
امروزه بیشتر سرمایهگذارانی که میخواهند از فرصت رشد هوش مصنوعی استفاده کنند، سهام شرکتهای فعال در حوزه هوش مصنوعی و صنایع مرتبط با آن را خریداری میکنند. اما آیا همین روش برای بهرهبرداری از موج بعدی هوش مصنوعی، یعنی «هوش مصنوعی عاملی» یا Agentic AI نیز کارآمد خواهد بود؟
بررسیها نشان میدهد که ارزهای دیجیتال و آلتکوینها ممکن است به یکی از مهمترین ابزارهای سرمایهگذاری برای استفاده از فرصتهای در حال ظهور در اقتصاد هوش مصنوعی عاملی تبدیل شوند.
هوش مصنوعی همچنان با سرعت زیادی در حال تکامل است. نخستین نسل از ابزارهای هوش مصنوعی که در دهه ۲۰۱۰ میلادی و با محوریت یادگیری ماشین، پردازش زبان طبیعی و تحلیلهای پیشبینیکننده شکل گرفت، نقش مهمی در آغاز عصر کلانداده یا Big Data داشت.
این فناوریها امکان دریافت، پردازش و تحلیل دادههای ساختاریافته و بدون ساختار را با سرعت و حجمی فراهم کردند که پیش از آن قابل تصور نبود. در آن دوره، هوش مصنوعی بیشتر بهعنوان ابزاری برای تقویت تواناییهای انسان و کمک به انجام بهتر کارها شناخته میشد.
عرضه قابلیتهای هوش مصنوعی مولد در اوایل دهه ۲۰۲۰، نقطه عطف مهمی در کاربرد و جایگاه این فناوری ایجاد کرد. هوش مصنوعی دیگر فقط یک ابزار کمکی نبود، بلکه به یک همکار خلاق تبدیل شد؛ همکاری که میتوانست به پرسشها پاسخ دهد، محتوا تولید کند، ایدهها را توسعه دهد و بخشی از وظایف انسانی را بر عهده بگیرد.
ظرفیت کامل هوش مصنوعی مولد هنوز بهطور کامل آشکار نشده است. ابزارهای این حوزه همچنان در حال بهبود هستند و بهتدریج در بخشهای بیشتری از زندگی روزمره، محیطهای کاری و فرآیندهای تجاری ادغام میشوند.
با افزایش نفوذ هوش مصنوعی، اهمیت آن بهعنوان یکی از محرکهای اصلی سرمایهگذاری نیز غیرقابل انکار شده است.
در ۱۴ جولای ۲۰۲۶، سهام شرکت IBM پس از انتشار هشداری درباره تغییر الگوی هزینهکرد شرکتها، ۲۵.۲ درصد سقوط کرد. این شرکت اعلام کرد که بودجههای فناوری سازمانها بهطور فزایندهای به سمت زیرساختهای هوش مصنوعی حرکت میکند و همین موضوع باعث تأخیر یا کاهش هزینهکرد در پروژههای نرمافزاری و فناوری اطلاعات سنتی شده است.
در حال حاضر، میزان تمرکز شاخص S&P 500 از هر زمان دیگری پس از حباب فناوری اواخر دهه ۱۹۹۰ بیشتر شده است. ده شرکت بزرگ این شاخص همگی بهنوعی با هوش مصنوعی همراستا هستند و در مجموع نزدیک به ۴۰ درصد از ارزش بازار کل این شاخص را تشکیل میدهند. برای مقایسه، این سهم در دوران حباب داتکام حدود ۲۵ درصد و در سال ۱۹۸۰ تنها ۱۵ درصد بود.
سرمایهگذاران نهادی بهطور ویژه هوش مصنوعی را یک ابرروند ساختاری میدانند و حجم زیادی از سرمایه خود را به زیرساختهای هوش مصنوعی، مراکز داده و سهام شرکتهای تولیدکننده نیمهرسانا اختصاص دادهاند.
