تصور کنید یک عامل هوش مصنوعی برای ارتقای سرویس خود از شما کارت اعتباری نخواهد، بلکه خودش چند سنت از کیف پول شخصی‌اش پرداخت می‌کند تا به مدل قدرتمندتری دسترسی یابد. این رویای قدیمی اکنون به واقعیت تبدیل شده و ماشین‌ها در حال یادگیری عادتِ خرج کردن هستند.
طبق گزارش Chainalysis که در ۱۴ اکتبر ۲۰۲۶ منتشر شد، بیش از ۱۳۸ میلیون پرداخت مجزا از طریق پروتکل x402 در شبکه Base ثبت شده است. این رقم در مقایسه با تقریباً ۱۵۰۰ تراکنش که در اواسط سال ۲۰۲۵ ثبت شده بود، یک جهش خیره‌کننده است. این گزارش که در همان روز توسط هر دو نشریه Fortune و PaymentsJournal پوشش داده شد، نشان می‌دهد که عامل‌ها دیگر صرفاً در محیط‌های تست «راه‌اندازی» نمی‌شوند، بلکه برای رفع نیازهای فوری، مستقیماً به ریل‌های پرداخت متصل می‌شوند.
برای سال‌ها، ایده پرداخت برای خدمات توسط عامل‌های هوش مصنوعی تنها یک تمرین تئوریک یا یک دموی کنترل‌شده بود. اکثر کیف پول‌های عامل‌ها برای یک تست خاص شارژ می‌شدند و سپس رها شده و غیرفعال می‌ماندند. اما داده‌های فعلی نشان‌دهنده یک تغییر بنیادین است: عامل‌ها دیگر فقط «تنظیم» نمی‌شوند، بلکه فعالانه به دنبال مسیرهای پرداخت می‌گردند تا نیازهای لحظه‌ای خود را برطرف کنند.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی اقتصاد مدل‌های زبانی اشاره کردیم، حذف واسطه‌های انسانی در تراکنش‌های خرد، کلید مقیاس‌پذیری است. در این بستر، عامل (Agent) — شبیه به یک کارمند دیجیتال که اجازه دارد از بودجه شرکت برای خرید ابزار استفاده کند — اکنون به طور فعال در حال مصرف منابع است. این توانایی در مدیریت منابع مالی، گامی در جهت استقلال عملیاتی است؛ مشابه مواردی که عامل‌های هوش مصنوعی توانستند به طور خودکار توان پردازشی GPU خریداری کنند و زنجیره تأمین سخت‌افزار را به چالش بکشند.
سقوط زمان انتظار برای کیف پول
مهم‌ترین یافته‌ی این گزارش، نه حجم کل، بلکه سرعت پذیرش است. در اواخر سال ۲۰۲۵، زمان میانه (Median) بین اولین واریز به کیف پول تا اولین پرداخت ۷۳ روز بود. اما در سه ماهه سوم ۲۰۲۶، این بازه به ۱۸ دقیقه سقوط کرد.
اکنون تقریباً دو-سوم کیف پول‌های جدید، موجودی خود را در کمتر از یک ساعت پس از دریافت، خرج می‌کنند. این یعنی فرآیند «آنبوردینگ» یا آشنایی با سیستم برای عامل‌ها عملاً ناپدید شده است؛ در واقع، خودِ پرداخت تبدیل به فرآیند ورود شده است.
برای هر کسی که یک نقطه انتهایی (endpoint) با مدل پرداخت به-ازای-هر-فراخوانی (per-call) منتشر می‌کند، پیام این گزارش بسیار مشخص است. کلاینتی که در کمتر از یک ساعت پس از تامین موجودی، پرداخت می‌کند، را نمی‌توان مجبور کرد ابتدا یک جریان آنبوردینگ چندمرحله‌ای را طی کند. اولین تراکنش x402 باید همان لحظه، نقش ثبت‌نام را ایفا کند؛ در واقع، خودِ چالش پرداخت باید به کلاینت یاد بدهد که چگونه پرداخت کند. اگر اولین پاسخ شما یک صفحه فرود (landing page) و یک فرم ثبت‌نام باشد، شما در حال بهینه‌سازی برای کاربری هستید که دیگر وجود ندارد.
تراکنش‌های خرد در مقیاس وسیع
داده‌ها نشان‌دهنده تمرکز شدید در اندازه تراکنش‌هاست. بر اساس مستندات Chainalysis، در بازه شانزده ماهه منتهی به سپتامبر ۲۰۲۶، بیش از ۸۷٪ از تمام پرداخت‌های x402 بین یک-صدم سنت تا ۱۰ سنت بوده‌اند.
