В предыдущей статье «Китайские стартапы в Web3: какие направления перспективны? (Часть 4)» Portal Labs вначале обсудил три категории команд Web3, ориентированных больше на инфраструктуру, и как они могут перенести свои компетенции в направление ИИ.
Командам, работающим с данными, стоит обратить внимание на уровень данных ИИ, решая проблемы авторизованных данных, верифицируемых данных и совместимых вызовов; командам, занимающимся идентификацией и аккаунтами, стоит посмотреть на разрешения, учетные записи и журналы выполнения Агентов; командам, работающим с платежами и кошельками, можно рассмотреть автоматические расчеты для Агентов, микроплатежи через API и аудит счетов. У этих трех путей есть общая черта — они переносят накопленные за последние годы инфраструктурные возможности Web3 в контекст новых потребностей, возникающих с развитием ИИ-Агентов.
Однако направления для миграции китайских команд Web3 не ограничиваются данными, идентификацией и платежами. Еще две категории команд также заслуживают отдельного рассмотрения.
Одна из них — команды по безопасности и управлению рисками. Раньше они обслуживали контракты, кошельки, денежные потоки и ончейн-риски; на этапе ИИ-Агентов новые проблемы безопасности появятся в сфере разрешений, вызова инструментов, автоматических платежей, доступа к данным и журналов выполнения. Чем больше Агент может делать за пользователя, тем больше необходимость в том, чтобы кто-то помог ему устанавливать границы, проверять аномалии и вести записи.
Другая категория — это команды на уровне приложений и сообществ. Им не обязательно превращаться в инфраструктурные ИИ-компании, но они могут внедрить ИИ в свои существующие процессы разработки продуктов и операционной деятельности, повышая эффективность исследований, контента, поддержки пользователей, сообществ, обучения и конверсии. Для таких команд ИИ больше похож на усиление возможностей, а не на полную смену деятельности.
Таким образом, эта статья продолжает логику предыдущей: как именно команды по безопасности/управлению рисками и команды на уровне приложений/сообществ должны осуществлять миграцию в сторону ИИ.
В то же время Portal Labs должен прояснить еще один момент. Не все направления в сфере ИИ подходят для входа китайских команд Web3. Некоторые направления кажутся очень горячими, например, универсальные большие языковые модели, платформы для общих Агентов, ИИ-трейдеры, продукты с автоматическим доходом, но на самом деле у них высокая планка входа, жесткая конкуренция, и они могут даже столкнуться с очень чувствительными границами регулирования.
Возможность миграции зависит не только от того, насколько популярен ИИ. Более важно, какие компетенции у команды уже есть, можно ли применить эти компетенции в реальных сценариях и удастся ли найти четкого плательщика.
Команды по безопасности и управлению рисками: от ончейн-безопасности к аудиту поведения Агентов
Безопасность и управление рисками всегда были направлением, которое позволяло китайским командам Web3 лучше переживать рыночные циклы.
Независимо от того, жарко ли на рынке, перед запуском проектов Web3 необходимо проводить аудит контрактов, кошельки нужно защищать от взлома, денежные потоки мониторить, атаки отслеживать, инструменты KYT и AML также всегда востребованы. Многие команды по безопасности выжили именно благодаря этим реальным потребностям.
Раньше такие команды в основном фокусировались на уязвимостях смарт-контрактов, рисках приватных ключей, безопасности кошельков, ончейн-атаках, движении средств и подозрительных транзакциях. С развитием ИИ-Агентов проблемы безопасности расширятся от ончейн-активов до более широкого спектра автоматизированных действий.
Потому что Агент больше не просто отвечает на вопросы, он начинает вызывать инструменты, получать доступ к данным, выполнять процессы и даже инициировать платежи и ончейн-операции.
Например, компания интегрирует ИИ-Агента в CRM, почту, библиотеку контрактов, внутреннюю базу знаний и систему тикетов, используя его для систематизации клиентской информации, генерации протоколов встреч, подготовки ответных писем, запросов условий контрактов и даже автоматического создания задач и сопровождения клиентов. Этот сценарий выглядит как повышение эффективности, но за ним скрывается множество вопросов разрешений и передачи данных. Может ли Агент читать все клиентские данные? Может ли он передавать содержимое контрактов внешним инструментам? Имеет ли доступ к почте сотрудников? Может ли автоматически отправлять письма клиентам? Если его скомпрометировать через подсказки, не произойдет ли утечка внутренней информации?
Все это станет новыми проблемами безопасности.
