OKX Ventures는 최근 "자율 에이전트가 DeFi를 재편한다"라는 주제로 온라인 공유 세션(Twitter Space)을 개최했는데, 이 세션에서는 Web3에서 가장 흥미로운 교차점 중 하나인 DeFi 자율 에이전트의 등장을 심도 있게 다루었습니다.

이 토론은 AI 챗봇에 대한 초기 개념적 열풍을 넘어 핵심 질문, 즉 자율 에이전트가 어떻게 진정한 가치를 창출하고, 리스크 관리하며, 탈중앙화 금융에서 사용자 경험을 근본적으로 바꿀 수 있을까라는 질문에 대한 답을 찾는 데까지 이어졌습니다. 개발자들에게서 현장의 통찰력을 얻기 위해, Agentic Finance의 미래를 만들어가는 네 명의 업계 선구자들을 초대했습니다.

• Cambrian Network의 CEO 겸 창립자 Sam

• Almanak의 CEO 겸 창립자 Neo

• 기자의 CEO 겸 창립자 렌스

• 마키나 제품 책임자 콜린

AMA 요약:

1. AI는 DeFi의 점진적인 개선이 아니라 패러다임의 전환입니다. AI의 목표는 DeFi를 현재의 복잡하고 제품 중심적인 모델에서 간단하고 사용자 중심적이며 개인화된 서비스로 전환하는 것입니다. 궁극적으로 사용자는 심층적인 기술 지식 없이도 자율적으로 재정 목표를 달성할 수 있습니다.

2. AI의 명확한 업무 분담: "온체인 핸드"가 아닌 "온체인 브레인". 현재 DeFi에서 AI의 역할은 명확하게 정의되어 있습니다. AI는 주로 "오프체인 브레인" 역할을 하며 복잡한 추론, 데이터 분석, 사용자 의도 분석, 그리고 결정론적이고 검증 가능한 전략 코드 생성을 수행합니다. AI 자체는 온체인 펀드에 직접 관여하거나 관리하지 않으며, 궁극적인 실행은 기존 금융과 유사한 감사 로직을 기반으로 합니다.

3. 안전 최우선: "인간 감독 + 기술적 가드레일"을 통한 리스크 관리. 통제되지 않는 AI에 대한 사용자 우려를 해소하기 위해 안전과 리스크 관리를 최우선으로 해야 합니다. 핵심 접근 방식은 AI 운영이 인간 리스크 관리자가 사전에 설정한 코드로 강화된 "가드레일" 내에서 이루어져야 하며, 생성된 정책 코드는 인간이 완전히 감사 하고 검증할 수 있어야 한다는 것입니다. 이를 통해 AI의 결정은 제어 가능하고 추적 가능해야 합니다.

4. 두 가지 유형의 고객에게 서비스를 제공합니다. 기관 투자자의 효율성 향상과 개인 개인 투자자 의 진입 장벽 완화입니다. 이 제품은 기관 투자자와 개인 투자자 모두를 대상으로 하지만, 그 방식은 다릅니다. 헤지펀드나 DAO와 같은 기관 투자자는 AI를 활용하여 전략 개발 및 운영 비용과 시간을 크게 절감합니다. 개인 투자자의 목표는 "철저한 추상화"입니다. 즉, DeFi의 모든 복잡성이 숨겨져 있습니다. 사용자는 간단한 재무 목표(예: "안정적인 수입을 얻고 싶습니다")만 제시하면 나머지는 에이전트가 처리합니다.

5. 생태계 시너지: 애플리케이션과 인프라 계층은 함께 발전합니다. Agentic DeFi를 구현하려면 완전한 생태계가 필요합니다. 여기에는 Giza 및 Almanak과 같은 사용자 중심 정책 애플리케이션 계층뿐만 아니라, 안전한 크로스체인 실행 환경을 제공하는 Makina와 같은 "레일/결제" 계층, 그리고 에이전트에게 안정적이고 검증 가능한 데이터 "연료"를 제공하는 Cambrian Network와 같은 인프라 계층이 포함됩니다.

6. 궁극적인 목표: 전문적인 금융 전략의 대중화. AI 에이전트를 통해 기존 금융 시장에서 복잡한 정량적 전략에 대한 접근성을 제한하는 장벽을 허물고자 합니다. 기존에는 수백만 달러의 투자와 수개월의 개발 기간이 필요했던 헤지펀드 수준의 전략을 누구나 훨씬 적은 비용과 속도로 이용할 수 있게 되어 진정한 금융 포용성을 실현할 것입니다.

AMA 원본 질문 및 토론:

1. 제품 소개 및 주요 초점

• 샘(캠브리아 네트워크):

저는 미국 국립연구소에서 암호학 분야 경력을 시작했는데, 주로 암호 하드웨어 역설계를 담당했습니다. 그 후 캘리포니아 대학교 산타바바라 캠퍼스에서 강화 학습 박사 학위를 받았습니다. 그 후 첫 회사인 Semiotic Labs를 설립했습니다. 저희는 The Graph Protocol의 핵심 개발팀으로 AI, 검증 가능성, 그리고 The Graph의 결제 시스템에 집중했습니다.

그 기간 동안 저희는 에이전트 관련 업무를 많이 대량. 예를 들어, 2022년에는 The Graph 내에서 동적 가격 책정을 위한 최초의 강화 학습 에이전트를 출시했습니다. 2023년에는 사용자가 자연어로 생성된 SQL을 사용하여 실시간 및 과거 데이터를 쿼리할 수 있는 최초의 공개 블록체인 데이터 터미널을 출시했습니다. 이러한 경험과 AI가 즉각적이고 중대한 영향을 미치고 암호화폐가 세계 경제에서 점점 더 중요해질 것이라는 확신을 바탕으로, 2024년까지 Semiotic에서 Cambrian을 인큐베이팅 결정했습니다. Cambrian은 온체인 및 오프체인 금융 인텔리전스 제공에 중점을 두고 있으며, 에이전트에게 이러한 인텔리전스를 제공하는 것이 저희의 교두보 시장입니다.

• 네오(알마낙):

저는 이 분야에서 9년째 일하고 있습니다. Almanak을 설립하기 전에는 DeFi, 트레이딩, 암호화폐 자산 관리를 위한 데이터 과학 및 컨설팅 서비스를 제공하는 에이전시를 운영했기 때문에 이 분야가 어떻게 돌아가는지 잘 알고 있습니다.

Almanak에 대해 말씀드리자면, 저희는 4년 동안 시장에 진출해 왔습니다. 저희는 스스로를 바이브 코딩 회사라고 부르고, DeFi의 커서라고 생각해 주셔도 좋습니다. 기본적으로 저희는 AI 에이전트를 사용하여 복잡한 거래 및 자산 관리 전략을 발견하고 구축합니다. 이러한 전략은 완전히 검증 가능하고 결정론적인 코드입니다. 모든 헤지펀드가 거래에 사용하는 전략과 동일하다고 생각하시면 됩니다.

• 렌치(기자):

저는 제품 및 마케팅 분야에서 경력을 쌓았습니다. Giza를 설립하기 전에는 Johnson & Johnson에서 5년간 제품 책임자로 근무했습니다. 그 기간 동안 다양한 금융 활용 사례에 걸쳐 스마트 계약 시스템을 구축했습니다. 머신러닝(ML) 과 데이터 과학 분야 경험을 가진 팀원들과 함께하게 되어 다행입니다. 그래서 저희는 머신러닝(ML) 과 AI, 특히 금융 분야 경험이 있는 분들을 중심으로 더욱 집중하고 있습니다.

저희는 2022년부터 기자(Giza)를 구축해 왔습니다. 기자는 자동화된 금융을 위한 에이전트 애플리케이션을 구축합니다. 자동화된 금융 시스템은 운영 오버헤드 없이 사용자와 기관을 대신하여 복잡한 금융 전략을 실행할 수 있는 자율 시스템입니다. 저는 이것이 저희 버전의 "은행 없는 사람들을 위한 은행 서비스"라고 말하고 싶습니다. 저희는 금융 배제가 단순히 끊임없이 오르는 법정 화폐를 안전하게 보관할 수 있는 곳을 갖는 것만이 아니라, 기회에서 소외되는 것이라고 생각합니다. 변화하는 시장에 적응하고, 이러한 엄청난 기회를 활용하고, 필요한 경우 리스크 완화할 수 있습니까? 이것이 바로 저희가 답을 찾고자 하는 질문입니다. 기자에서 저희의 목표는 이러한 모든 역량을 민주화하는 것입니다.

• 콜린(마키나):

저는 Makina에서 제품 담당을 맡고 있습니다. 약 4개월 전에 팀에 합류했습니다. 암호화폐 업계에 10년 넘게 몸담아 왔습니다. 원래는 전통적인 금융 분야에서 경력을 쌓았지만, 2016년경 DeFi 분야에 뛰어들어 그 이후로 꾸준히 제품을 개발해 왔습니다.

마키나(Makina)는 "DeFi 실행"이라고 부르는 시스템의 제도화에 집중하고 있습니다. 전략 및 금고 외에도, 모든 DeFi 프로토콜이나 EVM과의 안전하고 안정적인 상호작용 방식을 구축하는 데 큰 관심을 두고 있습니다. 이는 전통적인 인간 운영 방식, 수동적이거나 자동화된 전략, 또는 AI 기반 에이전트 방식을 통해 구축된 전략 등 어떤 전략을 실행하려는 모든 사람에게 매우 중요합니다.

저희는 이 문제를 여러 각도에서 살펴봅니다. 첫째, "운영자"라고 부르는 역할에 집중합니다. 이는 다른 프로토콜에서 볼 수 있는 "큐레이터"와 유사합니다. 큐레이터는 자신이 할 수 있는 일과 할 수 없는 일을 통제하면서 거래가 안전하게 진행될 수 있도록 합니다. 더 나아가, 저희는 AI를 대량 활용하여 사용자 경험을 개선합니다. 더 나은 추천을 제공하고, 사용자의 행동을 더 잘 이해하며, 새로운 프로토콜을 통합하는 다양한 방법을 연구하여 사람, 에이전트 또는 기타 유형의 알고리즘이 금고를 운영하든 안전하게 신속하게 시작하고 최대의 가치를 창출할 수 있도록 합니다.

2. 현재 프로젝트를 시작하게 된 계기는 무엇인가요? AI가 제품에 가치를 더할 것이라고 생각하는 이유는 무엇이며, 주요 가치 제안은 무엇인가요?

• 샘(캠브리아 네트워크):

저는 2019년 12월에 박사학위를 마쳤습니다. 강화 학습은 현재 매우 인기가 많지만, 2019년에는 강화 학습이 베어장 (Bear Market) 에 있었습니다. 이것이 회사를 처음 설립했을 때 완전 동형 암호화에 집중한 이유 중 하나입니다.

하지만 2022년 GPT가 출시되었을 때, 저도 처음에는 다른 사람들처럼 충격을 받았습니다. 하지만 사실 저는 우리가 거품의 시작점에 서 있다고 생각했습니다. 그리고 많은 사람들이 지금도 우리가 거품 속에 있다고 생각한다는 것을 알고 있습니다. 하지만 GPT 출시 1년 후인 2023년에는 지속적인 진전을 목격했고, 새로운 혁명의 시작점에 서 있다는 확고한 확신을 갖게 되었습니다. 지금까지도 그 확신을 굳건히 지키고 있습니다. 이전 혁명은 인터넷 혁명이었고, 그 전에는 실리콘 밸리 혁명이 있었고, 그 전에는 산업 혁명이 있었습니다.

자, 우리는 사라지지 않을 새로운 혁명의 초기 단계에 있습니다. 여기 계신 모든 분들께 대비를 당부드립니다. AI 역량은 가까운 미래에 매년 두 배로 증가할 것입니다. 이는 우리 삶의 모든 측면, 모든 것에 영향을 미칠 것입니다. 이미 시작되었습니다.

이러한 신념 외에도 저는 DeFi에도 참여하고 있습니다. 2021년에 이전 회사에서 Odos.xyz를 설립했고, 이를 분할 했습니다. Odos.xyz는 탈중앙화 거래소 애그리게이터입니다. 그래서 저는 금융 애플리케이션과 암호화폐가 가져올 수 있는 재정적 자유와 이해력에 깊은 확신을 가지고 있습니다.

서론에서 언급된 파일럿 프로젝트와 실험 과정에서 제가 발견한 가장 큰 어려움 중 하나는 온체인 발생하는 데이터와 정보, 그리고 온체인 및 오프체인 금융 의사 결정에 필수적인 기타 관련 정보에 접근하는 것이 얼마나 어려운지였습니다. 이는 금융 의사 결정에 매우 중요합니다. 바로 이러한 이유로 저희는 Cambrian에 집중했습니다. 저희는 에이전트 기반 또는 자율 금융 분야에서 활동하는 모든 프로젝트는 에이전트에게 신뢰할 수 있고, 빠르며, 포괄적이고, 검증 가능한 정보를 제공해야 한다고 생각합니다. 이는 이러한 프로젝트의 성공에 매우 중요하기 때문에 저희는 금융 인텔리전스에 집중하기로 결정했습니다.

• 네오(알마낙):

저희는 스스로를 "DeFi를 위한 AI"라고 부르고 싶습니다. Almanak은 AI를 활용하여 거래 및 자산 관리 전략을 최적화하는 기업에서 영감을 얻었습니다. 저희는 대형 자산 운용사 및 자산 배분 기관과 협력하여 대규모 자본을 확보해 왔습니다. Almanak은 설립된 지 4년이 되었습니다.

3년 전, ChatGPT 열풍이 시작되었을 때, 저희는 그것이 엄청난 인기를 끌 것이라는 것을 알고 있었습니다. 그래서 저희는 대규모 고객들에게 "AI에 돈을 맡기도록 설득할 수 있는 것이 무엇입니까?"라고 물었습니다. 특히 대규모 자금을 투자하는 고객들이었는데, 그들은 100달러 이상의 투자는 절대 하지 않을 것이라고 답했습니다. AI 조작, 간접적인 자금 주입, 그리고 온갖 "알려지지 않은 미지의 것들"을 몹시 두려워했기 때문입니다. 간단히 말해, 만약 자금이 손실되면 누군가 기소하다 를 바랐던 것입니다.

그래서 수십억 달러를 운용하는 기관들과 이야기를 나눌 때, 우리는 스스로에게 이렇게 묻습니다. "좋아요, AI가 가장 잘하는 것은 무엇일까요?" 오늘날의 AI는 코딩에 가장 뛰어납니다. 일반 사람보다 수백 배 빠르게 코딩할 수 있습니다. 또한 AI는 추론 능력도 매우 뛰어나서 인간보다 수조 배 빠르게 정보를 처리할 수 있습니다.

