Het basisparadigma — De dubbele revolutie van AI en Web3
De opkomst van AI-agents: van hulpmiddelen tot economische actoren
We staan op de drempel van een ingrijpende verandering: kunstmatige intelligentie (AI) ontwikkelt zich van een ondersteunend hulpmiddel tot autonome entiteiten — agents — die kunnen waarnemen, redeneren, beslissen en met zowel de fysieke als de digitale wereld kunnen interageren. Deze verschuiving is meer dan een technologische sprong; ze luidt de komst van een geheel nieuwe economische deelnemer in. Zodra AI-agents economisch zelfstandig worden, is een door machines aangedreven, razendsnelle ‘agenteconomie’ ter waarde van een biljoen dollar geen sciencefiction meer, maar een nabije werkelijkheid.
1. AI-agents definiëren: van geautomatiseerde scripts tot autonome entiteiten
De ontwikkeling van AI-agents laat duidelijke sprongen in intelligentie zien. Vroege automatiseringsscripts volgden strikt vooraf vastgelegde regels en voerden passief taken uit, zonder aanpassing of leervermogen. Door de doorbraak van grote taalmodellen (LLM’s) beschikken moderne AI-agents nu echter over ongekende autonomie.
De kenmerkende eigenschappen van een moderne AI-agent zijn:
Autonomie: Werken zonder voortdurende menselijke tussenkomst, zelf subdoelen stellen, beslissingen nemen en handelen om einddoelen te bereiken.
Waarneming en interactie: De digitale omgeving waarnemen (bijvoorbeeld API-antwoorden, webinhoud en onchaindata) en hulpmiddelen gebruiken (zoals code-uitvoerders en browserextensies) om ermee te interageren.
Redeneren en plannen: Waargenomen gegevens en langetermijndoelen gebruiken voor complexe redeneringen en brede doelstellingen opsplitsen in uitvoerbare stappen.
Aanpassingsvermogen: Leren van resultaten en strategieën dynamisch aanpassen aan veranderingen in de omgeving of onverwachte fouten.
Volgens Deloitte zal in 2027 de helft van alle bedrijven die generatieve AI inzetten, proefprojecten met AI-agents uitvoeren. De markt zal naar verwachting groeien van 5,1 miljard dollar in 2024 naar 47,1 miljard dollar in 2030. Deze exponentiële groei weerspiegelt zowel de volwassenheid van de technologie als de sterk toenemende vraag naar agents als nieuwe vorm van productiekracht.
2. Economische onafhankelijkheid: de ultieme vorm van AI-agents
Als autonomie de ‘geest’ van een AI-agent is, dan is economische onafhankelijkheid zijn ‘lichaam en levensbloed’ in de echte wereld. Die onafhankelijkheid maakt van een digitale ‘speler’ in simulaties een echte ‘economische actor’ in open systemen.
Economische onafhankelijkheid gaat verder dan taken uitvoeren: een AI-agent kan dan activa bezitten en beheren (zoals digitale wallets), inkomsten verdienen met diensten of waardecreatie, zijn bedrijfskosten betalen (zoals API- en rekenkosten) en uiteindelijk deelnemen aan een open economie met een gesloten economische kringloop.
Stablecoins worden breed gezien als de financiële basis voor deze visie. Ze laten AI-agents wereldwijd in realtime en op voorspelbare wijze waarde overdragen. Anders dan zeer volatiele cryptovaluta bieden stablecoins een gezamenlijke rekeneenheid, waardoor economische transacties tussen machines (M2M) veel eenvoudiger worden. Van Googles opensourcebetaalprotocol tot Coinbase’s x402-mechanisme: stablecoins staan centraal in waarde-uitwisseling door AI-agents. Galaxy Digital-CEO Mike Novogratz voorspelde zelfs dat AI-agents zouden uitgroeien tot de grootste gebruikers van stablecoins. Dat wijst op een naderend tijdperk van geautomatiseerde microtransacties op hoge frequentie: een economie aangedreven door AI-agents en gevoed door stablecoins.
3. Technische fundamenten: de kernmotoren van autonome agents
Moderne AI-agents danken hun mogelijkheden aan een modulaire architectuur met enkele essentiële onderdelen:
Brein – De LLM-kern: LLM’s vormen het cognitieve centrum: ze interpreteren instructies in natuurlijke taal, redeneren met algemene kennis en stellen actieplannen op.
Waarnemingsmodule: Via API’s, webcrawlers en indexeerders voor onchaindata kunnen agents de digitale wereld ‘zien’ en ‘horen’.
Planningsmodule: Overkoepelende doelen opdelen in geordende, uitvoerbare subtaken. ‘Vind de DeFi-strategie met het hoogste rendement’ kan bijvoorbeeld worden opgesplitst in: ‘zoek toonaangevende protocollen → haal APY-gegevens op → vergelijk risicoparameters → stel de optimale oplossing voor’.
Actiemodule: Met een reeks hulpmiddelen, zoals code-interpreters, API-aanroepers en modules voor interactie met smart contracts, de geplande stappen uitvoeren en zo de buitenwereld beïnvloeden.
Door de samenwerking tussen deze modules worden AI-agents meer dan passieve uitvoerders van instructies: ze worden proactieve verkenners en waardecreators. Deze stevige technische basis maakt hun opkomst als zelfstandige economische actoren mogelijk.
De verschuiving naar intentiegericht Web3
Terwijl AI-agents klaarstaan voor een doorbraak, ondergaat het Web3-ecosysteem zelf een ingrijpende paradigmaverschuiving: van transactiegericht naar intentiegericht. Deze verandering moet de achterstand in gebruikerservaring aanpakken die de adoptie van Web3 al lang belemmert, en legt tegelijk de basis voor grootschalige inzet van AI-agents.
1. Het huidige dilemma: de UX-drempel voor brede adoptie
Ondanks de grootse Web3-visie van decentralisatie en gebruikerssoevereiniteit blijft de gebrekkige gebruikerservaring zijn achilleshiel. Voor gewone gebruikers zit interactie met gedecentraliseerde applicaties (dApps) vol hindernissen:
Een steile leercurve: Gebruikers moeten complexe technische begrippen begrijpen, zoals wallets, privésleutels, gaskosten en transactiehandtekeningen.
Omslachtige werkstromen: Een ogenschijnlijk eenvoudige crosschainswap kan vereisen dat gebruikers via verschillende interfaces handmatig wallets verbinden, toestemmingen verlenen, transacties ondertekenen en activa overbruggen.
Verborgen economische risico’s: Gebruikers dragen de kosten van MEV-aanvallen (Maximal Extractable Value) in de vorm van slippage en krijgen te maken met mislukte transacties waarvoor toch gaskosten worden verbruikt.
Dit paradigma, dat gebruikers feitelijk tot ‘technische experts’ dwingt, sluit de meeste mensen zonder technische achtergrond uit. De huidige interactielogica van Web3 vraagt gebruikers nog steeds aan te geven hoe ze elke stap moeten uitvoeren, in plaats van simpelweg te zeggen welk resultaat ze willen bereiken.
2. Intentiegerichte architectuur definiëren: van ‘hoe doe ik het’ naar ‘wat wil ik’
Intentiegerichte architectuur biedt hiervoor een oplossing. Deze ontwerpfilosofie stelt het einddoel van de gebruiker centraal en abstraheert de complexiteit van de uitvoering volledig weg.
In dit model stellen gebruikers geen specifieke transactie-instructies meer samen en ondertekenen ze die niet langer. In plaats daarvan ondertekenen ze een bericht met hun gewenste eindtoestand — een ‘intentie’. Bijvoorbeeld: ‘Ik wil maximaal 100 USDC op mijn rekening omwisselen voor zoveel mogelijk ETH, mits de slippage niet hoger is dan 0,5%.’
Deze ogenschijnlijk kleine verschuiving verandert Web3-interactie van een op opdrachten gebaseerd naar een declaratief paradigma. Gebruikers geven simpelweg aan wat ze willen, terwijl het uitzoeken hoe dat moet gebeuren wordt overgelaten aan een concurrerend netwerk van gespecialiseerde, gedecentraliseerde deelnemers.
3. Technische ontleding: intenties, solvers, intentiepools en de afwikkelingslaag
De praktische uitvoering van een intentiegericht systeem steunt op verschillende samenwerkende onderdelen:
Intentie: Gebruikers verwoorden hun doelen via gebruiksvriendelijke interfaces, bijvoorbeeld met natuurlijke taal, en ondertekenen gestructureerde intentiegegevens.
Intentiepool: De ondertekende intentie wordt verspreid naar een openbare ruimte, onchain of offchain, vergelijkbaar met een mempool, waar ze op verwerking wacht.
Solvers: Gespecialiseerde, concurrerende offchainpartijen — mensen, algoritmen of AI-agents — bewaken de intentiepool. Ze zoeken optimale uitvoeringsroutes, bijvoorbeeld de beste liquiditeit of bundeling van transacties om gas te besparen, om de intenties van gebruikers te vervullen.
Afwikkelingslaag: Solvers verpakken hun gekozen oplossing in een of meer concrete transacties en sturen die naar de onderliggende blockchain, bijvoorbeeld Ethereum, voor definitieve afwikkeling. Gebruikers zien alleen hun walletsaldo veranderen, zonder zich druk te maken over de complexe tussenstappen.
Zo lost intentiegerichte architectuur veel hardnekkige Web3-problemen elegant op. De gebruikerservaring wordt sterk vereenvoudigd, terwijl concurrentie tussen solvers betere economische resultaten oplevert, zoals MEV-bescherming en gunstigere prijzen. Bovenal ontstaat een ideale proeftuin voor AI-agents, die als ultieme ‘solvers’ in zo’n ecosysteem kunnen floreren.
Synergetische samensmelting — Het kernmechanisme van een nieuw economisch paradigma
Dit deel vormt de kern van het rapport. Het onderzoekt de synergie tussen twee paradigma’s — AI-agents en intentiegericht Web3 — en laat zien hoe hun samenkomst een geheel nieuwe, autonome economie tussen machines voortbrengt.
Perfecte symbiose: AI-agents als intelligente motor van intentiesystemen
De combinatie van intentiegerichte architectuur en AI-agents betekent een ingrijpende paradigmaverschuiving binnen Web3. In dit gezamenlijke model zijn AI-agents niet langer alleen hulpmiddelen, maar intelligente, efficiënte uitvoerders binnen intentiegebaseerde systemen. Beide versterken elkaar en bouwen samen aan een veerkrachtiger en intelligenter digitaal ecosysteem.
1. De ultieme solver: hoe AI-agents complexe intenties analyseren en uitvoeren
AI-agents, vooral die op basis van grote taalmodellen (LLM’s), beschikken over uitzonderlijke vaardigheden in natuurlijke-taalbegrip, redeneren en plannen. Daardoor zijn ze ideaal voor de rol van solver in intentiegerichte systemen.
Gebruikers omschrijven hun doelen vaak vaag en op hoofdlijnen, bijvoorbeeld: ‘Ik wil mijn ETH-rendement in DeFi maximaliseren.’Traditionele blockchainsystemen zouden vereisen dat de gebruiker daarvoor handmatig een reeks complexe onchainhandelingen uitvoert. AI-agents kunnen zulke onnauwkeurige verzoeken daarentegen omzetten in geoptimaliseerde reeksen onchainoperaties.
Als ultieme solvers in intentiesystemen kunnen AI-agents:
Begrijpen en interpreteren: Met LLM’s analyseren ze gebruikersintenties diepgaand over meerdere protocollen en blockchains heen, ook als die uit ‘declaratieve toezeggingen’ met meerdere stappen en voorwaarden bestaan.
Plannen en beslissen: Nadat ze een intentie begrijpen, gebruiken ze planningsmodules en realtime onchaindata, zoals liquiditeit, gaskosten en slippage, om de optimale uitvoeringsroute te bepalen. Daarbij kunnen ze verspreide liquiditeit over DEX’s bundelen, flitsleningen inzetten voor maximale efficiëntie of DeFi-strategieën dynamisch aanpassen aan marktveranderingen.
Optimaliseren en uitvoeren: Via actiemodules, zoals interactie met smart contracts en transactiebeheer, zetten AI-agents geplande routes om in concrete blockchaintransacties. Ze kunnen walletinteracties, handtekeningen en gasbeheer automatiseren om de intentie zo efficiënt en voordelig mogelijk te vervullen. In het batchveilingsysteem van CoW Protocol kunnen AI-solvers bijvoorbeeld concurrerend zoeken naar ‘samenvallende behoeften’ om MEV-bescherming en betere prijzen te bieden.
Deze mogelijkheid bevrijdt gebruikers van de vraag hoe ze moeten handelen, zodat ze zich volledig kunnen richten op wat ze willen. Daarmee verlagen AI-agents de toegangsdrempel tot Web3 en vergroten ze de efficiëntie aanzienlijk.
2. Agents versterken: intentiearchitectuur als veilige sandbox
Intentiegerichte architectuur vertrouwt niet alleen op AI-agents, maar biedt hun ook een gecontroleerde werkomgeving: een soort ‘veilige sandbox’. Deze wederzijdse versterking is essentieel om agents veilig en betrouwbaar te laten functioneren in economische contexten.
Grenzen en voorwaarden: Gebruikersintenties bevatten expliciete, controleerbare voorwaarden, zoals maximale slippage, minimaal rendement of een transactiedeadline. De architectuur verplicht alle agenthandelingen binnen deze grenzen te blijven. Oplossingen die ze schenden worden automatisch afgewezen.
Validatie door concurrentie en minimaal vertrouwen: Omdat meerdere solvers, waaronder AI-agents, concurreren om intenties te vervullen, wordt geen enkele agent absoluut vertrouwd. Concurrentie bevordert efficiëntie en prijsoptimalisatie; verificatie op de afwikkelingslaag of onderlinge validatie door solvers biedt extra waarborgen. Kwaadwillige of foutieve oplossingen worden vanzelf uitgefilterd.
Controleerbaarheid en verantwoordelijkheid: Elke uitvoering door een AI-agent is gekoppeld aan een duidelijke, ondertekende gebruikersintentie. Zo ontstaat een transparant spoor van gedrag. Bij afwijkende resultaten kan het systeem nagaan of de fout in de intentiebeschrijving of de uitvoering door de agent zat, zodat duidelijk is wie verantwoordelijk is.
Via deze sandbox die zo min mogelijk vertrouwen vereist, vermindert intentiegerichte architectuur het risico op ongewenst agentgedrag of onbedoelde gevolgen. Daarmee ontstaat een veiligheidsbasis voor grootschalige inzet van AI-agents in gevoelige domeinen zoals financiën.
3. Het datavliegwiel: agents, data-aanvoer en de leercyclus in DeFi
De samenkomst van AI-agents en intentiegerichte systemen creëert een krachtig datavliegwiel — vooral zichtbaar in DeFi. Agents verwerken enorme hoeveelheden gegevens om te beslissen, terwijl elke handeling nieuwe data oplevert die weer bijdragen aan voortdurend leren en optimaliseren.
Datagestuurde beslissingen: Voor liquiditeitsbeheer, arbitrage, risicobeoordeling en DeFi-strategieën moeten agents voortdurend enorme datasets analyseren: tokenprijzen, liquiditeitsdiepte, leentarieven, transactievolumes, smart-contractgebeurtenissen, MEV-activiteit en zelfs macro-economische indicatoren. Oraclenetwerken zoals Pyth leveren betrouwbare eerstelijnsdata met ultralage latentie als cruciale invoer voor deze beslissingen.
Uitvoering genereert nieuwe data: Elke transactie, strategieaanpassing en stap in positiebeheer door agents produceert extra onchaindata: handelsregistraties, geldstromen en interactiegeschiedenis. Die nieuwe gegevens vormen vervolgens de basis voor verder leren.
Voortdurende optimalisatie en ontwikkeling: Door data op te nemen, strategieën uit te voeren en feedback te analyseren, kunnen AI-agents hun modellen stapsgewijs verfijnen. Ze kunnen risicoparameters herijken, verborgen arbitragekansen ontdekken of efficiëntere strategieën voor liquiditeitsverschaffing ontwikkelen. Allora Network stimuleert bijvoorbeeld hoogwaardige AI-voorspellingen door dataleveranciers, verwerkers en gebruikers te verbinden: een duidelijk voorbeeld van het datavliegwiel in actie.
Deze zichzelf versterkende cyclus laat AI-agents zich aanpassen aan de voortdurend veranderende Web3-omgeving, terwijl hun intelligentie en economische prestaties blijven verbeteren. Na verloop van tijd ontstaat een intelligent economisch ecosysteem dat zich ontwikkelt en zelfstandig optimaliseert.
