto a quelli caratterizzati da un frequente avvicendamento.

Aspettativa: Questo parametro misura se il modello è redditizio in media per ogni operazione. È interessante notare che solo i primi tre modelli presentavano un'aspettativa positiva, il che indica che la maggior parte dei modelli registrava più operazioni in perdita che in profitto.

Leva finanziaria: I modelli che operano con un livello medio di leva finanziaria compreso tra 6 e 8 volte hanno dimostrato di ottenere risultati migliori rispetto a quelli con una leva finanziaria superiore a 10 volte, poiché livelli elevati hanno accelerato le perdite.

Suggerimenti strategici: Il modello «Monk Mode» è stato finora quello con le migliori prestazioni, mentre il modello «Situational Awareness» ha ottenuto i risultati peggiori. Sulla base delle caratteristiche dei modelli, emerge che concentrarsi sulla gestione del rischio e ridurre gli input esterni porta a risultati migliori.

Modello base: Grok 4.20 ha superato nettamente gli altri modelli di oltre il 22% in diversi scenari strategici ed è stato l'unico modello a generare profitti in modo costante.

Altri fattori, quali la preferenza per posizioni lunghe o corte, la dimensione delle operazioni e il punteggio di affidabilità, non disponevano di dati sufficienti o non hanno mostrato alcuna correlazione positiva con le prestazioni del modello. Nel complesso, i risultati indicano che gli agenti spesso ottengono risultati migliori quando operano entro un limite chiaramente definito, il che implica che la supervisione umana rimane ancora indispensabile nell’assegnazione degli obiettivi.

Valutazione di un agente

Dato che gli agenti sono ancora in una fase iniziale, al momento non esiste un quadro di valutazione completo. I risultati storici vengono spesso utilizzati come parametro di riferimento per valutare un operatore, ma sono influenzati da fattori fondamentali che forniscono indicazioni più attendibili sulla solidità delle sue prestazioni.

Andamento in presenza di diversi livelli di volatilità: Ciò comporta una gestione rigorosa delle perdite in caso di peggioramento delle condizioni, a dimostrazione del fatto che l'operatore è in grado di individuare i fattori esterni che incidono sulla redditività delle operazioni.

Trasparenza contro Privacy: Entrambe le opzioni presentano dei pro e dei contro. Un agente trasparente, se può essere scambiato tramite replica, non presenta sostanzialmente alcun vantaggio strategico. Un operatore privato corre il rischio che il creatore del servizio possa facilmente anticipare le operazioni dei propri utenti.

Fonte delle informazioni: Le fonti di dati a cui l'agente attinge sono fondamentali per determinare il modo in cui l'agente prende le decisioni. È fondamentale assicurarsi che le fonti siano affidabili e prive di dipendenze singole.

Sicurezza: È fondamentale disporre di verifiche degli smart contract e di un'adeguata struttura di custodia dei fondi per garantire misure di emergenza in caso di eventi imprevisti.

Prossimi passi per gli agenti

Per una diffusione su larga scala degli agenti, c'è ancora molto lavoro da fare a livello di infrastrutture. In sostanza, si tratta di questioni fondamentali relative alla fiducia nei confronti degli agenti e alla loro operatività. Le azioni degli agenti autonomi non sono soggette a restrizioni e si sono già verificati casi di cattiva gestione dei fondi.

ERC-8004 è stato lanciato nel gennaio 2026, diventando il primo registro on-chain che consente agli agenti autonomi di individuarsi a vicenda, costruirsi una reputazione verificabile e collaborare in modo sicuro. Si tratta di un elemento fondamentale per la composibilità della DeFi, poiché i punteggi di affidabilità sono integrati direttamente nello smart contract, consentendo interazioni senza autorizzazione tra agenti e protocolli.

Tuttavia, ciò non garantisce che gli agenti agiscano sempre in buona fede, poiché potrebbero comunque verificarsi vulnerabilità di sicurezza quali la collusione di reputazione e gli attacchi Sybil. Pertanto, resta ancora un divario significativo da colmare in termini di copertura assicurativa, sicurezza e coinvolgimento economico degli agenti.

Con l'espansione dell'attività degli agenti DeFi, la congestione strategica è diventata un rischio strutturale. Lo yield farming è l'esempio più evidente: man mano che le strategie si moltiplicano, i rendimenti si riducono. Una dinamica simile potrebbe valere anche per il trading tramite agenti. Se molti agenti si allenano su dati simili e ottimizzano in funzione di obiettivi simili, convergeranno su posizioni simili e su segnali di uscita simili.

Una versione di questo argomento è stata formalizzata in un articolo pubblicato nel gennaio 2026 dalla Cornell University sulla rivista CoinAlg. Gli operatori trasparenti sono esposti al rischio di arbitraggio, poiché le loro operazioni sono prevedibili e soggette a front-running. Gli agenti privati riducono questo rischio, ma ne introducono uno diverso, in cui i creatori mantengono un vantaggio informativo rispetto ai propri utenti e possono trarre profitto dall'opacità che in origine era stata concepita per proteggere le conoscenze interne.

L'attività degli agenti non farà che intensificarsi, e le infrastrutture poste in essere oggi determineranno il funzionamento della prossima fase della finanza on-chain. Con il crescente utilizzo degli agenti, questi si auto-perfezioneranno e saranno sempre più in grado di adattarsi alle preferenze degli utenti. Pertanto, il principale fattore di differenziazione risiederà in un'infrastruttura affidabile, che conquisterà la quota di mercato più ampia.

Link all'articolo originale