저희는 이 두 가지 특성을 Almanak에 적용했습니다. "에이전트 스웜(Agentic Swarm)", 즉 에이전트 팀을 구축했는데, 이 팀의 목적은 고성능 전략을 수립하고, 시장 기회를 파악하고, 시장 동태 파악하고, 기존 전략을 최적화하고, 이 모든 정보를 사용자에게 제공하는 것입니다.

저희 생태계에서 AI는 사용자와 협력합니다. 전략, 최적화, 그리고 궁극적으로 코드에 대한 아이디어를 제공합니다. 하지만 문제가 발생하면 헤지펀드는 당신을 찾게 됩니다. 저희가 개발한 방법은 복잡한 금융 전략 개발 상장 을 몇 달에서 몇 분으로 단축하는 것입니다. 더 나아가, 이러한 전략 개발 비용을 수백만 달러에서 몇 달러, 심지어 복잡성에 따라 10달러 미만으로 줄였습니다.

전략이 수립되면 다른 헤지펀드 전략과 완전히 동일합니다. 결정론적이고 검증 가능하며, 백테스트, 시뮬레이션, 배포가 가능하므로 어떤 결과가 나올지 미리 알 수 있습니다. AI는 펀드에는 전혀 영향을 미치지 않습니다. 단순히 전략 수립 및 탐색 프로세스를 개선할 뿐, 펀드 자체에는 전혀 영향을 미치지 않습니다. 지금까지 이러한 접근 방식은 효과적이었습니다. 대규모 자산 배분자들의 신뢰를 확인했으며, 현재 총 고정자산(TVL)은 1억 6천만 달러입니다.

결정론적 Python 전략을 생성하면 이를 볼트(vault)에 래핑할 수 있다는 점도 매우 중요합니다. 이러한 볼트는 완벽하게 구성 가능하여 Pendle, Curve 등에 적용할 수 있습니다. 이 또한 매우 멋진 기능입니다. 저희는 "토큰화된 AI 볼트"라는 새로운 자산 클래스를 만들었다고 생각합니다. 다시 말해, AI는 자금에 전혀 영향을 미치지 않기 때문에 대규모 자산 배분자들은 여기에 자금을 예치하는 데 매우 안심합니다. 그들은 누구에게 맡겨야 할지 알고 있습니다. 바로 볼트 운영자인 당신에게 말이죠. 그리고 당신은 Almanak을 100배 더 빠르게 코딩하고 10억 배 더 빠르게 학습하는 도구로 활용하는 것입니다.

샘이 언급했듯이, 저희는 금융 에이전트 구축에도 집중하고 있습니다. 저희 에이전트들은 정량적 추론에 최적화되어 있어 업계의 다른 어떤 퀀트 분석가 못지않게, 심지어 그보다 더 뛰어난 인재를 확보합니다. 하지만 저희는 실질적인 니즈를 충족하기보다는, 대규모 자산 배분 전문가들과 긴밀히 협력하며 얻은 경험을 바탕으로 합니다. 저희는 단순히 "좋아요, 여러분, 무엇이 필요하세요? 어디에 투자하실 건가요?"라고 묻고, 그 질문을 바탕으로 에이전트를 구축합니다.

• 렌치(기자):

앞서 말씀드렸듯이, 기자(Giza)를 설립하기 전, 저와 파트너들은 다양한 금융 활용 사례에 걸쳐 스마트 계약 시스템을 구축해 왔습니다. 한 가지 분명한 것은 이러한 자동 실행 계약이 오픈 파이낸스의 가능성을 열어주었지만, 솔직히 말해서 현재 상태로는 혁신의 속도가 너무 느려 기존 금융과 경쟁하기 어렵다는 것이었습니다. 이것이 바로 복잡한 오프체인 연산을 온체인 가져와 탈중앙화 시스템의 기능과 탈중앙화 금융 세계와의 상호작용 경험을 크게 향상시킬 방법을 모색하는 주된 원동력이었습니다.

저희는 2022년부터 검증 가능한 AI에 깊이 관여해 왔습니다. AI가 대중화되기 전부터 이 분야에 뛰어들면서, 특히 금융 분야에서 AI의 중요성을 강조했습니다. 탈중앙화 금융 분야에서 머신러닝(ML) 이슈 과 금융 활용 사례를 모두 살펴보았습니다.

저희에게 AI의 가치는 두 가지입니다. 첫째, 일반화된 의도 처리는 기술적 입력이나 자율적이고 전문적인 작업 없이도 사용자가 재정적으로 무엇을 달성하고자 하는지 이해하는 데 핵심적입니다. 둘째, 복잡한 적응형 전략을 온체인 정밀하고 오버헤드 없이 실행하는 것입니다. 둘째, 이 두 번째 요소는 자체 개발한 소규모 머신러닝(ML) 모델과 완벽하게 해석, 검증 및 맞춤 설정이 가능한 기존 금융 알고리즘을 재활용하는 데 중점을 둡니다.

• 콜린(마키나):

마키나(Makina)에서의 이야기는 Dialectic에서 시작됩니다. Dialectic은 우리의 디자인 파트너였으며, 현재는 독립된 회사입니다. 하지만 Dialectic은 자체 펀드를 설립할 때 이러한 사실을 깨달았습니다. 잘 모르시는 분들을 위해 설명드리자면, Dialectic은 이 분야에 매우 적극적으로 투자하고 있으며, 2021년부터 온체인 수익 전략 분야에서 가장 초기이자 가장 앞선 기업 중 하나였습니다. Dialectic은 수년간 구축해 온 시스템을 통해 다양한 분야를 관리합니다.

그들이 빠르게 깨달은 것은 이 분야에서 경쟁하고, 수익을 창출하고, 경쟁사를 압도하고, 더 많은 예금자와 유한책임조합원(LP)을 유치하려면 리스크 조정 기준에서 다른 전략보다 우수한 성과를 내야 한다는 것이었습니다. 이를 위해 그들은 스크립팅을 활용하는 여러 도구를 개발했습니다. 그들이 사용한 기술 중 하나는 Oiler라는 오픈소스 프로젝트였으며, 그들은 적극적으로 기여했습니다. 그들은 자신들이 개발한 많은 도구들이 실제로 오픈 인프라로서 더 잘 작동할 것이라는 것을 깨달았습니다. 이것이 바로 Makina의 시작이었습니다.

저희는 이 기술을 시장에 출시하고, 그들과 파트너십을 맺었으며, 이제 이 분야의 다른 사업자들로 확장하고 있습니다. 저희는 자동화를 더욱 강화하는 미래 개발 방향을 지원하고 싶습니다. 이러한 자동화는 블록체인 내부에서, 거시 환경에서, 즉 어디에서 정보를 얻느냐에 따라 크게 달라질 것입니다. 그리고 그 정보를 처리하는 가장 좋은 방법은 바로 여기 계신 모든 분들께서 말씀해주신 것입니다.

우리는 먼저 DeFi와 금융 인프라 문제의 관점에서 이 문제에 접근한 다음, 최상의 실행, 최상의 의사 결정, 최상의 데이터 분석을 적용할 수 있는 곳을 살펴보았습니다. 그것은 바로 자율 에이전트입니다.

Neo의 발표처럼 – 사람들이 AI에 자금을 맡기는 것에 대해 우려하는 점들에 대한 훌륭한 시작 발언이었습니다 – 저희는 조금 다른 방식으로 접근하고 있습니다. 하지만 이러한 기술이 점점 더 발전하고 사람들이 이해하기 시작함에 따라, 저희는 자산 관리 업계에서 발생하는 주요 비용 문제들을 해결하는 동시에 저희 서비스를 보완하고 확장할 수 있다고 굳게 믿습니다. 따라서 저희는 DeFi, 이더 리움, 그리고 AI와 이러한 산업 내 AI의 발전을 굳건히 믿습니다.