با این حال، ممکن است این نوع چینش سرمایهگذاری برای استفاده از ظرفیت مرحله بعدی تکامل هوش مصنوعی کافی نباشد.
همانطور که هوش مصنوعی مولد نسبت به نسلهای قبلی هوش مصنوعی جهشی بزرگ در قدرت، کارایی و کاربردها ایجاد کرد، بلوغ و پذیرش روزافزون هوش مصنوعی عاملی نیز احتمالاً تأثیری مشابه یا حتی عمیقتر بر زندگی روزمره خواهد داشت.
هوش مصنوعی عاملی، مدل تعامل با هوش مصنوعی را از یک چتبات واکنشی و مکالمهمحور به یک سیستم مستقل تغییر میدهد؛ سیستمی که میتواند محیط اطراف خود را درک کند، برای رسیدن به یک هدف برنامهریزی کند و بدون نیاز به نظارت دائمی انسان، چندین وظیفه پیوسته را اجرا کند.
عاملهای هوش مصنوعی میتوانند مستقیماً با نرمافزارهای خارجی، سامانههای سازمانی و مخازن کد ارتباط برقرار کنند. این قابلیت در حال بازتعریف نقش هوش مصنوعی در محیط کار است.
بر اساس گزارشها، تا سال ۲۰۲۸ حدود ۳۸ درصد از سازمانها انتظار دارند عاملهای هوش مصنوعی در کنار نیروی انسانی بهعنوان اعضای تیم فعالیت کنند و در افزایش بهرهوری و نوآوری مشارکت داشته باشند. همزمان با این تحول، وظایفی که به هوش مصنوعی سپرده میشوند نیز پیچیدهتر خواهند شد.
ابزارهای هوش مصنوعی مولد تاکنون در جمعآوری اطلاعات، تحلیل دانش و تولید محتوا عملکرد بسیار خوبی داشتهاند. اما عاملهای هوش مصنوعی احتمالاً تعداد بیشتری از تراکنشها و فرآیندهای عملیاتی را بر عهده خواهند گرفت.
این عاملها میتوانند وظایف را بهصورت مستقل آغاز کنند، روند اجرای آنها را زیر نظر بگیرند، مراحل مختلف را تکمیل کنند و نتیجه نهایی را مدیریت کنند. برخی برآوردها نشان میدهد حجم تجارت مبتنی بر هوش مصنوعی عاملی تا سال ۲۰۳۰ میتواند به ۳ تا ۵ تریلیون دلار برسد.
در سازمانها، بخش زیادی از این تراکنشها احتمالاً درون نرمافزارهای سازمانی انجام خواهد شد. پیشبینیها نشان میدهد تا سال ۲۰۲۸ حدود ۳۳ درصد از محصولات نرمافزاری شامل قابلیتهای هوش مصنوعی عاملی خواهند بود و تا ۱۵ درصد از تصمیمهای روزمره نیز ممکن است توسط این عاملها گرفته شود.
پرداختهای خرد میان سیستمهای نرمافزاری برای استفاده از توان پردازشی، فراخوانی APIها، دسترسی به دادهها و دریافت خدمات، مدل جدیدی از تعامل را به وجود میآورد. در این مدل، هزینه و اجرای هر وظیفه میتواند بهصورت جداگانه محاسبه، ثبت و تسویه شود.
در حال حاضر پروتکلهایی در حال توسعه هستند که امکان انجام تراکنش مستقیم میان ماشینها را فراهم میکنند.
شرکتهای Stripe و Visa پروتکل پرداخت ماشینی یا Machine Payments Protocol که با نام MPP شناخته میشود را ارائه کردهاند. راهکارهای متنباز نیز در این زمینه بهسرعت در حال گسترش هستند.
در اوایل دهه ۱۹۹۰، زمانی که معماران شبکه جهانی وب قوانین ارتباط میان مرورگرها و سرورها را طراحی میکردند، یک کد پاسخ با شماره ۴۰۲ را کنار گذاشتند و نام آن را «پرداخت الزامی است» یا Payment Required گذاشتند.
شرکت Coinbase با الهام از همین کد، پروتکلی به نام x402 ایجاد کرد تا عاملهای هوش مصنوعی بتوانند دستورات پرداخت را آغاز و تکمیل کنند. این شرکت سپس مالکیت فکری این پروتکل را به بنیاد لینوکس منتقل کرد تا x402 به یک استاندارد باز صنعتی تبدیل شود.
تمام شبکههای بزرگ کارت اعتباری، شرکتهای مطرح Web2 مانند Stripe، Shopify، Google و Amazon Web Services و همچنین تعداد روبهرشدی از ارائهدهندگان Web3 به این استاندارد پرداخت پیوستهاند.
هدف این است که «نرمافزار بتواند بدون دخالت انسان به نرمافزار دیگری پول پرداخت کند».
پرداختهای مبتنی بر عاملهای هوش مصنوعی احتمالاً در سالهای آینده نحوه تعامل مصرفکنندگان با کسبوکارها را متحول خواهند کرد.
پیشبینی میشود تا سال ۲۰۳۰، عاملهای هوش مصنوعی بین ۱۵ تا ۲۵ درصد از کل فروش تجارت الکترونیک آمریکا را به خود اختصاص دهند. در حال حاضر، ChatGPT روزانه حدود ۲.۵ میلیارد پرامپت را پردازش میکند و نزدیک به ۵۳ میلیون جستوجو و درخواست مرتبط با خرید از طریق پلتفرمهای هوش مصنوعی انجام میشود.
OpenAI همچنین در حال فراهمکردن تجربههای پرداخت و تسویهحساب درون اپلیکیشنهای شخص ثالث ChatGPT، از جمله Target، DoorDash و Instacart است.
در چنین مدلی، کاربر میتواند از عامل هوش مصنوعی خود بخواهد محصولی را پیدا کند، گزینهها را مقایسه کند، سفارش را ثبت کند و هزینه آن را بپردازد؛ بدون آنکه لازم باشد کاربر تمام مراحل را شخصاً انجام دهد.
برای انجام تراکنشهای ماشین به ماشین، به یک زیرساخت ثبت اطلاعات نیاز است که امن، مستقل، قابلراستیآزمایی و دارای ظرفیت پردازش بالا باشد.
زیرساختهای سنتی بانکداری و کارتهای اعتباری برای پرداختهای خرد عاملهای هوش مصنوعی مناسب نیستند. یکی از دلایل اصلی، ساختار کارمزد این شبکههاست.
کارمزد یک تراکنش معمولی کارت اعتباری بهطور متوسط بین ۲ تا ۳ درصد مبلغ تراکنش است و معمولاً یک هزینه ثابت حدود ۰.۳۰ دلار نیز به آن اضافه میشود.
در مقابل، پرداختی که یک عامل هوش مصنوعی برای خرید یک ثانیه توان پردازشی یا اجرای یک درخواست داده انجام میدهد، ممکن است بهطور متوسط تنها ۰.۰۰۱ دلار باشد. بنابراین، استفاده از شبکههای پرداخت سنتی برای چنین تراکنشهای بسیار کوچکی از نظر اقتصادی منطقی نیست.
هوش مصنوعی عاملی احتمالاً برای اجرای فعالیتهای خود به فناوریهای کریپتویی و شبکههای بلاکچین وابسته خواهد شد؛ زیرا این زیرساختها برای چنین کاربردهایی طراحی شدهاند. در واقع، بلاکچین و فناوریهای کریپتویی میتوانند به لایه اصلی انتقال، ثبت و تسویه این تراکنشها تبدیل شوند.
مهمترین ویژگیهایی که بلاکچین را برای این کاربرد مناسب میکنند عبارتاند از:
عاملهای پرداخت هوش مصنوعی میتوانند برای انجام خریدها و تسویه تراکنشها، توکنهای اختصاصی ایجاد کنند.
