AI-агенты уже превзошли человека и занимают 51% всей онлайн-активности, однако доверие к полностью автономным агентам снизилось с 43% до 22%. Чтобы экономика агентов действительно заработала, необходимы три базовых слоя инфраструктуры: обнаружение, аутентификация и система репутации. Эта статья основана на статье Vaidik Mandloi «Know your Agent», отредактирована и переведена Движрегионом.
(Предыстория: Россия планирует внедрить «Закон о стабильных монетах», запуск которого ожидается уже в июле, с надеждой на потенциал стабильных монет в трансграничных платежах)
(Дополнительный фон: ФБР арестовало John Daghita! После кражи у правительства 46 миллионов долларов в криптоактивах он ярко демонстрировал богатство, что выдало его)
Обещание, что AI-агенты изменят структуру интернета, постепенно реализуется. Они вышли за рамки экспериментальных инструментов в чатах и стали неотъемлемой частью нашего повседневного функционирования — от очистки почтового ящика и организации встреч до ответов на заявки поддержки. Они тихо повышают производительность, и эти изменения зачастую остаются незамеченными.
Однако этот рост — не просто слухи.
К 2025 году автоматический трафик превзойдет человеческий и составит 51% всей интернет-активности. В США AI-генерируемый трафик на розничных сайтах вырос на 4700% по сравнению с прошлым годом. Сейчас AI-агенты работают через системы, многие из них имеют доступ к данным, инициируют рабочие процессы и даже совершают транзакции.
Тем не менее, доверие к полностью автономным агентам за год снизилось с 43% до 22%, что в значительной мере связано с ростом числа инцидентов безопасности. Почти половина компаний по-прежнему использует совместные API-ключи для аутентификации агентов, хотя этот метод никогда не предназначался для передачи ценности или самостоятельных действий систем.
Проблема в том, что скорость расширения агентов опережает инфраструктуру их управления.
В ответ появляются новые протоколы. Стейблкоины, интеграция с платежными сетями и такие стандарты, как x402, позволяют инициировать транзакции машиной. Также разрабатываются новые уровни идентификации и аутентификации, чтобы помочь агентам распознавать себя и действовать в структурированных средах.
Но осуществление платежей — это не всё. Как только агенты смогут передавать ценность, встанут более фундаментальные вопросы: как они находят подходящие сервисы в машиночитаемом формате? Как подтверждают свою личность и авторизацию? Как убедиться, что выполненные ими операции действительно произошли?
В этой статье рассматриваются инфраструктурные требования для масштабного выполнения агентно-управляемой экономики и оценивается зрелость этих уровней для поддержки долгосрочных, автономных участников, действующих с машинной скоростью.
Агенты не могут покупать то, что они не видят
Перед тем как агент заплатит за услугу, он должен её найти. Звучит просто, но именно это — самое сложное место на сегодня.
Интернет создан для чтения человеком. Когда человек ищет контент, поисковая система возвращает список ссылок. Эти страницы оптимизированы для убеждения. Они наполнены макетами, трекерами, рекламой, навигационными панелями и стилями — всё это имеет смысл для человека, но для машины — в основном «шум».
Когда агент запрашивает ту же страницу, он получает исходный HTML. Типичная статья блога или страница товара в таком виде может содержать около 16 000 токенов. При преобразовании в чистый Markdown файл количество токенов сокращается примерно до 3 000. Это означает, что объем обрабатываемого моделью контента уменьшается на 80%. Для одного запроса такая разница может быть незначительной. Но когда агент делает тысячи таких запросов к разным сервисам, избыточная обработка приводит к задержкам, росту стоимости и усложнению рассуждений.
@Cloudflare
В конечном итоге агент тратит много вычислительных ресурсов на удаление интерфейсных элементов, чтобы добраться до ключевой информации, необходимой для действия. Эти усилия не повышают качество результата — они компенсируют то, что сеть изначально не предназначена для таких целей.
По мере роста трафика, управляемого агентами, эта неэффективность становится всё более очевидной. В прошлом году AI-краулеры на сайтах розничной торговли и программного обеспечения значительно увеличились и сейчас составляют большую часть общего интернет-активности.
Одновременно около 79% ведущих новостных и контентных сайтов блокируют хотя бы одного AI-краулера. С их точки зрения, это понятно: агенты извлекают контент, не взаимодействуя с рекламой, подписками или традиционными конверсионными воронками. Блокировка — способ защитить доходы.
Проблема в том, что в интернете нет надежных способов отличить вредоносных ботов от легальных агентов. Оба вида автоматического трафика исходят из облачных инфраструктур и выглядят одинаково.
Глубже: агенты не пытаются «потреблять» страницу, они ищут возможности для действия.
Когда человек ищет «авиабилеты до 500 долларов», ему достаточно списка ссылок. Он сравнивает варианты и принимает решение. Агенту нужны совсем другие данные: какие сервисы принимают бронирования, в каком формате нужно подавать запрос, как рассчитывается цена, можно ли автоматизировать оплату. Очень немногие сервисы открыто публикуют такую информацию.
@TowardsAI
Именно поэтому поиск переходит от SEO к агент-ориентируемой обнаруживаемости (Agent-Oriented Discoverability), часто называемой AEO. Если конечный пользователь — агент, то рейтинг в поиске становится менее важен. Главное — чтобы сервис мог описать свои возможности так, чтобы агент мог их понять без догадок. Иначе он рискует стать «невидимым» в растущей экономике.
Агенты нуждаются в идентичности
@Hackernoon
Когда агент научится находить сервисы и инициировать транзакции, следующий важный вопрос — как системе на другой стороне сообщить, с кем она взаимодействует. То есть: идентичность.
Современные финансовые системы используют гораздо больше машинных идентификаторов, чем человеческих. В финансовой сфере соотношение non-human к human — примерно 96:1. API, сервисные аккаунты, автоматические скрипты и внутренние агенты доминируют в инфраструктуре организаций. Большинство из них изначально не предназначены для владения капиталом. Они выполняют предопределенные команды, не могут вести переговоры, выбирать поставщиков или инициировать платежи в открытой сети.
Автономные агенты меняют эти границы. Если агент может напрямую передавать стейблкоины или инициировать платежи без ручного подтверждения, главный вопрос меняется с «может ли он заплатить?» на «кто ему это разрешил?»
Здесь и появляется концепция «знай своего агента» (Know Your Agent).
Как и в финансовых организациях перед разрешением клиентам совершать операции, сервисы, взаимодействующие с автономными агентами, должны проверять три вещи перед предоставлением доступа к капиталу или выполнением чувствительных операций:
- Криптографическая подлинность: действительно ли агент контролирует свои ключи?
- Доверенность: кто дал агенту разрешение, и какие ограничения у этого разрешения?
- Связь с реальным миром: связан ли агент с юридическим лицом или ответственным субъектом?
Эти проверки формируют «стек идентичности»:
- Нижний уровень — криптографические ключи и подписи. Стандарты вроде ERC-8004 пытаются формализовать, как агент регистрируется в проверяемом реестре на блокчейне.
- Средний уровень — поставщики идентичности. Они связывают ключи с реальными субъектами — зарегистрированными компаниями, финансовыми институтами или проверенными физическими лицами. Без этой связи подписи лишь подтверждают контроль, а не ответственность.
- Верхний уровень — инфраструктура верификации. Платежные системы, CDN или серверы приложений проверяют подписи, проверяют сертификаты и применяют границы разрешений. Например, протокол доверенного агента (Trusted Agent Protocol) позволяет продавцам проверять, уполномочен ли агент совершать транзакции от имени конкретного пользователя. Аналогично, Stripe разрабатывает ACP — протокол для программируемых платежей и потоков стабильных монет.
В то же время, универсальные коммерческие протоколы, такие как UCP, позволяют продавцам публиковать «списки возможностей», которые агенты могут обнаруживать и с которыми могут вести переговоры. Они выступают в роли оркестровочного слоя, интегрируемого в Google Search и Gemini.
@FintechBrainfood
Важно понимать, что системы без разрешений и с разрешениями будут сосуществовать.
На публичных блокчейнах агенты могут совершать транзакции без централизованных ограничений. Это повышает скорость и сочетаемость, но усиливает регуляторное давление. Например, приобретение Stripe платформы Bridge показывает эти противоречия. Стейблкоины позволяют мгновенные трансграничные переводы, но регуляции не исчезают, даже если расчеты происходят на цепочке.
Эта напряженность неизбежно втягивает регуляторов. Когда автономные агенты смогут инициировать финансовые операции без прямого контроля человека и взаимодействовать с рынком, вопрос ответственности станет критичным. Финансовая система не может допустить, чтобы капитал перемещался через неидентифицированных или неавторизованных участников, даже если это — программный код.
Регуляторные рамки уже внедряются. Закон о AI в Колорадо, вступающий в силу 1 февраля 2026 года, вводит требования по ответственности для высокорискованных автоматизированных систем, и аналогичные законы разрабатываются по всему миру. По мере того, как агенты начнут масштабно принимать финансовые решения, идентичность перестанет быть опцией. Если обнаружение делает агента видимым, то идентичность — это его сертификат признания.
