«Ты уже разводишь лобстеров?» В последнее время, когда Web3-еры приветствуют друг друга, в восьми-девяти случаях из десяти звучит именно этот вопрос.
В начале 2026 года, после того как роботы на китайском новогоднем гала-концерте произвели фурор, новые ИИ-агенты, такие как OpenClaw, стали новой игрушкой в устах tech-сообщества. Кто-то использует ИИ для службы поддержки, кто-то — для написания кода, а некоторые даже начали экспериментировать с использованием агентов для моделирования целых «цифровых сотрудников». Недавно на различных интернет-платформах часто упоминается концепция «компания одного человека» — когда один человек с помощью рабочего процесса на основе ИИ может выполнять работу, для которой раньше требовалась целая команда.
В мире Web3 тоже не сидели сложа руки. Если в последнее время почитать отраслевые медиа, можно заметить, что многие проекты также начали обыгрывать тему ИИ-агентов. Одни исследуют, как агенты могут напрямую взаимодействовать с активами в блокчейне или смарт-контрактами, другие разрабатывают инфраструктуру для платежей, идентификации или финансовых операций агентов, кто-то обсуждает «экономическую систему агентов», позволяющую ИИ участвовать в сети наравне с пользователями, а некоторые снова начали продвигать новый слоган — «Web4.0».
Читая это, невольно возникает ощущение дежавю.
Говорят, мода циклична, но кто бы мог подумать, что tech-индустрия (или, если точнее, крипто-индустрия) тоже подчиняется этому правилу. Вспомните медвежий рынок, начавшийся в 2022 году: тогда ChatGPT взорвал интернет, и ИИ мгновенно стал темой всеобщего обсуждения. Крипто-сообщество, конечно же, не осталось в стороне — очень быстро появилась куча новых концепций: ИИ-агенты, ИИ-трейдеры, автоматизированные стратегии и т.д. Казалось, стоит лишь немного沾нуться к ИИ, и можно рассказывать новые истории. Но этот ажиотаж длился недолго. Как только крипторынок снова пошел в рост, внимание быстро вернулось к самой криптографии.
А теперь, во второй половине 2025 года, крипторынок снова показывает признаки медвежьего тренда, и Web3 начал искать новые концепции для перезагрузки.
Однако, по мнению Portal Labs, именно здесь и кроется проблема. Когда какой-то нарратив становится популярным, многие Web3-стартапы принимают решения не based на технологиях или бизнес-соображениях, а based на нарративе: какая концепция горячая, за ту и берутся. И затем наступают на грабли —
Многие команды в процессе реализации проекта осознают, что концепцию можно собрать быстро, а вот продукт запустить крайне сложно. Где пользователи? В чем конкретная use case? На чем можно постоянно зарабатывать? Сможем ли привлечь инвестиции? Эти вопросы часто возникают лишь после того, как над проектом уже некоторое время поработали.
Когда хайп спадает, на рынке往往 остаются горы непроработанных проектов. Одни продукты застряли на стадии демо, другие кое-как запустились, но не нашли пользователей, а третьи и вовсе исчезли вместе с нарративом. В краткосрочной перспективе кажется, что открылось новое направление, но если оглянуться спустя время, по-настоящему стоящего осталось не так уж много.
В связи с этим и возникает дилемма: продолжать углубляться в Crypto или переключиться на ИИ. Выбрать первое — рынок не очень, вложения могут не окупиться; выбрать второе — нет уверенности. Технологический порог вхождения в ИИ, структура талантов и конкурентная среда отличаются от Web3. Многие команды за последние годы накопили стек технологий, продуктовый опыт, комьюнити-ресурсы, которые завязаны именно на экосистеме Crypto. Полный переход на ИИ равносилен входу на абсолютно незнакомый рынок. Практически все — от возможностей моделей и data-ресурсов до инженерных команд — требует перестройки с нуля.
Более реалистичный момент: сам рынок ИИ уже перенасыщен. И крупные модели-компании, и традиционный интернет-бизнес, и множество стартапов — все вкладывают огромные ресурсы в эту сферу. Для команды, изначально занимавшейся Web3, вход на этот рынок лишь из-за смены нарратива легко может обернуться ситуацией, где нет ни технологических преимуществ, ни отраслевых ресурсов.
На самом деле, для многих Web3-стартапов существует и другой практический путь. Не обязательно полностью переключаться на ИИ, а можно продолжать идти своим Web3-путем, параллельно размышляя, чем Crypto может дополнить экосистему ИИ.
Если внимательно посмотреть на текущий виток развития ИИ, можно заметить, что многие ключевые аспекты еще до конца не решены.
Наиболее яркий пример — данные. Модели становятся все мощнее, но откуда брать данные для обучения, являются ли они достоверными и compliant, особенно как реализовать кастомизацию ИИ-агента «один на один» — для этих вопросов до сих пор нет хорошего механизма. Для ИИ, зависящего от обучения на больших данных, это фундаментальная и long-standing проблема.
Еще пример — идентификация и коллаборация. Когда ИИ-агенты начинают участвовать в выполнении задач, автоматических сделках и даже операционных решениях, им самим требуются идентичность, права доступа и правила взаимодействия. Кто может вызывать определенного агента? Как агенты分工руются между собой? Как рассчитываться после выполнения задачи? Эти вопросы по своей сути касаются identity и распределения стоимости в открытой сети.
И конечно, вопрос платежей. Как только ИИ-агенты начинают автономно использовать сервисы, получать данные или выполнять задачи в сети, им требуется система микроплатежей для автоматического расчета. В традиционной интернет-системе такую платежную структуру реализовать крайне сложно.
Все это выглядит как проблемы ИИ, но многие решения для них уже существуют в технологическом стеке Crypto. Сети мотивации данных, системы ончейн-идентификации, открытые платежные сети — все это направления, которые Web3 как раз и исследовал последние годы.
Если Web3-стартапы действительно хотят попробовать двигаться в этих направлениях, им необходимо четко продумать несколько вещей.
В первую очередь, нужно оценить собственные технологические возможности команды. У разных Web3-проектов очень разный tech stack. Одни команды сильны в ончейн-протоколах, другие долгое время работали с data-сетями, третьи больше ориентированы на продукты application layer. Если команда последние годы занималась data-инфраструктурой, например, сбором, обработкой данных или data-маркетплейсами, то естественным будет расширение в сторону data-слоя для ИИ: например, сети для контрибьютинга данных, верифицируемые источники данных или мотивированные data-маркетплейсы для моделей. Если команда изначально была больше ориентирована на ончейн-протоколы или инфраструктуру, то можно рассмотреть работу над environment для запуска ИИ-агентов: ончейн-идентификация агентов, управление правами доступа, протоколы выполнения задач или предоставление агентам возможностей для автоматического расчета и платежей. Что касается команд, которые уже разрабатывают продукты на уровне приложений — trading-инструменты, контент-платформы, community-продукты или consumer-приложения — то ИИ лучше всего подходит для embedding в качестве capability layer в существующую продуктовую экосистему. Например, использование ИИ для улучшения analytics, automation операционных процессов или поручения агенту функций, которые раньше требовали ручного труда.
Во-вторых, необходимо оценить, существует ли реальная use case. Многие ИИ-проекты быстро исчезают не потому, что с технологиями плохо, а потому что изначально не было четкого сценария использования. Концепцию можно раскрутить, но где реальные пользователи этого продукта, зачем он им нужен и почему они готовы за него платить — на эти вопросы часто не дают ответа. Некоторые концепции много обсуждаются в индустрии, например, «AI+Web3», «экономическая система агентов», «ИИ-трейдеры» — звучит масштабно, но если копнуть глубже, стабильной пользовательской базы на самом деле не так много. В то же время, некоторые, казалось бы, менее «сексуальные» потребности, такие как обработка данных, автоматизация операций, фильтрация информации или выполнение задач, в реальном бизнесе существуют давно. Именно поэтому, принимая решение о входе в какое-либо ИИ-направление, вместо того чтобы сначала смотреть на хайповость концепции, лучше сначала изучить саму use case: является ли эта use case long-standing бизнес-проблемой, платят ли уже за ее решение, и может ли ИИ действительно повысить эффективность на этом участке. Если эти условия выполняются, то такое направление с большей вероятностью превратится из нарратива в продукт.
Кроме того, необходимо оценить, есть ли у Web3-стартапа реальные ресурсы для входа в эти сферы.
Упомянутые выше направления — данные, идентификация, платежи — по своей сути являются не столько технологическими проблемами, сколько проблемами сетевых ресурсов.
Например, data-сеть: если у команды нет стабильного источника данных и нет пользовательской базы, которая могла бы постоянно поставлять данные, то даже при наличии технологии很难 добиться настоящего сетевого эффекта. Точно так же, если вы хотите создать систему identity или коллаборационную сеть для ИИ-агентов, вам потребуется участие реальных разработчиков, приложений или самих агентов, иначе протокол не сможет сформировать экосистему. Логика платежных и расчетных систем аналогична. Как только ИИ-агенты начинают использовать сервисы, получать данные или выполнять задачи в сети, микроплатежи становятся очень частыми. Но такая платежная сеть имеет смысл только при одновременном наличии большого количества агентов и сервисов, иначе это всего лишь технологический модуль.
Поэтому для многих Web3-команд реальная оценка должна заключаться не в том, «есть ли в этом направлении технологическое пространство», а в том, могут ли они сами стать частью этой сети. Есть ли у команды уже источники данных, developer ecosystem или use case — это часто определяет, сможет ли проект реально войти в инфраструктурный слой ИИ, а не остаться на концептуальном уровне.
