Trong bài viết trước "Startup Web3 tại Trung Quốc: Những hướng đi tốt nào? (Phần 4)", Portal Labs đã thảo luận về ba loại đội ngũ Web3 thiên về hạ tầng hơn, làm thế nào để chuyển dịch năng lực sang hướng AI.
Các đội ngũ về dữ liệu có thể xem xét tầng dữ liệu AI, giải quyết vấn đề dữ liệu được ủy quyền, dữ liệu có thể xác minh và gọi tuân thủ; các đội ngũ về danh tính và tài khoản có thể xem xét quyền hạn, tài khoản và lịch sử thực thi của Agent; các đội ngũ về thanh toán và ví có thể xem xét thanh toán tự động Agent, micro-payment API và kiểm toán kế toán. Ba hướng đi này có một điểm chung: đều là đưa năng lực hạ tầng mà Web3 đã tích lũy trong vài năm qua vào nhu cầu mới đang xuất hiện của AI Agent.
Tuy nhiên, hướng chuyển dịch mà các đội ngũ Web3 Trung Quốc có thể thực hiện không chỉ dừng lại ở dữ liệu, danh tính và thanh toán. Còn có hai loại đội ngũ khác cũng đáng xem xét riêng.
Một loại là đội ngũ bảo mật và quản lý rủi ro. Trước đây họ phục vụ hợp đồng, ví, dòng tiền và rủi ro trên chuỗi; đến giai đoạn AI Agent, các vấn đề bảo mật mới sẽ xuất hiện trong quyền hạn, gọi công cụ, thanh toán tự động, truy cập dữ liệu và ghi chép thực thi. Agent càng có thể thay người dùng làm nhiều việc, càng cần có người giúp nó thiết lập ranh giới, kiểm tra bất thường, lưu lại hồ sơ.
Loại khác là các đội ngũ ở tầng ứng dụng và cộng đồng. Họ không nhất thiết phải chuyển thành công ty hạ tầng AI, nhưng có thể đưa AI vào quy trình sản phẩm và vận hành ban đầu để nâng cao hiệu quả nghiên cứu đầu tư, nội dung, dịch vụ khách hàng, cộng đồng, giáo dục và chuyển đổi người dùng. Với các đội ngũ này, AI giống như một lớp tăng cường năng lực hơn là một lần chuyển đổi hoàn toàn.
Vì vậy, phần này sẽ tiếp tục viết theo logic của phần trước: đội ngũ bảo mật và quản lý rủi ro, đội ngũ tầng ứng dụng và cộng đồng, nên chuyển dịch sang AI như thế nào.
Đồng thời, Portal Labs cũng cần làm rõ với mọi người một việc khác. Không phải tất cả các hướng AI đều phù hợp để các đội ngũ Web3 Trung Quốc tham gia. Một số hướng trông có vẻ rất nóng, như mô hình lớn tổng quát (general large model), nền tảng Agent rộng, nhà giao dịch AI, sản phẩm lợi nhuận tự động, thực tế lại có rào cản cao, cạnh tranh nặng, thậm chí có thể chạm đến biên giới tuân thủ rất nhạy cảm.
Có thể chuyển dịch hay không, không chỉ xem AI có nóng không. Quan trọng hơn là, đội ngũ ban đầu có năng lực gì, năng lực đó có thể đưa vào kịch bản thực tế không, và có tìm được bên thanh toán rõ ràng không.
Đội ngũ bảo mật và quản lý rủi ro: Từ bảo mật trên chuỗi đến kiểm toán hành vi Agent
Bảo mật và quản lý rủi ro, luôn là hướng đi mà các đội ngũ Web3 Trung Quốc có thể vượt qua chu kỳ tốt hơn.
Bất kể thị trường có nóng hay không, dự án Web3 trước khi ra mắt cần kiểm toán hợp đồng, ví cần phòng chống trộm, dòng tiền cần giám sát, sự cố tấn công cần truy vết, công cụ KYT và chống rửa tiền cũng luôn có nhu cầu. Nhiều đội ngũ bảo mật đã tồn tại nhờ những nhu cầu thực tế này.