3. 현재 주요 고객은 누구입니까? 고객의 고민은 무엇입니까?

• 네오(알마낙):

Almanak에서 저희 제품은 두 가지 문제를 해결해야 했습니다. 복잡한 전략과 볼트 프로비저닝을 어떻게 제공할 것인가 하는 문제였습니다. 그래서 Stake DAO, MEV Capital, Block Analitica, Gauntlet 등 다양한 DAO와 Morpho의 모든 큐레이터들과 협력했습니다. DAO 측면에서는 DeFi Llama의 상위 20개 DAO 대부분과 논의 중입니다. 그들이 왜 저희 제품을 사용해야 할까요? 그들은 기본적으로 자산을 활용하는 볼트를 만들 것입니다.

최대 자산 관리 회사 중 하나인 Ethena를 예로 들어 보겠습니다. 모든 DeFi 프로토콜에서 지속적으로 최적화하고 최고 USDe 수익률을 추구하는 USDe 볼트가 있다고 상상해 보세요. 지금 바로 이 분들과 이야기를 나누고 있습니다.

저희는 또한 많은 신규 프로젝트와 논의 중입니다. 혹시 이 소식을 알고 계셨는지 모르겠지만, 높은 FDV 토큰 이코노믹스 에 대한 불만이 많았습니다. 따라서 Almanak에서는 프로젝트들이 AI를 활용하여 자체적인 유동성 공급이나 거래 전략을 구축할 수 있도록 지원하고 있습니다. 사용자는 저희 알고리즘을 사용하여 시장이나 거래 대회를 시작할 수 있습니다.

마지막으로 자본의 원천은 일반 사용자입니다. 방금 볼트의 공급 측면에 대해 설명드렸습니다. 자본의 공급 측면은 사용자로부터 나옵니다. 이러한 볼트가 구축되면 누구나 자금을 예치하고 수익을 얻을 수 있으며, 그 대가로 볼트 관리자와 수익의 일부를 공유합니다. 이러한 볼트는 완전히 허가 없이 운영되므로 누구나 구축할 수 있습니다. 하지만 저는 누가 볼트를 관리하고, 누가 첫 번째 고객이 될지에 대한 관점을 알려드리고 싶었습니다.

자산 운용사와 헤지펀드도 있습니다. 수십억 달러를 운용하는 중앙집중형 금융(CeFi) 기관들은 단순히 운용 시스템 자동화를 원합니다. 퀀트 분석가(퀀트)는 매우 비싸고 찾기도 어렵습니다. 그들은 이 모든 것을 저희 에이전트에게 아웃소싱하여 복잡한 거래 전략을 매우 빠르게 실행하고, 일주일 또는 며칠 만에 헤지펀드로 변신할 수 있습니다.

여기서 중요한 점을 하나 말씀드리고 싶습니다. 사용자는 VEX 계약과 매우 유사한 계약에 토큰을 스테이킹 할 수 있습니다. 따라서 원하는 볼트나 DAO에 투표하거나, 자산을 스테이킹하여 볼트에 예치할 때 보상을 높일 수도 있습니다. 저희 제품은 매우 복잡합니다. 볼트의 공급은 전문 사용자가 담당하지만, 자본 공급은 누구에게나 열려 있습니다.

• 샘(캠브리아 네트워크):

콜린은 방금 수익 창출 금고와 대출 프로토콜 간에 자본을 배분하는 것에 대해 언급했습니다. 저희는 이러한 수익이 어디에서 발생하는지 측정하는 데 중점을 두고 있습니다. 콜린이 언급한 전략을 최적화하려면 온체인 과 해당 체인 내 여러 프로토콜에서 발생한 과거 수익을 이해해야 합니다. 이를 위해서는 복잡한 데이터 분석, EVM 및 비EVM 체인을 포함한 온체인 활동 추적, 그리고 해당 체인 내 프로토콜 추적이 필요합니다.

빌더는 전략을 조정하기 위한 과거 정보와 이를 실행하기 위한 실시간 정보가 모두 필요합니다. 이 모든 정보를 추적하는 것이 저희 전문 분야 중 하나입니다. RPC 제공업체를 예로 들어보겠습니다. RPC 제공업체는 실시간 원시 정보를 제공하기 때문에 RPC 제공업체에서 나오는 정보가 항상 명확하고 간결하지는 않습니다. 저희는 모든 과거 데이터를 디코딩하고, 프로토콜에 대한 이해를 바탕으로 정보를 디코딩하여 예를 들어 발생하는 수익 등을 추적합니다.

현재 클로즈드 베타 버전을 출시했으며, 코인베이스 개발자 플랫폼과 협력하고 있습니다. 또한, 올라스(Olas)와 협력하여 올라스 헤지펀드 클러스터에 참여하여 올라스 내 담당자들에게 과거 및 실시간 온체인 및 오프체인 데이터를 제공하고 있습니다.

저희는 또한 여러 다른 프로젝트와 협력하고 있습니다. Truflation과 긴밀히 협력하여 정서 분석 및 지갑 활동을 제공합니다. 더욱 흥미로운 또 다른 프로젝트는 AskPire입니다. 이 프로젝트는 토큰화된 프로젝트와 관련된 수만 개의 GitHub 저장소를 추적하고 있습니다. 저희는 과거 기여도와 기여자의 수준을 추적하며, AskPire는 저희 데이터를 활용하여 맞춤형 거래 전략을 구축하여 프로젝트 활동과 미래 토큰 가격의 상관관계를 분석합니다. 이 글을 통해 저희가 제공하는 정보의 종류를 이해하시는 데 도움이 되셨으면 합니다. 이 모든 정보는 프록시 금융 프로젝트에서 흔히 발생하는 요구 사항을 기반으로 합니다.

• 렌치(기자):

좀 더 자세히 설명하자면, 기자(Giza)에서는 점진적인 개선에는 큰 관심이 없습니다. DeFi는 오랫동안 점진적인 개선의 악순환에 갇혀 있었다고 생각합니다. 우리가 이루고자 하는 것은 금융 분야의 사용자 경험(UX)을 완전히 바꾸는 것입니다. 웹 3.0뿐만 아니라 금융 산업 전체의 패러다임을 바꾸는 것이죠. 금융을 제품 중심에서 사용자 중심으로 전환하고 싶습니다. 이 점에 대해 우리는 매우 확고한 신념을 가지고 있습니다. 바로 개인 맞춤형 금융이 미래로 나아가는 길입니다.

저희의 비전은 새로운 DeFi 프로토콜을 만드는 것이 아닙니다. 절대 그렇지 않습니다. 오히려, 고객님의 재정 상황에 대한 통찰력을 제공하고 재정 목표 달성을 지원하는 24시간 연중무휴 동반자를 만드는 것입니다. 이것이 바로 저희가 추구하는 북극성입니다. 저희 인프라의 견고함과 맞춤형 금융이라는 북극성을 바탕으로, 기자(Giza) 에이전트는 이제 개인 및 기관 고객 모두에게 서비스를 제공할 수 있습니다.

오늘날 우리가 협력하는 기관들은 수탁 요건부터 리스크 관리 프레임, 유동성 관리 의무에 이르기까지 더욱 엄격하고 복잡한 요구 사항을 가지고 있습니다. Giza는 기성 제품이 아닌 맞춤형 에이전시 전략을 통해 이러한 요구 사항을 충족하도록 설계되었습니다. 여기에는 분리된 인프라, 실시간 모니터링, 감사 기능을 갖춘 맞춤형 에이전트 설계, 그리고 펀드, 핀테크 파트너, 그리고 네오뱅크(선제적 요구 사항이 많은)를 위한 화이트 라벨 구현 제공이 포함됩니다.

개인 사용자의 경우, 이 영역에서 아직 탐구의 여지가 있다고 생각합니다. 복잡성을 더하지 않으면서도 동일한 수준의 정교함을 제공할 수 있는 부분이 바로 이 부분입니다. 개인 사용자, 즉 "은행 계좌가 없는 사람들을 위한 은행 서비스"를 이용하는 사용자에게는 정책 계층을 완전히 추상화하는 획기적으로 간소화된 인터페이스를 통해 탈 탈중앙화 금융과 상호 작용할 수 있도록 지원합니다. 사용자를 대신하여 재정적 의사 결정에 대한 책임을 지고, 의사 결정 프로세스를 자동화합니다. 이것이 기자의 가장 뚜렷한 차별화 요소 중 하나라고 생각하며, 우리는 이 중요한 과제를 수행할 용기, 전문성, 그리고 재능을 갖추고 있습니다.

저희는 소매 및 기관 시장 부문 모두에 대한 고유한 요구 사항을 모색하고 있습니다. 간단히 말해, 소매 사용자는 급진적인 추상화와 접근성을 원하는 반면, 기관은 더 높은 수준의 보안, 모니터링 및 보고를 요구합니다. 저희는 두 가지 요구 사항을 모두 충족할 수 있는 최적의 입지를 갖추고 있습니다.

기자는 핵심 자산 기반인 스테이블코인 시장을 구축해 왔습니다. 분명 이 시장은 당분간 사라지지 않을 것입니다. 스테이블코인의 총 시총 3,000억 달러에 달하며, 유통 중인 모든 스테이블코인은 기자 에이전트가 자율적으로 최적화할 수 있는 잠재적 자본입니다. 이것이 바로 저희가 이 분야를 위한 첫 번째 에이전트를 구축한 이유이며, 그 범위와 역량을 지속적으로 확장해 나갈 것입니다. 물론, 이를 통해 국채, DAO, 기관 펀드 등 DeFi를 추상화할 수 있는 곳, 누군가 "스테이블코인에 어떻게 투자하나요?"라고 묻는 곳이라면 어디든 서비스를 제공할 수 있습니다. 기자가 함께합니다.

• 콜린(마키나):

렌츠는 금융 분야에서 점진적인 변화를 넘어야 한다는 매우 흥미로운 이야기를 방금 했습니다. 저는 우리 모두가 이 기술에 뛰어드는 이유는 기존 금융 시스템이 현재 사람들에게 적합하지 않다는 것을 인지하고 있기 때문이라고 생각합니다. 이것이 이더 참여하는 모든 사람들에게 이정표가 될 것이라고 생각합니다.

마키나(Makina)는 모든 활동의 기반에 안전과 보안을 구축하고 확장성을 확보하는 데 주력합니다. 이러한 인프라를 제공함으로써 대규모 기관이든 소규모 소매업체든 모두에게 최상의 결과를 제공할 수 있다고 굳게 믿습니다.

저희는 네오가 묘사한 것과 매우 유사한 방식으로 세상을 바라봅니다. 투자 니즈를 가진 기관들이 있고, 그러한 니즈를 충족하고자 하는 기관들이 있습니다. 저희는 최고의 재무 성과 관리자들이 안전하게 이를 수행할 수 있는 도구를 이용할 수 있도록 노력하고 있습니다. 이 분야는 앞으로 성장할 것이라고 굳게 믿습니다.

전통적인 금융 시장을 살펴보면, 현재 전 세계 운용 자산 규모는 약 150조 달러에 달합니다. 흥미로운 점은 이 중 약 60~70%가 액티브 운용 자산이며, 이 점유율 감소하고 있다는 것입니다. 이는 ETF보다 수익률이 높지 않으면서도 대량 수수료를 지불하기 때문입니다. 암호화폐 시장에서도 ETF에 대한 이야기가 많이 있습니다. ETF는 매우 혁신적이며, 낮은 수수료는 전통적인 금융 시장의 많은 사람들의 생각을 바꾸어 놓았습니다.

이더, EVM, AI와 같은 기술을 통해 보안 및 자동화가 발전함에 따라 이러한 비용이 절감되고, 더 나은 전략을 통해 사람들이 더욱 비용 효율적으로 큰 수익을 달성할 수 있을 것이라고 확신합니다. 이는 전 세계적으로 저희에게 매우 중요합니다. 월가나 런던 금융가의 특정 기관을 위해 더 나은 성과를 내는 것만이 아닙니다. 재정적 성과를 달성해야 하는 모든 사람이 그렇게 할 수 있도록 하는 것입니다.

그 이상으로, 저희는 이것이 DeFi 프로토콜에 직접 내장되어야 한다고 굳게 믿습니다. 관리자가 이러한 생산적인 자산을 담보로 전환하거나 DeFi 생태계 내에서 다양한 형태로 사용할 수 있도록 하는 도구를 개발해야 합니다. 이것이 바로 DeFi 경제를 진정으로 성장시키는 방법입니다. 이는 스테이블코인일 수도 있지만, 그보다 훨씬 더 나아가 사람들이 미래의 부채를 기존 자산과 매칭하여 세대를 거쳐 물려줄 수 있도록 할 수도 있습니다. 저희는 이것이 사람들이 부를 통해 번영을 이루는 방식을 근본적으로 바꿀 것이라고 믿습니다. 다시 한번 말씀드리지만, 저희는 이를 달성하기 위해 AI와 이더 을 매우 중요하게 생각합니다.

4. 귀사의 기술 스택에서 AI 기능에 더 많이 의존하는 부분과 덜 의존하는 부분은 무엇이며, 그 이유는 무엇입니까? 또한, AI를 활용하는 금융 시스템 구축에 대해 논의하고 있으므로 리스크 관리와 통제가 매우 중요합니다. AI 안전성을 고려할 때, 리스크 관리나 통제를 업무 흐름에 어떻게 반영하십니까?

• 레이(OKX 벤처스):

사람들이 DeFi 에이전트에 대해 이야기할 때, 많은 사용자, 특히 개인 사용자들은 여전히 ​​이 개념을 오해하는 것 같습니다. "AI 에이전트를 사용하면 재정적 결정을 내리고, 자금을 관리하고, 알파를 찾는 데 100% 의존할 수 있다"라고 생각할 수도 있지만, 실제로는 그렇지 않습니다. 저희는 고객이 AI 기능을 어느 정도 활용하여 궁극적으로 업무 효율성이나 의사 결정의 질을 향상시키는 금융 시스템을 구축하도록 돕고 싶습니다. 하지만 대량 자본을 투자하기 전에 신뢰할 수 있고, 결정론적이며, 검증 가능한 워크플로를 구축해야 합니다. 따라서 시스템의 잠재적 리스크 요소를 어떻게 고려하는지 몇 가지 질문을 드리고자 합니다.

