Inteligența artificială se va muta rapid de la agenți conversaționali la agenți autonomi care desfășoară procese de afaceri sofisticate. Pe măsură ce companiile investighează implementarea lor, problema principală care nu a fost încă rezolvată este cum să se evalueze cu precizie dacă un agent AI este pregătit pentru utilizare operațională în lumea reală. La intersecția dintre inteligența artificială (AI) și finanțarea pieței, <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 și divizia de active digitale a Franklin Templeton</a> s-au alăturat ambele primei cohorte Arena, un mediu de testare AI dezvoltat de compania AI open-source <a href="https://www.sentient.xyz/arena" rel="noopener noreferrer" target="_blank">Sentient Labs.</a> Arena nu este doar o înregistrare publică a rezultatelor; servește și ca un reper pentru compararea stilului operațional al modelelor de producție și pentru compararea performanței fiecărui model (de exemplu, un agent AI care trebuie să proceseze multe surse disparate de informații, unele dintre ele putând fi contradictorii), privind modul în care au produs raționamente ramificate. Multe companii își schimbă modul în care definesc și evaluează pregătirea AI-ului lor pentru producție. Clienții sunt mai concentrați ca niciodată pe performanța AI-ului în condiții reale de operare. De exemplu, clienții evaluează cât de bine va funcționa AI-ul dacă există constrângeri de timp sau degradare a datelor de la ultimul test de referință.<h2>Problema benchmarking-ului la nivel de întreprindere</h2>Majoritatea cadrelor actuale de evaluare AI depind de măsurători bazate pe seturi de date de precizie, cum ar fi evaluările de raționament, provocările de programare și sarcinile de regăsire a informațiilor. Aceste seturi de date servesc un scop util, dar, în majoritatea cazurilor, nu reușesc să reproducă cu exactitate setările de întreprindere. Complexitatea lumii profesionale creează un mediu care testează și testează capacitatea modelului de a gestiona următoarele resurse: evaluări structurate ale fluxului de lucru în loc de testarea în laborator; mii de pagini de documentație; directive sau instrucțiuni complicate; legi sau directive învechite/inconsistente; date parțiale/lipsă; preocupări legale/reglementare. Testele de referință pe model nu reușesc de obicei să evalueze dacă o evaluare la nivel de întreprindere va oferi o concluzie defensibilă cu documentație imperfectă. Arena oferă soluția inițială prin dezvoltarea și introducerea unei evaluări structurate a fluxului de lucru care va susține modelul bazată pe sprijinirea proceselor de afaceri existente, mai degrabă decât prin testarea în laborator de cercetare a modelului (modelelor) AI.<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/62d613a2-0910-4444-9d1f-f5ca14bf3eed.jpeg">Sursa: Autorul<h2>Ce face Arena diferită</h2><a href="https://sentient.xyz/" rel="noopener noreferrer" target="_blank">Sentient Labs</a> creează un mediu de referință pentru a evalua productivitatea AI cu o abordare de tip producție. În loc să utilizeze prompturi izolate ca evaluări pentru agenți, evaluările folosesc sarcini standardizate bazate pe modul în care operează marile companii. Evaluările imită condițiile în care operează astăzi afacerile, cum ar fi: -Comparație multi-document-Extragerea de informații structurate din documente lungi-Reconcilierea mai multor surse contradictorii de informații-Operarea într-o stare de informații lipsă/incomplete-Capacitatea de a produce rezultate care pot fi auditate. Spre deosebire de concentrarea doar pe precizie la evaluarea agenților, această metodologie oferă o perspectivă operațională. În termeni practici, dacă un agent poate crea raționamente într-un mod consistent în timp, folosind analize extinse, va putea reproduce aceeași logică în timp ce operează sub constrângeri din lumea reală (excluzând variabilele care afectează performanța dintr-un prompt izolat). Dezvoltarea de repere prin fluxuri de lucru de afaceri va permite Sentient Labs să creeze repere care definesc ce înseamnă de fapt „raționamentul pregătit pentru producție”.<h2>De ce implicarea Pantera Capital semnalează interesul instituțional</h2>Pantera Capital s-a impus ca investitor în infrastructura blockchain, protocoale de finanțare descentralizată și tehnologii cripto emergente. Participarea lor în Arena reprezintă nivelul de interes al firmelor de capital de risc în monitorizarea evoluției agenților AI care se maturizează special pentru operațiunile financiare intensive în documente. Firmele de investiții lucrează în mod obișnuit cu: <ol><li data-list="bullet">Whitepaper-uri tehnice</li><li data-list="bullet">Modele Tokenomics</li><li data-list="bullet">Cadre de guvernanță</li><li data-list="bullet">Evaluări de risc</li><li data-list="bullet">Declarații de reglementare</li><li data-list="bullet">Documente de due diligence</li></ol> Agenții AI capabili să analizeze și să sintetizeze aceste documente ar reprezenta o economie masivă de timp pentru firme; cu toate acestea, există o toleranță minimă la erori. Prima cohortă de participanți la Arena nu implică un angajament de capital asociat programului, dar reprezintă un angajament de a ajuta la definirea cadrului de benchmarking și a ecosistemului dezvoltatorilor. Pentru firmele de capital de risc, a avea o influență timpurie asupra standardelor utilizate pentru evaluarea instrumentelor AI oferă oportunitatea de a obține informații strategice despre ce instrumente AI se pot alătura operațiunilor portofoliilor lor viitoare.<h2>Divizia de active digitale a Franklin Templeton și AI operațional</h2>Odată cu afluxul de produse de investiții bazate pe blockchain și active tokenizate, Franklin Templeton a dezvoltat o relație crescândă între lumea managerilor de investiții tradiționali și procesele de automatizare bazate pe AI prin fuziunea diviziei lor de active digitale cu Arena. Deoarece colaborează cu mulți administratori de active, divizia de active digitale a Franklin Templeton trebuie să abordeze lucrul cu soluții AI în medii puternic reglementate. Administratorii de active gestionează un volum mare de documente de reglementare, cum ar fi: <ol><li data-list="bullet">Prospecte de fond</li><li data-list="bullet">Declarații de risc</li><li data-list="bullet">Documente de conformitate</li><li data-list="bullet">Înregistrări de audit</li><li data-list="bullet">Documente de cercetare de piață</li></ol> Într-un cadru reglementat, administratorii de active se așteaptă la o fiabilitate extremă din partea sistemelor AI. Dacă un administrator de active interpretează greșit o regulă de conformitate sau ratează o problemă de reglementare, poate suporta penalități monetare semnificative.Lucrând în prealabil cu Arena, divizia de active digitale a Franklin Templeton este acum poziționată să stabilească formal liniile directoare adecvate pentru încorporarea raționamentului AI într-un mediu extrem de reglementat înainte de implementarea completă a sistemelor AI.