هر توکن میتواند مجموعهای از قوانین تراکنش را درون خود داشته باشد. این قوانین مشخص میکنند:
کدام فروشندگان اجازه پذیرش توکن را دارند؛
حداکثر مبلغ مجاز برای هر تراکنش چقدر است؛
توکن تا چه زمانی اعتبار دارد؛
توکن برای چه نوع خرید یا خدمتی قابل استفاده است.
این توکنهای یکبارمصرف پس از انجام خرید مشخص، بهصورت خودکار باطل میشوند. شبکههای بلاکچین میتوانند این توکنها را نگهداری، ارسال و دریافت کنند و درست مانند قراردادهای هوشمند، قوانین تعیینشده برای تراکنش را اجرا کنند.
هر عامل هوش مصنوعی میتواند یک هویت منحصربهفرد و قابلتأیید از طریق رمزنگاری داشته باشد. هر توکنی که توسط عامل ایجاد میشود، شامل اطلاعات هویتی و اعتبارنامههایی است که به آن عامل اجازه میدهد تراکنشهای مبتنی بر بلاکچین را امضا کند.
شبکه بلاکچین در جریان تأیید تراکنش، این اطلاعات هویتی را بررسی میکند. مکانیزمهای اجماع نیز مانع انجام تراکنشهایی میشوند که هویت عامل ایجادکننده آنها معتبر تشخیص داده نشده باشد.
تمام تصمیمها، تراکنشها و تبادلهای دادهای که توسط یک عامل هوش مصنوعی روی بلاکچین انجام میشوند، میتوانند در دفترکل تغییرناپذیر شبکه ثبت شوند. این اطلاعات از طریق مرورگرهای بلاکچین قابل مشاهده و بازیابی هستند و امکان بررسی عملکرد عاملها، پاسخگویی، شفافیت و حسابرسی را فراهم میکنند.
بلاکچین میتواند دسترسی عاملهای هوش مصنوعی به منابع پردازشی توزیعشده، از جمله شبکههای غیرمتمرکز GPU و مجموعههای داده را فراهم کند. این مدل وابستگی به زیرساختهای ابری متمرکز و اختصاصی را کاهش میدهد و میتواند هزینه اجرای مدلهایی را که تعداد زیادی تراکنش انجام میدهند، پایین بیاورد.
بیتکوین تنها حدود ۷ تراکنش در ثانیه و اتریوم حدود ۷۵ تراکنش در ثانیه پردازش میکنند. با این حال، شبکههای بلاکچینی جدیدتر به سرعتهای بسیار بالاتری رسیدهاند.
حداکثر سرعت ثبتشده در برخی شبکهها به شرح زیر است:
شبکه Aptos: حدود ۱۲٬۹۳۳ تراکنش در ثانیه؛
شبکه Solana: حدود ۶٬۲۸۴ تراکنش در ثانیه؛
شبکه BNB Chain: حدود ۳٬۲۵۲ تراکنش در ثانیه.
این سرعتها با ظرفیت شبکه Visa که در شرایط معمول بین ۱٬۷۰۰ تا ۱۰ هزار تراکنش در ثانیه پردازش میکند، قابل مقایسه است. با این حال، این مقایسه تمام واقعیت را نشان نمیدهد.
شبکههای بلاکچین در همین بازه زمانی، تراکنش را هم ثبت و هم تسویه میکنند. در مقابل، شبکه Visa در این مرحله فقط تراکنش را ثبت میکند و تسویه نهایی آن معمولاً بین یک تا سه روز کاری زمان میبرد.
با توجه به این ویژگیها، بلاکچین احتمالاً نقش مهمی در تحقق کامل ظرفیت هوش مصنوعی عاملی در تراکنشهای مصرفکنندگان خواهد داشت. رشد هوش مصنوعی عاملی نیز میتواند به همان «کاربرد کلیدی و تعیینکنندهای» تبدیل شود که پذیرش گسترده بلاکچین را سرعت میبخشد.