• 렌치(기자):

네, 물론입니다. 이 부분이 중요하다고 생각합니다. 사용자와 기관을 대신하여 재정적 결정을 내리는 에이전트를 개척하는 회사로서, 지난 몇 달 동안 저희가 극복해야 했던 가장 큰 과제 중 하나는 바로 여러분이 제기하는 정당한 질문에 대해 대중에게 알리는 것이었습니다. 에이전트가 제 돈을 가져가고 도망갈까요? AI가 우리 돈으로 무슨 짓을 하는지 설명할 수 있을까요? 얼마나 확실할까요? AI가 환각을 보고 있는 걸까요? 사람들이 AI에 관심을 갖도록 이 모든 과정을 거쳐야 했습니다. 완전히 새로운 도구이기 때문입니다. 기자의 경우, 사람들이 돈을 예치하는 데 익숙한 금고가 아니라 완전히 새로운 것입니다. 각 사용자에게는 자신을 위해 일하는 전담 에이전트가 있습니다. 질문에서 "AI"가 이 맥락에서 무엇을 의미하는지 구분하거나 정의하는 것이 중요합니다.

질문하시는 대부분의 질문은 LLM에 대한 이해에서 비롯됩니다. 저희에게 LLM은 사용자의 공통적인 요구를 분석하고 이를 선호도로 매개변수화하는 데 탁월한 역량을 발휘했습니다. 즉, "스테이블코인으로 안전하게 수익을 올리고 싶습니다"부터 "미국 인플레이션을 5% 상회하고 싶습니다" 또는 "ETH에 중위 리스크 투자하고 싶습니다"까지, 모호하고 인간적인 수준의 입력을 구조화된 금융 매개변수로 변환하는 것입니다.

하지만 AI의 일반적인 이해, 즉 LLM은 여기서 그칩니다. 의도가 매개변수화되면 실행은 결정론적이고 감사 가능하며 감사 가능하고 시장과 프로토콜 전반에 걸쳐 지속적으로 자체 조정이 가능한 알고리즘 논리와 최적화 기능을 기반으로 구축된 전문 에이전트로 전환됩니다. 따라서 이 두 가지를 결합함으로써, 금융 시장에서 탁월한 성과를 보이는 전문 에이전트의 전문적이고 견고하며 안전하고 정책에 기반한 실행과 함께 AI의 뛰어난 맞춤 설정을 확보할 수 있습니다.

• 네오(알마낙):

AI가 어떻게 결정론적이면서도 검증 가능할 수 있는지는 잘 모르겠지만, 중요한 점은 우리가 AI를 어떻게 활용하고 보안 문제를 어떻게 해결하느냐는 것입니다.

다시 말씀드리지만, 저희는 모든 면에서 매우 실용적입니다. 기존 방식을 완전히 바꾸려는 것이 아니라, 시장에서 검증되고 수요가 있는 방식을 채택합니다. 특히 AI를 활용하여 100배 더 빠르고, 결정론적이며 검증 가능한 코드를 생성합니다. 헤지펀드 매니저, 퀀트 분석가, 개발자에게 저희가 생성하는 코드를 알고 있냐고 물어보면 모두 알고 있다고 답할 것입니다. 유한책임조합원(LP)이나 은행에서 "코드 좀 보여주시겠어요?"라고 전화가 오면 보여줄 수 있습니다. 만약 돈이 분실되더라도, 코드에 버그나 다른 문제가 있기 때문에 누가 어떻게 도난당했는지 알 수 있습니다. 따라서 이 점이 매우 중요합니다. 보안은 다른 헤지펀드나 은행만큼 안전합니다.

실행 및 아이디어 도출에 있어서 저희는 다른 모든 사람들과 매우 유사한 방식으로 에이전트를 활용합니다. 즉, 시장을 스크리닝하고, 알파를 찾고, 최적의 솔루션을 찾고, 최적의 거래를 찾고, 전략을 시뮬레이션하고, 백테스팅하고, 슬리피지(slippage)를 피하기 위한 시뮬레이션 거래를 수행합니다. 즉, AI가 여러분과 함께 아이디어를 구상하지만, 궁극적으로 결정은 여러분이 하셔야 합니다. AI가 제공하는 전략을 구현할지, 코드를 업데이트할지 여부를 여러분이 결정해야 합니다. 코드는 완벽하게 검증 가능하고 결정론적입니다. 다시 한번 말씀드리지만, 저희는 검증된 방법을 채택하여 코딩 측면에서는 100배, 추론 측면에서는 10억 배 더 빠르게 만들었습니다.

블록체인 인프라 계층에 있어서, 저희는 기존 방식을 다시 개발하려는 것이 아니라, 효과적인 방식을 도입할 뿐입니다. 모든 것이 완벽하게 구성 가능하기를 바라기 때문에, 구성 가능한 볼트(composite vault)를 사용합니다. 보안은 투명한 권한을 통해 구현됩니다. 각 볼트에는 투명한 권한이 부여되어, 볼트가 어떤 정보에 접근할 수 있는지 온체인 확인할 수 있습니다. 볼트 관리자나 큐레이터 등 누군가가 이러한 권한을 변경할 때마다, 모든 변경 사항은 투명하게 공개됩니다. 이것이 바로 헤지펀드가 하는 일입니다.

또한, 제 생각에는 매우 미묘하지만 기술적으로 가장 까다롭고 어려운 작업 중 하나인 에이전트를 위한 체계적인 워크플로를 구축했습니다. 현재 에이전트는 18명이며, 누구나 그중 7명을 활용할 수 있습니다. 이 에이전트들은 계량 분석가와 유사하지만, 기존 헤지펀드와 유사한 인프라에서 운영됩니다. 기존 헤지펀드의 전략 수립, 백테스팅, 시뮬레이션, 최적화 인프라를 차용했지만, 인간이 아닌 AI를 위해 구축했습니다. 따라서 구축 프로세스 자체도 다른 헤지펀드와 마찬가지로 엄격합니다.

기본적으로 저희는 손실 위험이 크지 않은 분야에만 AI를 사용합니다. 이를 통해 사용자들이 자금을 예치하는 데 자신감을 가질 수 있도록 하며, 펀드 및 자산 운용사들로부터 이 도구 사용 요청을 대량 받았습니다. 저희의 보안은 블록체인 자체만큼이나 안전하다고 생각합니다.

• 콜린(마키나):

저는 이 친구들에게서 매우 흥미로운 이야기를 많이 들었습니다. AI의 결정론에 대해서는 제가 논쟁할 수 없을 것 같으니, 그 문제는 여러분께 맡기겠습니다.

다시 한번 말씀드리지만, 저희는 재정적인 관점에서 이 문제에 접근하고 있습니다. AI를 어디에 활용하고 있는지에 대한 첫 번째 질문에 답하기 위해, 현재 저희가 AI를 활용하는 방식이 바로 이렇다는 점을 강조하고 싶습니다. 저는 AI 에이전트의 내부 작동 방식에 대한 전문가는 아니지만, 저희는 전문가들을 위한 도구를 제공하기 위해 노력하고 있습니다. 우리는 진화를 목격하고 있습니다. AI를 의미 있게 활용해 본 사람이라면 누구나 짧은 기간 동안 엄청난 발전을 경험했을 것이며, 이러한 발전은 앞으로도 계속될 것입니다.

현재 우리가 AI에 진정으로 의존하고 있는 부분은 자동화 활용입니다. 물론 Renç와 Neo의 말을 들어보셨듯이, 이를 위해서는 가드레일이 필요합니다. Makina의 흥미로운 점 중 하나는 이러한 가드레일을 크로스체인 거래에도 적용한다는 것입니다. L2는 이더 의 핵심 구성 요소이며, EVM의 대체 요소인 L1도 마찬가지입니다. 또한, 자산을 체인 간에 전송할 때 동일한 제어 기능을 유지합니다. 즉, 새로운 투자 영역을 개척하고 대량 정보를 흡수할 수 있다는 의미입니다. Sam은 회사에서 제공하는 다양한 정보 소스에 대해 언급했습니다. 소셜 미디어에서 무슨 일이 일어나고 있는지 읽을 수 있다는 것은 정말 중요합니다. 이제 우리 모두 X(트위터)를 사용하고 있으니까요.

