اگر فکر می‌کنید هوش مصنوعی همین حالا می‌تواند به‌طور خودکار برای شما پول چاپ کند، این آزمایش یک دوش یخ است. یک عامل (Agent) — شبیه به کارمندی دیجیتال که نه‌تنها دستور می‌گیرد، بلکه خودش تصمیم می‌گیرد چه ابزاری را کجا به کار ببرد — تلاش کرد ۷ دلار اتریوم را به ۱۰ هزار دلار تبدیل کند، اما کاملاً شکست خورد.
رویای کسب‌وکارهای «تنظیم کن و رها کن» با پیشرفت جریان‌های کاری عامل‌محور (Agentic) شدت گرفته است. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، توانایی مدل‌ها در اجرای ابزارها بالا رفته است. اما محیط واقعی متفاوت است. مشکل فعلی، اصطکاک میان سرعت ماشین و کندی انسان است.
طبق گزارش منتشر شده در dev.to، این آزمایش از ۷ ژوئن ۲۰۲۶ آغاز شد. این عامل در سه مرحله عمل کرد:
- روز اول: بررسی ۳۰۶ باونتی (جایزه‌ی کدنویسی) به ارزش ۱۴ هزار دلار و ساخت یک اسکنر خودکار با GitHub Actions.
- روز اول و دوم: ارسال ۷ درخواست تغییر کد (Pull Request) به ارزش ۳۱۰۲ دلار؛ از جمله ۲۲۰۰ دلار برای OpenAgents Rate Limiter.
- روز سوم: ساخت ۱۲ محصول و انتشار ۶۰ محتوای بهینه‌شده برای موتورهای جست‌وجو.
با وجود این حجم از خروجی، درآمد نهایی عامل صفر دلار بود.
به نظر ما این نتیجه، بحث را از «آیا AI می‌تواند کد بزند» به «آیا AI می‌تواند در سیستم‌های انسانی پیمایش کند» تغییر می‌دهد. بن‌بست فعلی، مهارت فنی نیست؛ بلکه مشکل «گیت‌کیپرهای انسانی» است. نیاز به احراز هویت (KYC) و بررسی دستی کدها، مزیت سرعت عامل‌های خودکار را می‌کشد. برای صاحبان کسب‌وکار، این یعنی AI می‌تواند تولید را شتاب دهد، اما اعتماد و تایید انسانی همچنان ارز اصلی پرداخت است.
گام بعدی شما
- پرداخت‌های On-chain USDC را دنبال کنید تا ببینید آیا حذف احراز هویت، مسیر درآمدزایی عامل‌ها را باز می‌کند یا خیر.
- کدهای این آزمایش را در گیت‌هاب بررسی کنید تا با ساختار اسکنر آن آشنا شوید.
- به دنبال ابزارهایی باشید که لایه‌ی «تایید انسانی» را در جریان‌های کاری خودکار حذف یا بهینه می‌کنند.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو