AI Agent「成人礼」：从模拟训练到真实交易，还缺哪一步？

หากคุณเป็นผู้ใช้งานที่ใช้ Token ในปริมาณมาก ในปีที่ผ่านมา คุณน่าจะรู้สึกถึงวิวัฒนาการหลักของ AI Agent ได้เป็นอย่างดี:

นอกจากการก้าวกระโดดทางสติปัญญาของโมเดลพื้นฐานแล้ว มันเริ่มดูเหมือน "ผู้ทำงาน" ตัวจริงมากขึ้นเรื่อยๆ

จากแชทบอทในยุคแรก ๆ จนกระทั่งโครงสร้างพื้นฐานอย่าง MCP, Skills, Harness ค่อยๆ เติบโตเต็มที่ Agent เริ่มมี "มือและเท้า" มากขึ้นเรื่อยๆ มันสามารถเปิดเว็บเพจ อ่านข้อมูลแบบเรียลไทม์ ใช้งานซอฟต์แวร์ และแม้กระทั่งเชื่อมต่อกระเป๋าเงินและบัญชีซื้อขายได้

แต่เมื่อมาถึงจุดนี้ ปัญหาในโลกความเป็นจริงใหม่ก็ตามมา: การรู้จักใช้เครื่องมือ กับการทำงานหนึ่งๆ ให้สำเร็จได้จริงนั้น ที่จริงแล้วเป็นคนละเรื่องกัน

Agent ที่สามารถรับผิดชอบงานได้อย่างแท้จริง ไม่ควรเป็นแค่การเรียกใช้ API ครั้งหนึ่งหลังจากได้รับคำสั่ง แต่จำเป็นต้องปรับเปลี่ยนขั้นตอนถัดไปตามผลลัพธ์ในสภาพแวดล้อมที่มีการเปลี่ยนแปลงตลอดเวลา

ตลาดการเงินเป็นตัวอย่างที่แสดงให้เห็นถึงความแตกต่างนี้ได้อย่างชัดเจนเป็นพิเศษ

คุณสามารถบอก Agent ว่า "ช่วยฉันประเมินว่าทีมไหนมีแนวโน้มชนะมากกว่าในการแข่งขันนี้" มันจะให้บทวิเคราะห์ที่ดูดีออกมาได้ภายในไม่กี่วินาที แต่ถ้าข้อกำหนดเปลี่ยนเป็น "ให้เงินคุณจำนวนหนึ่ง แล้วในอีกหนึ่งเดือนข้างหน้า จงเข้าร่วมตลาดพยากรณ์อย่างต่อเนื่อง เพิ่มผลตอบแทนโดยควบคุมการวาดกลับสูงสุด (Maximum Drawdown)" มันจะกลายเป็นปัญหาอีกประเภทหนึ่งโดยสิ้นเชิง

มันต้องอ่านข่าวแบบเรียลไทม์ ราคา และสมุดคำสั่งซื้อ (Order Book) อย่างต่อเนื่อง เพื่อตัดสินว่าตลาดได้ตั้งราคาอย่างเพียงพอแล้วหรือไม่ ตัดสินใจว่าเมื่อใดควรเปิดสถานะ เพิ่มสถานะ หรือออกจากตลาด และปรับกลยุทธ์อย่างทันท่วงทีเมื่อการตัดสินใจของตัวเองผิดพลาด

และนวัตกรรมโครงสร้างพื้นฐานจำนวนหนึ่งที่เกิดขึ้นอย่างหนาแน่นในช่วงไม่นานมานี้ ดูเหมือนกำลังจะเติมเต็มปริศนาชิ้นส่วนที่ขาดหายไปก่อนหน้านี้ทีละชิ้น

1. AI Agent ต้องการ "สนามฝึกซ้อมจำลอง" หรือไม่?

กลางเดือนสิงหาคม SKALE เปิดตัวผลิตภัณฑ์ใหม่ที่น่าสนใจไม่น้อยชื่อ AgentPit

พูดง่ายๆ คือ มันคือ "แซนด์บ็อกซ์ซื้อขายจำลอง" ที่สร้างขึ้นสำหรับ AI Agent ในตลาดพยากรณ์โดยเฉพาะ ซึ่งจำลองข้อมูลตลาดของ Polymarket จริงและเข้ากันได้กับ API ของมัน พร้อมกับใช้ CLOB Order Book, CTF Token และกลไกการชำระบัญชีที่ใกล้เคียงกับสภาพแวดล้อมการผลิตจริง เพียงแต่เปลี่ยนเงินจริงเป็น USDC แบบจำลอง