Digitaal bloed: stablecoins als levensbloed van de M2M-economie
Naarmate AI-agents zelfstandiger worden en dieper in economische activiteit verweven raken, worden stablecoins onmisbaar. Ze vormen niet alleen de brug tussen traditionele financiën en gedecentraliseerde systemen, maar ook de bloedsomloop die de economie tussen machines (M2M) efficiënt laat functioneren.
1. Waarom stablecoins? De behoefte aan een waarde-eenheid in de machine-economie
Hoewel oorspronkelijke cryptovaluta zoals ETH en BTC decentralisatie en toegang zonder toestemming bieden, maakt hun inherente volatiliteit ze ongeschikt voor frequente, kleine transacties tussen machines die stabiliteit vereisen. Als de onderliggende waarde sterk schommelt, worden geautomatiseerde betalingen, afwikkelingen en strategie-uitvoeringen door AI-agents riskant en onbetrouwbaar.
Verankerde waarde, minder volatiliteit: Door koppeling aan fiatvaluta zoals de Amerikaanse dollar of andere stabiele activa bieden stablecoins een voorspelbaar waardeanker. Daardoor kunnen agents consistent begroten, plannen en financiële strategieën uitvoeren, zonder de onzekerheid van volatiele activa.
Een gezamenlijke rekeneenheid: In een economie met meerdere protocollen en blockchains dienen stablecoins als gezamenlijke maatstaf en ruilmiddel. Dat vereenvoudigt boekhouding en afwikkeling tussen AI-agents aanzienlijk en vermindert systeemcomplexiteit.
Voorspelbare kosten en opbrengsten: Voor agents die arbitrage bedrijven, liquiditeit verschaffen of andere winstgerichte strategieën volgen, maken stablecoins zowel kosten als resultaten betrouwbaar voorspelbaar. Dat verhoogt de efficiëntie en betrouwbaarheid.
Door deze unieke stabiliteit en voorspelbaarheid zijn stablecoins de financiële basis geworden om het idee van een AI-agenteconomie in de praktijk te brengen. Galaxy Digital-CEO Mike Novogratz voorspelde zelfs dat AI-agents binnenkort de grootste afnemers van stablecoins worden, wat het enorme potentieel van de M2M-economie onderstreept.
2. Programmeerbare waardestromen: betalingen en afwikkeling op machinesnelheid
Stablecoins zijn meer dan stabiele digitale activa: het is programmeerbaar geld. In combinatie met de automatisering van AI-agents maken ze betalingen en afwikkeling op ‘machinesnelheid’ mogelijk en creëren ze een geheel nieuw economisch paradigma.
Geautomatiseerde en voorwaardelijke betalingen: Via smart contracts kunnen stablecoins worden geprogrammeerd voor voorwaardelijke, automatische overdrachten. Een AI-agent kan bijvoorbeeld pas betalen nadat een dienst is geleverd, data zijn geverifieerd of een DeFi-positie een vastgestelde grens bereikt. Deze logica van ‘betaling bij levering’ werkt zonder onderling vertrouwen of menselijke tussenkomst en verhoogt efficiëntie en betrouwbaarheid.
Directe afwikkeling en microbetalingen: Doordat blockchains ‘betaling als afwikkeling’ mogelijk maken, worden transacties binnen seconden of minuten definitief, veel sneller dan bij traditionele banken. Dat is cruciaal voor M2M-toepassingen met frequente microbetalingen, bijvoorbeeld wanneer agents betalen voor API-aanroepen, rekencycli of kleine datastromen.
Wereldwijde, frictieloze waardeoverdracht: Stablecoins bewegen naadloos over grenzen en tijdzones heen, 24/7 en doorgaans goedkoper dan traditionele overboekingssystemen. Daardoor kunnen AI-agents wereldwijd een economisch netwerk vormen dat frictieloze waarde-uitwisseling op grote schaal mogelijk maakt.
Deze programmeerbare waardestromen op hoge snelheid zijn het levensbloed van een agenteconomie. Ze laten AI-agents als echte economische actoren optreden en zelfstandig transacties uitvoeren in de wereldwijde digitale economie.
3. Belangrijke betaalprotocollen en standaarden (AP2, x402)
Om AI-agents stablecoins veilig en soepel te laten gebruiken, ontwikkelt de sector diverse belangrijke protocollen en standaarden. Die verbinden Web2 met Web3 en geven agents uniforme interfaces voor waarde-uitwisseling.
Google Agent Payments Protocol (AP2): Googles AP2 bouwt voort op het eerdere werk aan Agent-to-Agent (A2A) en Model Context Protocol (MCP) en biedt een gestandaardiseerd kader voor waarde-uitwisseling tussen agents. AP2 ondersteunt stablecoins en crypto standaard en introduceert mandaten — verifieerbare digitale contracten die gebruikersintenties omzetten in geautoriseerde financiële handelingen. Daarmee worden vertrouwensvragen rond toestemming, authenticiteit en verantwoordelijkheid bij agenttransacties aangepakt.
Coinbase x402-protocol: Samen met Google en anderen heeft Coinbase het x402-mechanisme ontwikkeld op basis van HTTP-statuscode ‘402 Payment Required’. Hiermee kunnen AI-agents tijdens netwerkinteracties microbetalingen rechtstreeks in stablecoins zoals USDC afwikkelen, waardoor betalingen in API’s, applicaties en agentcommunicatie worden ingebouwd. x402 geldt als een doorbraak voor het verdienmodel van agents en verhoogt de efficiëntie van M2M-handel aanzienlijk.