<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/3f3edff9-8f8c-4926-8598-e0317060e05e.jpeg">Sursa: Autorul<h2>Definirea raționamentului pregătit pentru producție</h2>Potrivit lui Oleg Golev, directorul de produs al Sentient Labs, dezvoltatorii Arena continuă să sprijine Arena lucrând împreună la conturarea a ceea ce este un proces de raționament AI pregătit pentru producție pentru sarcini grele de lucru cu documente, cum ar fi analiza, conformitatea și procesele operaționale.&nbsp; AI Production-Ready înseamnă a avea următoarele capacități:&nbsp; - Consistență la efectuarea repetată a unor sarcini similare&nbsp;- Căi de raționament trasabile&nbsp;- Rezistența la generarea de rezultate/asumpții inexacte&nbsp;- Recunoașterea incertitudinii în fiecare decizie&nbsp;- Reținerea informațiilor din context în intrări lungi&nbsp; După cum putem vedea mai sus, verificările modului în care întreprinderile creează o soluție bazată pe AI nu se pot baza doar pe fluență. Întreprinderile trebuie să furnizeze și dovezi că există un lanț trasabil de raționament în spatele fiecărei soluții bazate pe AI.&nbsp; În multe cazuri (de exemplu, finanțe), o întreprindere va necesita dovezi documentate care pot susține deciziile. Cadrul Arena urmărește să se asigure că nu va măsura doar rezultatul agentului și/sau soluției, ci va măsura și modul în care agentul a ajuns la soluția sa; permițând astfel auditabilitatea în cadrul întreprinderii.<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/e9e664ea-7b0d-44c5-b228-6ccadad8a7b1.jpeg">Sursa: Autorul<h2>De ce documentele lungi și sursele conflictuale sunt teste critice</h2>Multe proiecte de întreprindere implică adunarea unui număr de documente care nu sunt întotdeauna aliniate. De exemplu, dacă efectuați o revizuire a conformității, ar putea fi necesar să comparați: <ol><li data-list="bullet">Cadrul de reglementare.</li><li data-list="bullet">Politicile interne ale companiei dumneavoastră.</li><li data-list="bullet">Acordul de divulgare a clientului.</li><li data-list="bullet">Interpretarea legală externă.</li></ol> Fiecare dintre aceste documente poate conține informații inconsistente, totuși toate pot avea și o anumită comunalitate în conținutul lor. Pentru a lucra într-un domeniu atât de ambiguu, agenții AI vor trebui să facă următoarele: <ol><li data-list="bullet">Identificați orice contradicții.</li><li data-list="bullet">Identificați orice riscuri care ar putea fi prezente.</li><li data-list="bullet">Evitați să faceți presupuneri prea încrezătoare.</li><li data-list="bullet">Escalați orice interpretări neclare.</li></ol> Arena și-a construit cadrul de benchmarking pentru a include documente lungi cu o sursă de informații concurentă ca o apariție standard în operațiunile zilnice ale unei întreprinderi. Testarea poate fi efectuată și împotriva acestor tipuri de situații pentru a vedea dacă sistemele AI pot gestiona în mod responsabil situațiile ambigue; nu doar pentru a crea text convingător.<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/163aab34-b093-4b8b-aa8b-a3fdbcd9ea15.jpeg">Sursa: Autorul<h2>Participare strategică fără angajament de capital</h2>Unul dintre elementele cheie ale acestei inițiative este că firmele participante la ea nu fac declarații publice de investiții financiare legate de Arena. În schimb, implicarea lor în stabilirea ecosistemului de evaluare este cea mai importantă. Acest lucru indică o abordare intenționată a instituțiilor în adoptarea tehnologiilor AI. În loc să le implementeze rapid, instituțiile se concentrează pe: - Dezvoltarea standardelor- Evaluarea riscurilor- Parteneriatul cu dezvoltatori- Efectuarea de experimente controlateStrategia minimizează riscul, permițând în același timp accesul în timp util la informații despre performanța sistemelor AI în medii operaționale.Strategia confirmă, de asemenea, convingerea că cadrele de benchmarking în sine sunt dezvoltate ca infrastructură strategică. <h2>Agenții AI și viitorul fluxurilor de lucru financiare</h2>Convergența activelor digitale și inteligența artificială continuă să se accelereze într-un ritm extrem de rapid. Piețele financiare se îndreaptă constant către a fi mai orientate spre date, intensive în documente și conectate la nivel global. Apariția tehnologiei blockchain adaugă un alt nivel de sofisticare acestor entități, oferind contracte inteligente, titluri de valoare tokenizate și structuri de guvernanță descentralizate. Agenții de inteligență artificială (AI) care pot analiza cu precizie mediile menționate mai sus ar putea îndeplini multe sarcini, inclusiv: <ol><li data-list="bullet">Monitorizarea propunerilor de guvernanță</li><li data-list="bullet">Evaluarea divulgărilor contractelor inteligente</li><li data-list="bullet">Automatizarea comparației conformității între jurisdicții</li><li data-list="bullet">Elaborarea de memorandumuri de investiții structurate</li><li data-list="bullet">Identificarea inconsecvențelor în risc în seturile de date</li></ol> Pentru a putea implementa aceste sisteme AI, trebuie mai întâi să ne simțim confortabil cu capacitatea lor de a raționa.Arena este dezvoltată ca un loc pentru evaluarea practică a sistemelor AI într-un mediu sigur înainte de orice integrare în lumea reală.<h2>Un punct de cotitură pentru evaluarea AI la nivel de întreprindere</h2>Pe măsură ce agenții AI trec de la faza experimentală la utilizarea operațională în lumea reală, trebuie să existe o schimbare în modul în care îi evaluăm. Reperele utilizate de Arena pentru a evalua capacitățile de producție sunt concepute cu o nouă înțelegere a ceea ce înseamnă „pregătit pentru întreprindere”; ceea ce constituie „pregătit pentru întreprindere” nu se mai poate baza doar pe metrici academice, așa cum le-am definit în mod tradițional. Pentru a se califica cu adevărat ca „pregătiți pentru întreprindere”, agenții AI trebuie să demonstreze: - Reziliență la ambiguitate- Consistență în fluxurile de lucru organizaționale extinse- Raționament transparent și clar- Rezistența la dezinformare- Disponibilitate audibilă în industriile reglementate Faptul că Pantera Capital și grupul de active digitale al Franklin Templeton’s<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> au ales Arena ca parte a primei sale cohorte indică faptul că AI de nivel de întreprindere necesită o evaluare de nivel de întreprindere. În anii trecuți, cea mai eficientă categorie de agenți AI nu a fost cea cu cele mai avansate atribute conversaționale, ci cea care a putut rezista complexităților adăugate și responsabilităților asociate îndeplinirii operațiunilor financiare din lumea reală. Arena a făcut un prim pas important spre atingerea acestui obiectiv prin acest cadru.

