Ang artificial intelligence ay mabilis na lilipat mula sa mga conversational agent tungo sa mga autonomous agent na nagsasagawa ng mga sopistikadong proseso ng negosyo. Habang iniimbestigahan ng mga negosyo ang kanilang pagpapakalat, ang pangunahing isyu na hindi pa nalulutas ay kung paano tumpak na matutukoy kung ang isang AI agent ay handa na para sa paggamit sa totoong mundo ng operasyon. Sa salikop ng artificial intelligence (AI) at marketplace finance, parehong sumama ang <a href="https://crypto-economy.com/pantera-and-franklin-templeton-back-sentients-arena-to-stress-test-enterprise-ai-agents" rel="noopener noreferrer" target="_blank">Pantera Capital at ang digital assets division ng Franklin Templeton</a> sa unang pangkat ng Arena para sa isang AI testing environment na binuo ng open-source <a href="https://www.sentient.xyz/arena" rel="noopener noreferrer" target="_blank">AI company na Sentient Labs.</a> Hindi lamang simpleng pampublikong talaan ng mga resulta ang Arena; nagsisilbi rin ito bilang isang benchmark para sa paghahambing ng estilo ng operasyon ng mga production model sa paghahambing ng performance ng bawat model (halimbawa, isang AI agent na kailangang magproseso ng maraming magkakaibang pinagmulan ng impormasyon, na ang ilan ay maaaring magkasalungat), sa kung paano nila nilikha ang mga nagiging dahilan. Maraming kumpanya ang nagbabago kung paano nila tinutukoy at sinusuri ang kahandaan ng kanilang AI para sa produksyon. Mas nakatuon ngayon ang mga customer kaysa kailanman sa performance ng AI sa ilalim ng tunay na kondisyon ng pagpapatakbo. Halimbawa, sinusuri ng mga customer kung gaano kahusay ang gagawin ng AI kung may mga limitasyon sa oras o pagkasira ng data mula sa huling benchmark test.<h2>Ang Problema sa Enterprise Benchmarking</h2>Ang karamihan sa kasalukuyang mga framework ng pagsusuri ng AI ay umaasa sa mga sukat batay sa mga precision dataset, tulad ng mga pagsusuri ng pangangatwiran, mga hamon sa pagprograma, at mga gawain sa pagkuha ng impormasyon. Ang mga dataset na ito ay nagsisilbi ng kapaki-pakinabang na layunin, ngunit, sa karamihan ng mga kaso, hindi tumpak na nagagaya ang mga setting ng enterprise. Ang mga kumplikasyon ng propesyonal na mundo ay lumilikha ng isang kapaligiran na sumusuri at sumusubok sa kakayahan ng modelo na pamahalaan ang mga sumusunod: mga structured workflow evaluation sa halip na pagsubok sa kapaligiran ng lab; libu-libong pahina ng dokumentasyon; kumplikadong mga direktiba o instruksyon; luma / o hindi magkatugmang mga batas o direktiba; bahagya / nawawalang petsa; mga alalahanin sa legal / regulasyon. Karaniwang nabibigo ang mga benchmark test sa modelo na suriin kung ang isang enterprise-level evaluation ay magbibigay ng depensibong konklusyon na may hindi perpektong dokumentasyon. Nagbibigay ang Arena ng panimulang solusyon sa pamamagitan ng pagbuo at pagpapakilala ng isang structured workflow evaluation na susuporta sa modelo batay sa suporta ng umiiral na mga proseso ng negosyo sa halip na sa pamamagitan ng research lab testing ng mga modelo ng AI.<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/62d613a2-0910-4444-9d1f-f5ca14bf3eed.jpeg">Source: Author<h2>Ano ang Ikinaiiba ng Arena</h2>Gumagawa ang <a href="https://sentient.xyz/" rel="noopener noreferrer" target="_blank">Sentient Labs</a> ng isang benchmark na kapaligiran upang suriin ang productivity ng AI sa isang production-style na diskarte. Sa halip na gumamit ng mga isolated prompt bilang mga evaluation para sa mga agent, gumagamit ang mga evaluation ng mga standardized na gawain batay sa kung paano nagpapatakbo ang mga malalaking kumpanya. Ginagaya ng mga evaluation ang mga kondisyon kung saan nagpapatakbo ang mga negosyo ngayon, tulad ng: -Paghahambing ng maraming dokumento-Pagkuha ng structured na kaalaman mula sa mahahabang dokumento-Pagsasaayos ng maraming