OKX Ventures는 최근 "자율 에이전트가 DeFi를 재편하다"라는 주제로 온라인 공유 세션(Twitter Space)을 개최했는데, 이 세션에서는 웹 3의 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 탈중앙화 금융에서 실질적인 가치를 창출하고, 위험을 관리하며, 사용자 경험을 근본적으로 바꿀 수 있을까라는 질문에 대한 답을 찾는 데까지 이어졌습니다. 개발자들에게서 현장의 인사이트를 얻기 위해, Agentic Finance의 미래를 만들어가는 네 명의 업계 선구자들을 초대했습니다.

• 캠브리안 네트워크의 CEO 겸 창립자 샘
• 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 "오프체인 브레인"입니다. 현재 DeFi에서 AI의 역할은 매우 제한적입니다. AI는 주로 "오프체인 브레인" 역할을 하며 복잡한 추론, 데이터 분석, 사용자 의도 해석, 그리고 결정론적이고 검증 가능한 전략 코드 생성을 담당합니다. AI 자체는 온체인 펀드에 직접 관여하거나 관리하지 않습니다. 궁극적인 실행은 기존 금융과 유사한 감사 가능한 로직에 기반합니다.
3. 안전 최우선: "인간 감독 + 기술적 보호 장치"를 결합하여 위험을 관리합니다. 통제되지 않는 AI에 대한 사용자 우려를 해소하기 위해 안전과 위험 관리를 우선시해야 합니다. 핵심 접근 방식은 AI 운영이 인간 위험 관리자가 사전에 설정한 코드 기반 "보호 장치" 내에서 이루어져야 하며, 생성된 정책 코드는 인간이 완전히 감사하고 검증할 수 있어야 한다는 것입니다. 이를 통해 AI의 결정은 제어 가능하고 추적 가능해야 합니다.
4. 기관 투자자의 효율성 향상과 개인 투자자의 진입 장벽 낮추기라는 두 가지 유형의 고객에게 서비스를 제공합니다. 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 경우, DeFi의 모든 복잡성을 감춰주는 "철저한 추상화"를 목표로 합니다. 사용자는 간단한 재무 목표(예: "안정적인 수익을 원합니다")만 제시하면 나머지는 에이전트가 처리합니다.
5. 생태계 시너지: 애플리케이션 계층과 인프라 계층은 함께 발전합니다. Agentic DeFi를 구현하려면 완전한 생태계가 필요합니다. 여기에는 Giza 및 Almanak과 같은 사용자 중심 정책 애플리케이션 계층뿐만 아니라, Makina와 같이 안전한 크로스체인 실행 환경을 제공하는 "레일/결제" 계층, 그리고 에이전트에게 안정적이고 검증 가능한 데이터 "연료"를 제공하는 Cambrian Network와 같은 인프라 계층이 포함됩니다.
6. 궁극적인 목표는 전문적인 금융 전략을 민주화하는 것입니다. AI 에이전트를 통해 기존 금융 시장에서 복잡한 정량적 전략에 대한 접근성을 제한하는 장벽을 허물고자 합니다. 이전에는 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(Cambrian Network): 저는 미국 국립 연구소에서 암호학자로 경력을 시작했는데, 주로 암호화 하드웨어 역설계를 담당했습니다. 이후 캘리포니아 대학교 산타바바라 캠퍼스에서 강화 학습 박사 학위를 취득했습니다. 그 후 첫 회사인 Semiotic Labs를 설립했습니다. 저희는 The Graph Protocol의 핵심 개발팀으로 AI, 검증 가능성, 그리고 The Graph의 결제 시스템에 집중했습니다. 이 기간 동안 에이전트 개발에 많은 노력을 기울였습니다. 예를 들어, 2022년에는 The Graph 내 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 미칠 것이며 암호화폐가 세계 경제에서 점점 더 중요해질 것이라는 확신을 바탕으로 2024년에는 Semiotic에서 Cambrian을 분사하기로 결정했습니다. Cambrian은 온체인 및 오프체인 금융 인텔리전스 제공에 중점을 두고 있습니다. 에이전트에게 이러한 인텔리전스를 제공하는 것이 바로 저희의 교두보 시장입니다.
• Neo(Almanak): 저는 이 분야에서 9년 동안 활동해 왔습니다. Almanak을 설립하기 전에는 DeFi, 트레이딩, 그리고 암호화폐 자산 관리를 전문으로 하는 데이터 과학 및 컨설팅 회사를 운영했기 때문에 이 분야가 어떻게 돌아가는지 잘 알고 있습니다. Almanak에 대해서는, 저희가 이 분야에 4년 동안 몸담아 왔습니다. 저희는 스스로를 ' 바이브 코딩 회사' 라고 부르고 싶지만, DeFi의 '커서(Cursor)'라고 생각해도 좋습니다. 기본적으로 저희는 AI 에이전트를 활용하여 복잡한 트레이딩 및 자산 관리 전략을 발견하고 구축합니다. 이러한 전략은 완전히 검증 가능한 결정론적 코드로, 모든 헤지펀드가 트레이딩에 사용하는 전략과 동일하다고 생각하시면 됩니다.
• 렌츠(기자): 저는 제품 및 마케팅 분야에서 경력을 쌓았습니다. 기자를 설립하기 전에는 존슨앤드존슨에서 5년간 제품 책임자로 근무했습니다. 그 기간 동안 다양한 금융 활용 사례에 걸쳐 스마트 계약 시스템을 구축했습니다. 머신 러닝과 데이터 과학 분야의 배경 지식을 갖춘 팀과 함께하게 되어 다행입니다. 그래서 저희는 금융 경험을 바탕으로 머신 러닝과 AI의 관점에서 이 문제에 접근하고 있습니다. 2022년부터 기자를 개발해 왔습니다. 기자는 자동화된 금융을 위한 에이전트 애플리케이션을 구축합니다. 사용자와 기관을 대신하여 운영 오버헤드 없이 복잡한 금융 전략을 실행할 수 있는 자율 시스템입니다. 저는 이것이 저희 버전의 "은행 계좌 없는 사람들을 위한 은행 서비스"라고 말하고 싶습니다. 저희는 금융 소외가 단순히 끊임없이 오르는 법정 화폐를 보관할 안전한 계좌를 갖는 것만을 의미하는 것이 아니라, 기회로부터 고립되는 것을 의미한다고 생각합니다. 변화하는 시장에 적응하고, 이러한 엄청난 기회를 활용하고, 필요에 따라 위험을 완화할 수 있습니까? 이것이 바로 저희가 답을 찾고자 하는 질문입니다. 기자에서 저희의 목표는 이러한 모든 역량을 민주화하는 것입니다.