Trước đây, các đội ngũ này chủ yếu tập trung vào lỗ hổng hợp đồng thông minh, rủi ro khóa riêng tư, bảo mật ví, tấn công trên chuỗi, dòng tiền và giao dịch đáng ngờ. Sau khi AI Agent phát triển, vấn đề bảo mật sẽ mở rộng từ tài sản trên chuỗi sang hành vi tự động hóa rộng hơn.
Bởi vì Agent không chỉ còn là trả lời câu hỏi, nó sẽ bắt đầu gọi công cụ, truy cập dữ liệu, thực thi quy trình, thậm chí kích hoạt thanh toán và thao tác trên chuỗi.
Ví dụ, một doanh nghiệp kết nối AI Agent vào CRM, email, kho hợp đồng, cơ sở kiến thức nội bộ và hệ thống ticket, dùng nó để tổ chức thông tin khách hàng, tạo biên bản cuộc họp, soạn thảo email trả lời, truy vấn điều khoản hợp đồng, thậm chí tự động tạo nhiệm vụ và theo dõi khách hàng. Kịch bản này trông có vẻ nâng cao hiệu quả, nhưng đằng sau sẽ liên quan đến nhiều quyền hạn và luồng dữ liệu. Agent có thể đọc tất cả tài liệu khách hàng không? Có thể gửi nội dung hợp đồng cho công cụ bên ngoài không? Có thể truy cập email nhân viên không? Có thể tự động gửi email cho khách hàng không? Nếu bị tấn công bằng prompt (prompt injection) dụ dỗ, có thể tiết lộ thông tin nội bộ ra ngoài không?
Những điều này sẽ trở thành vấn đề bảo mật mới.
Nếu doanh nghiệp bắt đầu sử dụng quy trình làm việc AI trên quy mô lớn, nhu cầu bảo mật sẽ mở rộng từ bảo mật mô hình sang bảo mật hành vi. Doanh nghiệp không chỉ quan tâm mô hình trả lời đúng hay sai, mà còn quan tâm Agent đã làm gì, gọi hệ thống nào, truy cập những tệp nào, chuyển dữ liệu cho ai, và có tuân thủ quyền hạn nội bộ và yêu cầu tuân thủ không.
Đây chính là hướng mà các đội ngũ bảo mật và quản lý rủi ro có thể chuyển dịch sang.
Các đội ngũ trước đây làm giám sát, kiểm toán, quản lý rủi ro, truy vết tiền trên chuỗi, có thể chuyển dịch năng lực sang kiểm toán hành vi Agent, nhận diện bất thường quyền hạn, giám sát gọi dữ liệu, quản lý rủi ro thanh toán tự động và quản trị bảo mật AI doanh nghiệp.
Ví dụ, cung cấp nhật ký thao tác Agent cho doanh nghiệp, giúp mỗi lần gọi công cụ có thể truy vết; thiết lập ranh giới quyền hạn cho quy trình làm việc AI, ngăn chặn truy cập vượt quyền; thiết lập quy tắc quản lý rủi ro cho thanh toán tự động, nhận diện lệnh gọi bất thường; cung cấp báo cáo kiểm toán cho việc gọi dữ liệu nội bộ, giúp doanh nghiệp đáp ứng yêu cầu tuân thủ.
Loại hướng này không nhất thiết có tính lan truyền mạnh, nhưng có thuộc tính B2B rõ ràng.
Doanh nghiệp sử dụng AI càng nhiều, càng cần bảo mật, quyền hạn và kiểm toán. Đặc biệt là trong các ngành tài chính, y tế, chính phủ/doanh nghiệp, pháp lý, giáo dục, AI không chỉ theo đuổi hiệu quả, mà còn phải kiểm soát được, kiểm tra được, chịu trách nhiệm được.
