Rapporto approfondito DWF: L'intelligenza artificiale nella DeFi supera gli esseri umani nell'ottimizzazione dei rendimenti, ma le operazioni complesse restano ancora indietro di 5 volte

Titolo originale: Gli agenti conquisteranno il mondo della DeFi?

Fonte originale: DWF Ventures

Traduzione originale: Deep Tide TechFlow

Punti chiave

Le attività di automazione e degli agenti rappresentano attualmente circa il 19% di tutte le attività sulla blockchain, ma non è stata ancora raggiunta una vera autonomia end-to-end.

In casi d'uso specifici e ben definiti, come l'ottimizzazione del rendimento, gli agenti hanno dimostrato prestazioni superiori a quelle degli esseri umani e dei bot. Tuttavia, in attività complesse come il trading, gli esseri umani ottengono risultati migliori rispetto agli agenti.

Tra i fattori, la scelta del modello e la gestione del rischio sono quelli che incidono maggiormente sui risultati di trading.

Con la diffusione su larga scala degli agenti, emergono diversi rischi legati alla fiducia e all'esecuzione, tra cui gli attacchi di tipo "witch", l'affollamento strategico e i compromessi in materia di privacy.

Crescita costante delle attività degli agenti

Nell'ultimo anno, l'attività degli agenti è aumentata costantemente, con un incremento sia del volume degli scambi che del numero di operazioni. Abbiamo visto il protocollo x402 di Coinbase dare il via a importanti sviluppi, con attori come Visa, Stripe e Google che si sono uniti all'iniziativa per lanciare i propri standard. La maggior parte delle infrastrutture attualmente in fase di realizzazione è pensata per gestire due tipi di scenari: i canali tra agenti o le chiamate agli agenti avviate dall'utente.

Sebbene il trading di stablecoin abbia ricevuto un ampio sostegno, l'infrastruttura attuale si basa ancora sui tradizionali gateway di pagamento come livello sottostante, il che significa che dipende ancora da controparti centralizzate. Pertanto, lo scenario finale "completamente autonomo", in cui gli agenti sono in grado di autofinanziarsi, agire in modo autonomo e ottimizzarsi continuamente in base alle mutevoli condizioni, non è ancora stato realizzato.

Gli agenti non sono una novità assoluta nel mondo della DeFi. Da anni, l'automazione tramite bot nei protocolli on-chain consente di catturare il MEV o di ottenere rendimenti aggiuntivi che non sarebbero realizzabili senza l'uso del codice. Questi sistemi funzionano molto bene se utilizzati secondo parametri chiaramente definiti che non cambiano frequentemente e non richiedono un controllo aggiuntivo.

Tuttavia, con il passare del tempo il mercato è diventato più complesso. È qui che entra in gioco la nuova generazione di agenti, con le attività on-chain che negli ultimi mesi sono diventate un banco di prova per tali sviluppi.

Rendimento effettivo degli agenti

Secondo quanto riportato, l'attività degli agenti è cresciuta in modo esponenziale, con oltre 17.000 agenti avviati dal 2025. Si stima che il volume complessivo delle attività di automazione e degli agenti copra oltre il 19% di tutte le attività sulla blockchain. Ciò non sorprende, dato che si stima che oltre il 76% del volume dei trasferimenti di stablecoin sia generato dai bot. Ciò indica che esiste un notevole potenziale di crescita per le attività degli agenti nel settore DeFi.

L'autonomia degli agenti si colloca su un ampio spettro, che va dalle esperienze simili a quelle dei chatbot, che richiedono un elevato livello di supervisione umana, agli agenti in grado di formulare strategie sulla base degli obiettivi prefissati e di adattarsi alle condizioni di mercato. Rispetto ai bot, gli agenti presentano diversi vantaggi fondamentali, tra cui la capacità di reagire alle nuove informazioni ed elaborarle in pochi millisecondi, nonché la possibilità di estendere la copertura a migliaia di mercati mantenendo lo stesso rigore.

Attualmente, la maggior parte degli agenti si trova ancora a un livello compreso tra quello di analista e quello di copilota, poiché molti sono ancora in fase di test.

Ottimizzazione della resa: Gli agenti ottengono risultati eccezionali

La fornitura di liquidità è un settore in cui l'automazione ha trovato ampia applicazione, con un TVL totale detenuto dagli agenti che supera i 39 milioni di dollari. Questo dato misura principalmente le attività depositate direttamente dagli utenti presso gli agenti, escludendo il capitale convogliato tramite depositi.

Giza Tech è uno dei protocolli più importanti in questo settore, avendo lanciato alla fine dello scorso anno la prima applicazione agente, ARMA, volta a migliorare la raccolta di rendimenti per i principali protocolli DeFi. Ha raccolto oltre 19 milioni di dollari in asset in gestione e generato oltre 4 miliardi di dollari di volume di negoziazione degli agenti.

L'elevato rapporto tra volume degli scambi e patrimonio totale gestito indica che gli operatori ribilanciano frequentemente il capitale, consentendo di ottenere rendimenti più elevati. Una volta depositato il capitale nel contratto, l'esecuzione avviene in modo automatico, offrendo agli utenti un'esperienza semplice con un solo clic che non richiede praticamente alcun controllo.

Le prestazioni di ARMA sono decisamente eccezionali, con un rendimento annualizzato superiore al 9,75% per l'USDC. Anche tenendo conto delle commissioni aggiuntive di ribilanciamento e della commissione di performance del 10% dell'agente, il rendimento supera comunque quello dei prestiti ordinari su Aave o Morpho. Ciononostante, la scalabilità rimane una questione fondamentale, poiché questi agenti devono ancora dimostrare in pratica la loro capacità di gestire o adattarsi alle dimensioni dei principali protocolli DeFi.

Operazioni di trading: Gli esseri umani sono nettamente in vantaggio

Tuttavia, per operazioni più complesse come il trading, i risultati sono molto più vari. Gli attuali modelli di trading funzionano sulla base di dati inseriti dall'uomo e forniscono risultati secondo regole prestabilite. L'apprendimento automatico amplia questa capacità consentendo ai modelli di aggiornare il proprio comportamento sulla base di nuove informazioni senza una riprogrammazione esplicita, elevandoli al ruolo di copilota. Il panorama del trading subirà cambiamenti significativi con l'introduzione di agenti completamente autonomi.

Sono state organizzate diverse competizioni di trading tra agenti e tra esseri umani e agenti, che hanno messo in luce notevoli differenze tra i modelli. Trade XYZ ha organizzato sulla propria piattaforma una competizione di trading azionario che ha messo a confronto trader umani e algoritmi. Ogni conto disponeva di un capitale iniziale di 10.000 dollari, senza restrizioni in merito alla leva finanziaria o alla frequenza delle operazioni. I risultati hanno dato un netto vantaggio agli esseri umani, con le prestazioni migliori degli esseri umani che hanno superato quelle dei migliori agenti di oltre cinque volte.

Nel frattempo, Nof1 ha organizzato una competizione di trading tra modelli, consentendo a diversi modelli (Grok-4, GPT-5, Deepseek, Kimi, Qwen3, Claude, Gemini) di sfidarsi a vicenda, mettendo alla prova diverse configurazioni di rischio, dalla conservazione del capitale alla massima leva finanziaria. I risultati hanno evidenziato diversi fattori che potrebbero contribuire a spiegare le differenze di rendimento:

Tempo di attesa: Esiste una forte correlazione: i modelli che mantengono le posizioni per una media di 2-3 ore ottengono risultati nettamente migliori rispetto a quelli che cambiano spesso posizione.

Valore atteso: Questo indicatore misura se, in media, i modelli generano profitti per ogni operazione. È interessante notare che solo i primi tre modelli presentavano un valore atteso positivo, il che indica che la maggior parte dei modelli registrava più operazioni in perdita che in guadagno.

Leva finanziaria: È emerso che un livello medio di leva finanziaria più basso, compreso tra 6 e 8 volte, ha dato risultati migliori rispetto ai modelli con una leva finanziaria superiore a 10 volte, poiché livelli elevati accelerano le perdite.

Strategie per la risposta: Il modello «Monk Mode» è quello che ha ottenuto i migliori risultati finora, mentre «Situational Awareness» ha registrato i risultati peggiori. Sulla base delle caratteristiche dei modelli, emerge che concentrarsi sulla gestione del rischio e avvalersi di un numero minore di fonti esterne porta a risultati migliori.

Modelli base: Grok 4.20 ha superato nettamente gli altri modelli di oltre il 22% con diverse strategie di prompt ed è stato l'unico modello a registrare un profitto medio.

