Коли AI-агенти наймають один одного, хто їх контролює?

ERC‑8004 вирішує питання ідентичності, ERC‑8183 вирішує питання зберігання, а далі що?

Автор: Thejaswini M A

Переклад: Saoirse, Foresight News

Протягом тривалого часу розвитку Інтернету пошукові системи лише повертали списки результатів, а всю іншу роботу виконували користувачі. На екрані з'являлися сині заголовки та гіперпосилання. Потім ми натискали на ті, що, на нашу думку, відповідали запиту. Але згадувати цей досвід як про минуле здається дивним і наводить на думки про плин часу.

Як автор, я завжди була проти SEO. Ключові слова знищують багато чудових моментів у статті; у логіці ранжування Google зовнішні посилання також вважаються голосуванням. По суті, якщо більше інших веб-сторінок посилаються на вашу, ваша сторінка отримує вищу вагу. Але це не варто обурення. Якась надійність завжди краще, ніж повна недовіра. Реклама підтримує все в Інтернеті. Але видавці контенту явно ненавидять цю систему.

Сьогодні ця модель починає зникати. Коли я хочу знайти книгу з фінансової економіки або дізнатися, як впоратися з болем у щиколотках після тривалих прогулянок, я просто відкриваю Gemini. Хтось використовує Perplexity, хтось GPT. Ті, хто не чутливі до витрат токенів, вибирають Claude. Чи є ці інструменти кращими, ніж прочитати цілу статтю? Ми не знаємо... Можливо, ні, але це дійсно спрощує життя. Вам не потрібно читати дві статті з абсолютно протилежними думками, AI вже вирішив вашу проблему.

Я вважаю, що принаймні люди молодше 30 років більше не сприймають пошукові системи як необхідний вхід.

Потім з'являються агенти, які повністю руйнують стару модель. Неперсональний трафік вже перевищує людський. Агент, що виконує дослідницьке завдання, може прочитати тисячі веб-сторінок і в результаті видати лише одну пам'ятку. Це зовсім не те, що робить людина. Тому в економічній системі, керованій агентами, реклама може втратити свою цінність. Я колись писала дві статті, в яких обговорювала, чи повинні програми платити за ресурси, які вони використовують. Ми дійшли висновку, що сама оплата є найпростішим етапом.

Агенту, щоб виконати завдання в мережі та здійснити розрахунки за вартістю, потрібен набір з шести незалежних технологічних рівнів.

Агенту потрібно знайти веб-ресурси, довіряти повернутим результатам, довіряти іншим роботам, підтвердити виконання завдання, здійснити оплату та залишити відповідну винагороду творцям контенту. Далі ми розглянемо це поетапно.

Що є в реальній мережі?

І машини, і люди використовують «пошук», але їхні вимоги до веб-сторінок абсолютно різні.

Людський пошук повертає повний список веб-сторінок, які користувач переглядає за заголовками та самостійно вибирає, куди перейти. Пошук для AI-агентів виглядає інакше. Агенти обмежені контекстним вікном (короткочасною пам'яттю) і не переглядають веб-сторінки повністю. Вони не повертають усі посилання, відсортовані за вагою, а лише витягують кілька найбільш корисних абзаців для завдання, щоб уникнути переповнення пам'яті, і весь процес займає лише мілісекунди.

Основними гравцями на цьому ринку є Parallel та Exa, обидві компанії є незалежними постачальниками послуг для пошуку агентів. Parallel була заснована Parag Agarwal після виходу з Twitter, у квітні залучила 100 мільйонів доларів інвестицій, її оцінка становить 2 мільярди доларів. Parallel виконує пошук за чіткими цілями, повертаючи стиснуті фрагменти контенту, які сортуються за внеском у завдання, і кожному факту додається посилання на джерело та оцінка достовірності.