Если компании начнут массово использовать ИИ-воркфлои, потребность в безопасности распространится от безопасности моделей до безопасности поведения. Компании будут беспокоиться не только о том, правильно ли отвечает модель, но и о том, что сделал Агент, какую систему вызвал, к каким файлам получил доступ, кому передал данные и соответствовало ли это внутренним разрешениям и регуляторным требованиям.
Именно в этом направлении могут мигрировать команды по безопасности и управлению рисками.
Команды, которые ранее занимались ончейн-мониторингом, аудитом, управлением рисками, отслеживанием средств, могут перенести свои компетенции в сферу аудита поведения Агентов, выявления аномалий в разрешениях, мониторинга вызовов данных, управления рисками автоматических платежей и корпоративного управления безопасностью ИИ.
Например, предоставлять компаниям журналы операций Агентов, чтобы каждый вызов инструмента был отслеживаемым; устанавливать границы разрешений для ИИ-воркфлоу, предотвращая несанкционированный доступ; настраивать правила управления рисками для автоматических платежей, идентифицируя аномальные вызовы; предоставлять отчеты по аудиту внутренних вызовов данных, помогая компаниям соответствовать регуляторным требованиям.
Такие направления могут не обладать сильной виральностью, но имеют явные атрибуты B2B.
Чем больше компании используют ИИ, тем больше им нужна безопасность, контроль разрешений и аудит. Особенно в таких отраслях, как финансы, здравоохранение, государственный сектор, право, образование, ИИ должен быть не только эффективным, но и контролируемым, проверяемым и подотчетным.
Для китайских команд направление безопасности и управления рисками также позволяет легче избегать высокорисковых нарративов. Не нужно напрямую работать с токенами, управлять пользовательскими средствами или обещать доход. Достаточно войти в реальные риски, возникающие в процессе использования ИИ компаниями, чтобы получить возможность формировать устойчивый доход от услуг.
Однако у этого направления также есть свои барьеры.
Аудит поведения Агентов нельзя просто понимать как «ончейн-мониторинг под другим названием». Он требует понимания систем разрешений компаний, вызовов ИИ-инструментов, безопасности данных, анализа журналов и бизнес-процессов. Командам по безопасности из Web3, если они хотят войти в эту сферу, необходимо восполнить знания в области ИИ-инжиниринга и корпоративной безопасности, нельзя просто применять старые методы аудита контрактов.
Но в долгосрочной перспективе это направление заслуживает внимания. Чем больше ИИ проникает в реальный бизнес, тем меньше вопросы безопасности будут ограничиваться самой моделью. Тот, кто сможет помочь компаниям видеть, что сделал Агент, какие действия несут риск и как отследить проблему в случае возникновения, может стать важным поставщиком услуг в инфраструктуре ИИ.
Команды на уровне приложений и сообществ: от продуктов Web3 к продуктам, усиленным ИИ
К этой категории относятся платформы контента, инструменты для исследований и инвестиций, торговые инструменты, образовательные продукты, продукты для сообществ, инструменты роста и пользовательского взаимодействия. Им может не подходить прямое создание инфраструктуры ИИ, но они отлично подходят для внедрения ИИ в свой существующий бизнес.
Самая распространенная ошибка команд уровня приложений — увидев ажиотаж вокруг ИИ, спешно превращать себя в ИИ-компанию. Раньше занимались сообществом, теперь говорят, что будут делать ИИ-соцсеть; раньше делали контент, теперь говорят, что будут делать ИИ-контент-платформу; раньше занимались исследованиями, теперь говорят, что будут делать ИИ-инвестиционных консультантов. Звучит как большие перемены, но без реальных сценариев и платёжеспособного спроса легко превратиться в новую упаковку.
Более реалистичный подход — внедрить ИИ в существующий продукт, решая проблемы, которые уже есть у пользователей.
Для таких направлений уже есть ориентиры. Например, продукты вроде Kaito по сути не являются просто «инструментом для чата с ИИ», а решают проблему информационной перегрузки в Crypto, организуя динамику проектов, активность в соцсетях, популярность нарративов, распространение контента и внимание пользователей, позволяя исследователям и командам проектов быстрее видеть, о чем говорит рынок. Для команд уровня приложений это вдохновляющий пример: ИИ не обязательно должен быть отдельным продуктом, он может стать слоем возможностей для фильтрации информации, смысловой организации и обнаружения сигналов.
Еще пример — различные Crypto Copilot и помощники для исследований. Они не делают за пользователя выводы о том, хорош проект или нет, а организуют анонсы, white paper, governance-предложения, ончейн-данные, информацию о финансировании и рыночную динамику в более понятный контент. Для инструментов исследований это ценнее, чем просто сделать «робота для вопросов-ответов». Потому что настоящая боль пользователей не в том, что нельзя задать вопрос, а в том, что информации слишком много, источники разрознены, а стоимость принятия решений высока.
