Gdziekolwiek spojrzysz, media finansowe i panele konferencyjne głoszą to samo: autonomiczne agenty AI mają przejąć finanse i wydawać poważne środki w naszym imieniu.
Nowy raport BeInCrypto Intelligence, opublikowany we współpracy z AWS, Cloudflare, Chainalysis i Zoomex, pokazuje wyraźną różnicę między obietnicą autonomicznych finansów a tym, co maszyny rzeczywiście robią z pieniędzmi.
The State of AI Agent Payments 2026 analizuje rzeczywiste płatności i narzędzia AI dla finansów. Jego wnioski podważają aktualny hype:
- 90,8% przeanalizowanych płatności x402 miało wartość poniżej jednego centa. Podczas 35-dniowego badania 6,4 mln transakcji, ręce zmieniło jedynie 119 947 USD. Większość dotyczyła dostępu do API, zasobów obliczeniowych oraz automatycznych zapytań o dane.
- Gotowość instytucji wypada dużo gorzej niż mikrotransakcje. W 100-punktowej ocenie raportu mikrotransakcje zdobyły 60,7. Instytucjonalne procesy finansowe uzyskały zaledwie 12,0.
- Ludzie wciąż podejmują większość decyzji finansowych. Czternaście z 19 analizowanych narzędzi AI działało w ustalonych limitach wydatków lub handlu. Interfejsy z oznaczeniem AI stanowiły mniej niż 0,55% wolumenu handlu na Hyperliquid, a procesy przygotowania zleceń na Zoomex wymagały potwierdzenia przez człowieka.
Sześć z 12 instytucjonalnych procesów mogło inicjować lub rozliczać płatności w wyznaczonych limitach. Czy firmy powierzą agentom znaczne sumy, pozostaje niepewne.
BeInCrypto zapytało trzech liderów branży, co oddziela mikrotransakcje od prawdziwego kapitału.
Większe płatności wymagają bezpieczniejszej opieki nad środkami
Marcel Robert Harmann, założyciel i CEO THORWallet, przewiduje wzrost agentycznego handlu w nadchodzących 12 miesiącach. Platformy takie jak Hyperliquid już oferują API do automatyzacji zleceń. Największym wyzwaniem pozostaje kontrola środków.
Mikrotransakcje, gdzie agenci płacą za dane lub moc obliczeniową, nadal będą dominować w liczbie transakcji. Wolumen prawdopodobnie wzrośnie, gdy coraz więcej rzeczywistego handlu będzie przechodzić przez agentów.
Harmann uważa progi podpisów za sposób na ograniczenie ryzyka przekazania agentowi AI pełnego dostępu do portfela. Zamiast pojedynczego klucza, płatność może wymagać autoryzacji od kilku uczestników, w tym sygnatariusza sprawdzającego zgodność z zasadami.
Dzięki progom podpisów agent może mieć jeden udział klucza, a niezależny sygnatariusz polityki drugi. Możemy dostosować nasze procesy do nowej sytuacji.
To pozwoli agentom inicjować większe przelewy, nie dając im jednak pełnej swobody przenoszenia środków.
Harmann spodziewa się także, że regulatorzy wdrożą automatyzowany nadzór, gdy liczba transakcji wzrośnie. Człowiek nie jest w stanie sprawdzić każdej transakcji maszynowej z osobna. Systemy nadzoru muszą rozpoznawać podejrzane działania tak samo szybko, przy zachowaniu ostatecznej decyzyjności ludzi.
Być może system finansowy trzeba stworzyć od nowa
Założyciel ZeruAI i CEO Ashutosh Sahoo uważa, że problemy sięgają głębiej niż sama opieka nad środkami.
Nie spodziewam się poważnej zmiany poza mikrotransakcjami, dopóki nie zaczniemy budować finansów natywnych dla AI. Obecna infrastruktura bankowa, modele zgodności i odpowiedzialności powstały z myślą o ludziach i instytucjach, a nie autonomicznych aktorach gospodarczych.