magkasalungat na pinagmulan ng impormasyon-Pagpapatakbo sa kalagayan ng nawawala/hindi kumpletong impormasyon-Kakayahang gumawa ng output na maaaring i-audit. Sa halip na tumuon lamang sa accuracy kapag sinusuri ang mga agent, ang metodolohiyang ito ay nagbibigay ng operational na perspektibo. Sa praktikal na termino, kung ang isang agent ay makakagawa ng pangangatwiran sa isang pare-parehong paraan sa paglipas ng panahon gamit ang long-form analysis, magagawa nilang gayahin ang parehong lohika habang nagpapatakbo sa ilalim ng real-world constraints (hindi kasama ang mga variable na nakakaapekto sa performance mula sa isang isolated prompt). Ang pagbuo ng mga benchmark sa pamamagitan ng business workflows ay magpapahintulot sa Sentient Labs na lumikha ng mga benchmark na tumutukoy kung ano talaga ang “production-ready reasoning.”<h2>Bakit Ang Paglahok ng Pantera Capital ay Nagpapahiwatig ng Interes ng Institusyon</h2>Itinatag ng Pantera Capital ang sarili nito bilang isang investor sa blockchain infrastructure, decentralized finance protocols, at mga umuusbong na teknolohiya ng crypto. Ang kanilang Paglahok sa Arena ay kumakatawan sa antas ng interes mula sa mga venture capital firm sa pagsubaybay sa ebolusyon ng mga AI agent na nagmamature partikular para sa mga document-intensive na financial operation. Ang mga investment firm ay regular na nakikipagtulungan sa: <ol><li data-list="bullet">Mga technical white paper</li><li data-list="bullet">Mga modelo ng Tokenomics</li><li data-list="bullet">Mga framework ng pamamahala</li><li data-list="bullet">Mga pagtatasa ng panganib</li><li data-list="bullet">Mga regulatory filing</li><li data-list="bullet">Mga dokumento ng due diligence</li></ol> Ang mga AI agent na may kakayahang magsuri at mag-synthesize ng mga dokumentong ito ay malaking makakatipid sa oras para sa mga firm; gayunpaman, mayroong minimal na pagpapahintulot para sa error. Ang unang pangkat ng mga kalahok sa Arena ay hindi nangangailangan ng capital commitment na nauugnay sa programa ngunit kumakatawan sa isang pangako na tumulong na tukuyin ang benchmarking framework at developer ecosystem. Para sa mga venture firm, ang pagkakaroon ng maagang impluwensya sa mga pamantayan na ginagamit upang suriin ang mga tool ng AI ay nagbibigay ng pagkakataon na makakuha ng estratehikong kaalaman sa kung aling mga tool ng AI ang maaaring sumuporta sa mga operasyon ng kanilang mga portfolio sa hinaharap.<h2>Ang Digital Assets Division ng Franklin Templeton at Operational AI</h2>Sa pagdami ng mga produkto ng pamumuhunan na nakabase sa blockchain at mga tokenized asset, binuo ng Franklin Templeton ang isang lumalaking ugnayan sa pagitan ng mundo ng tradisyonal na investment manager at mga proseso ng automation na batay sa AI sa pamamagitan ng pag-uugnay ng kanilang digital asset division sa Arena. Dahil nakikipagnegosyo sila sa maraming asset manager, ang digital asset division ng Franklin Templeton ay dapat lumapit sa pagtatrabaho sa mga solusyon ng AI sa mga kapaligirang mahigpit na nireregulate. Ang mga asset manager ay humaharap sa malaking volume ng mga regulatory document, tulad ng: <ol><li data-list="bullet">Prospectus ng pondo</li><li data-list="bullet">Mga pagbubunyag ng panganib</li><li data-list="bullet">Mga dokumento ng pagsunod</li><li data-list="bullet">Mga talaan ng audit</li><li data-list="bullet">Mga dokumento ng market research</li></ol> Sa isang regulated na setting, inaasahan ng mga asset manager ang matinding pagiging maaasahan mula sa mga sistema ng AI. Kung ang isang asset manager ay hindi tama ang pagpapakahulugan sa isang panuntunan sa pagsunod o nakakaligtaan ang isang usapin sa regulasyon, maaari silang magkaroon ng malaking parusang pinansyal.Sa pakikipagtulungan nang maaga sa Arena, ang digital asset division ng Franklin Templeton ay nakaposisyon na ngayon upang pormal na maitatag ang mga naaangkop na alituntunin para sa pagsasama ng AI reasoning sa isang lubos na regulated na kapaligiran bago ang kumpletong pagpapatupad ng mga sistema ng AI.