นักพัฒนาสามารถให้ Agent อ่านราคาเสนอซื้อขาย ส่งคำสั่งซื้อขาย จัดการสถานะภายในนั้นได้แบบเรียลไทม์ และทดสอบกลยุทธ์โดยไม่มีความเสี่ยงสูญเสียเงินทุนเลยแม้แต่น้อย ในขณะเดียวกันก็สามารถสังเกตพฤติกรรมกลุ่ม (Emergent Behavior) ที่เกิดขึ้นจากการที่ Agent หลายตัวแข่งขันกันในสมุดคำสั่งซื้อเดียวกัน

สิ่งนี้ดูคล้ายคลึงกับการ Backtest และบัญชีทดลองใน Quantitative Trading แบบดั้งเดิมบ้าง แต่สำหรับ AI Agent แล้ว ความหมายของมันนั้นลึกซึ้งกว่านั้นมาก

เพราะปัญหาที่ Agent เผชิญมายาวนานคือ คุณจะรู้ได้อย่างไรว่า Agent ตัวหนึ่ง "ซื้อขายเป็นจริงๆ"?

เป็นที่ทราบกันดีว่า ในอดีตการประเมินความสามารถของโมเดลขนาดใหญ่ อุตสาหกรรมพึ่งพาการทดสอบมาตรฐานแบบสถิต (Benchmarks) อย่างหนัก เช่น ทำโจทย์คณิตศาสตร์สองสามข้อ ซ่อมโค้ดสักส่วนหนึ่ง หรือสรุปบทความยาวๆ สักบทความ

แต่การตัดสินใจที่ซับซ้อนในโลกแห่งความเป็นจริงไม่มีคำตอบมาตรฐานที่กำหนดไว้ล่วงหน้า โดยเฉพาะในตลาดการเงิน สมมติว่า Agent ประเมินว่ามูลค่ายุติธรรมของผลลัพธ์ "YES" สำหรับเหตุการณ์หนึ่งๆ ควรอยู่ที่ 0.7 ดอลลาร์ ขณะที่ราคาตลาดปัจจุบันอยู่ที่ 0.55 ดอลลาร์ หลังจากที่มันซื้อเข้า ราคาอาจร่วงลงต่อไปถึง 0.45 ดอลลาร์ หรืออาจพุ่งสูงขึ้นอย่างรวดเร็วจากข่าวไม่คาดฝัน นอกจากนี้ สภาพคล่องชั่วขณะของสมุดคำสั่งซื้อก็จะส่งผลโดยตรงต่อราคาเฉลี่ยที่ซื้อขายได้จริง

นั่นหมายความว่า Agent ไม่สามารถจบภารกิจได้ด้วยการคาดการณ์เพียงครั้งเดียว มันต้องเผชิญกับผลที่ตามมาจริงจากการตัดสินใจครั้งก่อนของตัวเองอย่างต่อเนื่อง นี่คือคุณค่าหลักของ AgentPit มันมอบวงจรป้อนกลับแบบไดนามิกที่ใกล้เคียงกับสภาพแวดล้อมการผลิตจริงให้กับตัวแทนอัจฉริยะ:

สังเกต → ตัดสินใจ → ลงมือทำ → ได้รับผลตอบรับ → ปรับปรุง → ลงมือทำอีกครั้ง

แน่นอนว่า "การฝึก" ในที่นี้ไม่จำเป็นต้องหมายความว่าทุกครั้งที่ Agent ซื้อขายเสร็จ มันจะแก้ไขค่าพารามิเตอร์ของโมเดลพื้นฐานโดยอัตโนมัติ มันเป็นสภาพแวดล้อมที่ให้โอกาสในการรันกลยุทธ์ซ้ำแล้วซ้ำเล่า ประเมินผลลัพธ์ และปรับปรุงเวิร์กโฟลว์

เปรียบเสมือนระบบขับเคลื่อนอัตโนมัติที่ต้องผ่านสถานการณ์สุดขั้วมากมายในเครื่องจำลองก่อนจะขึ้นถนนจริง Agent ทางการเงินที่อาจจัดการเงินทุนจริงในอนาคต ก็ยากที่จะได้รับสิทธิ์ควบคุมสินทรัพย์โดยตรงจากการทดสอบ Prompt เพียงไม่กี่ครั้ง มันต้องพิสูจน์ก่อนว่า ในสภาพแวดล้อมการตัดสินใจต่อเนื่อง มันมีผลงานเป็นอย่างไรกันแน่