Та же логика применима к инструментам для сообществ и операционной деятельности. Командам проектов ежедневно приходится обрабатывать вопросы пользователей, обратную связь по активностям, контент сообществ, данные KOL и лиды для роста. Если ИИ просто добавлен в Telegram или Discord для ответов на несколько частых вопросов, ценность ограничена. Но если он может помочь команде проекта систематизировать часто задаваемые вопросы в сообществе, проставлять теги пользователям, выявлять активных участников, классифицировать обратную связь по активностям, генерировать аналитику по операциям, то он превращается в инструмент, реально встроенный в операционный процесс.
Образовательные продукты тоже можно рассматривать так. Самая большая сложность для новичков в Web3 не обязательно в том, что нет контента, а в том, что контента слишком много, порог входа высок, и трудно отличить правду от вымысла. ИИ может генерировать индивидуальные траектории обучения в зависимости от уровня пользователя, объяснять термины, систематизировать кейсы, проводить тренировки в формате вопросов-ответов, а также разбивать сложный контент на версии, более понятные для начинающих.
Таким образом, для команд уровня приложений ИИ больше подходит в качестве усилителя возможностей продукта и операционной деятельности.
Контент-платформы могут использовать ИИ для фильтрации информации, создания саммари, рекомендаций и мультиязычного распространения; инструменты для исследований могут использовать ИИ для объяснения ончейн-данных, мониторинга проектов, систематизации рыночной информации и предупреждения о рисках; продукты для сообществ могут использовать ИИ для автоматических ответов, сегментации пользователей, управления активностями и модерации контента; образовательные платформы могут использовать ИИ для персонализированных траекторий обучения, генерации курсов и ответов на вопросы; торговые инструменты могут использовать ИИ для анализа данных, предупреждений о рисках и поддержки стратегий.
Эти направления звучат не так масштабно, как «экономика Агентов», но легче реализуемы. Потому что у команд уровня приложений уже есть пользователи, контент, сценарии и операционный опыт. Добавление ИИ решает уже существующие проблемы в их продуктах. Например, слишком много информации, пользователи не понимают, высокие затраты на поддержку, медленное производство контента, низкая эффективность исследований, тяжелая работа с сообществами.
Ключ к такой миграции — не отрываться от исходных пользовательских сценариев.
Если инструмент для исследований в Web3 изначально обслуживает трейдеров и исследователей, то ИИ может помочь пользователям быстрее понимать анонсы, white paper, ончейн-данные и рыночные изменения. Если образовательная платформа Web3 изначально обслуживает новичков, то ИИ может заниматься персонализированными ответами и траекториями обучения. Если продукт для сообществ изначально обслуживает команды проектов, то ИИ может помочь им в сегментации пользователей, поддержке сообщества и вовлечении в активности.
Все это реально существующий спрос.
Командам уровня приложений часто не нужно стремиться к «трансформации». Внедрение ИИ как новой возможности в существующий продукт позволяет легче использовать уже имеющуюся базу пользователей, контента и бизнеса, а также избежать входа в совершенно незнакомую красную воду ИИ.
Конечно, этот путь тоже нельзя сводить лишь к добавлению чат-бота.
То, что сейчас многие продукты называют «ИИ-фикацией», часто сводится к добавлению окна для вопросов-ответов. Пользовательский опыт при этом не улучшается заметно, эффективность бизнеса тоже не меняется. Такая ИИ-фикация вряд ли создаст долгосрочную ценность.
Действительно эффективное усиление с помощью ИИ должно быть встроено в изначальный рабочий процесс пользователя. Оно либо помогает пользователю экономить время, либо повышает качество решений, либо снижает операционные затраты, либо увеличивает конверсию и удержание. Если этого не происходит, ИИ-функция быстро становится декорацией.
Поэтому для команд уровня приложений и сообществ самый реалистичный способ миграции — сначала использовать ИИ для того, чтобы сделать свой существующий продукт и операции более эффективными. Важнее, стали ли пользователи легче понимать информацию, стало ли командам проектов легче управлять сообществами, стали ли исследователи быстрее принимать решения, снизились ли затраты на поддержку и рост, чем вопрос «произошла ли трансформация в ИИ».
Каких направлений лучше избегать?
Рассказав о командах, которым подходит миграция, нужно также четко обозначить направления, к которым лучше отнестись с осторожностью.