<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/3f3edff9-8f8c-4926-8598-e0317060e05e.jpeg">Source: Author<h2>Pagbibigay Kahulugan sa Production Ready Reasoning</h2>Ayon kay Oleg Golev, ang product director ng Sentient Labs, patuloy na sinusuportahan ng mga developer ng Arena ang Arena sa pamamagitan ng pagtutulungan sa paghubog kung ano ang isang production-ready AI reasoning process para sa mabibigat na workload ng dokumento tulad ng analysis, compliance, at operational processes.&nbsp; Ang AI Production-Ready ay tungkol sa pagkakaroon ng mga sumusunod na kakayahan:&nbsp; - Pagkakatugma kapag paulit-ulit na nagsasagawa ng magkatulad na gawain&nbsp;- Masusubaybayan na mga landas ng pangangatwiran&nbsp;- Paglaban sa pagbuo ng hindi tumpak na resulta/pagpapalagay&nbsp;- Pagkilala na may kawalan ng katiyakan sa bawat desisyon&nbsp;- Pagpapanatili ng impormasyon mula sa konteksto sa mahahabang input&nbsp; Tulad ng makikita natin sa itaas, ang mga pagsusuri kung paano lumilikha ang mga enterprise ng isang solusyon na batay sa AI ay hindi maaaring batay lamang sa fluency. Dapat ding magbigay ang mga enterprise ng patunay na mayroong masusubaybayan na kadena ng pangangatwiran sa likod ng bawat solusyon na batay sa AI.&nbsp; Sa maraming pagkakataon (hal., pananalapi), mangangailangan ang isang enterprise ng dokumentadong patunay ng ebidensya na maaaring magpatunay sa mga desisyon. Nilalayon ng Arena framework na tiyakin na hindi lamang nito susukatin ang output ng agent at/o solusyon, susukatin din nito kung paano nakarating ang agent sa solusyon nito; sa gayon ay nagpapahintulot para sa auditability sa loob ng enterprise.<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/e9e664ea-7b0d-44c5-b228-6ccadad8a7b1.jpeg">Source: Author<h2>Bakit Kritikal na Pagsusuri ang Mahahabang Dokumento at Magkasalungat na Pinagmulan</h2>Maraming proyekto ng enterprise ang kinasasangkutan ng pagsasama-sama ng ilang dokumento na hindi palaging magkatugma. Bilang halimbawa, kung nagsasagawa ka ng compliance review, maaaring kailangan mong ikumpara: <ol><li data-list="bullet">Ang regulatory framework.</li><li data-list="bullet">Mga panloob na patakaran ng iyong kumpanya.</li><li data-list="bullet">Ang kasunduan sa pagbubunyag ng kliyente.</li><li data-list="bullet">Ang panlabas na legal na interpretasyon.</li></ol> Bawat isa sa mga dokumentong ito ay maaaring maglaman ng hindi magkatugmang impormasyon, gayunpaman, lahat sila ay maaaring magkaroon din ng ilang pagkakatulad sa kanilang nilalaman. Upang gumana sa isang malabo na lugar, ang mga AI agent ay kailangang gawin ang sumusunod: <ol><li data-list="bullet">Tukuyin ang anumang magkasalungat.</li><li data-list="bullet">Tukuyin ang anumang panganib na maaaring naroroon.</li><li data-list="bullet">Iwasan ang paggawa ng anumang labis na tiwala na pagpapalagay.</li><li data-list="bullet">I-escalate ang anumang hindi malinaw na interpretasyon.</li></ol> Binuo ng Arena ang benchmarking framework nito upang isama ang mahahabang dokumento na may magkumpitensyang pinagmulan ng impormasyon bilang isang karaniwang pangyayari sa pang-araw-araw na operasyon ng isang enterprise. Maaari ding magsagawa ng pagsubok laban sa mga ganitong uri ng sitwasyon upang makita kung ang mga sistema ng AI ay responsableng makakaya ang mga malabo na sitwasyon; hindi lamang upang lumikha ng nakakaakit na teksto.