این تسلط تراکنش‌های زیر ۱۰ سنت به این دلیل است که ریل‌های سنتی کارت‌های اعتباری برای مبالغ ناچیز، بیش از حد گران هستند. برای یک فراخوانی API دو سنتی، هزینه‌های ثابت یک پردازشگر پرداخت قدیمی اغلب بیشتر از قیمت خودِ محصول است. دلیل مکانیکی اینکه سهم تراکنش‌های زیر ۱۰ سنت ۸۷٪ است و نه ۸٪، این است که در مسیرهای پرداخت سنتی، هزینه ثابت تبدیل به خودِ محصول می‌شود.
عامل‌ها چه می‌خرند؟
بررسی‌های Chainalysis نشان می‌دهد خرج‌کرد عامل‌ها به جای دارایی‌های گمانه‌زن، روی خدمات کاربردی، روزمره و با کاربرد بالا متمرکز است. این دسته‌ها به دلیل عادی بودن، واقعی‌تر هستند:
- استنتاج مدل (Model Inference): تکمیل‌های به-ازای-هر-فراخوانی، که به عنوان یکی از بزرگ‌ترین دسته‌ها توصیف شده است.
- تحلیل کد: بررسی‌های استاتیک و امنیتی که به ازای هر بار فراخوانی صورت می‌گیرد.
- هوش مالی: دسترسی به قیمت‌ها، خوانش‌های روی زنجیره (on-chain) و سرویس‌های API داده‌های بازار.
- سرویس‌های API: جست‌وجوها و تبدیل‌های داده که در قالب فراخوانی‌های قابل پرداخت ارائه می‌شوند.
- گیمینگ و شرط‌بندی: نقاط انتهایی (endpoints) به ازای هر اکشن.
- صدور توکن: جریان‌های استقرار و بازگشت (deploy-and-return).
هیچ‌کدام از این موارد به حضور انسان در چرخه نیاز ندارند و همگی قیمتی پایین‌تر از حدی دارند که استفاده از ریل‌های کارت اعتباری منطقی باشد.
حلقه عادت و تکرار
نرخ بازگشت، سیگنال دوم این تحول است. حدود ۹۰٪ از کیف پول‌های فعال واجد شرایط، ظرف ۳۰ روز دومین واریز خود را دریافت کردند؛ عددی که سال گذشته ۷۱٪ بود. این یعنی عامل‌ها دیگر فقط در حال تست یک سرویس نیستند، بلکه در حال ایجاد یک عادت شارژ مجدد هستند.
وقتی این دو عدد را در کنار هم می‌بینیم، شکل کلی پدیده تغییر می‌کند. زمان انتظار از ۷۳ روز به ۱۸ دقیقه سقوط کرد و نرخ واریزهای دوم از ۷۱٪ به ۹۰٪ رسید. ریل پرداخت دیگر چیزی نبود که برای عامل‌ها «تأمین» شود، بلکه به چیزی تبدیل شد که آن‌ها «به دنبالش می‌روند». کیف پول‌هایی که یک بار پرداخت کردند، دوباره شارژ شدند و دوباره پرداخت کردند.
گسترش به زنجیره‌های دیگر
در ۱۳ اکتبر ۲۰۲۶، شرکت‌های Ripple و Privy (که متعلق به Stripe است) زیرساخت کیف پول‌های برنامه‌ریزی‌پذیر را برای XRP Ledger (XRPL) معرفی کردند. این امکان به توسعه‌دهندگان اجازه می‌دهد حساب‌های XRPL را به صورت برنامه‌نویسی‌شده ایجاد و هدایت کنند تا عامل‌ها بتوانند دارایی‌هایی مثل XRP، RLUSD و سایر دارایی‌های بومی را نگه دارند و جابه‌جا کنند.
هر حساب جدید به حداقل ذخیره ۱ XRP نیاز دارد. با این حال، یک شکاف حیاتی باقی مانده است. اگرچه عامل‌ها اکنون می‌توانند تراکنش‌ها را در XRPL امضا کنند، اما هنوز فاقد سیاست‌های «سقف هزینه» (spend-limit policies) و حمایت از هزینه تراکنش (gas sponsorship) هستند؛ قابلیت‌هایی که در حال توسعه توصیف شده‌اند و هنوز به طور عمومی در دسترس نیستند.
