DWF Derinlemesine Raporu: AI'nin DeFi'de Getiri Optimizasyonunda İnsanları Geride Bırakması, Ancak Karmaşık İşlemler Hala %500 Daha Yavaş

Bu makaleyi okumak için 17 Dakika

Acentler arasında, model seçimi ve risk yönetimi işlemin performansını en çok etkileyen faktörlerdir.

Orijinal Metin Başlığı: Will Agents take over DeFi?
Orijinal Metin Kaynağı: DWF Ventures

Orijinal Metin Çevirisi: Derin Akıntı TechFlow

Temel Noktalar

Otomasyon ve ajan faaliyetleri şu anda tüm zincir üstü faaliyetlerin yaklaşık %19'unu oluşturuyor, ancak gerçek end-to-end otonomi henüz gerçekleştirilememiştir.

Kazanç optimizasyonu gibi dar, net bir kullanım durumunda, ajanlar insanlar ve botlardan daha iyi performans sergilemiştir. Ancak işlemler gibi çok yönlü faaliyetlerde, insanlar ajanlardan daha iyi performans göstermektedir.

Ajanlar arasında, işlem performansını en çok etkileyen model seçimi ve risk yönetimidir.

Ajanların yaygın olarak benimsenmesiyle, cadı saldırısı, strateji kalabalığı ve gizlilik dengelemesi de dahil olmak üzere güvenlik ve yürütme ile ilgili birçok risk bulunmaktadır.

Ajan Faaliyetinin Sürekli Büyümesi

Son bir yılda ajan faaliyeti istikrarlı bir şekilde artarken, işlem hacmi ve sayısı da artmaktadır. Coinbase'in x402 protokolünün önemli gelişimlere öncülük ettiğini görmekteyiz ve Visa, Stripe ve Google gibi oyuncular da kendi standartlarını oluşturarak bu alana katılmışlardır. Şu anda inşa edilen altyapının çoğu, iki senaryoyu hizmet etmeyi amaçlamaktadır: ajanlar arasındaki iletişim kanalları veya insanlar tarafından tetiklenen ajan çağrıları.

Stabilcoin işlemleri geniş destek görmesine rağmen, mevcut altyapı hala merkezi ödeme ağ geçidi üzerine dayanmaktadır, bu da hala merkezi karşı tarafı gerektirdiği anlamına gelmektedir. Bu nedenle, ajanların kendi kendini finanse edebilmesi, kendi kendini yürütebilmesi ve sürekli değişen koşullara göre optimize edilebilmesi sağlayan "tamamen otonom" son durum henüz gerçekleştirilmemiştir.

DeFi için Ajanlar tamamen yabancı değildir. Yıllar boyunca, blok zincirinde botlar aracılığıyla gerçekleştirilen otomasyon mevcuttu, MEV'yi yakalama veya kod olmadan elde edilemeyen ek gelire erişme gibi faaliyetleri gerçekleştirmekteydi. Bu sistemler belirli parametrelere göre başarılı bir şekilde çalışmıştır, bu parametreler sık sık değişmemekte veya ek denetime ihtiyaç duymamaktadır.

Ancak, pazar zamanla daha da karmaşık hale gelmiştir. Bu, yeni nesil ajanların devreye girdiğimiz noktadır, son birkaç aydır blok zinciri, bu tür faaliyetlerin bir deneme alanı haline gelmiştir.

Agent Performansı

Rapora göre, agent etkinliği üstel bir şekilde artmış olup, 2025 yılından bu yana 17.000'den fazla agent başlatılmıştır. Otomasyon/agent etkinliğinin toplamı, tüm on-chain etkinliklerin %19'unu aşmaktadır. Bu pek şaşırtıcı değildir çünkü stabilcoin transfer hacminin %76'sından fazlasının botlar tarafından oluşturulduğu tahmin edilmektedir. Bu, DeFi'de agent etkinliğinin büyük bir büyüme potansiyeline sahip olduğunu göstermektedir.

Agent özerkliği geniş bir yelpazede mevcuttur, insan denetimine yoğun bir şekilde ihtiyaç duyan sohbet-botu benzeri deneyimden, hedef girişlere göre pazar koşullarına uyum sağlayacak şekilde strateji belirleyebilen agentlara kadar. Botlarla karşılaştırıldığında, agentların milisaniye içinde yanıt verme ve yeni bilgiyi uygulama yeteneği, aynı sıkılık seviyesini korurken kapsama alanını binlerce pazara genişletme avantajına sahiptir.

Şu anda çoğu agent çoğunlukla test aşamasında olduğundan, çoğunluğu analistten co-pilot seviyesindedir.

Kazanç Optimizasyonu: Başarılı Agent Performansı

Likidite sağlama, otomasyonun sıkça gerçekleştiği bir alan olup, agentların elinde tuttuğu toplam TVL'nin 39 milyon doları aştığı bildirilmektedir. Bu rakam genellikle kullanıcıların doğrudan agentlara yatırdığı varlıkları ölçer ancak hazine yönlendirmeleriyle yönlendirilen sermayeyi içermez.

Giza Tech, bu alandaki en büyük protokollerden biri olup, geçen yılın sonlarında ana DeFi protokollerinin getirilerini artırmayı amaçlayan ARMA adlı ilk agent uygulamasını piyasaya sürdü. Bu uygulama 19 milyondan fazla yönetilen varlığı çekmeyi başardı ve 40 milyar dolarlık agent işlem hacmi üretti.

İşlem hacminin yönetilen varlıklara oranının yüksek olması, agentlerin sıkça sermayeyi yeniden dengelemesini ve böylece daha yüksek getiriler elde etmesini sağlar. Sermaye bir kere kontrata girer girmez otomatikleşir ve kullanıcılara neredeyse denetime ihtiyaç duymadan tek tuşla deneyim sunar.

ARMA'nın performansı ölçülebilir bir şekilde başarılı olup, USDC için %9.75'lik yıllık getiri oranı sağlamıştır. Ek yeniden dengeleme ücretleri ve agentin %10'luk performans ücreti dikkate alındığında, getiri oranı Aave veya Morpho'daki standart borç verme işlemlerinin üzerindedir. Bununla birlikte, ölçeklenebilirlik hala kritik bir konudur çünkü bu agentler henüz gerçek dünya testlerinden geçmemiş ve ana DeFi protokollerine ölçeklendirilmemiştir.

İşlem: İnsanın Büyük Ölçüde Önde

Ancak işlem gibi daha karmaşık eylemler için, sonuç çok daha çeşitlidir. Mevcut işlem modeli, insan tanımlamasına dayalı girdiler ve önceden belirlenmiş kurallara göre çıktı sağlar. Makine öğrenimi, modelin davranışını yeni bilgilere göre güncelleyerek açıkça yeniden programlama gerektirmeksizin genişletir ve bu, modeli bir pilot koltuğu rolüne taşır. Tamamen otonom ajanların katılmasıyla, işlem dinamiği büyük değişikliklere uğrayacaktır.

Birkaç ajan arasında ve insanlar ile ajanlar arasında işlem yarışmaları düzenlendi ve sonuçlar, modeller arasında büyük farklılıklar olduğunu gösterdi. Trade XYZ, platformunda listelenen hisse senetleri için insanlar arasında ajanlarla işlem yarışması düzenledi. Her bir hesap, sınırsız kaldıraç veya işlem sıklığı olmaksızın başlangıçta 10.000 ABD Doları'na sahipti. Sonuçlar ezici bir şekilde insanlardan yana oldu, en iyi insan performansı en iyi ajan performansının 5 katından fazla oldu.

Aynı zamanda, Nof1, model arasında ajanlar arasında işlem yarışmaları düzenledi, birkaç modelin (Grok-4, GPT-5, Deepseek, Kimi, Qwen3, Claude, Gemini) sermaye korumasından en yüksek kaldırağa kadar farklı risk yapılandırmaları üzerinde rekabet etmesine izin verdi. Sonuçlar, performans farklarını açıklamaya yardımcı olabilecek birkaç faktörü ortaya koydu:

Alım Satım Süresi: Güçlü bir korelasyon bulunmaktadır, her bir pozisyonun ortalama 2-3 saat tutulduğu model, sık sık dönüş yapan modellere kıyasla önemli ölçüde daha iyidir.

Beklenti Değeri: Bu, bir modelin ortalama her işleminin kar getirip getirmediğini ölçer. İlginçtir ki, sadece ilk 3 model pozitif bir beklenen değere sahiptir, bu da çoğu modelin zararlı işlemlerinin karlı işlemlerden daha fazla olduğu anlamına gelir.

Kaldıraç: Daha düşük, ortalama 6-8 kat kaldıraç seviyesinin, 10'dan fazla kaldıraç çalıştırmaktan daha iyi performans gösterdiği kanıtlanmıştır, yüksek seviye kayıpları hızlandırabilir.

İpucu Stratejisi: Monk Mode, şimdiye kadar en iyi performans sergileyen model iken, Situational Awareness en kötü performansı sergiler. Model özelliklerine dayalı olarak, risk yönetimine odaklanmanın ve daha az dış kaynağa odaklanmanın daha iyi performans getireceğini gösterir.

Temel Model: Grok 4.20, farklı ipucu stratejilerinde diğer modellere göre önemli ölçüde daha iyi performans gösterdi ve ortalama olarak karlı olan tek modeldir.

Diğer faktörler, boğa ve ayı tercihi, ticaret hacmi ve güven puanı gibi veri açısından yeterince sağlam değildir veya model performansı ile herhangi bir pozitif ilişkili olduğu kanıtlanamamıştır. Genel olarak, sonuçlar, agent'ın belirli tanımlanmış kısıtlamalar içinde genellikle daha iyi performans gösterdiğini göstermektedir, bu da insanların hedef dağıtımı konusunda hala büyük oranda gereksinim duyduğu anlamına gelmektedir.

Agent'ın Değerlendirilmesi

Agent'ın henüz erken bir aşamada olması göz önüne alındığında, şu anda kapsamlı bir değerlendirme çerçevesi bulunmamaktadır. Genellikle, geçmiş performans agent'ın değerlendirilmesi için bir referans olarak kullanılsa da, bunlar temel faktörlerden etkilenir ve bu faktörler güçlü agent performansının daha net işaretlerini verir.

Farklı Volatilite Düzeylerinde Performans: Disiplinli zarar kontrolü kötüleştiğinde sıklıkla görülür, bu da agent'ın işlem karlılığını etkileyen off-chain faktörleri tanıyabildiğini gösterir.

Şeffaflık ve Gizlilik: Her iki tarafın da kendi dengelemesi vardır. Şeffaf bir agent, işlemi kopyalamak mümkün olduğunda, genellikle stratejide bir avantaj sağlamaz. Özel bir agent, yaratıcı içinden para çekme riskiyle karşı karşıya kalır; yaratıcı kolayca kendi kullanıcılarının önüne geçebilir.

Bilgi Kaynağı: Agent'ın eriştiği veri kaynağı, agent'ın nasıl kararlar aldığını belirlemede son derece önemlidir. Kaynağın güvenilir ve tek bir bağımlılığı olmamasını sağlamak son derece önemlidir.

Güvenlik: Akıllı sözleşme denetimi ve uygun fonların saklanması mimarisi, siyah kuğu olaylarında yedek tedbirlerin bulunmasını sağlamak için çok önemlidir.

Agent'ın Sonraki Adımları

Agent'ın geniş çapta benimsenmesi için, altyapı açısından hala yapılacak çok iş var. Bu, agent güveni ve yürütmesi etrafında dönen temel sorunlara indirgenebilir. Özerk agent'ın faaliyeti bir çit olmadan gerçekleştirildiği ve kötü fon yönetimi örneklerinin ortaya çıktığı durumlar olmuştur.

ERC-8004, 2026 yılı Ocak ayında faaliyete geçerek, özerk agent'lar arasında karşılıklı keşif, doğrulanabilir itibar oluşturma ve güvenli işbirliği sağlayan ilk on-chain kayıt defteri olmuştur. Bu, DeFi'nin bileşene alma kapasitesinin kilit bir şekilde açılmasını sağlar, çünkü güven puanı akıllı sözleşme içine gömülüdür, izinsiz agent ve protokol arasında etkinlik sağlar.

Bununla birlikte, agent'ın her zaman kötü niyetli bir şekilde çalışacağı garanti edilemez, çünkü ittifak itibarı ve cadı avcılığı gibi güvenlik açıkları hala meydana gelebilir. Bu nedenle, sigorta, güvenlik, agent ekonomik teminatı gibi alanlarda hala kapatılacak büyük bir boşluk bulunmaktadır.

DeFi'deki ajan faaliyetlerinin genişlemesiyle, strateji kalabalığı yapısal bir risk haline geldi. Getiri çiftliği en açık örnektir, stratejinin yaygınlaşmasıyla birlikte getiri sıkışacaktır. Aynı dinamik ajan işlemleri için de geçerli olabilir. Eğer çok sayıda ajan benzer verilerde eğitim alıp benzer hedefleri optimize ederse, benzer pozisyonlarda ve benzer çıkış sinyallerinde yakınsamaya geçeceklerdir.

Cornell Üniversitesi'nin 2026 yılı Ocak ayında yayımladığı CoinAlg makalesi, bu sorunun bir versiyonunu resmileştirdi. Şeffaf ajanlar arbitraj için hedeflenebilir çünkü işlemleri öngörülebilir ve önü alınabilir. Gizli ajanlar bu riski önlerken, farklı bir risk getirir, yaratıcılar kendi kullanıcılarından bilgi avantajını korur ve saydamlıkla korunması gereken içsel bilgiyi değer olarak çıkarabilir.

Ajan faaliyeti sadece hızlanmaya devam edecek, bugün atılan temeller, on-chain finansın nasıl çalışacağını belirleyecek. Ajan kullanımı arttıkça, kendilerini sürekli iyileştirecek ve kullanıcı tercihlerine uyum sağlama konusunda daha duyarlı hale geleceklerdir. Dolayısıyla, temel güvenilir altyapıya odaklanmak ana farklılaşma faktörleri haline gelecek ve bunlar en büyük pazar payını elde edecektir.