Pantera Capital și Franklin Templeton se alătură primei cohorte Sentient Arena pentru a evalua agenții AI enterprise în vederea pregătirii pentru producție în fluxuri de lucru financiare reglementate, cu un volum mare de documente.

Pantera Capital și Franklin Templeton se alătură Sentient Arena pentru a redefini testarea agenților AI în întreprinderi

/media/contribution/car9d3cdefd751b4e37aee520b4cb5f0993/1n9_0319072514363.stxt

MakerDAO și RWA ca garanții DeFi pe blockchain în 2026

/media/contribution/carf20720a01cef4787bd766e32dd8d79bc/1qd_0319071028753.stxt

Cele mai bune platforme RWA pe blockchain în 2026: Securitize, Centrifuge și Ondo Finance

/media/contribution/car55c90ecce828417a9f80e0f5b4aa68ef/hjt_0319070541815.stxt

Tokenizarea RWA Cross-Chain: Soluții de Interoperabilitate Blockchain 2026

/media/contribution/car24df380941144c7b8f5d9f03558f6830/f11_0319073526804.stxt

Cum afectează cadrul de reglementare crypto al SEC din Nigeria traderii africani

/media/contribution/car2c2da6b19bc64029b462fede430f6765/8qq_0318072210254.stxt

Reziliența Fizică a Bitcoin: Supraviețuind Disfuncțiilor Masive ale Cablorilor în Fața Concentrației Ascunse

/media/contribution/car7e057d58b4ac4b39a8d681508a93be2e/k13_0318070912753.stxt