U ranim danima blockchaina, od pojave Bitcoina 2009. pa prvih pametnih ugovora na Ethereumu 2015., fokus je bio na sigurnom zapisu transakcija i jednostavnim automatiziranim pravilima. Paralelno se razvijala moderna umjetna inteligencija, osobito duboko učenje nakon 2012., ali ta su se dva svijeta dugo kretala odvojeno. Blockchain je rješavao problem povjerenja u distribuiranom sustavu, dok je AI rješavao problem predviđanja i analize podataka.
Prava sinergija počinje tek posljednjih nekoliko godina, s usponom decentraliziranih financija, skalabilnih Layer 2 rješenja i zrelih modela strojnog učenja. Danas više ne govorimo samo o “pametnim ugovorima”, već o autonomnim agentima koji mogu donositi odluke na temelju podataka, uz transparentnu i kriptografski osiguranu provedbu na lancu. Ta kombinacija mijenja način na koji izgledaju protokoli, tržišta i korisničko iskustvo u Web3 ekosustavu.
U ovom tekstu prolazimo kako AI konkretno mijenja arhitekturu blockchain sustava, gdje su stvarne primjene, što se već koristi u praksi i koji su vrlo realni rizici koje ne smijemo ignorirati.
Ključne dodirne točke između AI i blockchaina
AI i blockchain imaju gotovo suprotne tehničke karakteristike. AI treba velike količine podataka i fleksibilnost, dok blockchain naglašava determinističko izvršavanje i skupu, ali sigurnu pohranu. Upravo na dodiru tih suprotnosti nastaje niz zanimljivih primjena.
Prva velika skupina slučajeva su AI modeli koji rade izvan lanca (off-chain), ali svoje rezultate, odluke ili dokaze spremaju on-chain. Primjer su protokoli koji upravljaju rizikom u DeFi okruženju: modeli izvan lanca analiziraju volatilnost, korelacije i likvidnost, a zatim preko pametnog ugovora ažuriraju parametre, poput kamatnih stopa ili limitnih omjera kolaterala.
Druga skupina su dApps koje same koriste AI kao dio svoje poslovne logike. To uključuje AI agente kao korisnike – botovi koji potpisuju transakcije, arbitriraju cijene između DEX-ova ili upravljaju NFT portfeljima. Identitet i ovlasti tih agenata sidre se u blockchainu (npr. putem soulbound ili permissioned NFT-ova), dok kôd koji realizira “inteligenciju” radi izvan lanca, ali je kriptografski povezan s adresom na mreži.
Treća skupina su protokoli koji koriste blockchain kako bi osigurali integritet podataka i modela u AI sustavima. Tu se pojavljuje koncept model provenance – tko je trenirao model, nad kojim podacima, koji je commit hash verzije koda – sve zapisano u nepromjenjiv registar, što je važno za regulirane financijske proizvode i RWA tokene.
Kako AI mijenja DeFi i on-chain tržišta
Najvidljiviji učinak AI-a trenutno je u automatizaciji strategija trgovanja i upravljanja rizikom na decentraliziranim burzama i protokolima za posudbu. Velik dio volumena na DEX-ovima već sada generiraju MEV botovi i arbitrage agenti, a AI modeli im daju finiju optimizaciju.
Umjesto statičnih pravila (“kupi ako cijena padne X%”), modeli dubokog učenja ili reinforcement learning agenti treniraju se na povijesnim on-chain podacima i order bookovima centraliziranih burzi. Oni procjenjuju vjerojatnost kratkoročnih pokreta cijena ili promjena likvidnosti, te u milisekundama odlučuju hoće li poslati transakciju, preko kojeg mosta, na koji AMM pool i s kojim slippageom.
Primjer su protokoli poput dYdX ili GMX, gdje nezavisni timovi razvijaju AI drivane market makere koji održavaju dubinu knjige naloga ili poola. AI model može dinamički prilagođavati distribuciju likvidnosti duž krivulje cijena (npr. koncentrirana likvidnost nalik Uniswap v3) ovisno o procjeni nadolazeće volatilnosti, čime se optimizira prinos LP-ova i smanjuje impermanent loss.