Що стосується Exa, то a16z виступила провідним інвестором, у травні компанія залучила 250 мільйонів доларів, її оцінка становить 2,2 мільярда доларів. Exa обслуговує понад 5000 компаній і 40 000 розробників, надаючи базові можливості для продуктів, таких як Cursor, Cognition, HubSpot, OpenRouter, Monday.com. Exa акцентує увагу на семантичному розумінні, а не на відповідності ключовим словам, навіть якщо запитуване слово не з'являється в оригінальному тексті, воно може повернути відповідний контент, а також безпосередньо повернути чистий оригінальний текст веб-сторінки.

Згідно з офіційною документацією Parallel, вартість тисячі запитів на двох швидкісних рівнях становить 1 долар, а на двох повільних рівнях — 5 доларів. Незалежно від довжини веб-сторінки, витягнення вмісту URL коштує 1 долар за тисячу. Exa стягує 7 доларів за тисячу запитів, що в 7 разів більше, ніж Parallel; витягнення вмісту веб-сторінки коштує 1 долар за тисячу сторінок, а запитання з посиланнями — 5 доларів за тисячу.

Наскільки ефективний пошук?

Google переважно проводить оцінку якості пошуку всередині компанії: визначає, чи натискає користувач на перший результат, чи залишається на сторінці, чи відразу виходить; також наймає оцінювачів для оцінки результатів. Раніше були тести RTEC, але не існувало публічних рейтингів, доступних для закупівлі. Google Analytics та Similarweb підраховують трафік, а не якість пошуку.

А в Інтернеті агентів вже з'явилися лабораторні базові тестові набори, які спеціально вимірюють, чи можуть інструменти пошуку допомогти AI отримати правильні відповіді.

OpenAI у квітні 2025 року випустила BrowseComp, що містить 1266 зворотних тестових запитів. Тестувальник спочатку визначає перевіряємий об'єктивний факт, а потім формулює запит, приховуючи факт під багатьма обмеженнями. Якщо запит спочатку, як у звичайних знаннях, модель, ймовірно, відповість правильно, покладаючись на власну пам'ять або удачу. Але спочатку визначити факт, а потім упакувати запит — це справжній тест можливостей інструменту для пошуку веб-сторінок.

Оригінальний GPT‑4o отримав лише 0,6%; GPT‑4o з можливістю перегляду веб-сторінок отримав 1,9%; Deep Research від OpenAI отримав 51,5%.

Мета тестування — перевірити, чи може система знайти прихований, перевіряємий факт в реальному Інтернеті та видати його. Усі 1266 запитів мають короткі стандартні відповіді, модель має лише одну можливість відповісти, відповідність дає бали, невідповідність — ні, остаточний бал дорівнює відсотку правильних відповідей. Оригінальний GPT‑4o 0,6% свідчить про те, що модель майже не може отримати факти з власної пам'яті; GPT‑4o з можливістю перегляду отримує 1,9%, що свідчить про те, що підвищення, яке надає базовий інструмент пошуку, є незначним; Deep Research отримує 51,5%, що свідчить про довший цикл пошуку та читання, приблизно половина ймовірності знайти цільовий факт.

Окрім BrowseComp, є й інші тестові набори: SimpleQA (OpenAI, 4326 запитів), набір простих тестів на фактичність; з прискоренням інструментів перегляду, складність SimpleQA легко долається моделлю, тому з'явився BrowseComp. GAIA (Meta / Hugging Face, 466 ручних завдань), орієнтований на реальні сценарії помічників, може вимагати перегляду веб-сторінок, виклику інструментів, читання файлів, багатоступеневих міркувань, а не лише простого пошуку. DeepSearchQA — це дослідницький набір даних для багатократного пошуку, Artificial Analysis буде базувати свою оцінку на цьому наборі даних. FRAMES (Google DeepMind, 824 зразки), набір запитів з кількома стрибками, вимагає витягнення фактів з кількох джерел для подальшої інтеграції.

Приватна організація Artificial Analysis була заснована Джорджем Кемероном та Мікою Хілл-Смітом, 18 серпня 2026 року випустила індекс пошуку. Цей тест фіксує AI-модель та правила оцінювання, лише змінюючи API пошуку, який викликає агент. Якщо бали змінюються, це означає, що різниця походить від самого інструменту пошуку, а не від можливостей моделі.