Với đội ngũ Trung Quốc, hướng bảo mật và quản lý rủi ro cũng dễ tránh các câu chuyện rủi ro cao hơn. Nó không cần trực tiếp chạm vào token, không cần quản lý tiền của người dùng, cũng không cần hứa hẹn lợi nhuận. Chỉ cần tiếp cận rủi ro thực tế trong quá trình sử dụng AI của doanh nghiệp, đã có cơ hội tạo ra doanh thu dịch vụ bền vững.
Tuy nhiên, hướng này cũng có rào cản.
Kiểm toán hành vi Agent không thể hiểu đơn giản là "đổi tên giám sát trên chuỗi". Nó cần hiểu hệ thống quyền hạn doanh nghiệp, gọi công cụ AI, bảo mật dữ liệu, phân tích nhật ký và quy trình nghiệp vụ. Nếu đội ngũ bảo mật Web3 muốn vào tầng này, cần bổ sung kiến thức về kỹ thuật AI và bảo mật doanh nghiệp, không thể chỉ dùng phương pháp kiểm toán hợp đồng cũ.
Nhưng về lâu dài, con đường này đáng quan tâm. AI càng đi vào nghiệp vụ thực tế, vấn đề bảo mật càng không dừng ở bản thân mô hình. Ai có thể giúp doanh nghiệp nhìn rõ Agent đã làm gì, hành vi nào có rủi ro, khi có vấn đề làm thế nào để truy vết, người đó có thể trở thành nhà cung cấp dịch vụ quan trọng trong hạ tầng AI.
Đội ngũ tầng ứng dụng và cộng đồng: Từ sản phẩm Web3 sang sản phẩm được tăng cường bởi AI
Loại đội ngũ này bao gồm nền tảng nội dung, công cụ nghiên cứu đầu tư, công cụ giao dịch, sản phẩm giáo dục, sản phẩm cộng đồng, công cụ tăng trưởng và sản phẩm vận hành người dùng. Họ không nhất thiết phù hợp để trực tiếp làm hạ tầng AI, nhưng rất phù hợp để nhúng AI vào nghiệp vụ ban đầu.
Sai lầm dễ mắc nhất của đội ngũ tầng ứng dụng, là vừa thấy AI nóng, đã vội vàng tự cải tạo thành công ty AI. Trước làm cộng đồng, giờ nói làm mạng xã hội AI; trước làm nội dung, giờ nói làm nền tảng nội dung AI; trước làm nghiên cứu đầu tư, giờ nói làm cố vấn đầu tư AI. Nghe có vẻ thay đổi lớn, nhưng nếu không có kịch bản thực tế và nhu cầu thanh toán, rất dễ trở thành một lần đóng gói mới.
Cách làm thực tế hơn, là đưa AI vào sản phẩm ban đầu, giải quyết vấn đề mà người dùng đã có.
Loại hướng này thực ra đã có một số tham chiếu. Ví dụ như sản phẩm kiểu Kaito, về bản chất không phải đơn giản làm một "công cụ chat AI", mà là xoay quanh vấn đề quá tải thông tin Crypto, tổ chức động thái dự án, mạng xã hội, độ nóng câu chuyện, lan truyền nội dung và sự chú ý của người dùng, giúp nhà nghiên cứu và đội ngũ dự án nhanh hơn thấy thị trường đang thảo luận gì. Nó gợi ý cho đội ngũ tầng ứng dụng rằng, AI không nhất thiết phải trở thành một sản phẩm riêng biệt, mà có thể trở thành một lớp năng lực lọc thông tin, tổ chức ngữ nghĩa và phát hiện tín hiệu.
Lại ví dụ một số Crypto Copilot và trợ lý nghiên cứu đầu tư, họ làm không phải thay người dùng phán đoán không căn cứ một dự án tốt hay không, mà là tổ chức thông báo, sách trắng, đề xuất quản trị, dữ liệu trên chuỗi, thông tin gọi vốn và động thái thị trường thành nội dung dễ hiểu hơn. Với công cụ nghiên cứu đầu tư, điều này có giá trị hơn đơn thuần làm một "robot hỏi đáp". Bởi vì nơi đau khổ thực sự của người dùng không phải là không thể đặt câu hỏi, mà là mỗi ngày phải xử lý quá nhiều thông tin, nguồn thông tin quá phân tán, chi phí phán đoán quá cao.
Công cụ cộng đồng và vận hành cũng là logic tương tự. Đội ngũ dự án mỗi ngày đều phải xử lý câu hỏi người dùng, phản hồi hoạt động, nội dung cộng đồng, dữ liệu KOL và manh mối tăng trưởng. Nếu AI chỉ được đặt trong Telegram hoặc Discord để trả lời vài câu hỏi thường gặp, giá trị rất hạn chế. Nhưng nếu nó có thể giúp đội ngũ dự án tổ chức câu hỏi tần suất cao trong cộng đồng, gắn nhãn người dùng, nhận diện người đóng góp tích cực, phân loại phản hồi hoạt động, tạo tổng kết vận hành, thì nó đã trở thành một công cụ thực sự nhúng vào quy trình vận hành.
Sản phẩm giáo dục cũng có thể nhìn như vậy. Nơi khó nhất của người dùng mới Web3, không nhất định là không tìm được nội dung, mà là nội dung quá nhiều, ngưỡng vào quá cao, thông tin thật giả khó phân biệt. AI có thể căn cứ trình độ người dùng tạo lộ trình học, giải thích thuật ngữ, tổ chức case study, làm hỏi đáp luyện tập, cũng có thể chia nhỏ nội dung phức tạp thành phiên bản phù hợp hơn với người mới bắt đầu.
Vì vậy, với đội ngũ tầng ứng dụng, AI phù hợp hơn để làm bộ khuếch đại năng lực sản phẩm và năng lực vận hành.
Nền tảng nội dung có thể dùng AI để lọc thông tin, tóm tắt, đề xuất và phân phối đa ngôn ngữ; công cụ nghiên cứu đầu tư có thể dùng AI để giải thích dữ liệu trên chuỗi, giám sát dự án, tổ chức thông tin thị trường và nhắc nhở rủi ro; sản phẩm cộng đồng có thể dùng AI để hỏi đáp tự động, phân tầng người dùng, vận hành hoạt động và kiểm duyệt nội dung; nền tảng giáo dục có thể dùng AI để tạo lộ trình học cá nhân hóa, tạo khóa học và giải đáp; công cụ giao dịch có thể dùng AI để phân tích dữ liệu, nhắc nhở rủi ro và hỗ trợ chiến lược.
Những hướng này nghe không lớn như "kinh tế Agent", nhưng dễ triển khai hơn. Bởi vì đội ngũ tầng ứng dụng vốn đã có người dùng, nội dung, kịch bản và kinh nghiệm vận hành. AI thêm vào sau, giải quyết là vấn đề đã có trong sản phẩm ban đầu. Ví dụ thông tin quá nhiều, người dùng không hiểu, chi phí dịch vụ khách hàng cao, sản xuất nội dung chậm, hiệu quả nghiên cứu đầu tư thấp, vận hành cộng đồng nặng.
Chìa khóa của loại chuyển dịch này, là không rời xa kịch bản người dùng ban đầu.
Nếu một công cụ nghiên cứu đầu tư Web3 vốn phục vụ nhà giao dịch và nhà nghiên cứu, thì AI có thể giúp người dùng nhanh hơn đọc hiểu thông báo, sách trắng, dữ liệu trên chuỗi và biến động thị trường. Nếu một nền tảng giáo dục Web3 vốn phục vụ người dùng mới, thì AI có thể làm hỏi đáp cá nhân hóa và lộ trình học. Nếu một sản phẩm cộng đồng vốn phục vụ đội ngũ dự án, thì AI có thể giúp đội ngũ dự án phân tầng người dùng, duy trì cộng đồng và tiếp cận hoạt động.
Đây đều là nhu cầu thực sự tồn tại.