• 콜린(마키나): 저는 마키나에서 제품 담당을 맡고 있습니다. 약 4개월 전에 팀에 합류했고, 10년 넘게 암호화폐 업계에 종사해 왔습니다. 원래는 전통적인 금융 분야에서 경력을 쌓았지만, 2016년경 DeFi 분야에 뛰어들어 그 이후로 제품을 개발해 왔습니다. 마키나는 "DeFi 실행"이라는 개념을 제도화하는 데 집중하고 있습니다. 전략 및 금고 외에도, 모든 DeFi 프로토콜이나 EVM과 상호 작용할 수 있는 안전하고 신뢰할 수 있는 방법을 만드는 데 큰 관심을 두고 있습니다. 이는 전통적인 인간 운영, 수동적이거나 자동화된 전략, 또는 AI 기반 에이전트 방식을 통해 구축된 전략 등 전략을 실행하려는 모든 사람에게 매우 중요합니다. 저희는 이 문제에 대해 다각적인 접근 방식을 취하고 있습니다. 첫째, "운영자"라고 부르는 역할에 집중합니다. 이는 다른 프로토콜에서 볼 수 있는 "큐레이터"와 유사합니다. 운영자는 자신이 할 수 있는 것과 할 수 없는 것에 대한 통제력을 유지하면서 거래가 안전하게 실행될 수 있도록 합니다. 그 외에도, 우리는 AI를 광범위하게 사용하여 사용자 경험을 개선합니다. 더 나은 추천을 제공하고, 사용자가 하는 일을 더 잘 이해하고, 새로운 프로토콜을 통합하는 다양한 방법을 연구하여 인간, 에이전트 또는 다른 유형의 알고리즘이 볼트를 작동하는지 여부에 관계없이 신속하게 시작하고 안전한 방식으로 최대 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(캠브리안 네트워크): 저는 2019년 12월에 박사 학위를 받았습니다. 강화 학습은 현재 엄청난 인기를 누리고 있지만, 2019년에는 약세장이었습니다. 이것이 바로 회사를 처음 설립했을 때 완전 동형 암호화에 집중했던 이유 중 하나입니다. 2022년 GPT가 출시되었을 때 저도 처음에는 다른 사람들처럼 충격을 받았습니다. 하지만 사실 저는 우리가 거품의 시작점에 서 있다고 생각했습니다. 그리고 많은 사람들이 지금도 그렇게 생각한다는 것을 알고 있습니다. 하지만 GPT 출시 1년 후인 2023년에는 지속적인 발전을 목격했고, 새로운 혁명의 시작점에 서 있다는 확고한 확신을 갖게 되었습니다. 지금까지도 그 확신을 잃지 않고 있습니다. 이전 혁명은 인터넷 혁명이었습니다. 그 전에는 실리콘 밸리 혁명이 있었고, 그 전에는 산업 혁명이 있었습니다. 따라서 우리는 결코 사라지지 않을 새로운 혁명의 초기 단계에 있습니다. 저는 여기 계신 모든 분들께 대비를 당부드립니다. AI 역량은 가까운 미래에 매년 두 배로 증가할 것입니다. 이는 우리 삶의 모든 측면에 영향을 미칠 것입니다. 이미 시작되었습니다. 이러한 믿음 외에도 저는 DeFi에도 참여하고 있습니다. 2021년, 이전 회사에서 Odos.xyz를 설립하고 분사했습니다. Odos.xyz는 DEX 애그리게이터였습니다. 저는 금융 애플리케이션과 암호화폐가 가져다주는 재정적 자유와 이해력에 깊은 확신을 가지고 있습니다. 서론에서 언급했던 파일럿 프로젝트와 실험을 진행하는 동안 가장 어려웠던 점 중 하나는 온체인에서 발생하는 데이터와 정보, 그리고 온체인 및 오프체인 금융 의사 결정에 중요한 기타 관련 정보에 접근하는 것이 얼마나 어려운지였습니다. 이는 금융 의사 결정에 매우 중요합니다. 그래서 저희는 Cambrian에 집중했습니다. 저희는 기관 금융 또는 자율 금융과 관련된 모든 프로젝트는 담당자들에게 신뢰할 수 있고, 빠르고, 포괄적이며, 검증 가능한 정보를 제공해야 한다고 생각합니다. 이는 이러한 프로젝트의 성공에 매우 중요하기 때문에 금융 인텔리전스에 집중하기로 결정했습니다.
• Neo (Almanak) 저희는 스스로를 "DeFi를 위한 AI"라고 부르고 싶습니다. Almanak은 AI를 활용하여 거래 및 자산 관리 전략을 최적화하는 회사로 시작되었습니다. 저희는 대형 자산 운용사 및 자산 배분 기관들과 협력해 왔기 때문에 항상 막대한 자본을 확보할 수 있었습니다. Almanak은 설립된 지 4년이 되었습니다. 3년 전 ChatGPT 열풍이 시작되었을 때, 저희는 이 열풍이 매우 중요해질 것이라는 것을 알고 있었습니다. 그래서 저희는 대형 고객들에게 "AI에 돈을 맡기도록 설득하는 요소가 무엇인가요?"라고 물었습니다. 특히 대형 자산 배분 기관들은 100달러 이상의 투자는 절대 하지 않겠다고 답했습니다. AI 조작, 간접적인 단서 주입, 그리고 온갖 "미지의 불확실성"을 극도로 두려워했습니다. 간단히 말해, 투자금이 손실되면 누군가 소송을 제기하길 바랐던 것입니다. 그래서 수십억 달러를 운용하는 기관들과 이야기를 나누면서 저희는 "AI가 가장 잘하는 것은 무엇일까?"라고 자문했습니다. 오늘날 AI는 코딩에 가장 능숙합니다. AI는 일반인보다 수백 배 빠르게 코딩할 수 있습니다. 또한 추론 능력도 매우 뛰어나 인간보다 수조 배 빠르게 정보를 처리할 수 있습니다. 저희는 이 두 가지 특징을 Almanak에 적용했습니다. "에이전트 스웜(Agentic Swarm)", 즉 에이전트 팀을 구축했습니다. 이 팀의 목적은 고성과 전략을 수립하고, 시장 기회를 포착하고, 시장 역학을 분석하고, 기존 전략을 최적화하고, 이 모든 정보를 사용자에게 전달하는 것입니다. 저희 생태계에서 AI는 사용자와 협력합니다. 전략, 최적화, 그리고 궁극적으로 코드에 대한 아이디어를 제공합니다. 하지만 문제가 발생하면 헤지펀드는 바로 당신에게 연락할 것입니다. 저희는 복잡한 금융 전략 개발에 필요한 시장 출시 시간을 몇 개월에서 몇 분으로 단축하는 방법을 개발했습니다. 더 나아가, 이러한 전략 개발 비용을 수백만 달러에서 복잡성에 따라 몇 달러, 심지어 10달러 미만으로 줄였습니다. 일단 전략이 수립되면 모든 헤지펀드가 사용하는 전략과 정확히 동일합니다. 결정론적이고 검증 가능하며 백테스트, 시뮬레이션 및 배포가 가능하므로 어떤 일이 일어날지 미리 알 수 있습니다. AI는 자금에 전혀 영향을 미치지 않습니다. 단순히 전략 수립 및 탐색 프로세스를 향상시킬 뿐, 자금에는 전혀 영향을 미치지 않습니다. 지금까지 이 접근 방식은 효과적이었습니다. 대규모 자산 배분자들의 신뢰를 확인했으며, 현재 총 고정 가치(TVL)는 1억 6천만 달러입니다. 또한 매우 중요한 점은 결정론적 Python 전략을 생성하면 이를 금고에 담을 수 있다는 것입니다. 이러한 금고는 완전히 구성 가능하며 Pendle, Curve 등에 배치할 수 있습니다. 이 또한 매우 멋진 기능입니다. "토큰화된 AI 금고"라는 새로운 자산 클래스를 만들었다고 생각합니다. 다시 말해, AI는 자금에 전혀 영향을 미치지 않으므로 대규모 자산 배분자들은 안심하고 자금을 예치할 수 있습니다. 그들은 누구에게 가야 할지 알고 있습니다. 바로 금고 관리자인 당신에게요. 당신은 Almanak을 코딩 속도를 100배, 이해 속도를 10억 배로 높여주는 도구로 활용하고 있을 뿐입니다. 샘이 언급했듯이, 저희는 금융 에이전트 개발에도 집중하고 있습니다. 저희 에이전트들은 정량적 추론에 최적화되어 있어 업계의 다른 어떤 퀀트 분석가 못지않게, 심지어 그 이상으로 똑똑하도록 설계되었습니다. 하지만 저희는 주로 대규모 자산 배분 담당자들과 긴밀히 협력하면서 영감을 얻는 것이지, 실질적인 니즈를 충족시키려는 노력에서 영감을 얻는 것이 아닙니다. 저희는 단순히 "좋아요, 여러분, 무엇이 필요하세요? 어디에 투자하실 건가요?"라고 묻고, 바로 그 질문을 바탕으로 에이전트를 개발합니다.
• Renç (Giza): 앞서 말씀드렸듯이, Giza를 설립하기 전, 저와 파트너들은 다양한 금융 활용 사례에 걸쳐 스마트 계약 시스템을 구축해 왔습니다. 한 가지는 분명했습니다. 이러한 자동 실행 계약이 오픈 파이낸스의 가능성을 열어주었지만, 현재로서는 혁신 속도가 너무 느려 기존 금융과 경쟁하기 어렵다고 솔직히 생각했습니다. 이러한 점이 복잡한 오프체인 연산을 온체인으로 가져와 분산 시스템의 기능과 분산 금융 세계와의 상호작용 경험을 크게 향상시킬 방법을 모색하는 주된 원동력이었습니다. 2022년부터 검증 가능한 AI에 대해 심도 있게 연구해 왔습니다. AI가 주목받기 전부터 연구를 진행해 왔으며, 특히 금융 활용 사례에서 AI의 중요성을 강조했습니다. 분산 금융에서 머신 러닝의 잠재력을 최대한 활용하고 금융 활용 사례를 모두 탐색했습니다. 저희에게 AI의 가치는 두 가지입니다. 첫째, 일반화된 의도 처리는 기술적 입력이나 자율적이고 전문적인 작업 없이도 사용자가 재정적으로 무엇을 달성하고자 하는지 이해하는 데 핵심적인 역할을 합니다. 반면, 복잡한 적응형 전략을 온체인에서 정밀하고 오버헤드 없이 실행하는 것이 목표입니다. 두 번째 부분은 자체 개발한 소규모 머신러닝 모델과 반복적으로 사용되며 완벽하게 해석, 검증 및 맞춤 설정이 가능한 기존 금융 알고리즘에 더 중점을 둡니다.
• Colin(Makina): Makina에서의 저희 이야기는 Dialectic에서 시작됩니다. Dialectic은 저희의 디자인 파트너였으며, 현재는 Dialectic으로부터 독립된 회사입니다. 하지만 Dialectic은 자체 펀드를 구축하면서 깨달음을 얻었습니다. 잘 모르시는 분들을 위해 설명드리자면, Dialectic은 이 분야에 매우 적극적으로 투자하고 있으며, 2021년부터 온체인 수익 전략 분야에서 가장 초기이자 가장 발전된 회사 중 하나입니다. Dialectic은 수년간 구축한 시스템을 통해 다양한 분야를 관리합니다. 그들이 빠르게 깨달은 한 가지는 이 분야에서 경쟁하고, 수익을 창출하고, 경쟁사보다 우수한 성과를 내고, 더 많은 예금자와 유한책임조합원(LP)을 해당 펀드로 유치하려면 위험 조정 기준에서 다른 전략보다 우수한 성과를 내야 한다는 것입니다. 이를 위해 스크립팅을 활용하는 다양한 도구를 개발했습니다. 그들이 사용한 기술 중 하나는 그들이 적극적으로 기여하고 있는 Oiler라는 오픈소스 프로젝트였습니다. 그들은 자신들이 개발한 많은 도구들이 실제로 오픈 인프라로서 더 잘 작동할 것이라는 것을 깨달았습니다. 그렇게 Makina의 이야기가 시작되었습니다. 저희는 기본적으로 이 기술을 시장에 출시하고, 그들과 파트너십을 맺었으며, 이제 이 분야의 다른 사업자로 확장하고 있습니다. 저희는 자동화를 더욱 강화하는 미래 개발 방향을 지원하고 싶습니다. 이러한 자동화는 블록체인 내부에서 일어나는 일, 거시 경제 환경에서 일어나는 일, 즉 어디에서 정보를 얻느냐에 따라 크게 달라질 것입니다. 그리고 이 정보에 접근하는 가장 좋은 방법은 여기 계신 모든 분들의 의견입니다. 저희는 먼저 DeFi와 금융 인프라 문제의 관점에서 이 문제에 접근하고, 그 후 최적의 실행, 최적의 의사 결정, 그리고 최적의 데이터 분석을 적용할 수 있는 곳을 모색하고 있습니다. 그리고 그것은 바로 자율 에이전트입니다. Neo의 발표처럼 – 참고로, 사람들이 AI에 돈을 맡기는 것에 대해 우려하는 몇 가지 사항에 대한 훌륭한 시작이었습니다 – 저희는 조금 다른 방식으로 접근하고 있습니다. 하지만 이러한 기술이 발전하고 사람들이 이를 이해하기 시작함에 따라, 자산 관리 업계에서 발생하는 주요 비용 문제 중 일부를 해결하는 동시에 저희의 서비스를 보완하고 확장할 수 있다고 굳게 믿습니다. 그래서 우리는 DeFi를 굳게 믿고, 이더리움을 굳게 믿고, AI와 그 산업에서의 발전을 굳게 믿습니다.