แต่ปัญหาก็ตามมาด้วยเช่นกัน

การทำผลงานได้ดีในสภาพแวดล้อมจำลอง ไม่ได้หมายความว่าจะมอบเงินจริงให้ AI ได้ทันที ระหว่างนั้นยังต้องมีชั้นที่สำคัญกว่านั้นอีกชั้นหนึ่ง

2. การบรรจบกันของโครงสร้างพื้นฐาน: เมื่อการชำระเงินและการซื้อขายกลายเป็นส่วนประกอบดั้งเดิมของ Agent

หากสังเกตการเคลื่อนไหวของยักษ์ใหญ่คลาวด์และแพลตฟอร์มซื้อขายชั้นนำในช่วงหลายเดือนที่ผ่านมา จะเห็นได้ไม่ยากว่า เส้นทางดำเนินงานของ Agent กำลังถูกทำให้เป็นมาตรฐานอย่างรวดเร็วจนเชื่อมต่อถึงกัน

อย่างแรกคือการมาถึงของโปรโตคอลการชำระเงินแบบ Machine-Native

เมื่อวันที่ 18 สิงหาคม Amazon Bedrock AgentCore Payments เปิดตัวเป็นทางการ (GA) บริการนี้อนุญาตให้ตัวแทนอัจฉริยะที่ทำงานบน AgentCore ค้นพบและจ่ายเงินเพื่อเรียกใช้ API ของบุคคลที่สาม, บริการ MCP หรือแหล่งข้อมูลเฉพาะทางได้อย่างอิสระ พร้อมทั้งผสานรวมโครงสร้างพื้นฐานกระเป๋าเงินของ Coinbase และ Stripe / Privy รองรับ Stablecoin และโปรโตคอลการชำระเงินของเครื่องจักรอย่าง x402 ได้ในระดับดั้งเดิม

สิ่งนี้ช่วยแก้ปัญหาจุดสะดุดที่โดนใจอย่างยิ่ง นั่นคือ หาก Agent พบข้อมูลแบบเรียลไทม์คุณภาพสูงที่ต้องชำระเงินระหว่างการวิเคราะห์ตลาด ในอดีต เวิร์กโฟลว์จะต้องหยุดชะงัก รอให้มนุษย์สอดบัตรชำระเงินด้วยตนเองและกำหนดค่า API Key ก่อนจึงจะดำเนินการต่อได้

แต่ภายใต้กรอบของ AgentCore Payments การชำระเงินจะถูกห่อหุ้มเป็นโหนดอัตโนมัติภายในเวิร์กโฟลว์โดยตรง ผู้ใช้เพียงแค่กำหนดงบประมาณและกลยุทธ์ไว้ล่วงหน้า Agent ก็จะสามารถเริ่มการชำระเงินขนาดเล็ก (Micro-payment) ได้ด้วยตนเองเมื่อพบอุปสรรคด้านการชำระเงินเพื่อให้การเรียกทำงานสำเร็จ กระบวนการทั้งหมดไม่จำเป็นต้องมีการแทรกแซงจากมนุษย์ และคีย์ส่วนตัวของกระเป๋าเงินกับข้อมูลประจำตัว (Credentials) จะถูกแยกออกจากตัวโมเดลเอง

ถัดมา สองวันต่อมาในวันที่ 20 สิงหาคม Binance ก็ได้เปิดตัว Agent OS ซึ่งเปิดอินเทอร์เฟซดั้งเดิมสำหรับ Agent

ไม่เหมือนกับการนำเสนอฟีเจอร์ AI ใดฟีเจอร์หนึ่งเพียงอย่างเดียว Agent OS 更像是一层专门面向 Agent 的金融基础设施接口 โดยนำส่วนประกอบต่างๆ เช่น Binance API, Wallet Agentic Hub, x402, Skills Hub และ MCP มาประกอบเข้าด้วยกัน

มันอนุญาตให้แอปพลิเคชัน AI ที่เข้ากันได้ดึงข้อมูลตลาดผ่าน MCP ดูข้อมูลบัญชี และดำเนินการซื้อขายที่รองรับหลังจากได้รับอนุญาตจากผู้ใช้ ที่สำคัญกว่านั้น มันเน้นย้ำขอบเขตสิทธิ์และการแยกส่วนในระดับกลไก:

ผู้ใช้สามารถจัดสรรบัญชีย่อยเฉพาะให้กับ Agent แยกเงินทุนและกิจกรรมการซื้อขายออกจากบัญชีหลัก และกำหนดสิทธิ์เฉพาะให้กับ Agent ได้ สิทธิ์การเข้าถึงที่เกี่ยวข้องก็สามารถเพิกถอนได้ตลอดเวลาเช่นกัน

หากนำ AgentPit, AWS AgentCore Payments และ Binance Agent OS มาวางไว้ด้วยกัน จะพบการเปลี่ยนแปลงที่ชัดเจนมากขึ้นเรื่อยๆ:

AgentPit มอบสภาพแวดล้อมสำหรับการทดสอบกลยุทธ์และการตอบรับอย่างต่อเนื่อง x402 และ AWS AgentCore Payments เริ่มเชื่อมต่อการชำระเงินแบบ Machine-Native ขณะที่ Binance Agent OS ก้าวไปอีกขั้นด้วยการเปิดเผยข้อมูลตลาด บัญชี การซื้อขาย และความสามารถบนเชนให้กับ Agent ทำให้ความสามารถที่กระจัดกระจายอยู่ก่อนหน้านี้ กำลังถูกเชื่อมต่อเข้าด้วยกันเป็นเวิร์กโฟลว์ที่สมบูรณ์ทีละน้อย

อย่างไรก็ตาม จุดที่พิเศษเป็นพิเศษของสถานการณ์ทางการเงินคือ ถ้าเขียนโค้ดผิดพลาด ก็แค่รันใหม่ แต่ถ้า Agent ทำรายการซื้อขายที่ผิดพลาดไปหนึ่งครั้ง สินทรัพย์อาจออกจากกระเป๋าเงินไปแล้วจริงๆ

นี่หมายความว่า เมื่อก้าวจากสภาพแวดล้อมจำลองสู่โลกแห่งความเป็นจริง มีบทบาทหนึ่งที่ไม่สามารถเลี่ยงได้

นั่นคือ กระเป๋าเงิน (Wallet)

3. คุณค่าที่แท้จริงของ Agent Wallet คืออะไร?

หากร่างเวิร์กโฟลว์ที่สมบูรณ์ของ AI Agent ในอนาคต มันจะแสดงห่วงโซ่ที่ชัดเจนออกมา:

• ก่อนอื่น ฝึกและทดสอบกลยุทธ์ในสภาพแวดล้อมจำลองอย่าง AgentPit;
• จากนั้น รับข้อมูลและเครื่องมือผ่าน MCP, Skills และ API ต่างๆ;
• ซื้อข้อมูลและทรัพยากรการคำนวณผ่านโปรโตคอลอย่าง x402 (อ่านเพิ่มเติม: เมื่อ AI Agent เริ่มมี "กระเป๋าเงิน": หลังความเป็นอิสระทางเศรษฐกิจ ใครจะเป็นผู้รักษาการควบคุม?);
• จากนั้น เข้าสู่ตลาดจริงเพื่อดำเนินการซื้อขาย;
• และปรับกลยุทธ์ให้เหมาะสมตามผลลัพธ์จริง;

เมื่อมาถึงขั้นตอนการดำเนินการ บทบาทที่กระเป๋าเงิน承担จะแตกต่างอย่างสิ้นเชิงจากในปัจจุบัน

เพราะตรรกะการโต้ตอบของกระเป๋าเงิน Web3 แบบดั้งเดิมถูกออกแบบมาสำหรับการโต้ตอบระหว่างมนุษย์กับเครื่องจักร นั่นคือ ทุก ๆ ลายเซ็น ต้องพึ่งพามนุษย์ในการตรวจสอบด้วยตาเปล่าหน้าจอแล้วคลิกยืนยันด้วยตนเอง แต่ถ้า Agent ความถี่สูงต้องอ่านข้อมูล Order Book หลายชุดทุกวินาทีและปรับสถานะอย่างต่อเนื่อง หากยังคงให้มนุษย์ลงนามทีละรายการ ความหมายของระบบอัตโนมัติก็จะสูญสิ้น

อย่างไรก็ตาม หากมอบ Private Key ให้ AI เก็บไว้โดยตรง ก็เท่ากับยอมสละ底线ด้านความปลอดภัยทั้งหมด