Джерело: @artificialanalysis

Повністю не використовуючи пошук, одна й та ж модель отримала базовий бал 33, а базовий бал підмножини BrowseComp становить 17. Навіть якщо рейтинги постачальників пошукових послуг змінюються, базові бали залишаються незмінними.

Станом на 27 серпня індекс пошуку Artificial Analysis: середня версія Perplexity отримала 80 балів і зайняла перше місце; високий рівень Parallel та Brave отримали по 75 балів; You.com, Exa отримали 74 бали; Firecrawl, базова версія Parallel, високошвидкісна версія Parallel отримали по 73 бали.

Якщо бали пошукового інструменту вищі за базу, це свідчить про те, що пошук дійсно допоміг моделі отримати нову інформацію. Логіка така: AI, покладаючись лише на пам'ять, отримує базу; після підключення пошуку бали зростають, що свідчить про те, що пошук знайшов інформацію, якої модель раніше не знала; якщо бали не підвищуються, це означає, що пошук не спрацював.

Але в самій оцінці є обмеження: тестові запитання та використовувані моделі не є специфічними для бізнес-сценаріїв. Постачальники можуть спеціально оптимізуватися під відомі тестові набори (наприклад, DeepSearchQA), так само як раніше сайти оптимізувалися під Google SEO.

Хто ці роботи по той бік?

Коли два AI-агенти наймають один одного, лише адреса гаманця та опис недостатні для встановлення довіри. Адреса гаманця лише підтверджує, що рахунок має кошти, текст опису легко підробити, він не може підтвердити особу розробника робота і не може підтвердити, чи є його попередні записи роботи справжніми. Стандарт ERC‑8004 був розроблений для вирішення питань справжності ідентичності та репутації агентів.

ERC‑8004 був спільно написаний співробітниками MetaMask, Фонду Ethereum, Google, Coinbase і був запущений 29 січня 2026 року на основній мережі Ethereum, включаючи три основні реєстри.

Перше, реєстр ідентичності, реалізований у формі NFT. Кожен агент відповідає за один токен з номером, а уніфікований ресурсний ідентифікатор токена вказує на реєстраційний файл, що містить ім'я агента, кінцеву точку сервісу, чи підтримує він оплату x402, які моделі довіри підтримуються. Власник токена є власником агента; при передачі прав власності на токен інформація про старий платіжний гаманець очищається, новий власник повинен повторно підписати для підтвердження контролю.

По-друге, реєстр репутації, що приймає підписані відгуки, тобто публічну систему оцінювання на блокчейні. Після використання агента користувач може залишити оцінку на блокчейні, додавши мітку завдання (наприклад, пошук, оцінка). Власники агентів не можуть писати відгуки про себе, відгуки можуть бути відкликані. Будь-хто може додати примітки під відгуком, записи про повернення коштів, попередження про сміття можуть бути прикріплені до оцінки. Це публічна зона коментарів, прив'язана до ID агента, а не приватна система зірок в межах одного додатку.

По-третє, реєстр верифікації, що підключається до незалежної перевірки третьої сторони. Агент ініціює запит на верифікацію, смарт-контракт перевіряючого повертає оцінку від 0 до 100, а також посилання на докази; джерелом доказів можуть бути результати повторного виконання завдання, нульові знання або підтвердження, видане безпечним чіпом.

Ця специфікація сама по собі не обробляє платіжну логіку, в документі чітко зазначено цей момент. Вона лише фіксує ідентичність агента, зовнішні оцінки, результати перевірки третьої сторони, а платежі виконуються іншими протоколами. Якість даних реєстру не є ідеальною. Згідно зі статистикою 8004scan за липень, на 29 блокчейнах було зареєстровано 385998 агентів, які мають понад 460000 оцінок. Абсолютна більшість ID є лише порожніми значками; 89,2% не мають публічно доступного стандартного сервісного інтерфейсу; лише 8631 агент має доступні послуги, що становить лише 2,24%.