<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/163aab34-b093-4b8b-aa8b-a3fdbcd9ea15.jpeg">Source: Author<h2>Estratehikong Paglahok Nang Walang Capital Commitment</h2>Isa sa mga pangunahing elemento ng inisyatibong ito ay ang mga kumpanyang lumalahok dito ay hindi gumagawa ng mga pampublikong deklarasyon ng pinansyal na pamumuhunan na nauugnay sa Arena. Sa halip, ang kanilang paglahok sa pagtatatag ng evaluation ecosystem ang pinakamahalaga. Ito ay nagpapahiwatig ng isang sadyang diskarte ng mga institusyon sa paggamit ng mga teknolohiya ng AI. Sa halip na mabilis itong ipatupad, ang mga institusyon ay nakatuon sa: - Pagbuo ng mga pamantayan- Pagtatasa ng panganib- Pakikipagtulungan sa mga developer- Pagsasagawa ng mga kontroladong eksperimentoAng estratehiya ay nagpapaliit ng panganib habang nagbibigay-daan sa napapanahong pag-access sa impormasyon tungkol sa performance ng mga sistema ng AI sa loob ng mga operational environment.Kinumpirma rin ng estratehiya ang paniniwala na ang mga benchmarking framework mismo ay binubuo bilang estratehikong imprastraktura. <h2>Mga AI Agent at Ang Kinabukasan ng Financial Workflows</h2>Ang pagtatagpo ng digital asset at artificial intelligence ay patuloy na bumibilis sa isang napakabilis na bilis. Patuloy na lumilipat ang mga financial market patungo sa mas data-oriented, document-heavy, at globally connected. Ang paglitaw ng teknolohiya ng blockchain ay nagdaragdag pa ng isa pang antas ng pagiging sopistikado sa mga entidad na ito sa pamamagitan ng pagbibigay ng mga smart contract, tokenized security at decentralized governance structure. Ang mga artificial intelligence (AI) agent na maaaring tumpak na magsuri ng mga nabanggit na kapaligiran ay magagawang magsagawa ng maraming gawain, kabilang ang: <ol><li data-list="bullet">Pagsubaybay sa mga panukala sa pamamahala</li><li data-list="bullet">Pagtatasa sa mga pagbubunyag ng mga smart contract</li><li data-list="bullet">Pag-automate ng paghahambing ng pagsunod sa iba't ibang hurisdiksyon</li><li data-list="bullet">Paggawa ng mga structured investment memo</li><li data-list="bullet">Pagtukoy sa mga hindi pagkakapare-pareho sa panganib sa iba't ibang dataset</li></ol> Upang maipatupad ang mga sistemang ito ng AI, dapat muna tayong maging komportable sa kanilang kakayahang mangatwiran.Binuo ang Arena bilang isang lugar para sa praktikal na pagsusuri ng mga sistema ng AI sa loob ng isang ligtas na kapaligiran bago ang anumang integrasyon sa totoong mundo.<h2>Isang Mahalagang Punto para sa Enterprise AI Evaluation</h2>Habang lumilipat ang mga AI agent mula sa kanilang experimental phase patungo sa real-world operational use, kailangan ng pagbabago sa kung paano natin sila sinusuri. Ang mga benchmark na ginagamit ng Arena upang tasahin ang mga kakayahan sa produksyon ay idinisenyo na may bagong pag-unawa sa kung ano ang ibig sabihin ng “enterprise-ready”; ang bumubuo sa “enterprise-ready” ay hindi na maaaring umasa lamang sa mga academic metric tulad ng tradisyonal nating pagtukoy sa mga ito. Upang tunay na maging kwalipikado bilang “enterprise-ready,” ang mga AI agent ay dapat magpakita ng: - Pagiging matatag sa kalabuan- Pagkakatugma sa iba't ibang pinalawig na organizational workflow- Transparent at malinaw na pangangatwiran- Paglaban sa maling impormasyon- Audit-able na availability sa mga regulated na industriya Ang katotohanang pinili ng Pantera Capital at ng digital asset group ng Franklin Templeton<a href="https://crypto-economy.com/pantera-and-franklin-templeton-back-sentients-arena-to-stress-test-enterprise-ai-agents" rel="noopener noreferrer" target="_blank"> </a>ang Arena bilang bahagi ng unang pangkat nito ay nagpapahiwatig na ang enterprise grade AI ay nangangailangan ng enterprise grade evaluation. Sa mga nakaraang taon, ang pinakaepektibong kategorya ng mga AI agent ay hindi ang mga may pinaka-advanced na conversational attribute, kundi ang mga nakakayanan ang mga karagdagang kumplikasyon at kaugnay na responsibilidad ng pagsasagawa ng real-world financial operations. Nagsagawa ang Arena ng isang mahalagang unang hakbang tungo sa pagkamit ng layuning ito sa pamamagitan ng framework na ito.