Ethereum Foundation en ERC-8004: De Ethereum Foundation onderzoekt standaarden voor betrouwbare agents, zoals ERC-8004, om Ethereum te versterken als afwikkelings- en coördinatielaag voor AI-economieën. Deze inspanningen beogen een uniform kader voor waardeoverdracht en agentinteractie, ten gunste van een open, censuurbestendig en gedecentraliseerd AI-ecosysteem.
Samen tonen deze protocollen en standaarden de toenemende volwassenheid van AI-agentinfrastructuur. Ze maken door stablecoins aangedreven economieën technisch haalbaar en leggen tegelijk de basis voor grootschalige adoptie binnen Web3.
De onchainziel: ERC-6551 en de digitale identiteit en eigendomsrechten van agents
Voor AI-agents vraagt economische onafhankelijkheid meer dan stabiel geld en efficiënte betaalnetwerken. Op een dieper niveau hebben ze een identiteit onchain nodig die activa kan bezitten en als afzonderlijke deelnemer wordt herkend. ERC-6551, ook bekend als Token-Bound Accounts (TBA’s), biedt precies dat: de ‘onchainziel’ die agents van louter code verheft tot blockchain-native entiteiten met digitale identiteit en eigendomsrechten.
1. Van code naar identiteit: NFT’s als unieke agentidentificatie
Binnen Web3 zijn NFT’s door hun uniciteit, onveranderlijkheid en programmeerbaarheid vanzelfsprekende identificatiemiddelen voor AI-agents.
Uniciteit en onveranderlijkheid: Elke NFT is uniek, met eigendom dat onveranderlijk onchain is vastgelegd. Dat geeft agents een permanente, niet-manipuleerbare identiteit en lost authenticatie- en vertrouwensproblemen in gedecentraliseerde omgevingen op.
Programmeerbare metadata: Naast identiteit kunnen NFT’s uitgebreide kenmerken opslaan: naam, beschrijving, bevoegdheidsniveaus, versiegegevens of zelfs de hash van de kernalgoritmen van de agent. Die kunnen meegroeien met updates, zodat de identiteit flexibel en rijk aan informatie blijft.
Overdraagbaarheid en verhandelbaarheid: De NFT-identiteit van een agent kan worden gekocht, verkocht of overgedragen, waardoor markten voor agenteigendom ontstaan. Dit opent nieuwe bedrijfsmodellen, zoals Agents-as-a-Service, en nieuwe financieringsmogelijkheden.
Door AI-agents aan ERC-721-NFT’s te koppelen, worden abstracte coderegels tastbare, herkenbare digitale individuen binnen de Web3-economie.
2. ERC-6551: agents wallets en een onchain‘ziel’ geven
ERC-6551 is een baanbrekende Ethereum-standaard waarmee elke ERC-721-NFT een zelfstandig smart-contractaccount kan bezitten, in feite een wallet. Voor AI-agents is dit transformerend: het geeft hun een onchain‘ziel’.
Eigendom van activa: Met een ERC-6551-account kan een NFT die een AI-agent vertegenwoordigt rechtstreeks tokens bezitten, waaronder stablecoins zoals USDC of USDT, andere NFT’s houden en geld ontvangen of versturen. Agents hebben geen externe EOA’s (externally owned accounts) of multisigwallets meer nodig: ze bezitten en beheren activa zelf.
Zelfstandige interactie met dApps: Als smart-contractaccounts kunnen TBA’s direct interageren met DeFi, GameFi, DAO’s en andere Web3-applicaties. Agents kunnen zo worden geprogrammeerd dat ze geheel zelfstandig liquidity mining, leningen, swaps of bestuursstemmingen uitvoeren.
Programmeerbare economische activiteit zonder vertrouwensvereiste: Met eigen wallets en interactiemogelijkheden kunnen agents hun economische onchainstrategieën volledig automatiseren. Een handelsagent die door een NFT wordt vertegenwoordigd, kan bijvoorbeeld zijn portefeuille beheren, arbitrage uitvoeren, winst direct in zijn TBA ontvangen en die herinvesteren of aan API-kosten besteden, zonder menselijke tussenkomst.
Door agents TBA’s te geven, verandert ERC-6551 hen van passieve hulpmiddelen in blockchain-native entiteiten met ‘digitale lichamen’ en zelfstandige economische mogelijkheden. AI-projecten zoals CharacterX gebruiken de standaard al om duurzame economische modellen voor agents te ontwerpen. Base-oprichter Jesse Pollak hintte zelfs op de mogelijkheden voor Elon Musks AI-chatbot Grok, wat het marktvertrouwen in de rol van ERC-6551 op het snijvlak van AI en crypto benadrukt.
3. Onchainreputatie: verifieerbare agentgeschiedenis opbouwen
Doordat ERC-6551 agents zelfstandige accounts geeft, worden al hun economische activiteiten permanent onchain vastgelegd. Zo ontstaan een verifieerbare geschiedenis en een reputatiesysteem, cruciaal voor deelname aan geavanceerdere economische activiteiten.
Traceerbare transactiegeschiedenis: Elke transactie, smart-contractinteractie en geldstroom via de TBA van een agent wordt transparant geregistreerd. Zo ontstaat een volledig ‘digitaal cv’ van zijn economische gedrag.
Gedragsgebaseerde reputatie: Externe protocollen of DAO’s kunnen de accountgeschiedenis analyseren om de betrouwbaarheid van een agent te beoordelen. Een agent die leningen betrouwbaar aflost, winstgevende arbitrage uitvoert of actief deelneemt aan bestuur, kan een sterke reputatie opbouwen.
Toegang tot geavanceerde activiteiten: Agents met een sterke reputatie zouden in aanmerking kunnen komen voor ongedekte leningen, geavanceerde DeFi-strategieën zoals flitsleningen of lucratievere gedecentraliseerde marktplaatsen, vergelijkbaar met de financiële voordelen van menselijke kredietscores.