Подтверждение выполнения задач и репутация агента
Когда агент начинает выполнять задачи, связанные с деньгами, контрактами или конфиденциальной информацией, наличие только идентичности уже недостаточно. Проверенный агент все равно может вводить в заблуждение, искажать свою работу, раскрывать информацию или работать неэффективно.
Самый важный вопрос — как доказать, что агент действительно выполнил заявленную работу?
Если агент заявляет, что проанализировал 1000 файлов, обнаружил мошеннические схемы или совершил транзакцию, должна существовать возможность подтвердить, что эти вычисления действительно произошли и что результат не был подделан или поврежден. Для этого необходим слой эффективности.
На сегодняшний день есть три подхода:
- Технологии доверенных вычислительных сред (TEEs): основаны на аппаратных средствах, таких как AWS Nitro или Intel SGX. В этом режиме агент работает внутри защищенной среды (Enclave), которая выпускает криптографический сертификат, подтверждающий, что конкретный код выполнялся на определенных данных и не был изменен. Затраты обычно невелики (5-10% дополнительной задержки), и для задач, где важна честность, а не скорость, это приемлемо.
- ZKML (Zero-Knowledge Machine Learning): математический подход. Позволяет агенту генерировать криптографические доказательства, что вывод был получен с помощью конкретной модели, не раскрывая веса модели или приватные входные данные. Например, DeepProve-1 от Lagrange Labs недавно продемонстрировал полное доказательство нулевого знания для GPT-2, в 54-158 раз быстрее предыдущих методов.
- Экономическая проверка (Restake Security): основана на финансовых стимулах. Протоколы вроде EigenLayer используют залоговые механизмы, где валидаторы, подтверждающие вывод агента, ставят капитал. Если вывод оспаривается и доказывается ложным, залог конфискуется (Slashing). Такой подход не доказывает каждое вычисление, а делает нечесное поведение экономически невыгодным.
Эти механизмы решают одну и ту же проблему с разных сторон. Однако доказательства выполнения — это разовые проверки. Для рынка нужны накопительные показатели. Именно поэтому репутация становится критически важной.
Репутация превращает разовые доказательства в долгосрочную историю эффективности. Новые системы стремятся сделать показатели агента переносимыми и криптографически закрепленными, а не зависеть от платформенных оценок или закрытых дашбордов.
Ethereum Attestation Service (EAS) позволяет пользователям или сервисам публиковать подписанные и записанные в блокчейн доказательства поведения агента. Успешное выполнение задачи, точное предсказание или соответствие регуляциям — всё это можно зафиксировать в неизменяемой форме и переносить между приложениями.
@EAS
Конкурентные тестовые среды также формируются. Агентские арены (Agent Arenas) оценивают агентов по стандартным задачам и используют рейтинговые системы типа Elo. Recall Network сообщает, что более 110 тысяч участников сделали 5,88 миллиона предсказаний, создав измеряемые показатели эффективности. По мере расширения таких систем они начинают напоминать реальные рынки оценки AI-агентов.
Это позволяет переносить репутацию между платформами.
В традиционных финансах агентства вроде Moody’s дают кредитные рейтинги облигациям, сигнализируя о надежности. Экономика агентов потребует аналогичного уровня оценки нечеловеческих участников. Рынок должен уметь оценивать, насколько агент надежен для доверия капитала, насколько его выводы статистически последовательны и стабильны в долгосрочной перспективе.
Заключение
По мере того как агенты начнут приобретать реальную власть, рынку потребуется четкий способ оценки их надежности. Агентам потребуется носить доказательства выполнения и оценки эффективности, основанные на верификации, а их рейтинги — корректироваться по мере ухудшения качества. Разрешения должны быть прослеживаемыми к конкретным авторизациям. Страховые компании, торговцы и регуляторы будут полагаться на эти данные для определения, каким агентам доверять доступ к капиталу, данным или регулируемым рабочим процессам.
В целом, эти уровни начинают формировать инфраструктуру агентной экономики:
- Обнаруживаемость (Discoverability): агент должен уметь машиночитаемо находить сервисы, иначе он не сможет искать возможности.
- Идентичность (Identity): агент должен подтверждать свою личность и авторизацию, иначе он не сможет входить в систему.
- Репутация (Reputation): агент должен иметь проверяемую историю, подтверждающую его надежность, чтобы заслужить долгосрочное доверие и экономическую поддержку.