우리 대부분은 이번 주에 의식적이든 무의식적이든 모나드에 대해 생각해 본 적이 있을 것입니다. 모나드에서는 많은 일이 일어날 수 있으며, 일찍 진입하면 어떤 사람들은 다른 사람들보다 더 나은 성과를 낼 수 있습니다. 하지만 통제 없이는 이런 일을 해서는 안 됩니다. 바로 이것이 우리가 실제로 도입하는 것입니다. AI가 자본을 언제 어디에 투입할지 결정하는 데 중요한 역할을 할 것이라고 생각하지만, 통제 없이는 불가능합니다.

• 저희는 현 시점에서 이러한 통제가 여전히 견제와 균형의 역할을 필요로 한다고 굳게 믿습니다. 저희는 금고 내에 "리스크 관리자" 역할을 두고 있습니다. 이는 실제로 누군가가 운영자(에이전트 또는 다른 사람)가 허용 목록을 기반으로 어떤 정보에 접근할 수 있는지 결정할 수 있다는 것을 의미합니다. 이는 저희 머신이나 금고 내에서 활성화된 모든 블록체인에 암호화되어 저장됩니다. 따라서 운영자가 결정을 내릴 때, 시점, 방향, 규모 등 모든 것을 운영자가 다양한 방식으로 결정할 수 있습니다. 하지만 접근 제한은 더 많은 고려가 필요하며, 저희는 이러한 통제를 유지해야 합니다. 저희는 리스크 관리자가 AI 도구를 사용하여 빠르게 반복 작업을 수행하고 저희가 청사진 또는 스크립트라고 부르는 것을 구축할 수 있도록 허용하지만, 궁극적으로 최종 결정은 여전히 ​​인간이 내리고 있습니다.

한편, 사용자 관점에서 저희는 예금자들이 어떤 추천을 원하는지 더 잘 이해하기 위해 대량 실험을 진행하고 있습니다. 이는 특정 결정을 실행하는 것이 아니라, 사용자가 무엇을 달성하고자 하는지 이해하고 이용 가능한 정보에 맞춰 조정할 수 있도록 돕는 데 중점을 두고 있습니다. 앞서 말씀드렸듯이, 저는 전통적인 금융 업계에서 일해 왔는데, 그 업계에 종사해 본 사람이라면 누구나 정보에 접근하는 것이 얼마나 어려운지 잘 알고 있습니다. 저희는 사람들이 원하는 정보를 얻고 자신의 직관과 목표에 따라 어떻게 행동해야 하는지 더 잘 이해할 수 있도록 돕고 싶습니다. AI는 이를 위한 매우 유용한 도구라고 생각하지만, 아직 완벽하지는 않습니다. 저희는 LLM 봇을 통해 운영되는 FAQ를 실험해 왔습니다. 팀원들은 아직 더 많은 튜닝과 데이터 입력이 필요하다고 말씀하실 것입니다. 하지만 사용자들은 이러한 노력에 매우 만족해하셨고, 이를 통해 저희는 사용자 인터페이스와 프런트엔드 경험을 개선하여 사용자에게 더 나은 서비스를 제공할 수 있게 되었습니다. 덕분에 사용자들은 18페이지 분량의 FAQ를 읽지 않고도 매우 효율적인 방식으로 원하는 것을 정확하게 이해할 수 있게 되었습니다.

제가 정말 강조하고 싶은 또 다른 점은 저희는 스마트 컨트랙트 작성에 AI를 사용하지 않는다는 것입니다. 저희는 최고 수준의 Solidity 개발자들을 보유하고 있습니다. 또한, 모든 것이 안전하게 보호되도록 감사 과 대량 협력하고 있습니다. 현재로서는 이 모든 작업을 매우 숙련된 인력이 수행해야 한다고 생각하며, 저희 팀에 숙련된 인력이 있다는 사실에 매우 만족하고 있습니다.

• 샘(캠브리아 네트워크):

높은 차원에서, 에이전트에 대한 제 생각을 공유하고 싶습니다. 저는 지능이 스펙트럼 상에 존재한다고 생각합니다. 오늘날 배치된 에이전트들을 저는 알고리즘 에이전트라고 분류합니다. 이러한 에이전트의 의사 결정 전략은 결정론적입니다. 즉, 수학적이고 최적화를 사용하며, 개발자가 의도한 대로 정확하게 작동합니다.

스펙트럼의 반대편에는 AI 에이전트가 있습니다. 현재 가장 진보된 AI는 LLM입니다. LLM은 창의적이고 다양한 조건에 적응할 수 있습니다. 하지만 현재 AI 에이전트가 직면한 문제는 비결정적이라는 것입니다. GPT에 동일한 프롬프트를 입력해도 실행할 때마다 다른 결과가 나옵니다. 비결정적일 뿐만 아니라, 종종 실수를 하고 환각을 볼 수도 있습니다.

AI 에이전트의 잠재력은 알고리즘 에이전트를 훨씬 능가하는 적응력에 있습니다. 저는 LLM의 결정론적 문제가 해결될 것이라고 믿으며, 매우 확신합니다. 예를 들어, Google Brain에서 인큐베이팅 Sakana AI라는 회사는 최근 LLM이 매번 동일한 콘텐츠를 생성하도록 하는 데 상당한 진전을 보여주는 결과를 발표했습니다. EigenLayer도 유사한 연구를 발표할 것으로 예상합니다. 정확도와 환각 개선 측면에서, 모든 비간단한 작업의 오류율은 매년 반감 것으로 예상할 수 있습니다.

요약하자면, 렌치가 말했듯이 현재 LLM은 의도를 포착하고 이를 알고리즘 에이전트에 입력하여 안정적으로 실행할 수 있는 매개변수로 변환하는 데 매우 능숙합니다. AI 스펙트럼의 반대편에서는 LLM의 성과가 매년 두 배로 증가하여 우리의 재정적 결정을 관리하는 데 있어 적극적인 의사 결정권자가 될 것으로 예상할 수 있습니다.

캠브리안의 활동과 관련하여, 저는 데이터에 대해 매우 우려하고 있습니다. 데이터 문제와 관련하여, 저희는 암호화를 사용하여 모든 입력값이 정확한지 확인하고 정확성을 보장합니다. 블록체인 데이터를 가져오려고 하면 종종 잘못된 데이터를 발견하게 될 것입니다. 암호화는 데이터의 정확성을 보장하는 해결책입니다. 이 원시 데이터는 데이터베이스에 저장되고, 수익과 같은 항목을 추적하기 시작할 때, 저희는 수익 추적 알고리즘이 저희가 추적하는 모든 프로토콜의 스마트 계약 작성 방식과 일치하는지 확인해야 합니다. 따라서 저희는 다양한 소스들을 활용하여 대량 임의 추출 검사와 대량 테스트를 수행해야 합니다.