Джерело: @8004_scan

У травні під час дослідження Ethereum, BNB Chain, Base Chain було виявлено: оцінки на блокчейні не можуть бути порівняні між різними агентами. Більшість відгуків не прив'язані до жодних перевірених результатів завдань, вартість накрутки оцінок є дуже низькою. Після фільтрації підозрілих оцінок, велика кількість агентів, які отримали оцінки, вже не має доступних ефективних відгуків. Цей стандарт лише уніфікує формат виводу даних оцінок, які з оцінок є правдивими та надійними, вирішується зовнішніми системами. ENS, EigenLayer, The Graph, Taiko вже заявили про намір інтегрувати цей стандарт, але інструменти фільтрації оцінок ще не розроблені.

Чи дійсно агент виконав роботу?

Архітектура Agentic Commerce, спільно розроблена Фондом Ethereum та Virtuals Protocol, має на меті реалізувати взаємне наймання, співпрацю та розрахунки між автономними AI-агентами без участі людських посередників. ERC-8004 у поєднанні з ERC-8183 (стандарт зберігання) реалізують цю систему. Стандарт ERC-8183 уніфікує процес публікації завдань, зберігання коштів, перевірки результатів та розрахунків.

Процес роботи виглядає наступним чином: клієнтський агент, що ініціює завдання, публікує завдання, вказуючи опис завдання, термін виконання, бюджет, призначаючи оцінювача. Клієнт вносить кошти в смарт-контракт, кошти блокуються, жодна зі сторін не може одноосібно їх використовувати.

Агент, що надає послуги, виконує обчислення поза блокчейном, завантажуючи остаточний результат в IPFS, Arweave або інші децентралізовані сховища, на блокчейні подається лише хеш або локатор ресурсу. Оцінювач (може бути спеціальним суддею-агентом, автоматизованим оракулом, перевіряючим нульові знання) перевіряє результати виконання.

Якщо оцінювач визначає, що завдання виконано, після утримання комісії здійснюється оплата на адресу постачальника послуг; якщо визначено, що завдання не виконано, кошти повертаються клієнту. Якщо постачальник послуг зникає або оцінювач затримується понад термін виконання, контракт активує логіку публічного повернення коштів, кошти повертаються клієнту, щоб уникнути постійної блокування активів.

Оцінювач також може безпосередньо виконувати функцію клієнта, документ вказує цю модель як звичайне рішення в умовах без третьої сторони. Водночас у специфікації зазначено: цей протокол не надає механізмів вирішення суперечок та арбітражу, відмова від результатів / прострочення є остаточним рішенням. Якщо вибраний вами оціночний робот навмисно вас обманює, немає адміністратора або служби підтримки, до яких можна звернутися. Ви залишаєтеся без допомоги; і, стосуючись проблем, згаданих на попередньому рівні, ви також не можете покладатися на оцінки на блокчейні для вибору надійного оцінювача, більшість оцінок є фальшивими.

Системи, такі як UMA, Kleros, Bittensor можуть зменшити ризик зловживання з боку оцінювачів, але це призведе до втрати швидкості та підвищення витрат. Повністю автоматизоване зберігання та розрахунки можуть бути виконані за секунди з дуже низькими комісіями; тоді як оновлення процесу вирішення суперечок через UMA, Kleros вимагає викликів вікна, застави, а також залучення людей для голосування.

Чи завершено переміщення коштів?

Останнім часом в індустрії багато обговорюють цю тему, тут коротко поясню.

x402, запущений Coinbase, є протоколом, що будується на існуючих блокчейнах, що стягує плату за запитом, використовуючи стейблкоїни для переказів.

Джерело: @coinbase

Інша система - це протокол машинних платежів MPP, який був спільно запущений Stripe та Tempo у березні 2026 року, в день запуску основної мережі Tempo. MPP є стандартом HTTP. Сервер повертає 402, що вимагає оплати, з додатковою інформацією про виклик; агент повторно надсилає запит з платіжним підтвердженням; сервер повертає ресурс і платіжний квитанцію.