امروزه سرمایهگذاران برای استفاده از فرصت رشد هوش مصنوعی، معمولاً یکی از مسیرهای زیر را انتخاب میکنند:
خرید سهام شرکتهای فعال یا همراستا با هوش مصنوعی؛
سرمایهگذاری در صنایع و حوزههای مرتبط با هوش مصنوعی؛
مشارکت بهعنوان سرمایهگذار محدود یا LP در صندوقهای سرمایهگذاری خصوصی؛
سرمایهگذاری در شرکتهای تأمینکننده انرژی؛
سرمایهگذاری در مراکز داده و زیرساختهای موردنیاز برای اجرای مدلهای هوش مصنوعی.
اما برای بهرهبرداری از ظرفیت هوش مصنوعی عاملی، ممکن است لازم باشد همین سبدهای سرمایهگذاری، میزان مواجهه خود با ارزهای دیجیتال و آلتکوینهای ایجادشده توسط اپلیکیشنها و پروژههای بلاکچینی را نیز افزایش دهند.
چند عامل مهم میتوانند این روند را تقویت کنند.
برای ثبت یک تراکنش روی بلاکچین، عامل هوش مصنوعی باید کارمزد شبکه را با ارز دیجیتال همان شبکه پرداخت کند, برای مثال، اگر یک عامل بخواهد تراکنشی را روی بلاکچین سولانا ثبت کند، باید هزینه شبکه را با توکن SOL پرداخت کند.
با افزایش پرداختهای مبتنی بر هوش مصنوعی عاملی، تقاضا برای ارز دیجیتال شبکههایی که میزبان این تراکنشها هستند نیز میتواند افزایش پیدا کند. این افزایش تقاضا ممکن است برای دارندگان توکنهای مربوط به هر شبکه ارزش ایجاد کند, در مراحل ابتدایی، احتمالاً بخش عمده این تقاضا از پرداختهای خرد ماشین به ماشین در سیستمهای نرمافزاری سازمانی شکل خواهد گرفت.
با افزایش تعداد تراکنشهای یک بلاکچین و بیشترشدن تقاضا برای ارز دیجیتال آن، سرمایه بیشتری وارد خزانه شبکه میشود.
بنیادهای بلاکچینی معمولاً از منابع مالی خزانه خود برای اهداف زیر استفاده میکنند:
اعطای کمکهزینه به توسعهدهندگان برای ساخت اپلیکیشن روی شبکه؛
پرداخت پاداش کشف باگ به توسعهدهندگانی که آسیبپذیریهای امنیتی را شناسایی میکنند؛
ارائه مشوق به اعتبارسنجها و افرادی که تراکنشهای شبکه را تأیید میکنند؛
افزایش سرمایه موجود در خزانه میتواند باعث گسترش و امنترشدن اکوسیستمهای بلاکچینی شود. این شرایط توسعهدهندگان بیشتری را به ساخت پروژه روی شبکه تشویق میکند. آنها نیز ممکن است برای تأمین مالی پروژهها و واگذاری بخشی از مالکیت اپلیکیشنهای خود، آلتکوینهای جدیدی منتشر کنند.
با راهاندازی اپلیکیشنهای بیشتر و جذب توسعهدهندگان به شبکههای بلاکچینی، مزایای اپلیکیشنهای Web3 در مقایسه با اپلیکیشنهای Web2 بیشتر نمایان خواهد شد, این اتفاق در حال حاضر در صنعت بازیهای Web3 دیده میشود.
صنعت بازی بهتدریج از مدلهای مستقل Web2 به سمت اقتصادهایی حرکت میکند که مالکیت آنها در اختیار بازیکنان است. اپلیکیشنهای Tap-to-Earn یا «برای کسب درآمد ضربه بزن» صدها میلیون کاربر در سراسر جهان جذب کردهاند.