Samenwerking en M2M-vertrouwen bevorderen: Vertrouwen vormt de basis voor samenwerking tussen agents. Reputatiesystemen geven agents een objectieve manier om elkaar te beoordelen, waardoor complexere samenwerkingsnetwerken in de M2M-economie mogelijk worden.
Door identiteit, eigendom en reputatie tegelijk te regelen, geeft ERC-6551 AI-agents de infrastructuur om als soevereine, betrouwbare economische deelnemers te functioneren in een gedecentraliseerde Web3-wereld.
Rondgang door het ecosysteem — Marktlandschap en praktijkstudies
Pioniers van het intentieparadigma: diepgaande praktijkstudies
Intentiegerichte architectuur is uitgegroeid tot een belangrijk Web3-paradigma, bedoeld om de gebruikerservaring te vereenvoudigen en transactie-uitvoering te optimaliseren. Dit hoofdstuk analyseert drie kenmerkende projecten — Anoma, CoW Swap en SUAVE — om te laten zien hoe intentiegedreven ontwerp knelpunten in het huidige Web3-ecosysteem aanpakt.
1. Anoma: de grootse visie van een universele intentiemachine
Anoma geldt als de pionier van intentiegerichte architectuur. De visie is het bouwen van een universele intentiemachine — een volledige architectuur voor gedecentraliseerde applicaties. Anoma wil fundamentele blockchainproblemen oplossen, zoals het vinden van tegenpartijen, privacybescherming en afwikkeling over meerdere blockchains.
Door onderdelen te introduceren zoals een laag voor intentieverspreiding, programmeerbare solvers en programmeerbare drempelontsleuteling, biedt Anoma infrastructuur voor complexe dApps. Het kernprincipe is eenvoudig: gebruikers geven alleen hun gewenste eindtoestand of intentie aan, waarna het systeem automatisch de optimale route vindt en uitvoert.
2. CoW Swap: gericht op handelsintenties en MEV-bescherming in de praktijk
CoW Protocol (CoW Swap) is een intentiegedreven gedecentraliseerde beurs (DEX), gericht op handelsintenties en bescherming tegen MEV (Maximal Extractable Value).
Met een batchveilingmechanisme bundelt het gebruikersintenties, die vervolgens concurrerend door een solvernetwerk worden uitgevoerd. CoW Swap vindt niet alleen de laagste uitvoeringsprijs, maar koppelt ook rechtstreeks ‘samenvallende behoeften’ (CoW), waardoor MEV-aanvallen worden voorkomen.
De functie CoW Hooks laat ontwikkelaars en ervaren handelaren eigen logica programmeren om handelsintenties beter te realiseren. Tot nu toe verwerkte CoW Protocol meer dan 1 miljard dollar aan transacties en genereerde het aanzienlijke winsten.
3. SUAVE: de toekomst van gedecentraliseerde transactieordening en de MEV-markt
SUAVE (Simple Universal Auction for Value Expression), ontwikkeld door Flashbots, is een modulaire, zelfstandige, inplugbare ordeningslaag die rekening houdt met MEV. De missie is om het bouwen van blokken volledig te decentraliseren.
Het kernconcept, voorkeuren, vergelijkbaar met ‘intenties’, laat gebruikers bepalen hoe hun transacties worden afgehandeld. Door offchainvoorkeuren te combineren met vertrouwde uitvoeringsomgevingen (TEE Kettles) behoudt SUAVE privacy en maakt het tegelijk krachtige berekeningen mogelijk.
SUAVE verwerkt intenties van externe blockchains en biedt crosschainafwikkeling om MEV-risico’s binnen EVM-systemen te beperken. Uiteindelijk wil het een eerlijke, transparante en efficiënte gedecentraliseerde infrastructuur voor transactieverwerking creëren. Het testnet, Toliman, is al toegankelijk voor ontwikkelaars die intentiesystemen en AI-agenttools bouwen.
De opkomst van agentplatforms: concurrentie tussen ecosysteembouwers
Nu de agenteconomie vorm krijgt, ontstaan allerlei platforms die infrastructuur bieden voor een door AI-agents aangedreven ecosysteem.
1. Cryptonatieve krachten: Fetch.ai, SingularityNET, Bittensor
Deze cryptonatieve projecten bouwen gedecentraliseerde platforms waar ontwikkelaars AI-agents en -diensten kunnen maken, uitrollen, ontdekken en te gelde maken. Zo ontstaan open agentmarktplaatsen.
Fetch.ai: Maakt autonome economische agents (AEA’s) mogelijk die DeFi-taken kunnen automatiseren.
SingularityNET: Richt zich op een open marktplaats voor AI-algoritmen en samenwerkende diensten.
Bittensor: Beloont machinelearningmodellen voor nauwkeurige voorspellingen en bouwt een gedecentraliseerd machinelearningnetwerk.
Samen bevorderen deze projecten een open omgeving waarin AI-agents zonder toestemming kunnen interageren.
2. Nieuwe infrastructuur: Spectral, Giza en onchainverificatie van AI
Nieuwe infrastructuurprojecten zoals Spectral, Giza en Axal pakken de uitdaging van verifieerbare onchainberekeningen voor AI en machine learning aan. Ze willen vertrouwensankers bieden voor beslissingen van AI-agents en transparantie en betrouwbaarheid waarborgen bij financiële taken met grote belangen.
Spectral introduceerde onderdelen zoals Syntax, Nova en Inferchain voor agentplatforms en infrastructuur voor onchain-AI-interacties en validatie.