بدون «سهمیه‌هایی» (allowances) که توسط کنترل‌های سیاست سقف هزینه فراهم می‌شود، یک عامل با کیف پول، بیشتر یک ریسک امنیتی (liability) است تا یک مدیر بودجه قابل اعتماد. تا زمانی که این قابلیت‌ها به طور عمومی عرضه شوند، سرویس‌های per-call در زنجیره‌های جدید، با مشکل «خرج نامحدود» مواجه هستند که خودشان ایجاد نکرده‌اند.
نویز در داده‌ها
البته باید به این اعداد با احتیاط نگریست. PaymentsJournal اشاره کرده است که حجم روزانه در برخی بخش‌ها هنوز پایین است و اغلب توسط تست‌ها و اجراهای آزمایشی هدایت می‌شود. رشد واقعی به عنوان پذیرش تجاری «هنوز باید دیده شود».
یک شمارش تجمعی، به معنای نرخ جاری (run-rate) نیست، و این نرخ جاری است که هزینه زیرساخت‌ها را تأمین می‌کند. یک تخمین منتسب به BigGo Finance حاکی از آن است که ۲۵ تا ۳۰ درصد از حجم تجمعی x402 ممکن است ناشی از نویز اسکریپت‌های تست یا فعالیت‌های مربوط به جدول‌های رده‌بندی (leaderboards) باشد.
برای اپراتورهایی مثل minia2a که ۱۶۹۶ نقطه انتهایی در کاتالوگ خود در Base دارد، درس این است که اعداد تجمعی می‌توانند فریب‌دهنده باشند. یک شمارشگر تجمعی فقط می‌تواند رو به بالا برود؛ این عدد شامل هر پروب (probe) و هر تستی است که هرگز تکرار نشده است. سوال صادقانه این نیست که «ریل پرداخت چند فراخوانی را منتقل کرد»، بلکه این است که «چند پرداخت‌کننده متمایز بازگشتند».
معیارهای کاربردی
ما در minia2a همین انضباط را اجرا می‌کنیم. ما ۵ فراخوانی رایگان برای هر کیف پول امضا شده، بدون نیاز به ثبت‌نام و بدون ریل شارژ ارائه می‌دهیم. در حالی که ارقام تجمعی x402 در اکوسیستم عظیم است، تعداد پرداخت‌های خارجی تثبیت‌شده ما چندین مرتبه (order of magnitude) کوچک‌تر است. ما این عدد را به صورت «خوانش زنده» گزارش می‌کنیم، نه مجموع تجمعی؛ چون عددی که فقط در یک جهت حرکت می‌کند، عددی است که باید به آن بی‌اعتماد بود.
قابل انتقال‌ترین یافته‌ی این گزارش، نرخ تکرار است. شارژ مجدد تنها معیاری است که نمی‌توان آن را با اسکنرهای خودکار متورم کرد، چون یک اسکنر اهمیتی نمی‌دهد که آیا شما بازمی‌گردید یا خیر. هر اپراتوری در بازار سرویس‌های per-call باید بتواند عدد تکرار مشابه ~۹۰٪ را برای دفتر کل خود چاپ کند. اگر نمی‌توانند، آن‌ها در حال اندازه‌گیری «ترافیک» هستند، نه «مشتری».
این تغییر ثابت می‌کند که هر بازاری با قیمت زیر ۱۰ سنت اکنون توجیه‌پذیر است. ما از عصر «اثبات مفهوم» به عصر «محصول» در تجارت عامل‌محور رسیده‌ایم. ریلی که در آن میانه زمان انتظار کیف پول ۷۳ روز است، برای دموهاست؛ ریلی که در آن میانه زمان انتظار ۱۸ دقیقه است و ۹۰٪ کاربران برای بار دوم شارژ می‌کنند، برای محصولات است.
گام بعدی شما
- اگر سرویس API ارائه می‌دهید، جریان ثبت‌نام سنتی را حذف کرده و پرداخت خرد را به عنوان اولین نقطه تماس قرار دهید.
- برای کاهش نرخ ریزش، روی مکانیسم‌های شارژ خودکار (Auto-topup) برای کیف پول‌های عامل‌ها تمرکز کنید.
- در تحلیل داده‌های خود، «تعداد تراکنش» را کنار بگذارید و «نرخ شارژ مجدد کیف پول» را به عنوان شاخص رشد تعریف کنید.
اما زیرساخت‌های سخت‌افزاری که این حجم از تراکنش‌های خرد را ممکن می‌کنند، داستان پیچیده‌تری دارند — به تحلیل ما درباره‌ی بهینه‌سازی‌های لایه ۲ اتریوم مراجعه کنید.
گفتگو