ดังนั้น สิ่งที่ Agent Wallet ต้องแก้ไขจริงๆ ไม่เคยเป็น "จะให้ AI ได้ Private Key ได้อย่างไร" แต่เป็น "จะมอบสิทธิ์การดำเนินการที่ปลอดภัยและควบคุมได้ให้กับ Agent โดยไม่ต้องโอนการควบคุมสินทรัพย์ขั้นสุดท้ายได้อย่างไร"

นี่คือแนวทางแก้ไขหลักที่ imToken นำเสนอในกรอบการออกแบบ Agent Wallet:

• การแยกบัญชีและคีย์เซสชัน (Session Keys): ในแนวคิดการออกแบบ Agent Wallet ของ imToken Agent ที่ได้รับสิทธิ์ดำเนินการแต่ละตัวจะสอดคล้องกับ Agent Account อิสระ โดย Session Key ของมันถูกสร้างและแยกไว้ในสภาพแวดล้อมการประมวลผลที่เชื่อถือได้ (TEE) และจะไม่ออกจากสภาพแวดล้อมที่ปลอดภัยนี้
• ข้อจำกัดเข้มงวดของกฎนโยบาย (Policy): Agent Account แต่ละตัวต้องผูกกับ Policy ที่ชัดเจน รวมถึงบัญชีขาว (Whitelist) ของโปรโตคอลที่อนุญาตให้โต้ตอบ วงเงินสูงสุดต่อรายการ วงเงินรายวัน ความถี่ในการดำเนินการ และระยะเวลาที่การอนุญาตมีผล ในอีกแง่หนึ่ง สิ่งที่ Agent ได้รับไม่ใช่กระเป๋าเงินที่ไร้ข้อจำกัด แต่เป็นบัญชีดำเนินการที่ถูกล้อมรอบด้วยกฎเกณฑ์
• ผู้ใช้คงไว้ซึ่งการควบคุมขั้นสุดท้าย: Agent สามารถดำเนินการได้อย่างอิสระภายในขอบเขต Policy ที่ผู้ใช้อนุญาตล่วงหน้าเท่านั้น การดำเนินการที่เกินขอบเขตต้องกลับไปให้ผู้ใช้ยืนยันอีกครั้ง ผู้ใช้สามารถปรับ Policy ได้ตลอดเวลา หยุดหรือดำเนินการ Agent ต่อ เพิกถอนสิทธิ์ และเรียกคืนเงินทุนได้ สำหรับธุรกรรมที่ถูกระบุว่าผิดปกติหรือเกินกลยุทธ์ที่ตั้งไว้ การดำเนินการอัตโนมัติจะถูกระงับชั่วคราว และระบบจะขอให้ผู้ใช้ยืนยันตัวตนอีกครั้ง

เมื่อมองระบบนิเวศทั้งหมดจากมิตินี้อีกครั้ง จะพบว่าการฝึกซ้อมแบบจำลอง (เช่น AgentPit) และกระเป๋าเงินอัจฉริยะ (เช่น imToken Agent Wallet) จริงๆ แล้วกำลังแก้ไข命题เดียวกันในสองช่วงเวลา

แบบแรกมีหน้าที่เพิ่มขีดจำกัดบนของความสามารถในการตัดสินใจของ Agent ส่วนแบบหลังมีหน้าที่เสริมสร้าง底线ด้านความปลอดภัยของการดำเนินการของ Agent

ทั้งสองอย่างขาดไม่ได้

นี่อาจเป็นการเปลี่ยนแปลงที่สำคัญที่สุดของ Agent Wallet เมื่อเทียบกับ Wallet แบบดั้งเดิม

บทส่งท้าย

ในแง่นี้ หลังจากการถือกำเนิดของ AgentPit ระยะใหม่ที่น่าจับตามองกำลังจะมาถึง

AI Agent กำลังเปลี่ยนผ่านจาก "เรียนรู้การใช้เครื่องมือ" ไปสู่ "เรียนรู้วิธีการทำงาน"

และเมื่อมันก้าวออกจากสนามฝึกซ้อมจำลองในที่สุด เข้าสู่โลกการซื้อขายจริงที่ผันผวนและคาดเดาได้ยาก สิ่งที่จะกำหนดว่าก้าวนี้จะมั่นคงและไปได้ไกลแค่ไหน มักไม่เพียงขึ้นอยู่กับว่าโมเด