Druga dimenzija je upravljanje rizikom u protokolima za posudbu, poput Aave ili Compound. Umjesto ručno podešenih parametara, razvijaju se sistemi gdje AI analizira cross-chain podatke, ponašanje korisnika i tržišne uvjete, te predlaže (ili automatski uvodi) izmjene LTV limita, popisa prihvatljivog kolaterala ili razine rezervi. Ovdje blockchain služi kao transparentan sloj izvršavanja, dok AI donosi kvalitetnije odluke na temelju kompleksnih signala.
Tehnička arhitektura: kako AI i pametni ugovori stvarno komuniciraju
Ključno tehničko ograničenje je da se kompleksni AI modeli ne mogu izvoditi izravno unutar pametnih ugovora. EVM i slični izvršni strojevi su dizajnirani da budu deterministički i relativno jednostavni, jer svako izračunavanje plaćamo gasom i svaka se operacija replicira na tisućama čvorova. Stoga se koristi trodijelna arhitektura: off-chain AI, oracle sloj i on-chain logika.
AI dio radi na posve drugoj infrastrukturi: GPU klasteri, specijalizirani AI poslužitelji ili čak distribuirane mreže poput Golem ili Akash. Tamo se izvršava model (npr. transformers, GNN, RL agent), pristupa se velikim datasetovima i donosi se odluka – konkretan broj, vektor ili set parametara koji trebaju završiti na blockchainu.
Oracle sloj (npr. Chainlink Functions ili vlastiti oracle servis) služi kao kriptografski most. On pakira AI izlaz u transakciju, potpisuje ga i šalje pametnom ugovoru. U naprednijim implementacijama koristi se kriptografsko dokazivanje integriteta: ugovor provjerava da je podatak došao od autoriziranog oraclea ili skupa validatora, često preko multi-signature sheme ili stake-based sigurnosnog modela.
Na kraju, pametni ugovor prima te podatke i deterministički ih interpretira. Primjerice, ugovor za upravljanje rizikom provjerava: “Ako novi prijedlog LTV limita dolazi od ovlaštenog oraclea i u prihvatljivom je rasponu, ažuriraj parametar.” Sam AI kôd ostaje izvan lanca, ali put od modela do statusa lanca je jasno definiran, transparentan i auditabilan.
AI agenti kao on-chain sudionici i autonomne organizacije
Jedan od zanimljivijih smjerova je pojava AI agenata kao punopravnih sudionika u blockchain ekonomiji. Umjesto da ljudski korisnik ručno potpisuje svaku transakciju, korisnik delegira odluke agentu koji ima vlastiti wallet, ograničene ovlasti i zadani skup ciljeva.
Tehnički, to se može riješiti putem pametnog ugovora-novčanika (smart contract wallet) koji implementira pravila: tko smije potpisivati, koje transakcije su dopuštene, koji su dnevni limiti. AI sustav generira transakcije izvan lanca, a zatim ih potpisuje kroz backend koji kontrolira privatne ključeve ili koristi account abstraction model (npr. ERC-4337), gdje se logika autorizacije prebacuje u sam ugovor.
Na razini organizacija, koncept DAO-a se širi u smjeru “AI-assisted governance”. Umjesto da članovi čitaju desetke prijedloga i glasaju naslijepo, AI modeli analiziraju prijedloge, procjenjuju utjecaj na trezor, raspodjelu tokena i rizike, te generiraju sažetke i preporuke. Dugoročno, moguće je da pojedine funkcije DAO-a (npr. raspodjela grantova) budu gotovo potpuno delegirane AI agentima, uz on-chain nadzor i mogućnost ljudskog veto mehanizma.
Rizici i ograničenja: što može poći po zlu?
Prvi ozbiljan rizik je netransparentnost AI modela. Dok je logika pametnog ugovora javna i auditabilna, većina modernih AI modela je “black box”. Korisnici mogu vidjeti da oracle ili agent donose odluke, ali ne i točno zašto. To otvara niz pitanja: je li model pristran, može li biti manipuliran određenim ulazima, ima li skriveni backdoor treniran na specifičnim podacima?
Drugi rizik je sigurnosno-regulatorni. Ako AI agenti samostalno trguju ili upravljaju portfeljima korisnika, tko je odgovoran u slučaju gubitka? Programer modela, operator oraclea, vlasnik pametnog ugovora ili sami korisnici? U financijski reguliranim jurisdikcijama to može dovesti do tretmana tih sustava kao neregistriranih investicijskih savjetnika ili nelicenciranih brokera, što stvara regulatornu neizvjesnost i rizik gašenja projekta.
Treći, često podcijenjen problem, je ovisnost o kvaliteti podataka. AI modeli u Web3 okruženju često se hrane on-chain metrikama, ali i off-chain podacima (makroekonomija, CEX volumeni, sentiment s društvenih mreža). Ako je pipeline podataka kompromitiran ili oracle podaci namješteni, cijeli model donosi lažne zaključke. U decentraliziranim tržištima to se može iskoristiti za sofisticirane napade, gdje napadač prvo manipulira izvorne signale, a zatim profitira od predvidive reakcije AI agenata.
Konačno, tu je i UX rizik. Što je sustav “pametniji”, to je teže običnom korisniku razumjeti što se zapravo događa. Ako korisnici ne razumiju logiku odlučivanja, spremniji su slijepo vjerovati “AI zna bolje”, što je opasan teren u okruženju gdje su transakcije nepovratne i ne postoji klasična korisnička podrška.
Primjeri konkretnih projekata i trendova
Već danas vidimo razne projekte koji ciljano spajaju AI i blockchain. Neki su fokusirani na infrastrukturu za treniranje modela u decentraliziranom okruženju, drugi na tržišta podataka, treći na agent-based dAppove. Imena i detalji se brzo mijenjaju, ali arhitektonski obrasci ostaju slični: off-chain AI, on-chain verifikacija i tokenom denominirani poticaji.
Tu su i protokoli koji koriste AI za detekciju prijevara i anomalija u transakcijskim grafovima. Modeli grafičkih neuronskih mreža analiziraju tokove sredstava kroz adrese i pametne ugovore te označavaju sumnjive obrasce (wash trading, ponzi sheme, phishing drainere). Rezultati se mogu zapisati on-chain kao reputacijski score ili flag, koji zatim koriste novčanici i dAppovi da upozore korisnike.
Posebna kategorija su dApps koji nude “AI as a Service” unutar Web3 okvira: korisnik plaća inference tokenom, poziva model kroz pametni ugovor ili meta-transakciju, a rezultat se pohranjuje kao kriptografski potpisan artefakt (npr. AI generirani NFT, AI analiza tržišta, personalizirani prijedlog portfelja). Ovdje je integritet ključan – blockchain služi kao sustav naplate i dokaz da je određeni model stvarno korišten u određenom trenutku.
Zaključak
Spoj AI-a i blockchaina nije marketinška fraza, već tehnička reakcija na realne potrebe: treba nam automatizirano odlučivanje u sustavima koji upravljaju sve većim kapitalom, ali i čvrst, auditan trag svega što se dogodilo. AI donosi prednost u analizi podataka, predviđanju i autonomnom djelovanju, dok blockchain osigurava transparentnost, nepovratnost i kriptografsku sigurnost izvršenja.
Ključne prednosti su: finija i brža optimizacija DeFi protokola, pojavljivanje AI agenata kao novih sudionika tržišta, lakše upravljanje kompleksnim DAO strukturama i jača kontrola nad integritetom AI modela i podataka. Istovremeno, nedostaci su vrlo stvarni: netransparentni modeli, sigurnosni i regulatorni rizici, osjetljivost na kvalitetu podataka i povećana složenost korisničkog iskustva.
Ova je tema najrelevantnija za naprednije korisnike i timove koji razvijaju dAppove, protokole i alate u Web3 prostoru, ali i za analitičare, regulatore i tehnički potkovane ulagače koji žele razumjeti kako će se ponašati buduća generacija on-chain tržišta. U sljedećoj fazi razvoja ekosustava vjerojatno ćemo manje razlikovati “AI projekte” i “blockchain projekte” – umjesto toga, gledat ćemo koliko dobro je određeni sustav integrirao inteligentno odlučivanje s transparentnim, sigurnim izvršenjem na lancu.
