วางรากฐานเศรษฐกิจตัวแทน AI: แผนภาพการดำเนินเทคโนโลยีที่คาดการณ์โดย a16z

ถึงเวลาที่จะเข้าสู่ฤดูกาลทำนายปลายปี นักลงทุนด้านความเสี่ยงได้เสนอแนวโน้มที่หรูหรา สื่อมวลชนเร่งเผยแพร่ และผู้สร้าง—พวกเราที่เปลี่ยนแนวคิดให้เป็นความจริง—มักจะมองหน้ากับแผนที่เส้นทางที่คลุมเครือ เมื่อทีมเข้ารหัสของa16z เสนอว่าในปี 2026 AI จะเผชิญกับ “การเปลี่ยนแปลงแนวทางการวิจัย,” “วิกฤตตัวตนของตัวแทน” และ “ภาษีซ่อนเร้นของเครือข่ายเปิด” เราไม่เห็นข่าวหัวข้อข่าว แต่เป็นรายการปัญหาทางเทคนิคสามประการที่ต้องได้รับการแก้ไขเร่งด่วน

บทความนี้ไม่ได้มีเจตนาที่จะเล่าทายทายเหล่านี้ใหม่ แต่เรามองว่ามันเป็นเอกสารความต้องการทางเทคนิคสาธารณะ หากคุณและฉันเชื่อว่อนาคตจะถูกกำหนดโดยความร่วมมือซับซ้อนระหว่างตัวแทน AI แล้ว เราต้องเริ่มออกแบบโปรโตคอลพื้นฐาน สถาปัตยกรรมแบบ และกลไกการไหลของคุณค่า ที่สนับสนุนทุกสิ่งเหล่านี้ตั้งแต่ตอนนี้ ต่อไปนี้คือแผนภาพเทคนิคที่สามารถนำไปปฏิบัติได้สำหรับสามความท้าทายนี้

ออกแบบ “ชั้นการทำงาน” การร่วมมือวิจัย AI แบบ “พันเกลียว”

กรอบงานตัวแทน AI ปัจจุบันแก้ปัญหา “การสนทนาระหว่างหลายตัวแทน” ได้แล้ว แต่โดยพื้นฐานยังเป็นเวิร์กโฟลว์เชิงเส้นหรือแบบต้นไม้ เมื่อพูดถึง “agent-wrapping-agent” จะอธิบายถึงระบบนิเวศที่มีความเป็นออร์แกนิกมากขึ้น: ตัวแทนจะสังเกต ประเมิน ปฏิเสธ และเสริมสร้างงานของกันและกัน เหมือนทีมวิจัยมนุษย์

สิ่งนี้ต้องการแนวคิดสถาปัตยกรรมระบบใหม่อย่างสิ้นเชิง จุดสำคัญคือการสร้าง “ชั้นการประเมินผลเมตา” — ตัวแทนการประเมินผลที่ออกแบบมาเป็นพิเศษ ซึ่งการออกแบบ prompt ไม่เน้นที่งานโดยตรง แต่เน้นความเข้มงวดของแนวทาง หลักการตรรกะ และนวัตกรรม ผลลัพธ์ของตัวแทนเหล่านี้ไม่ใช่คำตอบสุดท้าย แต่เป็นรายงานการประเมินเชิงโครงสร้างและคะแนนความมั่นใจ บนพื้นฐานนี้ ระบบควรสามารถจัดการเวิร์กโฟลว์แบบไดนามิก เมื่อมีตัวแทนพิสูจน์ทางคณิตศาสตร์ติดขัด ก็สามารถแทรกตัวแทน “คิดเปรียบเทียบ” เพื่อให้มุมมองใหม่โดยอัตโนมัติ แทนที่จะลองใหม่ซ้ำ

ความท้าทายที่สำคัญยิ่งกว่าคือการจัดการบริบทร่วมกัน เราต้องพัฒนามาตรฐาน “วัตถุบริบทการวิจัย” ที่สามารถส่งต่อระหว่างตัวแทนได้ ซึ่งประกอบด้วยสมมติฐานเชิงเส้นทางที่ถูกปฏิเสธ คีย์อ้างอิงสำคัญ และปัญหาย่อยที่ยังไม่ได้รับการแก้ไข สิ่งนี้มีโครงสร้างมากกว่าประวัติการสนทนาแบบง่าย ๆ และใกล้เคียงกับบันทึกในห้องทดลองของนักวิจัยมนุษย์ ชุมชนโอเพนซอร์สได้เริ่มสำรวจแนวทางนี้แล้ว แต่กรอบงานปัจจุบันยังมีข้อจำกัดในด้านการโต้ตอบเชิงวิพากษ์ลึกระหว่างตัวแทน