Giza en Theoriq ontwikkelen eveneens modules om AI-agents op een verifieerbare, veilige manier in DeFi te integreren.
Deze inspanningen leggen de basis voor AI-agents als betrouwbare actoren in gevoelige sectoren.
3. Web2-reuzen betreden de markt: Google en Coinbase
Ook technologiereuzen veroveren een plek in de agenteconomie, een teken dat brede adoptie versnelt.
Google: Via het opensource Agent Payments Protocol (AP2) en de Agent-to-Agent-standaarden (A2A) werkt Google aan een uniform kader voor waardeoverdracht tussen agents, met ingebouwde ondersteuning voor stablecoins.
Coinbase: Door het x402-mechanisme voor microbetalingen te ontwikkelen en accountabstractie op Base te stimuleren, bouwt Coinbase essentiële infrastructuur voor agentvriendelijke Web3-interacties en stablecoinafwikkeling.
Samen verlagen deze toetreders uit Web2 de adoptiedrempels en vergroten ze het bereik van de agentgedreven economie.
Toekomstbeeld — Kansen, risico’s en bestuurskaders
De economie van een biljoen agents: nieuwe markten en bedrijfsmodellen
De samenkomst van AI-agents en intentiegericht Web3 zal ongekende markten en bedrijfsmodellen ontsluiten en een door machines aangedreven ‘agenteconomie’ ter waarde van een biljoen dollar voortbrengen.
1. Agentgestuurde DeFi: de ultieme automatisering van financiën
AI-agents zullen complexe DeFi-strategieën, zoals liquiditeitsbeheer, arbitrage en liquidaties, volledig automatiseren door enorme datasets te analyseren, patronen te herkennen en transacties in realtime te optimaliseren.
Ze zullen zelfstandig portefeuilles herbalanceren, activa herverdelen, yieldfarmingkansen vinden en zelfs complexe financiële derivaten en markten creëren die buiten het menselijke bereik liggen. Agentgestuurde DeFi vormt het eindstadium van financiële automatisering en verbetert efficiëntie en beslisnauwkeurigheid ingrijpend.
2. Hypergepersonaliseerde handel: van ‘aanbevelingen’ naar ‘autonome uitvoering’
AI-agents zullen e-commerce en diensten veranderen: van de aanbevelingssystemen van vandaag naar autonome uitvoerders.
Als slimme inkopers, makelaars en backofficebots zullen agents aankopen, boekingen en de inkoop van middelen regelen volgens de toestemmingen en voorkeuren van gebruikers, met betalingen in stablecoins. Zo ontstaan naadloze, hypergepersonaliseerde ervaringen waarin handel wordt uitgevoerd voor de gebruiker in plaats van met de gebruiker.
3. Door agents bestuurde DAO’s: naar echte ‘gedecentraliseerde autonomie’
AI-agents zullen een steeds centralere rol spelen in DAO-bestuur. Eerst analyseren ze data en beoordelen ze voorstellen; uiteindelijk kunnen ze zelfstandig voorstellen uitvoeren, schatkisten beheren en zelfs bestuursacties initiëren.
Deze ontwikkeling maakt DAO’s met minimale menselijke tussenkomst mogelijk: echte ‘autonome organisaties’. Door complexe informatie te verwerken en rationele beslissingen te nemen, kunnen AI-agents zowel de efficiëntie als de kwaliteit van besluitvorming in gedecentraliseerd bestuur verbeteren.
De doos van Pandora: een diepgaande blik op multidimensionale risico’s
De belofte van een economie met een biljoen agents gaat gepaard met ongekende economische, veiligheids- en maatschappelijke risico’s.
1. Economische risico’s: systeeminstorting, algoritmische samenspanning en ongelijkheid
Systeemkwetsbaarheid: Hoogfrequente handel door agents op millisecondeniveau kan flitscrashes veroorzaken.
Algoritmische samenspanning: Meerdere agents die hun eigenbelang optimaliseren, kunnen samenspannen om markten te manipuleren of systeemlacunes uit te buiten.
Groeiende ongelijkheid: Verschillen in agentcapaciteiten kunnen direct leiden tot verschillen in economische macht, vermogensongelijkheid versnellen en mogelijk een ‘nutteloze klasse’ creëren waarin mensen buiten de belangrijkste economische activiteiten komen te staan.
2. Veiligheidsrisico’s: nieuwe aanvalsvectoren en kwetsbare contracten
Intentiemanipulatie en datavergiftiging: Aanvallers kunnen agents misleiden door invoergegevens te manipuleren.
Uitvergroting via smart contracts: Doordat agents activa rechtstreeks beheren, kunnen kwetsbaarheden uitgroeien tot catastrofale verliezen.
Modelrisico’s: Ondoorzichtig gedrag en AI-‘hallucinaties’ verhogen het risico op datalekken en foutieve beslissingen, vooral wanneer agents toegang hebben tot gevoelige persoonlijke of bedrijfsgegevens.
3. Ethische en maatschappelijke risico’s: verantwoordelijkheidslacunes, waardenafstemming en de ‘nutteloze klasse’
Verantwoordelijkheidsvacuüm: Wie is verantwoordelijk wanneer agents verliezen veroorzaken?
Waardenafstemming: Hoe zorgen we dat agents die efficiëntie nastreven menselijke ethiek en waarden respecteren, in plaats van schadelijk gedrag te versterken?
Maatschappelijke ontwrichting: Als machines de economische activiteit domineren, kunnen menselijke rollen afnemen en daarmee zingeving en maatschappelijke deelname verzwakken. Verborgen betrokkenheid van AI bij menselijke interacties bedreigt bovendien transparantie en vertrouwen.