Obecnie agenci zwykle działają w stałych limitach wydatków, mandatach handlowych i z mechanizmami awaryjnego zatrzymania. Sahoo widzi w tych systemach bardziej nadzorowaną automatyzację niż finansową niezależność.
Prawdziwy punkt zwrotny pojawi się, gdy przestaniemy wciskać agentów w ludzką infrastrukturę finansową, a zaczniemy projektować systemy finansowe wokół ich możliwości.
Jego pomysł zmieniłby sposób działania zgodności. Zamiast kontroli płatności po fakcie, systemy mogłyby egzekwować uprawnienia wydatkowania i zasady ryzyka bezpośrednio w protokołach.
Jeśli kod jest prawem, duża część nadzoru finansowego może stać się egzekwowalna na poziomie protokołu, a nie tylko przez nadzór post factum.
To rodzi trudne pytania o to, kto pisze te zasady i kto może je zmieniać. Sahoo obawia się także, że systemy finansowe projektowane przez maszyny mogą wkrótce stać się zbyt złożone, by ludzie mogli je zrozumieć, nawet jeśli działania maszyn będą logiczne.
Agent może przestrzegać wszystkich zasad i stracić pieniądze
Założycielka i CEO HumanWrite Technologies Tamara Frater spodziewa się nierównomiernego rozwoju. Kupowanie mocy obliczeniowej jest proste; decyzje inwestycyjne wiążą się z dużo większym ryzykiem.
Najbliższe 12 miesięcy przyniesie więcej eksperymentów, ale moim zdaniem nie przejdziemy od płatności poniżej jednego dolara prosto do szerokiej autonomii w decyzjach finansowych.
Frater szczególnie martwią błędy wewnątrz dopuszczalnych uprawnień agenta. System może przestrzegać limitu wydatków, ale działać według błędnych instrukcji lub wysyłać pieniądze do nieodpowiedniego odbiorcy.
„Największym problemem jest sytuacja, gdy agent podejmuje złą decyzję, mimo że działa w ramach swoich uprawnień. Limity wydatków zmniejszają ryzyko, ale nie gwarantują, że odbiorca, instrukcja ani przekazywane informacje są prawidłowe.”
Raport opisuje dwa przypadki, w których łącznie 281 200 USD trafiło do portfeli atakujących, zanim nastąpiła odzyskana. Te sytuacje pokazują, dlaczego ograniczenie kwoty, jaką maszyna może wydać, nie rozstrzyga, komu powinna zaufać.
Frater spodziewa się, że instytucje finansowe i regulatorzy wykorzystają AI do wykrywania podejrzanych działań, gdy liczba automatycznych transakcji wzrośnie. Ale chce, by decyzje zawsze można było przypisać odpowiedzialnym osobom.
„Wyzwaniem będzie przyspieszenie nadzoru bez utrudniania wskazania odpowiedzialności.”
Następnym sprawdzianem są prawdziwe pieniądze
Trzech dyrektorów różnie patrzy na to, jak płatności AI mogą się rozwinąć. Harmann podkreśla bezpieczeństwo portfeli. Sahoo chce tworzyć systemy finansowe pod autonomiczne agentowe. Frater akcentuje ryzyko uprawnionych, ale błędnych transakcji.
Wspólnym elementem ich poglądów jest luka między obsługą płatności a podejmowaniem decyzji finansowych, którym warto ufać.
Dla inwestorów liczba transakcji to słaby wskaźnik adopcji. Lepszym sprawdzianem są trwałe wartości komercyjnych płatności i to, czy firmy zaufają agentom bez większego udziału ludzi.
Obecnie pierwsza fala agentowych płatności udowadnia, że maszyny mogą płacić grosze on-chain. Następny etap pokaże, czy firmy pozwolą im zarządzać poważnymi pieniędzmi.