สร้าง “โปรโตคอลตัวตน” สำหรับตัวแทนที่รู้เท่าทันกัน

การทำนายของSean Neville เกี่ยวกับ “KYA” เปิดเผยอุปสรรคพื้นฐาน: เศรษฐกิจอัจฉริยะไม่สามารถสร้างบนผู้เข้าร่วมที่ไม่ระบุชื่อหรือไม่สามารถติดตามได้ ปัจจุบันตัวแทนเป็นเพียงเงาหลังคีย์ API ไม่มีตัวตนที่สามารถตรวจสอบได้ ขอบเขตสิทธิ์ หรือความรับผิดชอบตามกฎหมาย นี่ไม่ใช่แค่ปัญหาการกำกับดูแล แต่เป็นปัญหาการขาดโปรโตคอลทางเทคนิค

แนวทางแก้คือการออกแบบมาตรฐานตัวตนของตัวแทนที่เป็นรากฐานของคริปโตเคอเรนซี ซึ่งอาจขยาย W3C Verifiable Credentials ให้สามารถแสดงข้อมูลเช่น “ตัวแทนนี้ได้รับอนุญาตจาก DAO ให้ดำเนินการ DeFi arbitrage ด้วยตำแหน่งสูงสุด 1 ล้านดอลลาร์” หรือสร้างทะเบียนตัวแทนบนเชนใหม่ก็ได้ ไม่ว่าจะเป็นแนวทางใด ก็ต้องแก้ปัญหาพื้นฐานของการจัดการกุญแจ: กุญแจส่วนตัวของตัวแทนจะถูกเก็บรักษาและเปลี่ยนอย่างปลอดภัยอย่างไร? เมื่อพฤติกรรมของตัวแทนผิดปกติ ผู้ควบคุมมนุษย์จะเข้าแทรกแซงและกู้คืนการควบคุมอย่างเร่งด่วนได้อย่างไร?

ความซับซ้อนมากขึ้นคือการออกแบบกลไกการติดตามความรับผิดชอบ เราต้องฝังบันทึกการตรวจสอบที่ไม่สามารถแก้ไขได้ในสแต็กเทคโนโลยี เพื่อให้การตัดสินใจสำคัญของตัวแทนสามารถย้อนกลับไปยัง prompt คำสั่ง ข้อมูลการฝึก และลายเซ็นของผู้ควบคุมได้ นี่ไม่ใช่แค่ความท้าทายทางเทคนิค แต่เป็นพื้นที่ที่บูรณาการระหว่างกฎหมายและวิศวกรรม มาตรฐาน ERC-4337 สำหรับ “กระเป๋าเงินอัจฉริยะ” ให้รากฐานแล้ว แต่ตัวแทนต้องการข้อมูลเมตาและโครงสร้างสิทธิ์ที่หลากหลายมากขึ้น

ดำเนินกลยุทธ์ “ภาษีซ่อนเร้น” ของคุณค่า

ปัญหา “ภาษีซ่อนเร้น” ที่ Liz Harkavy ชี้ให้เห็น เป็นปัญหาพื้นฐานของโมเดลเศรษฐกิจอินเทอร์เน็ต: ตัวแทน AI ใช้จ่ายโฆษณาและสมัครสมาชิกจำนวนมากเพื่อสนับสนุนเนื้อหา แต่กลับหลีกเลี่ยงช่องทางการสร้างรายได้แบบเดิม เครื่องมือวิเคราะห์เว็บไซต์แบบดั้งเดิมยังแยกแยะการเข้าถึงของมนุษย์และการดึงข้อมูลของตัวแทนไม่ได้ แล้วจะมีการชดเชยเล็กน้อยอย่างไร

