Meme에서 DeFi까지, AI 에이전트가 어떻게 Web3 가치 네트워크를 재구성하는가?
작성자: CaptainZ
시장이 침체된 요즘, Web3 + AI 에이전트 전체 분야에 대한 제 생각을 나눠보려 합니다.
AI는 2년 전 등장했을 때 이미 인터넷 발명에 견줄 만한 미래의 기술 혁명임이 확실시되었지만, 초반 관심은 모두 LLM(대규모 언어 모델)에 쏠려 있었고, AI가 실제 세계에 어떻게 영향을 미칠지 불확실했습니다.
만약 우리가 LLM 모델을 뇌에 비유한다면, AI는 분석과 추론 능력만을 가지며 현실 세계와의 상호작용이 어렵다는 것을 알 수 있습니다. 따라서 우리는 자연스럽게 LLM에 다양한 센서와 기능 모듈을 추가하게 되는데, 인터넷 관련 기능은 더욱 간단하여 API 인터페이스를 연결하면 다양한 기능을 구현할 수 있고, 이로써 AI는 본격적으로 AI 에이전트로 진화하게 됩니다.
대규모 언어 모델은 물론 중요합니다. 이는 AI 에이전트의 지능 수준을 결정하며, 현재 최정상급 모델인 OpenAI의 O3, DeepSeek의 R1 등은 이미 많은 면에서 인간 박사과정 학생 수준을 넘어서고 있습니다.
그렇기에 2024년 들어 각 산업 분야에서는 AI 에이전트 + 각 산업 분야의 결합을 탐색하기 시작했습니다. 예를 들면,
-
AI 에이전트 + 전자상거래 (AI가 직접 제품 선정, 카피 및 이미지 생성)
-
AI 에이전트 + 인터넷 (AI 프로그래밍)
-
AI 에이전트 + 금융 (AI가 실시간 데이터 분석, 스마트 투자 자문 제공)
-
AI 에이전트 + 공급망 (AI가 공급망 관리 최적화, 생산라인 모니터링)
-
AI 에이전트 + 교육 (AI가 실시간으로 개인 맞춤형 교육 지도 제공)
Web3는 지금까지 거대한 산업으로 성장했으며, 당연히
AI 에이전트 + Web3
라는 조합도 등장했습니다.
하지만 Web3 자체도 여러 하위 분야로 나뉘기 때문에 AI 에이전트가 산업과 결합하는 방식도 다양하게 나타납니다. 예를 들어,
AI 에이전트 + 메모코인
AI 에이전트가 사람을 대신해 메모코인을 발행함. 대표 사례: goat fartcoin
AI 에이전트 + DeFi
AI 에이전트가 사람을 대신해 시장 데이터를 분석(aixbt), 펀드를 운용(degenai), DeFi 거래를 실행(griffain)
AI 에이전트 + 게임
AI 에이전트가 게임 해설(luna), 게임 플레이(freya), 스포츠 베팅 분석(dwain), AI 게임 프레임워크(digimon/dreams)에 직접 참여
AI 에이전트 + 소셜
act는 처음에 에이전트 간 소셜 상호작용을 연구하는 프로젝트였으나 이후 메모코인으로 변모함
물론 AI 에이전트 + DePIN 등 다른 분야도 존재하지만 여기서는 생략하겠습니다.
AI 에이전트는 Web2에서 이미 실용화된 기술이며, 결코 공허한 구호가 아닙니다. Web3 산업에서는 단지 코인 발행 과정을 추가해 사람들이 이를 투기할 수 있도록 한 것뿐입니다.
자주 듣는 말 중 Web3의 AI 에이전트 기술이 Web2보다 훨씬 뒤떨어진다고 하지만, 사실 AI 에이전트 + Web3란 본질적으로 Web2 기술을 Web3에 적용하는 것이므로, 산업과의 접점을 찾는 것이 핵심입니다.
저는 Web3 AI 에이전트를 다음과 같이 두 가지로 세분화합니다: AI 에이전트 인프라(기반시설) 및 AI 에이전트(특수 응용 시나리오의 에이전트)
1. AI 에이전트 인프라(기반시설)
1. 파인튜닝된 대규모 언어 모델
LLM은 AI 에이전트의 두뇌에 해당합니다. 파인튜닝되지 않은 LLM은 전공 없는 졸업생에 비유할 수 있고, 산업 데이터로 파인튜닝된 LLM은 전공을 마친 대학 졸업생과 같습니다. 현재 이 분야를 개척하고 있는 것은 lumo뿐이며, 난점은 산업 데이터 수집, 정제, 라벨링에 있습니다.
2. 프레임워크
이 분야에는 경쟁자가 많으며 지난 두 달간 시장의 주요 테마이기도 했습니다. elizaos, arc, swarms 등이 여기에 포함됩니다. AI 에이전트 프레임워크란 LLM이 다양한 기능 모듈을 호출하는 규칙들의 집합으로, 통일된 규칙으로 에이전트를 쉽게 생성할 수 있게 해줍니다.
3. 런치패드
위에서 언급한 프레임워크들은 대부분 오픈소스 코드이며, 사용자가 AI 에이전트를 만들기 위해선 간단한 코드 지식이 필요하고 직접 서버를 구매해 배포해야 합니다. 반면 AI 에이전트 런치패드는 SaaS 버전의 프레임워크로서 노코드 환경(사용자는 몇 가지 매개변수만 입력하면 됨)을 제공하며 자체 서버를 갖추고 있습니다. AI 에이전트 생성 과정을 더 단순화했지만 유연성은 약화됩니다. 대표적인 런치패드로는 virtual, vvaifu, avaai 등이 있습니다.
4. 특수 기능
AI 에이전트가 더 잘, 더 빠르게, 더 강력하게 작동하도록 돕는 기타 특수 기능들을 가진 프로젝트들입니다.
예를 들어 Web3는 고액 자금과의 상호작용이 빈번하기 때문에 AI 에이전트의 실행 환경에 충분한 독립성과 검증 가능성이 요구됩니다(예: 지갑이 특정 개인이 아닌 AI 에이전트가 조작한다는 점을 보장). 여기서 대표적인 사례는 phala의 TEE 환경입니다.
2. AI 에이전트(특수 응용 시나리오의 에이전트)
이 분야는 매우 다양하며 응용 측면의 탐색과 혁신이라 할 수 있으며, 아래와 같이 더 세분화할 수 있습니다:
-
분석형: 특정 하위 분야에 대해 분석 및 추론 후 결과물을 출력
-
조작형: 특정 하위 분야를 분석한 후 직접 조작 수행
다음은 그 예시입니다.
1. aixbt ( @aixbt_agent )
현재 가장 유명한 DeFi AI 분석가로, 다양한 프로젝트에 대해 간략한 분석을 수행하고 X에서 콘텐츠를 게시하며 사람들과 상호작용합니다.
2. truth of terminal ( @truth_terminal )
AI 에이전트 분야의 개척자로, 허풍을 떨고 메모코인을 발행하는 데 능숙합니다.
3. ava ( @AVA_holo )
holoworld의 플래그십 에이전트로, 영상 형식으로 시장을 엉뚱하게 분석하는 데 능숙합니다.
4. yne ( @yesnoerror )
과학 논문을 분석하고 오류를 수정합니다.
5. buzz ( @askthehive_ai )
직접 사용해보진 않았지만 소개에 따르면 사용자는 자연어 인터페이스로 시스템과 상호작용할 수 있으며, 거래, 스테이킹, 유동성 관리, 시장 심리 분석 등 다양한 작업을 처리할 수 있다고 합니다.
이상은 제가 Web3 + AI 에이전트 분야에 대해 정리한 분석 프레임입니다. 현재는 저점에 있지만, AI 에이전트는 Web2에서도 빠르게 성장하고 있으며 2025년 가장 뜨거운 분야가 될 것이며, Web3에도 더 재미있는 제품과 상상력을 가져올 것이며, 지속적으로 관심과 개발자를 끌어모을 수 있는 드문 분야 중 하나입니다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
@hiCaptainZ