3. 현재 주요 고객은 누구입니까? 고객의 고민은 무엇입니까?

• Neo (Almanak): Almanak에서 저희 제품은 두 가지 문제를 해결해야 합니다. 복잡한 전략과 볼트를 어떻게 제공할 것인가 하는 문제입니다. 그래서 Stake DAO, MEV Capital, Block Analitica, Gauntlet 등 Morpho의 여러 DAO와 큐레이터들과 협력해 왔습니다. DAO와 관련해서는 DeFi Llama의 상위 20개 DAO 대부분과 논의 중입니다. 그들이 왜 저희 제품을 사용해야 할까요? 그들은 기본적으로 자산을 활용하는 볼트를 만들 것입니다. 최대 규모의 자산 운용사 중 하나인 Ethena를 예로 들어 보겠습니다. 모든 DeFi 프로토콜에서 지속적으로 최적화하고 최고의 USDe 수익을 추구하는 USDe 볼트가 있다고 상상해 보세요. 저희는 이러한 사람들과 이야기를 나누고 있습니다. 또한 많은 신규 프로젝트들과도 이야기를 나누고 있습니다. 잘 들으셨는지 모르겠지만, 높은 FDV 토큰 이코노미에 대한 불만이 많습니다. Almanak에서는 프로젝트들이 AI를 활용하여 자체적인 유동성 공급이나 거래 전략을 실행할 수 있도록 지원합니다. 사용자는 저희 알고리즘을 사용하여 시장이나 거래 대회를 시작할 수 있습니다. 마지막으로, 자본의 원천인 일반 사용자가 있습니다. 방금 볼트의 공급 측면에 대해 설명드렸습니다. 자본의 공급 측면은 사용자로부터 발생합니다. 이러한 볼트가 구축되면 누구나 자금을 예치하고 수익을 얻을 수 있습니다. 물론 수익의 일부를 볼트 큐레이터와 공유하는 대가로 말입니다. 이러한 볼트는 완전히 허가 없이 운영되므로 누구나 구축할 수 있습니다. 하지만 누가 이 볼트를 관리할지, 그리고 저희의 첫 고객은 누구인지에 대한 몇 가지 관점을 알려드리고 싶었습니다. 자산 운용사와 헤지 펀드도 있습니다. 수십억 달러를 관리하고 단순히 구축 시스템을 자동화하려는 중앙 집중형 금융(CeFi) 기관들과도 논의 중입니다. 퀀트 분석가(퀀트)는 매우 비싸고 찾기도 어렵습니다. 그들은 이 모든 것을 저희 에이전트에게 아웃소싱하여 복잡한 거래 전략을 매우 빠르게 구축하고, 일주일 또는 며칠 만에 헤지 펀드로 거듭날 수 있습니다. 여기서 중요한 점을 하나 짚고 넘어가겠습니다. 사용자는 VEX 계약과 매우 유사한 계약에 토큰을 스테이킹할 수 있습니다. 따라서 원하는 볼트, DAO에 투표하거나, 볼트에 입금할 때 보상을 늘리기 위해 자산에 투표할 수 있습니다. 저희 제품은 매우 복잡합니다. 볼트의 공급은 전문 사용자가 담당하지만, 자본 공급은 누구에게나 열려 있습니다.
• 샘(캠브리안 네트워크): 콜린이 방금 수익 창출 금고와 대출 프로토콜 간에 자본을 배분하는 것에 대해 언급했습니다. 저희는 수익이 어디에서 발생하는지 측정하는 데 중점을 두고 있습니다. 콜린이 언급한 전략을 최적화하려면 여러 체인과 해당 체인 내 여러 프로토콜에서 발생한 과거 수익률을 이해해야 합니다. 이를 위해서는 복잡한 데이터 분석, EVM 및 비EVM 체인 모두에서 온체인 활동 추적, 그리고 해당 체인 내 프로토콜 추적이 필요합니다. 개발자는 전략을 조정하기 위한 과거 정보와 전략을 실행하기 위한 실시간 정보가 모두 필요합니다. 이러한 모든 정보를 추적하는 것이 저희의 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 해당 정보를 디코딩하여 생성되는 수익률 등을 추적합니다. 현재 클로즈 베타 버전이며 코인베이스 개발자 플랫폼과 협력하고 있습니다. 또한 Olas 헤지펀드 클러스터의 일환으로 Olas와 협력하여 Olas 내 에이전트에게 과거 및 실시간 온체인 및 오프체인 데이터를 제공하고 있습니다. 또한 여러 다른 프로젝트와도 협력하고 있습니다. Truflation과 긴밀히 협력하여 감정 분석 및 지갑 활동을 제공합니다. 더욱 흥미로운 또 다른 프로젝트는 AskPire입니다. 이 프로젝트는 토큰화된 프로젝트와 관련된 수만 개의 GitHub 저장소를 추적하고 있습니다. 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 유형을 이해하시는 데 도움이 되셨으면 합니다. 이 모든 것은 프록시 금융 프로젝트에서 흔히 볼 수 있는 요구 사항을 기반으로 합니다.