Sumali ang Pantera Capital at Franklin Templeton sa unang pangkat ng Sentient Arena upang sukatin ang kahandaan ng mga enterprise AI agent para sa produksyon sa mga workflow sa pananalapi na may maraming dokumento at regulasyon.

Pinagsamang Pantera Capital at Franklin Templeton ang Sentient Arena upang Baguhin ang Pagsusuri ng Enterprise AI Agent

/media/contribution/car9d3cdefd751b4e37aee520b4cb5f0993/uj9_0319072514448.stxt

MakerDAO at RWAs bilang DeFi Kollateral sa Blockchain noong 2026

/media/contribution/carf20720a01cef4787bd766e32dd8d79bc/o7x_0319071028789.stxt

Nangungunang mga Plataporma ng RWA sa Blockchain 2026: Securitize, Centrifuge, at Ondo Finance

/media/contribution/car55c90ecce828417a9f80e0f5b4aa68ef/f6i_0319070541941.stxt

Cross-Chain RWA Tokenization: Mga Solusyon sa Interoperabilidad ng Blockchain 2026

/media/contribution/car24df380941144c7b8f5d9f03558f6830/w4o_0319073526964.stxt

Paano Nakaaapekto ang SEC Crypto Framework ng Nigeria sa mga Mangangalakal sa Africa

/media/contribution/car2c2da6b19bc64029b462fede430f6765/gml_0318072210294.stxt

Pisikal na Katatagan ng Bitcoin: Pagtaguyod sa Malawakang Sira ng Kable Habang Hinarap ang Nakatagong Konsentrasyon

/media/contribution/car7e057d58b4ac4b39a8d681508a93be2e/g7h_0318070912905.stxt