Первая категория — создание универсальных больших языковых моделей с нуля.
Это направление требует возможностей модели, вычислительных ресурсов, данных для обучения, исследовательской команды и долгосрочных капиталовложений, само по себе уже представляя высококонкурентный рынок. В нем участвуют компании больших моделей, интернет-гиганты, нативные ИИ-стартапы. Китайским командам Web3 без особо сильных технологических и ресурсных накоплений будет сложно сформировать преимущество, входя напрямую.
Более реалистичная проблема в том, что накопленные преимущества команд Web3 обычно не связаны с обучением моделей. Многие команды действительно сильны в протоколах, данных, кошельках, платежах, безопасности, сообществах и зарубежных рынках. Прямой переход к созданию универсальных больших моделей означает отказ от накопленного опыта и вход в более тяжелый, конкурентный и затратный сегмент.
Вторая категория — сразу создавать платформы для общих ИИ-Агентов.
Многие платформы для Агентов звучат грандиозно, кажется, они могут выполнять любые задачи. Но на практике при внедрении пользователей волнует часто не то, насколько платформа масштабна, а то, может ли она стабильно выполнять конкретную задачу. Можно ли интегрировать ее в реальный рабочий процесс, сокращает ли она трудозатраты, гарантирует ли качество результата, найдутся ли желающие платить — эти вопросы важнее, чем «нарратив платформы».
Без четкой задачи, стандартов результата и плательщика платформа Агентов легко может остаться на стадии демо. Выглядит продвинуто, но на самом деле трудно войти в повседневное использование.
Третья категория — направления вроде ИИ-трейдеров, автоматического дохода и интеллектуальных инвестиционных консультантов.
Такие продукты легко становятся виральными в кругах Web3, потому что они естественным образом апеллируют к ожиданиям пользователей относительно дохода. ИИ-автотрейдинг, ИИ зарабатывает за вас, ИИ принимает инвестиционные решения вместо вас — все это звучит очень привлекательно.
Но у таких направлений и самые сложные проблемы. Они легко затрагивают пользовательские средства, обещания дохода, управление активами, регулирование консультационных услуг и управление рисками торговли. Достаточно чуть более агрессивной формулировки продукта, чтобы соскользнуть от «инструментальной поддержки» к «обещанию дохода». Для китайских команд такие направления особенно чувствительны и вряд ли могут стать долгосрочным стабильным путем для стартапа.
Четвертая категория — просто натягивание оболочки ИИ на старый проект.
Раньше делали NFT, теперь добавили генерацию изображений ИИ; раньше делали GameFi, теперь добавили ИИ-NPC; раньше делали кошелек, теперь добавили ИИ-ассистента для чата; раньше делали сообщество, теперь добавили ИИ-бота. Такая модернизация может принести краткосрочные хайповые темы, но если она не улучшает ценность продукта, трудно удержать пользователей и убедить реального плательщика.
ИИ может быть точкой входа для миграции возможностей, но не может решить фундаментальные проблемы проекта, у которого нет реального спроса.
Если исходный бизнес не имел пользователей, дохода, сценариев, то просто сменить нарратив на ИИ, в конечном счете, с большой вероятностью вернет к тому же вопросу. Зачем он нужен пользователям? Кто будет платить постоянно? Какую проблему на самом деле решает команда?
Таким образом, для китайских команд Web3 оценка того, стоит ли делать то или иное направление в ИИ, не должна основываться только на его хайповости. Важнее, есть ли у него реальный сценарий, четкий плательщик, повторно используемые компетенции и относительно ясные регуляторные границы.
В заключение
Цикл ИИ наступил, и китайским командам Web3, конечно, нужно смотреть в эту сторону, и они должны это делать.
Но по-настоящему стоит смотреть не на то, какая концепция снова стала горячей, а на то, есть ли новые точки приложения для компетенций, накопленных за последние годы.
От данных, идентификации, платежей до безопасности, управления рисками и продуктов уровня приложений — то, что могут мигрировать команды Web3, по сути, уже является тем, что было наработано в их исходном бизнесе. ИИ предоставляет новую среду для этих компетенций, но не сможет восполнить фундамент для проекта, у которого нет реального спроса.
Поэтому для китайских предпринимателей в Web3 переход на ИИ — не ключевой момент. Ключевой момент — можно ли мигрировать компетенции.
Если в прошлом были накоплены компетенции в области данных, учетных записей, платежей, безопасности, операционной деятельности и пользовательских сценариев, то ИИ может стать новым путем.
Если в прошлом были только нарратив и упаковка, то замена их на ИИ — это просто смена на более хайповое слово.