• Renç (Giza): 좀 더 자세히 설명하자면, Giza에서는 점진적인 개선에는 큰 관심이 없습니다. DeFi는 오랫동안 점진적인 개선의 악순환에 갇혀 있었다고 생각합니다. 저희는 금융 분야의 사용자 경험(UX)을 완전히 바꾸는 것을 목표로 합니다. 웹 3.0뿐 아니라 금융 산업 전체의 패러다임을 전환하는 것입니다. 금융을 제품 중심에서 사용자 중심으로 전환하고 싶습니다. 이 점에 대해 저희는 확고한 신념을 가지고 있습니다. 바로 개인 맞춤형 금융이 미래입니다. 저희의 비전은 또 다른 DeFi 프로토콜을 만드는 것이 아닙니다. 오히려, 고객의 재정 상황에 대한 통찰력을 제공하고 실행하며 재정 목표 달성을 지원하는 24시간 연중무휴 동반자를 만드는 것입니다. 이것이 바로 저희의 북극성입니다. 저희 인프라의 견고성과 맞춤형 개인 맞춤형 금융이라는 북극성을 바탕으로, Giza의 에이전트들은 이제 개인 및 기관 사용자 모두에게 서비스를 제공할 수 있습니다. 현재 저희와 협력하는 기관들은 보관 요건부터 위험 프레임워크, 유동성 의무에 이르기까지 더욱 엄격하고 복잡한 요구 사항을 가지고 있습니다. 기자는 기성 제품이 아닌 맞춤형 에이전트 전략을 통해 이러한 니즈를 충족하도록 구축되었습니다. 맞춤형 에이전트 설계부터 펀드, 핀테크 파트너, 그리고 네오뱅크(선제적 니즈가 많은)를 위한 분리된 인프라, 실시간 모니터링, 감사 추적, 그리고 화이트 라벨 구현까지 아우릅니다. 개인 사용자의 경우, 이 분야에서 아직 탐구의 여지가 있다고 생각합니다. 이 부분에서는 복잡성은 줄이면서 동일한 수준의 정교함을 제공할 수 있습니다. 소매 사용자, 즉 "은행 계좌가 없는 사람들을 위한 은행"의 경우, 정책 계층을 완전히 추상화하는 획기적으로 간소화된 인터페이스를 통해 탈중앙화 금융과 상호 작용할 수 있도록 지원합니다. 사용자의 재정적 의사 결정에 대한 책임을 지고, 의사 결정 프로세스를 자동화합니다. 이것이 기자의 가장 뚜렷한 차별화 요소 중 하나라고 생각하며, 저희는 이 어려운 과제를 수행할 용기, 전문성, 그리고 재능을 갖추고 있습니다. 소매 및 기관 시장 부문 모두에 대한 고유한 요구 사항을 모색하고 있습니다. 간단히 말해, 일반 사용자는 급진적인 추상화와 접근성을 원하는 반면, 기관은 더 높은 수준의 보안, 모니터링 및 보고를 요구합니다. 저희는 이 두 가지를 모두 충족할 수 있는 최적의 입지를 갖추고 있습니다. 기자(Giza)는 스테이블코인 시장이라는 핵심 자산 기반을 구축해 왔습니다. 분명 이 시장은 당분간 사라지지 않을 것입니다. 총 시가총액은 3,000억 달러에 달하며, 유통 중인 모든 스테이블코인은 기자 에이전트가 자율적으로 최적화할 수 있는 잠재적 자본을 나타냅니다. 이것이 바로 저희가 이 분야를 위한 첫 번째 프록시를 구축한 이유이며, 앞으로도 그 범위와 역량을 지속적으로 확장해 나갈 것입니다. 물론, 이를 통해 국채, DAO, 기관 펀드 등 DeFi를 추상화할 수 있는 곳, 누군가가 "스테이블코인에 어떻게 투자하나요?"라고 묻는 곳이라면 어디든 서비스를 제공할 수 있습니다. 기자가 함께합니다.
• Colin (Makina): Renç가 방금 금융 분야에서 점진적인 변화를 넘어설 수 있는 방법에 대해 매우 흥미로운 이야기를 했습니다. 기존 금융 시스템이 현재 사람들에게 적합하지 않다는 것을 인지하고 있기 때문에 우리 모두가 이 기술에 참여하고 있다고 생각합니다. 이는 이더리움에 참여하는 모든 사람들에게 중요한 지침 중 하나라고 생각합니다. Makina는 모든 활동의 기반에 안전과 보안을 구축하는 동시에 확장성을 확보하고자 노력합니다. 이러한 인프라를 제공함으로써 대규모 기관이든 소규모 개인 사용자든 모두에게 최상의 결과를 제공할 수 있다고 굳게 믿습니다. 저희는 Neo가 말하는 것과 매우 유사한 관점을 가지고 있습니다. 투자가 필요한 기관이 있고, 그러한 필요를 충족하고자 하는 기관이 있습니다. 최고의 재무 성과 관리자들이 안전하게 투자할 수 있는 도구를 이용할 수 있도록 노력하고 있습니다. 이 분야는 성장하는 분야라고 확신합니다. 기존 금융 시장을 살펴보면, 현재 전 세계적으로 약 150조 달러의 자산이 운용되고 있습니다. 매우 흥미로운 사실 중 하나는 현재 ETF의 약 60~70%가 액티브 운용되고 있으며, 그 비율은 감소하고 있다는 것입니다. 이는 많은 사람들이 높은 수수료를 지불하고 있고, ETF보다 수익률이 높지 않기 때문입니다. 암호화폐 시장에서도 ETF에 대한 이야기가 많이 나오고 있습니다. ETF는 낮은 비용으로 인해 기존 금융 시장의 많은 사람들의 관점을 변화시키는 매우 혁신적인 상품입니다. 이더리움, EVM, AI와 같은 기술을 통해 보안 및 자동화가 발전함에 따라 이러한 비용이 절감되고, 더 나은 전략을 통해 더 비용 효율적으로 초과 수익을 얻을 수 있다고 확신합니다. 이는 전 세계적으로 저희에게 매우 중요합니다. 단순히 월가나 런던 금융가의 특정 기관을 위해 더 나은 서비스를 제공하는 것이 아니라, 재정적 성과에 접근해야 하는 모든 사람이 접근할 수 있도록 하는 것입니다. 더 나아가, 저희는 이러한 기능이 DeFi 프로토콜에 직접 내장되어야 한다고 확신합니다. 관리자가 이러한 생산적인 자산을 담보로 전환하거나 DeFi 생태계 내에서 다양한 형태로 사용할 수 있도록 하는 도구를 개발해야 합니다. 이것이 바로 우리가 DeFi 경제를 진정으로 성장시키는 방법입니다. 스테이블코인일 수도 있지만, 그보다 훨씬 더 나아가 사람들이 미래의 부채를 기존 자산과 연결하여 세대를 거쳐 물려줄 수 있도록 할 수도 있습니다. 우리는 이것이 사람들이 부를 통해 번영을 이루는 방식을 근본적으로 바꿀 것이라고 믿습니다. 다시 한번 말씀드리지만, 우리는 이 목표를 달성하는 데 있어 AI와 이더리움의 열렬한 지지자입니다.