โซลูชันทางเทคนิคต้องจัดการทั้งเส้นทางการชำระเงินและการติดตามคุณสมบัติ ในด้านการชำระเงิน โซลูชันเลเยอร์สองของบล็อกเชน เช่น Arbitrum หรือ Base ให้ความสามารถในการชำระเงินขนาดเล็กในต้นทุนต่ำ แต่ความล่าช้าและความซับซ้อนยังเป็นอุปสรรค โปรโตคอลการชำระเงินใหม่ เช่น Lightning Network หรือ Fedimint อาจเป็นทางเลือกที่ดีกว่า แต่ยังขาดการบูรณาการกับโครงสร้างพื้นฐานเครือข่ายปัจจุบัน การคิดใหม่เกี่ยวกับโปรโตคอล HTTP เอง โดยเพิ่มฟิลด์ “คาดหวังคุณค่า” ในส่วนหัวมาตรฐาน ก็เป็นแนวทางที่อาจช่วยได้

การติดตามคุณสมบัติเป็นปัญหาทางเทคนิคที่ละเอียดอ่อนมาก วิธีทำให้คำตอบที่สร้างโดย AI สามารถย้อนกลับไปยังห้าส่วนของวิกิพีเดีย สองบทความวิชาการ และบล็อกอุตสาหกรรมที่อ้างอิงได้อย่างน่าเชื่อถือ? แท็ก rel=”canonical” และมาตรฐานการอ้างอิงในปัจจุบันยังไม่เพียงพอ เราต้องพัฒนามาตรฐานการแท็กเนื้อหาใหม่ ซึ่งอาจอิงตามลายนิ้วมือเชิงความหมาย แทน URL ง่าย ๆ และสร้างสมุดบันทึกการมีส่วนร่วมข้ามไซต์ เมื่อแก้ปัญหาคุณสมบัติเหล่านี้ การชดเชยตามการใช้งานก็สามารถทำได้อย่างเป็นธรรม

โครงสร้างพื้นฐานเชื่อมต่อกันและความท้าทายแบบเปิด

สามด้านเทคนิคนี้ไม่ได้อยู่แยกจากกัน ระบบ AI ตัวแทนในตลาดต้องการ “KYA” credentials เพื่อพิสูจน์ความสอดคล้อง ใช้ “ชั้นการทำงาน” แบบพันเกลียวเพื่อจัดระเบียบเวิร์กโฟลว์วิเคราะห์ และผ่าน “โปรโตคอลคุณค่า” เพื่อชำระเงินอัตโนมัติสำหรับข้อมูลรายงานทางการเงินแต่ละชิ้น พวกมันเป็นเสาหลักสามเสาของเศรษฐกิจตัวแทน AI: ตัวตน การทำงานร่วมกัน และการแลกเปลี่ยนคุณค่า

ชุมชนโอเพนซอร์สกำลังอยู่ในแนวหน้าของการสร้างโครงสร้างพื้นฐานเหล่านี้ เราเห็นLangChain กำลังผลักดันมาตรฐานการทำงานร่วมกันของตัวแทน Farcaster สำรวจแผนที่โซเชียลแบบกระจายหลายศูนย์ และหลายทีมกำลังทดลองรวมการชำระเงิน Web3 แต่ความท้าทายที่ใหญ่ที่สุดคือความสามารถในการทำงานร่วมกัน: ระบบตัวแทนต่าง ๆ จะค้นพบกัน สร้างความไว้วางใจ และทำงานร่วมกันอย่างปลอดภัยได้อย่างไร? ซึ่งต้องเกินกว่าการกำหนดมาตรฐานของแต่ละโครงการ

ในปีหน้าที่จะถึงนี้ ความก้าวหน้าที่แท้จริงอาจไม่มาจากโมเดลที่ใหญ่ขึ้น แต่จากโปรโตคอลพื้นฐานที่ดูเหมือนธรรมดาเหล่านี้ เมื่อเราจัดการให้ตัวแทนสามารถพิสูจน์ตัวตน คิดร่วมกัน และชำระค่าทรัพยากรที่ใช้ไปได้ AI ก็จะก้าวออกจากอินเทอร์เฟซแชทปิดและเข้าสู่เศรษฐกิจดิจิทัลที่เปิดกว้างและยั่งยืนมากขึ้น เส้นทางสำหรับผู้สร้างได้ชัดเจนแล้ว: เลือกโครงสร้างพื้นฐาน แล้วเริ่มสร้างสิ่งใหม่