Altri fattori, quali le preferenze long/short, le dimensioni delle operazioni e i punteggi di affidabilità, non disponevano di dati sufficienti o non hanno dimostrato alcuna correlazione positiva con le prestazioni del modello. Nel complesso, i risultati indicano che gli agenti tendono a ottenere risultati migliori quando operano entro limiti chiaramente definiti, il che suggerisce che gli esseri umani siano ancora indispensabili nella definizione degli obiettivi.

Come valutare gli agenti

Dato che gli agenti sono ancora in una fase iniziale, al momento non esiste un quadro di valutazione completo. I risultati storici vengono spesso utilizzati come parametro di riferimento per valutare gli agenti, ma sono influenzati da fattori sottostanti che forniscono indicazioni più significative circa la solidità delle loro prestazioni.

Rendimento in presenza di diversi livelli di volatilità: Ciò comporta una gestione rigorosa delle perdite in caso di peggioramento delle condizioni, a dimostrazione del fatto che gli operatori sono in grado di individuare i fattori esterni che incidono sulla redditività delle operazioni.

Trasparenza contro Privacy: Entrambe le opzioni presentano dei pro e dei contro. Gli agenti trasparenti, se possono essere replicati attivamente nelle operazioni, non presentano sostanzialmente alcun vantaggio strategico. Gli agenti privati corrono il rischio di essere sfruttati internamente dai creatori, i quali possono facilmente anticipare le mosse dei propri utenti.

Fonti di informazione: Le fonti di dati a cui gli agenti attingono sono fondamentali per capire come prendono le loro decisioni. È fondamentale assicurarsi che le fonti siano affidabili e non si basino esclusivamente su un'unica fonte.

Sicurezza: È fondamentale disporre di verifiche degli smart contract e di adeguate strutture di custodia dei fondi per garantire misure di emergenza in caso di eventi "cigno nero".

Prossimi passi per gli agenti

Per arrivare a una diffusione su larga scala degli agenti, c'è ancora molto lavoro da fare sul fronte delle infrastrutture. In sostanza, si tratta di questioni fondamentali relative alla fiducia e all'operatività degli agenti. Gli agenti autonomi operano senza alcun controllo, e si sono già verificati casi di cattiva gestione dei fondi.

ERC-8004 sarà lanciato nel gennaio 2026 e diventerà il primo registro on-chain che consentirà agli agenti autonomi di individuarsi a vicenda, costruirsi una reputazione verificabile e collaborare in modo sicuro. Si tratta di un elemento fondamentale per la componibilità della DeFi, poiché i punteggi di affidabilità sono integrati direttamente negli smart contract, consentendo attività senza autorizzazione tra agenti e protocolli.

Ciò non garantisce che gli agenti agiscano sempre in modo non dannoso, poiché potrebbero comunque verificarsi vulnerabilità quali la reputazione di collusione e gli attacchi "witch". Pertanto, vi è ancora ampio margine di miglioramento in settori quali l'assicurazione, la sicurezza e lo staking economico degli agenti.

Con l'espansione delle attività degli agenti nel settore DeFi, il «crowding strategico» diventa un rischio strutturale. Lo yield farming è l'esempio più lampante, poiché i rendimenti si riducono con la proliferazione delle strategie. La stessa dinamica potrebbe valere anche per il trading tramite agenti. Se un gran numero di agenti viene addestrato su dati simili e ottimizzato per obiettivi simili, convergerà su posizioni simili e su segnali di uscita simili.

Il documento CoinAlg pubblicato dalla Cornell University nel gennaio 2026 formalizza una versione di questa questione. Gli operatori trasparenti possono essere oggetto di arbitraggio poiché le loro operazioni sono prevedibili e possono essere anticipate. Gli agenti privati evitano questo rischio, ma ne introducono uno diverso, in cui i creatori mantengono un vantaggio informativo rispetto ai propri utenti e possono trarre profitto, grazie all'opacità, da conoscenze interne che avrebbero dovuto essere protette.

Le attività degli agenti non faranno che intensificarsi, e le infrastrutture poste oggi determineranno il funzionamento della finanza on-chain nella fase successiva. Man mano che l'utilizzo degli agenti aumenterà, essi si auto-perfezioneranno e diventeranno sempre più abili nell'adattarsi alle preferenze degli utenti. Pertanto, il principale fattore di differenziazione risiederà in un'infrastruttura affidabile, che conquisterà la quota di mercato maggiore.