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 위험 관리와 통제가 매우 중요합니다. AI 보안을 고려할 때, 위험 관리나 통제를 워크플로에 어떻게 반영하십니까?

• Ray (OKX Ventures): DeFi 에이전트에 대해 이야기할 때, 많은 사용자, 특히 개인 사용자들이 여전히 이 개념을 오해하는 것 같습니다. "AI 에이전트를 사용하면 재정적 결정, 자금 관리, 그리고 알파 수익 추구를 100% 신뢰할 수 있다"라고 생각할 수도 있지만, 실제로는 그렇지 않습니다. 사실, 저희는 고객들이 AI 기능을 어느 정도 활용하여 궁극적으로 업무 효율성이나 의사 결정의 질을 향상시키는 금융 시스템을 구축하도록 돕고 싶습니다. 하지만 많은 자금을 투자하기 전에 신뢰할 수 있는 금융 시스템이 필요하기 때문에, 여전히 안정적이고 결정론적이며 검증 가능한 워크플로를 구축해야 합니다. 따라서 시스템의 잠재적 위험 요소를 어떻게 고려하는지 몇 가지 질문을 드리고자 합니다.
• 렌치(기자): 네, 물론입니다. 매우 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 대중을 교육하는 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 보관하는 데 익숙한 금고가 아니라 완전히 새로운 것입니다. 각 사용자에게는 전담 에이전트가 있습니다. 질문에서 "AI"가 무엇인지 명확하게 정의하는 것이 중요합니다. 질문하시는 대부분의 질문은 LLM에 대한 이해에서 비롯됩니다. LLM은 사용자의 공통적인 요구를 분석하고 이를 선호도로 매개변수화하는 데 있어 놀라운 성과를 거두었습니다. "스테이블코인으로 안전하게 수익을 올리고 싶습니다"부터 "미국 인플레이션을 5% 상회하고 싶습니다" 또는 "ETH에 적정 수준으로 투자하고 싶습니다"까지, 모호하고 인간적인 수준의 입력을 구조화된 금융 매개변수로 변환하는 것입니다. 하지만 AI의 보편적인 측면인 LLM은 여기서 그치지 않습니다. 의도가 매개변수화되면, 실행은 결정론적이고 검증 가능하며 감사 가능하고 시장과 프로토콜 전반에 걸쳐 지속적으로 자체 조정이 가능한 알고리즘 논리 및 최적화 기능을 기반으로 구축된 특수 에이전트로 전환됩니다. 따라서 이 두 가지를 결합함으로써, 금융 시장에서 탁월한 성과를 보이는 특수 에이전트의 전문적이고 견고하며 안전하고 정책에 기반한 실행과 AI의 뛰어난 사용자 정의 기능을 모두 누릴 수 있습니다.
• Neo (Almanak): AI가 어떻게 결정론적이면서도 검증 가능할 수 있는지는 잘 모르겠지만, 핵심은 이겁니다. AI를 어떻게 활용하고 보안을 어떻게 다룰 것인가입니다. 다시 한번 말씀드리지만, 저희는 모든 면에서 매우 실용적입니다. 기존 방식을 다시 만들려는 것이 아니라, 시장에서 검증되고 수요가 있는 것을 채택합니다. 특히 AI를 사용하여 100배 더 빠른 코드를 생성하는데, 이 코드는 결정론적이고 검증 가능합니다. 헤지펀드 매니저, 퀀트 애널리스트, 개발자에게 저희 에이전트가 생성하는 코드를 알고 있냐고 물어보면 모두 알고 있다고 답할 겁니다. LP(Limited Partner)나 은행에서 "코드 좀 보여주시겠어요?"라고 전화가 오면 보여줄 수 있습니다. 돈이 분실되더라도 누가 어떻게 도난당했는지 알 수 있습니다. 코드에 버그나 다른 문제가 있을 수 있기 때문입니다. 그래서 이 점이 매우 중요합니다. 저희의 보안은 다른 헤지펀드나 은행만큼 안전합니다. 실행 및 아이디어 도출에 있어서 저희는 다른 모든 사람들과 매우 유사한 방식으로 에이전트를 활용합니다. 기본적으로 시장을 스크리닝하고, 알파를 찾고, 최적의 솔루션을 찾고, 최적의 거래를 찾고, 전략을 시뮬레이션하고, 백테스팅하고, 슬리피지(slippage)를 방지하기 위한 시뮬레이션 거래를 수행합니다. AI는 여러분과 협력하여 아이디어를 도출하지만, 궁극적으로 결정은 여러분이 내립니다. AI가 제공하는 전략을 구현할지, 코드를 업데이트할지 스스로 결정해야 합니다. 코드는 완벽하게 검증 가능하고 결정론적입니다. 다시 말해, 저희는 검증된 접근 방식을 채택하여 코딩 측면에서는 100배, 추론 측면에서는 10억 배 더 빠르게 구현했습니다. 블록체인 인프라 계층에 있어서는 기존 방식을 다시 개발하지 않고, 효과가 있었던 방식을 그대로 적용했습니다. 모든 것이 완벽하게 구성 가능하기를 원했기에, 구성 가능한 볼트(composable vault)를 사용합니다. 보안은 투명한 권한을 통해 구현됩니다. 각 볼트에는 투명한 권한이 부여되어 볼트가 어떤 정보에 접근할 수 있는지 온체인에서 확인할 수 있습니다. 볼트 관리자 또는 큐레이터가 이러한 권한을 변경할 때마다 변경 사항이 투명하게 표시됩니다. 이것은 헤지펀드가 하는 일을 완벽하게 재현한 것입니다. 더 나아가, 저희는 에이전트들을 위한 체계적인 워크플로를 구축했습니다. 눈에 띄지는 않지만, 저희가 해 온 것 중 가장 기술적으로 까다롭고 어려운 작업 중 하나라고 생각합니다. 현재 18명의 에이전트가 있으며, 그중 7명은 누구나 이용할 수 있습니다. 이 에이전트들은 양적 분석가와 유사하지만, 기존 헤지펀드와 유사한 인프라에서 운영됩니다. 저희는 기존 헤지펀드에서 전략을 수립, 백테스팅, 시뮬레이션 및 최적화하는 인프라를 차용했지만, 인간이 아닌 AI를 위해 구축했습니다. 전략 수립 과정 자체도 다른 헤지펀드와 마찬가지로 엄격합니다. 기본적으로 저희는 손실 위험이 크지 않은 분야에만 AI를 사용합니다. 이를 통해 사람들은 안심하고 자금을 예치할 수 있으며, 펀드 및 자산 운용사로부터 이 도구 사용에 대한 수많은 사전 요청을 받았습니다. 저희의 보안은 블록체인만큼 안전하다고 생각합니다.