OKX Ventures의 DeFi 자율 에이전트에 대한 논문

• 레이(OKX 벤처스):

저희의 이전 연구에 따르면, DeFi 에이전트 시장은 2024년 하반기에 개념적인 열풍에서 현실로의 중요한 전환을 경험했습니다. "GPT 래퍼/챗봇" 모델을 중심으로 한 첫 번째 물결은 사용자들이 자연어만으로 복잡한 DeFi 운영을 쉽게 수행할 수 있다고 약속했습니다. 그러나 이러한 유망해 보이는 비전은 곧 실무에서 근본적인 결함을 드러냈습니다.

이러한 초기 "DeFAI 단말기"는 실제 적용 과정에서 일반적으로 세 가지 주요 어려움에 직면했습니다. 첫째, LLM은 금융 시나리오에서 매우 복잡하고 개인화된 사용자 의도를 정확하게 파악하는 데 어려움을 겪었습니다. 둘째, 업계에는 모호한 의도를 정확한 온체인 작업으로 안정적으로 전환할 수 있는 지원 도구가 부족했습니다. 마지막으로, 사용자에게 강력한 도구가 있더라도 사용자 스스로가 어떤 지시를 내려야 할지 모르는 "의사 결정 마비"에 빠지는 경우가 많았습니다.

그러나 이러한 문제의 근본적인 원인은 첫 번째 세대의 에이전트가 의도 이해에서 거래 실행에 이르기까지 전체 프로세스를 지배하기 위해 비결정적 LLM에 전적으로 의존하려고 했다는 것입니다.

이러한 근본적인 패러다임 결함은 급격한 시장 재편으로 이어졌습니다. 극히 낮은 실제 전환율과 열악한 사용자 경험 대면 대다수의 프로젝트가 문을 닫았습니다. 살아남은 프로젝트들은 각자의 진로에서 뚜렷한 차별화를 보였습니다.

• 일부 프로젝트에서는 UI 수준에서 점진적인 개선을 시도하고 프롬프트 워드 엔지니어링을 최적화하려고 했지만, 핵심 문제는 해결되지 않았습니다.

• 시장의 방향을 진정으로 선도하는 프로젝트인 다른 부분은 보다 근본적인 변화를 선택했습니다. 더 이상 AI가 모든 것을 직접 이해하도록 강요하지 않고, 대신 특정 시나리오에 초점을 맞추고 사전 구축된 워크플로를 통해 사용자에게 명확한 가치를 제공하는 "자율 에이전트"로 전환했습니다.

사전 정의되고 검증된 프로세스를 통해 DeFi 어댑터 계층과 인지 엔진을 기반으로 진정한 심층적 역량을 구축하는 데 중점을 둔 이 새로운 자율 에이전트 계층은 시장의 초점을 DeFi 어댑터 계층으로 전환하여 자율 에이전트 시대를 열었습니다. 이러한 변화의 본질을 이해하려면 먼저 두 실행 패러다임의 근본적인 차이점을 명확히 해야 합니다.

안전하고 안정적이며 확장 가능한 AI 기반 금융 솔루션은 LLM의 직접 실행 모델에서 벗어나 결정론에 중점을 둔 체계적인 워크플로우로 전환되어야 한다고 생각합니다. 결정론이란 주어진 입력에 대해 시스템이 항상 정확히 동일한 출력을 생성한다는 원칙을 의미합니다. 이는 마치 수학 공식이나 기존 컴퓨터 코드처럼 그 동작이 예측 가능하고 검증 가능하며 재현 가능한 것입니다. 이러한 워크플로우는 다음 네 가지 핵심 원칙을 준수해야 합니다.

1. 큐레이션된 데이터 소싱 및 환경적 격리: 에이전트는 단순히 공개 인터넷에서 데이터를 스크래핑하는 것이 아니라, 엄격하게 검증되고 포맷된 API 커넥터를 통해 외부 정보(시장 상황 및 온체인 데이터 등)에 접근해야 합니다. 이를 통해 소스에서 데이터 오염으로 인한 보안 리스크 방지할 수 있습니다.

2. 사전 검증된 전략, 즉흥적인 결정이 아닙니다. AI는 어떤 거래 로직도 즉흥적으로 만들어낼 수 없습니다. 각 전략은 샌드박스 환경에서 개발되어야 하며, 배포 전에 엄격한 백테스트와 시뮬레이션을 거쳐야 합니다. 전략의 목표와 행동 경계는 실제 거래에 들어가기 전에 "강화"되어 기대에 부응하는 행동을 보장합니다.

3. 허가된 실행 및 리스크 경계: 정책 실행 권한은 엄격하게 제한되어야 합니다. 스마트 컨트랙트는 권한과 책임에 대한 명확한 경계(예: 허용 목록에 있는 프로토콜만 상호작용 제한, 엄격한 자금 이체 제한 등)를 설정하여 최악의 상황에서도 잠재적 손실을 관리 가능한 한도 내로 유지해야 합니다.

4. 지속적인 모니터링 및 서킷 브레이커: 전략이 실행된 후에는 24시간 연중무휴 자율 리스크 관리 시스템을 통해 실시간으로 모니터링되어야 합니다. 전략의 움직임이 예상과 다르거나 극심한 시장 변동성이 발생할 경우, 시스템은 즉시 서킷 브레이커를 발동하여 포지션 축소 또는 전략 중단과 같은 개입 조치를 실행하여 최종 안전 밸브 역할을 해야 합니다.

1세대 제품의 패러다임 결함으로 인해 시장은 빠르게 재편되었습니다. 열악한 사용자 경험과 극도로 낮은 전환율 대면 대다수의 프로젝트가 사라졌습니다. 남은 프로젝트들은 각자의 방향에서 뚜렷한 차이를 보였습니다. 일부 프로젝트는 점진적인 UI 개선에 집중했지만, 진정으로 선두를 달린 프로젝트는 급진적인 변화, 즉 자율 에이전트를 선택한 프로젝트였습니다. 이 개념을 오해해서는 안 됩니다. 이러한 새로운 에이전트 제품은 더 이상 AI가 모든 것을 이해하고 수행할 필요가 없습니다. 대신, 사전 구축되고 검증된 워크플로를 통해 특정 상황에서 사용자에게 명확한 가치를 제공합니다. 이들의 R&D는 진정으로 경쟁력 있는 DeFi 어댑터 계층과 인지 엔진을 구축하는 데 중점을 두고 있습니다. 결과적으로 시장의 초점은 후자로 옮겨갔고, 자율 에이전트 시대가 도래했습니다.

결론적으로:

Crypto-X AI 분야를 둘러싼 광범위한 회의론에도 불구하고, 앞서 언급한 원칙을 준수하고 LLM 역량을 활용함으로써 이 분야는 특히 기관 고객에게 매력적인 가치 제안을 제공할 수 있다고 확신합니다. 여기에는 다차원 정보 분석 역량 강화(기존 알고리즘으로는 파악하기 어려운 복잡한 요인 상관관계 파악), 코드 개발 및 배포 효율성 대폭 향상, 그리고 더욱 강력한 자동화 실행 역량 확보가 포함됩니다. 따라서 저희는 장기적인 관점에서 이 분야의 발전을 지속적으로 모니터링하고, 핵심 원칙에 부합하는 초기 단계 팀을 발굴하기 위해 최선을 다하고 있습니다.

BlockBeats의 블록비츠(theblockbeats) 채용 공고에 대해 알아보려면 여기를 클릭하세요.

블록비츠(theblockbeats) 공식 커뮤니티 에 가입해 주셔서 감사합니다.

텔레그램 그룹: https://t.me/theblockbeats

텔레그램 그룹: https://t.me/BlockBeats_App

공식 트위터 계정: https://twitter.com/BlockBeatsAsia