Фактичний обіг коштів залежить від базового каналу. На Tempo одна транзакція розраховується на блокчейні приблизно за 0,5 секунди. У разі серії малих викликів агент може заздалегідь заблокувати певну суму коштів, під час процесу ведучи облік, а потім здійснити загальний розрахунок на блокчейні, а не ініціювати транзакцію на блокчейні для кожного виклику. Ліміт платежу контролюється заблокованою сумою або ключем доступу на цю сесію, а не «одноразовим авторизацією, постійним стягненням».

MPP підтримує кілька базових каналів: Visa випустила специфікацію карток, агенти можуть використовувати токенізовані картки для платежів; Lightspark реалізує платіжне рішення на основі мережі Lightning, використовуючи ту ж процедуру 402, одночасно пропонуючи програму карток Visa. Торговці, які вже підключили карткові платежі Stripe, можуть безпосередньо приймати карткові платежі MPP, кошти надходять на звичайний рахунок Stripe; мережа Lightning є ще одним варіантом каналу під правилами MPP. Stripe також підтримує x402. x402 та MPP обидва повторно використовують статус-код HTTP 402 «потрібна оплата», але це два різні протоколи.

Чи отримали творці контенту винагороду?

Якщо творці не отримують грошей, новий контент для пошуку більше не з'явиться. Якщо творці не можуть отримати прибуток, вони припинять публікацію робіт, і AI-агенти врешті-решт вичерпають нові матеріали для читання.

Cloudflare, Parallel, OpenLedger - три представницькі проекти в цій сфері.

Cloudflare спочатку стягував фіксовану плату за веб-сторінки, які сканувалися ботами. Ця схема була занадто грубою, плата за сканування головної сторінки та глибоких розслідувань була однаковою. Тепер Cloudflare переходить на модель оплати за цінністю: винагорода виплачується лише тоді, коли контент дійсно приносить цінність. Крім того, для сайтів, які отримують прибуток від реклами, якщо постачальник AI відмовляється платити, Cloudflare блокує AI-ботів.

Parallel 19 травня запустив продукт Index, запозичуючи алгоритм Шаплі з теорії кооперативних ігор, щоб обчислити частку кожного джерела інформації у фінальному результаті завдання агента, на основі чого здійснюється розподіл. Тепер оплата не здійснюється за кліками, а через математичну модель, що оцінює фактичний внесок кожної статті в завдання. Партнери по співпраці включають The Atlantic, Fortune, PR Newswire, PitchBook, ZoomInfo, Tracxn, RocketReach, Enigma, Fiscal AI.

На даний момент Index здійснює розрахунки лише тоді, коли агенти використовують власний пошуковий інструмент Parallel. Якщо інші AI-платформи не підключаться, це не зможе стати загальноприйнятим стандартом.

OpenLedger - це ще один варіант, що використовує токенізовану систему. Він підраховує вплив набору даних на AI-моделі, виплачуючи винагороду учасникам за допомогою власних токенів. Ця схема орієнтована на розробників навчальних даних для AI, а не на компенсацію журналістів за їхні щоденні статті.

Я намагався знайти реальні дані про суми, які ці проекти фактично виплачують творцям. Cloudflare не оприлюднив цифри виплат; Parallel також не розкрив; OpenLedger розраховує в OPEN токенах, не публікуючи незалежну статистику загальної суми виплат. Тому наразі у нас немає переконливих фактів для оцінки фактичної ефективності цієї системи.

В історії розвитку людської комерції касові апарати з'явилися досить пізно. Люди витратили багато років на встановлення усних угод та місцевих репутаційних систем, перш ніж винайшли низькотехнологічні платежі. А розвиток машинного інтернету відбувається зовсім навпаки: з моменту свого народження він реалізує миттєві, безперервні глобальні розрахунки. Тепер економіка агентів змушена метушитися, щоб створити суди для малих суперечок на блокчейні, щоб запобігти шахрайству між двома роботами через кілька доларів за завдання.

На завершення наводжу цитату Террі Пратчетта:

«Просто говорити про чисту логіку, що машини лише виконують отримані команди, звичайно, легко. Але люди мають право очікувати, що машини також повинні мати хоч трохи здорового глузду.»