• Colin(Makina): 이분들께서 정말 흥미로운 이야기를 많이 들었어요. AI의 확실한 본질에 대해서는 제가 반박할 수 없으니, 그건 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 활용하고 있는 방식이 바로 이렇다는 점을 강조하고 싶습니다. 저는 AI 에이전트의 내부 작동 방식을 구축하는 전문가는 아니지만, 저희는 전문가들에게 도구를 제공하기 위해 노력하고 있습니다. 저희는 진화를 목격하고 있습니다. AI를 의미 있게 활용해 본 사람이라면 누구나 짧은 기간 안에 엄청난 발전을 이루었으며, 그 발전은 앞으로도 계속될 것입니다. 현재 저희가 AI에 가장 크게 의존하는 분야는 자동화 활용입니다. 물론 Renç와 Neo의 말씀처럼, 이를 위해서는 가드레일이 필요합니다. Makina, 정말 흥미로운 점 중 하나는 저희가 이러한 가드레일을 크로스체인 거래에도 적용하고 있다는 것입니다. L2는 EVM의 대체품인 L1과 마찬가지로 Ethereum의 필수 구성 요소이며, 체인 간에 자산을 전송할 때 동일한 제어를 유지합니다.이는 투자를 위한 새로운 영역을 개척하고 많은 정보를 흡수할 수 있음을 의미합니다.샘은 회사에서 제공하는 다양한 정보 소스를 언급했습니다.소셜 미디어에서 무슨 일이 일어나고 있는지 읽을 수 있는 것(즉, 우리는 모두 지금 X(트위터)에 있습니다)은 정말 중요합니다.우리 대부분은 이번 주에 의식적이든 무의식적이든 모나드에 대해 생각하는 데 시간을 보냈을 것입니다.모나드에서는 많은 일이 일어날 수 있으며, 일찍 참여하면 일부 사람들이 다른 사람들보다 더 나은 성과를 낼 수 있습니다.하지만 제어 없이는 그렇게 해서는 안 됩니다.그것이 우리가 실제로 도입하는 것입니다.우리는 AI가 자본을 언제 어디에 투입할지 결정하는 데 중요한 역할을 할 것이라고 믿지만, 제어 없이는 그렇지 않을 것입니다.
• 저희는 이러한 통제가 현 시점에서 여전히 견제와 균형이 필요하다고 굳게 믿습니다. 저희는 금고 내에 "리스크 관리자" 역할을 두고 있습니다. 이는 누군가가 화이트리스트를 기반으로 운영자(대리인이든 다른 사람이든)가 접근할 수 있는 항목을 결정할 수 있음을 의미합니다. 이는 암호화되어 저희 머신이나 금고 내에서 활성화된 모든 블록체인에 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 신속한 반복 작업을 수행하고 저희가 청사진 또는 스크립트라고 부르는 것을 구축할 수 있도록 허용하지만, 궁극적으로 최종 결정은 여전히 인간이 내립니다. 한편, 사용자 관점에서 저희는 예금자들이 원하는 권장 사항이 무엇인지 더 잘 이해하기 위해 많은 실험을 진행하고 있습니다. 이는 단순히 결정을 내리는 것이 아니라, 사용자가 무엇을 달성하고자 하는지 이해하고 이용 가능한 정보에 맞춰 조정할 수 있도록 돕는 데 더 중점을 두고 있습니다. 말씀드렸듯이, 저는 전통적인 금융 업계에서 일해 왔고, 그곳에서 일해 본 사람이라면 누구나 정보에 접근하는 것이 얼마나 어려운지 잘 알고 계실 것입니다. 저희는 사람들이 원하는 정보를 얻고, 자신의 직관과 목표에 따라 자신의 성과를 더 잘 이해할 수 있도록 돕고 싶습니다. AI는 이러한 측면에서 매우 유용한 도구라고 생각합니다. 완벽하지는 않지만요. 저희는 LLM 봇을 통해 운영되는 FAQ를 실험해 왔습니다. 팀에서는 아직 더 많은 튜닝과 데이터 입력이 필요하다고 말씀드릴 것입니다. 하지만 사용자들은 이 기능에 매우 만족해 하셨고, 이를 통해 저희는 사용자 인터페이스와 프런트엔드 경험을 더욱 세밀하게 개선하여 사용자들에게 더 나은 서비스를 제공할 수 있게 되었습니다. 18페이지에 달하는 FAQ를 읽지 않고도 매우 효율적인 방식으로 원하는 정보를 정확하게 찾을 수 있게 된 것입니다. 또 한 가지 강조하고 싶은 점은 저희는 스마트 컨트랙트를 작성하는 데 AI를 사용하지 않는다는 것입니다. 저희는 최고 수준의 Solidity 개발자들을 보유하고 있으며, 모든 것이 안전하게 작동하도록 감사 기관과 긴밀히 협력하고 있습니다. 우리는 이 시점에서 이 모든 일을 매우 경험이 풍부한 인력이 수행해야 한다고 생각하며, 우리 팀에 경험이 풍부한 인력이 있어서 매우 기쁩니다.
• Sam(Cambrian Network): 높은 차원에서 제가 에이전트를 어떻게 보는지 공유하고 싶습니다. 저는 지능이 스펙트럼 상에 존재한다고 생각합니다. 오늘날 배치된 에이전트들은 제가 알고리즘 에이전트라고 분류하는 것들입니다. 그들의 의사 결정 전략은 결정론적입니다. 즉, 수학적이고, 최적화를 사용하며, 제작자가 의도한 대로 정확하게 동작합니다. 스펙트럼의 반대편에는 AI 에이전트가 있습니다. 현재 우리가 보유한 가장 진보된 AI는 LLM입니다. LLM은 창의적이고 다양한 조건에 적응할 수 있습니다. 하지만 오늘날 AI 에이전트가 직면한 문제는 비결정론적이라는 것입니다. GPT에 동일한 프롬프트를 입력해도 실행할 때마다 다른 답을 얻을 수 있습니다. 비결정론적일 뿐만 아니라, 종종 실수를 하고 환각을 볼 수도 있습니다. AI 에이전트의 잠재력은 알고리즘 에이전트보다 훨씬 뛰어난 적응력에 있습니다. 저는 LLM의 결정론적 문제가 해결될 것이라고 확신하며, 앞으로도 그럴 것이라고 믿습니다. 예를 들어, Google Brain에서 분사한 Sakana AI라는 회사가 있습니다. 최근 LLM이 매번 동일한 콘텐츠를 생성하도록 하는 데 상당한 진전을 보여주는 결과를 발표했습니다. EigenLayer도 비슷한 작업을 발표할 것으로 예상합니다. 정확도와 환상성 향상 측면에서, 모든 비사소한 작업의 오류율이 매년 절반으로 줄어들 것으로 예상할 수 있습니다. 요약하자면, Renç가 말했듯이 현재 LLM은 의도를 포착하고 이를 알고리즘 에이전트에 입력하여 안정적으로 실행할 수 있는 매개변수로 변환하는 데 매우 능숙합니다. AI 스펙트럼의 반대편에서는 LLM의 성능이 매년 두 배로 증가하고 재정적 결정을 관리하는 적극적인 의사 결정자가 될 것으로 예상할 수 있습니다. 특히 Cambrian이 하는 일과 관련하여 저는 데이터에 대해 매우 우려하고 있습니다. 데이터 문제와 관련하여, 저희는 암호화를 사용하여 모든 입력이 정확한지 확인하여 정확성을 보장합니다. 블록체인 데이터를 가져오려고 하면 종종 잘못된 데이터를 발견하게 될 것입니다. 암호화는 데이터의 정확성을 보장하는 솔루션입니다. 이 원시 데이터는 데이터베이스에 저장되고, 반품과 같은 항목을 추적하기 시작할 때, 모든 추적 프로토콜에 대해 스마트 계약이 작성된 방식과 반품 추적 알고리즘이 일치하는지 확인해야 합니다. 따라서 다른 소스들을 활용하여 많은 임의 추출 검사와 광범위한 테스트를 수행해야 합니다.

OKX Ventures의 DeFi 자율 에이전트에 대한 논문

• 레이(OKX Ventures):

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 경험에 직면하여 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.
• 시장을 진정으로 선도하는 다른 프로젝트들은 더욱 급진적인 변화를 선택했습니다. 더 이상 AI가 모든 것을 직접 이해하도록 강요하지 않고, 특정 시나리오에 집중하고 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 단순한 LLM 실행 모델에서 벗어나 결정론에 중점을 둔 체계적인 워크플로우로 전환되어야 한다고 생각합니다. 결정론이란 주어진 입력에 대해 시스템이 항상 정확히 동일한 출력을 생성해야 한다는 요건을 의미합니다. 이는 마치 수학 공식이나 기존 컴퓨터 코드처럼 그 동작을 예측, 검증 및 재현할 수 있는 것입니다 . 이러한 워크플로우는 다음 네 가지 핵심 원칙을 준수해야 합니다.

1. 큐레이션된 데이터 소싱 및 환경적 격리: 에이전트는 외부 정보(시장 상황 및 온체인 데이터 등)를 단순히 공개 인터넷에서 스크래핑하는 것이 아니라, 엄격하게 검증되고 포맷된 API 커넥터를 통해 접근해야 합니다. 이를 통해 소스에서 데이터 오염으로 인한 보안 위험을 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. 실제 거래에 들어가기 전에 목표와 행동 경계를 확정하여 기대에 부응하는 행동을 보장합니다.
3. 허가된 실행 및 위험 경계: 정책 실행 권한은 엄격하게 제한되어야 합니다. 스마트 컨트랙트는 권한 및 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 위험 관리 시스템을 통해 실시간으로 모니터링되어야 합니다. 전략의 움직임이 예상과 다르거나 시장이 극심한 변동성을 경험하는 경우, 시스템은 즉시 서킷 브레이커를 발동하여 포지션 축소 또는 전략 중단과 같은 개입 조치를 취함으로써 최종 안전 밸브 역할을 할 수 있어야 합니다.

1세대 제품의 패러다임 결함으로 인해 시장은 빠르게 재편되었습니다. 열악한 사용자 경험과 극도로 낮은 전환율에 직면하여 대다수의 프로젝트가 사라졌습니다. 남은 프로젝트들은 각자의 방향에서 뚜렷한 차이를 보였습니다. 일부 프로젝트는 점진적인 UI 개선에 집중했지만, 진정한 선두주자는 급진적인 혁신을 선택한 자율 에이전트 였습니다. 이 개념을 오해하지 마십시오. 이러한 새로운 에이전트 제품은 더 이상 AI가 모든 것을 이해하고 수행할 필요가 없습니다. 대신, 사전 구축되고 검증된 워크플로를 통해 특정 시나리오에서 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 시작되었습니다.

결론: Crypto-X AI 분야를 둘러싼 광범위한 회의론에도 불구하고, 앞서 언급한 원칙을 준수하고 LLM 역량을 적절히 활용함으로써 이 분야는 특히 기관 고객에게 매력적인 가치 제안을 제공할 수 있다고 확신합니다. 여기에는 기존 알고리즘으로는 포착하기 어려운 복잡한 요인 상관관계를 포착하는 향상된 다차원 정보 분석 기능 , 코드 개발 및 배포 효율성의 비약적인 향상 , 그리고 더욱 강력한 자동화 실행 기능이 포함됩니다 . 따라서 저희는 이 분야의 장기적인 발전을 지속적으로 모니터링하고 핵심 원칙에 부합하는 초기 단계 팀을 발굴하기 위해 최선을 다하고 있습니다.