Đội ngũ tầng ứng dụng nhiều khi không cần theo đuổi "chuyển đổi". Đưa AI làm năng lực mới nhúng vào sản phẩm ban đầu, dễ dàng hơn để tận dụng cơ sở người dùng, nội dung và nghiệp vụ ban đầu, cũng có thể tránh bước vào biển đỏ AI hoàn toàn xa lạ.
Tất nhiên, con đường này cũng không thể chỉ dừng ở việc thêm một robot chat.
AI hóa cái gọi là của nhiều sản phẩm hiện nay, thực ra chỉ là thêm một cửa sổ hỏi đáp. Trải nghiệm người dùng không nâng cao rõ rệt, hiệu quả nghiệp vụ cũng không thay đổi rõ rệt. AI hóa kiểu này rất khó tạo ra giá trị lâu dài.
AI tăng cường thực sự hiệu quả, nên nhúng vào quy trình làm việc ban đầu của người dùng. Nó hoặc giúp người dùng tiết kiệm thời gian, hoặc nâng cao chất lượng quyết định, hoặc giảm chi phí vận hành, hoặc tăng chuyển đổi và giữ chân. Nếu không làm được những điều này, chức năng AI sẽ sớm trở thành vật trang trí.
Vì vậy, với đội ngũ tầng ứng dụng và cộng đồng, cách chuyển dịch thực tế nhất, là trước tiên dùng AI để làm sản phẩm và vận hành ban đầu hiệu quả hơn. Người dùng có dễ hiểu thông tin hơn không, đội ngũ dự án có dễ vận hành cộng đồng hơn không, nhà nghiên cứu có hoàn thành phán đoán nhanh hơn không, dịch vụ khách hàng và tăng trưởng có tiết kiệm nhân lực hơn không, những điều này quan trọng hơn "có chuyển đổi AI hay không".
Những hướng nào tốt nhất không nên chạm vào?
Nói xong đội ngũ phù hợp chuyển dịch, cũng cần nói rõ những hướng nào tốt nhất nên thận trọng.
Loại thứ nhất, là làm mô hình lớn tổng quát từ số không.
Hướng này cần năng lực mô hình, tài nguyên tính toán, dữ liệu huấn luyện, đội ngũ nghiên cứu và đầu tư vốn dài hạn, bản thân đã là thị trường cạnh tranh cao độ. Công ty mô hình lớn, đại gia Internet, đội ngũ startup AI nguyên sinh đều ở trong đó, đội ngũ Web3 Trung Quốc nếu không có tích lũy kỹ thuật và tài nguyên đặc biệt mạnh, cứng cắt vào rất khó tạo ra ưu thế.
Vấn đề thực tế hơn là, ưu thế tích lũy trong quá khứ của đội ngũ Web3, thường không nằm ở huấn luyện mô hình. Nhiều đội ngũ thực sự giỏi là giao thức, dữ liệu, ví, thanh toán, bảo mật, cộng đồng và thị trường nước ngoài. Nếu trực tiếp chuyển sang làm mô hình lớn tổng quát, tương đương với việc vứt bỏ tích lũy ban đầu, bước vào một đường đua nặng hơn, cạnh tranh nặng hơn, cũng đốt tiền nhiều hơn.
Loại thứ hai, là ngay từ đầu đã làm nền tảng Agent AI rộng.
Nhiều nền tảng Agent nghe có vẻ rất hoành tráng, dường như nhiệm vụ gì cũng làm được. Nhưng khi triển khai thực tế, điều người dùng quan tâm thường không phải nền tảng lớn đến đâu, mà là một nhiệm vụ cụ thể nào đó có thể hoàn thành ổn định không. Có thể kết nối quy trình làm việc thực tế không, có thể giảm chi phí nhân công không, có thể đảm bảo chất lượng kết quả không, có ai sẵn lòng thanh toán không, những vấn đề này quan trọng hơn "câu chuyện nền tảng".