بازیکنان اکنون میتوانند آیتمهای درون بازی، از جمله NFTها را در بازارهای ثانویه و حتی میان پلتفرمهای مختلف خریدوفروش کنند, این ساختار به کاربران اجازه میدهد مالکیت قابلتأییدی بر داراییها و پیشرفت دیجیتال خود داشته باشند و از فعالیتهایی که درون بازی انجام دادهاند، درآمد کسب کنند. تحولی مشابه میتواند در طیف گستردهای از اپلیکیشنهای مصرفکننده اتفاق بیفتد. چنین تغییری احتمالاً توجه به آلتکوینهای منتشرشده توسط این پروژهها را افزایش خواهد داد.
پروتکلهای موردنیاز برای افزودن پرداختهای عاملهای هوش مصنوعی به اپلیکیشنهای بلاکچینی هماکنون وجود دارند و میتوانند یک چرخه رشد تقویتشونده ایجاد کنند, کاربران میتوانند به عاملهای هوش مصنوعی خود دستور دهند پرداختهای مربوط به تراکنشها را انجام دهند.
در این حالت، دیگر لازم نیست هر کاربر شخصاً مراحل زیر را انجام دهد:
ساخت کیف پول ارز دیجیتال؛
خرید ارز دیجیتال یا آلتکوین؛
نگهداری و مدیریت توکنها؛
پرداخت کارمزد شبکه؛
امضای دستی هر تراکنش.
از نگاه کاربر، تجربه استفاده از یک اپلیکیشن Web3 میتواند کاملاً مشابه یک سرویس Web2 باشد. تفاوت اصلی این است که کاربر در اکوسیستم Web3 ممکن است از مزایای مالی بیشتری برخوردار شود؛ زیرا توکنها علاوه بر کاربرد درون شبکه، میتوانند نشاندهنده نوعی مالکیت نیز باشند.
تحولی که در سالهای آینده رخ خواهد داد، از برخی جنبهها شبیه گذار از Web1 به Web2 است. در دوران Web1، اینترنت بیشتر از وبسرورها و وبسایتهای ایستا تشکیل شده بود. سپس با ظهور Web2، کسبوکارهای ابری و اپلیکیشنهای تعاملی بهسرعت گسترش پیدا کردند, در هر دو دوره، هم ارائهدهندگان فناوری پایه و هم کسبوکارهایی که روی این زیرساختها ساخته شدند، تغییر کردند.
رهبران قدیمی جای خود را به مجموعه جدیدی از شرکتها و ارائهدهندگان دادند که موتور رشد اقتصادی آن دوره بودند, به شکل مشابه، بلاکچینها، اپلیکیشنهای غیرمتمرکز و پروژههای مبتنی بر Web3 میتوانند محرکهای گذار بعدی باشند.
در حال حاضر، بسیاری از سرمایهگذاران هنوز درباره شیوه استفاده از ارزشی که توسط بلاکچینها و اکوسیستمهای مرتبط با آنها ایجاد میشود، اطمینان ندارند.
سرمایهگذاران به مدل تجارت متمرکز و مبتنی بر شرکت عادت کردهاند. در این مدل، اگر شرکتی ارزش ایجاد کند، سرمایهگذار برای مشارکت در آن ارزش، سهام شرکت را خریداری میکند, اما ساختار شبکههای غیرمتمرکز متفاوت است.
احتمالاً در سالهای آینده بیشتر مشخص خواهد شد که برای مشارکت در ارزشی که توسط شبکهها و کسبوکارهای غیرمتمرکز ایجاد میشود، سرمایهگذاران باید ارزهای دیجیتال و آلتکوینهای صادرشده توسط این شبکهها و پروژهها را خریداری کنند.
چنین داراییهایی ممکن است به بخش مهمی از سبدهای سرمایهگذاری تبدیل شوند؛ بهویژه برای سرمایهگذارانی که بهدنبال بهرهبرداری از فرصتهای در حال ظهور در حوزه هوش مصنوعی عاملی هستند.