Nếu không có nhiệm vụ rõ ràng, tiêu chuẩn giao hàng và đối tượng thanh toán, nền tảng Agent rất dễ dừng ở giai đoạn Demo. Trông có vẻ tiên tiến, thực tế rất khó vào sử dụng hàng ngày của người dùng.
Loại thứ ba, là những hướng như nhà giao dịch AI, lợi nhuận tự động và cố vấn đầu tư thông minh.
Loại sản phẩm này trong giới Web3 rất dễ có tính lan truyền, bởi vì nó tự nhiên gần gũi với kỳ vọng lợi nhuận của người dùng. Giao dịch tự động AI, AI giúp bạn kiếm tiền, AI thay bạn đưa ra quyết định đầu tư, nghe đều rất hấp dẫn.
Nhưng vấn đề của loại hướng này cũng phức tạp nhất. Nó rất dễ chạm vào tiền của người dùng, hứa hẹn lợi nhuận, quản lý tài sản, tuân thủ cố vấn đầu tư và quản lý rủi ro giao dịch. Chỉ cần cách diễn đạt sản phẩm hơi tích cực, có thể từ "công cụ hỗ trợ" trượt sang "hứa hẹn lợi nhuận". Với đội ngũ Trung Quốc, loại hướng này đặc biệt nhạy cảm, rất khó trở thành con đường startup ổn định lâu dài.
Loại thứ tư, là đơn giản khoác vỏ AI cho dự án ban đầu.
Trước làm NFT, giờ thêm một ảnh sinh bởi AI; trước làm GameFi, giờ thêm một NPC AI; trước làm ví, giờ thêm một trợ lý chat AI; trước làm cộng đồng, giờ thêm một Bot AI. Cải tạo như vậy có thể mang lại chủ đề ngắn hạn, nhưng nếu không cải thiện giá trị sản phẩm, rất khó giữ chân người dùng, cũng rất khó thuyết phục bên thanh toán thực sự.
AI có thể trở thành lối vào chuyển dịch năng lực, nhưng không thể thay một dự án không có nhu cầu thực giải quyết vấn đề căn bản.
Nếu nghiệp vụ ban đầu không có người dùng, không có doanh thu, không có kịch bản, chỉ đổi một câu chuyện AI, cuối cùng khả năng lớn vẫn quay về cùng một vấn đề. Người dùng tại sao cần nó? Ai sẽ tiếp tục thanh toán? Đội ngũ cuối cùng giải quyết cái gì?
Vì vậy, với đội ngũ Web3 Trung Quốc, đánh giá một hướng AI có đáng làm không, không thể chỉ xem nó có nhiệt độ không. Quan trọng hơn là, nó có kịch bản thực tế không, có bên thanh toán rõ ràng không, có năng lực tái sử dụng không, và biên giới tuân thủ tương đối rõ ràng.
Viết ở cuối
Chu kỳ AI đến, đội ngũ Web3 Trung Quốc tất nhiên phải xem, cũng nên xem.
Nhưng thực sự đáng xem, không phải khái niệm nào lại nóng, mà là năng lực tích lũy mấy năm qua, còn có điểm rơi mới không.
Từ dữ liệu, danh tính, thanh toán, đến bảo mật, quản lý rủi ro và sản phẩm tầng ứng dụng, đội ngũ Web3 có thể chuyển dịch, thực ra đều là thứ đã tích lũy trong nghiệp vụ ban đầu. AI cung cấp kịch bản mới cho những năng lực này, nhưng sẽ không thay một dự án không có nhu cầu thực bổ sung nền tảng.
Vì vậy, với nhà startup Web3 Trung Quốc, chuyển AI không phải là then chốt, năng lực có thể chuyển dịch hay không mới là then chốt.
Nếu tích lũy trong quá khứ là dữ liệu, tài khoản, thanh toán, bảo mật, vận hành và kịch bản người dùng, thì AI có thể là một con đường mới.
Nếu quá khứ chỉ có câu chuyện và đóng gói, đổi thành AI, cũng chỉ đổi một từ nóng hơn.