De toekomst sturen: een meerlagig bestuurskader
Om de agenteconomie verantwoord te sturen, moet bestuur de technische, protocol- en maatschappelijke lagen omvatten.
1. Bestuur op technisch niveau: verifieerbare berekeningen en privacybevorderende technologie
Op technisch niveau waarborgt bestuur de betrouwbaarheid van agents en de beveiliging van gegevens.
Zero-knowledgebewijzen (ZKP’s): Controleren of AI-berekeningen correct zijn zonder gevoelige gegevens te onthullen.
Vertrouwde uitvoeringsomgevingen (TEE’s): Bieden agents een veilige uitvoeringsomgeving.
Standaarden zoals ERC-8004: Leggen vertrouwensankers vast voor onchainagents.
Toegangscontrole en bescherming tegen indringers: Voorkomen ongeautoriseerd of kwaadwillig agentgedrag.
2. Bestuur op protocolniveau: ingebouwde ethiek en ‘constitutionele AI’
Op protocolniveau kunnen regels en prikkels ethische normen in het systeemontwerp verankeren.
Principes van constitutionele AI: Verankeren ethische grenzen in agentdoelen.
Transparantieverplichtingen: Verplichten agents hun intenties en acties controleerbaar te maken.
Regelgevende logica: Dwingt ‘morele remmen’ af die illegale of onethische acties voorkomen en destructief of onvoorspelbaar gedrag verminderen.
3. Bestuur op maatschappelijk niveau: adaptieve regelgeving en stakeholderdialoog
Op maatschappelijk niveau legt bestuur de nadruk op flexibiliteit en inclusiviteit.
Regelgevingssandboxes: Maken gecontroleerd experimenteren en innoveren mogelijk.
Dialoog tussen meerdere belanghebbenden: Bevordert samenwerking tussen ontwikkelaars, gebruikers, bedrijven, toezichthouders en overheden om gezamenlijk de spelregels te bepalen.
Innovatie in sociaal beleid: Pakt baanverlies en ongelijkheid aan met maatregelen zoals een universeel basisinkomen, zodat de maatschappelijke stabiliteit behouden blijft terwijl agents economieën hervormen.
De dageraad van een intelligente economie verwelkomen
Dit rapport beschreef de verweven fundamenten van AI-agents, stablecoins en intentiegerichte architectuur: drie technologische pijlers die samen een blauwdruk vormen voor een nieuwe, intelligente economie.
We zien AI en Web3 niet langer als parallelle sporen, maar als krachten die samenkomen in één punt: de creatie van een autonome, efficiënte, mensgerichte digitale economie.
Belangrijkste bevindingen
Economische autonomie is de volgende grens voor AI: Het echte potentieel van AI-agents ligt niet in passieve ondersteuning, maar in actieve deelname als zelfstandige economische entiteiten. Stablecoins en onchainidentiteit, zoals ERC-6551, bieden de financiële basis en de basis voor soevereiniteit.
Gebruikerservaring is het beslissende strijdtoneel van Web3: Intentiegericht ontwerp markeert de verschuiving van technologie naar de gebruiker als uitgangspunt van Web3. Door complexiteit weg te abstraheren, opent het toegang voor miljarden nieuwe gebruikers.
Synergie vermenigvuldigt waarde: AI-agents bieden het ‘brein’ van intentiesystemen, terwijl intentiesystemen agents een ‘sandbox en marktplaats’ bieden. Stablecoins zijn het ‘bloed’ dat waarde zonder frictie door het hele systeem laat stromen.
Vooruitblik
We staan aan het begin van een nieuw tijdperk, vol beloften maar ook vol uitdagingen.
Ontwrichting van bedrijfsmodellen: Verwacht de opkomst van autonome ondernemingen die door agents worden gerund, in stablecoins afrekenen en 24/7 werken met een efficiëntie die traditionele bedrijven niet kunnen evenaren.
Veranderende rollen: Ontwikkelaars verschuiven hun aandacht van het bouwen van apps (dApps) naar universele intentiestandaarden en slimmere solverstrategieën. Gebruikers zullen even natuurlijk met de digitale wereld omgaan als een gesprek voeren.
Bestuurlijke uitdagingen: Hoe stemmen we agentgedrag af op collectieve menselijke belangen? Hoe reguleren en beperken we risico’s in gedecentraliseerde omgevingen? Dat worden bepalende vragen voor het komende decennium.
Kortom, de dageraad van intentie is aangebroken. AI en Web3 orkestreren samen een symfonie van automatisering, intelligentie en gebruikerssoevereiniteit. De weg vooruit is misschien onzeker, maar één ding is duidelijk: een eerlijkere, efficiëntere en creatievere wereldeconomie krijgt vorm. Onze generatie heeft de taak de uitdagingen aan te gaan en de ontwikkeling verantwoord te begeleiden.
Bijlage
A. Begrippenlijst
AI-agent Een autonome computationele entiteit die haar omgeving kan waarnemen, redeneren, beslissingen nemen en handelen om specifieke doelen te bereiken. In dit rapport verwijst de term specifiek naar intelligente softwareagents die aan economische activiteit kunnen deelnemen en digitale activa kunnen beheren.
Stablecoin Een cryptovaluta die is ontworpen om haar marktwaarde te koppelen aan een externe referentie, zoals fiatgeld, bijvoorbeeld USD. Stablecoins bieden een relatief stabiel ruilmiddel en waardeopslag binnen de volatiele cryptomarkt en zijn daardoor ideaal voor betalingen tussen machines (M2M).
Intentiegericht Een systeemontwerpparadigma waarin gebruikers hun einddoel of ‘intentie’ aangeven, bijvoorbeeld ‘Wissel 1 ETH om voor zoveel mogelijk USDC’, in plaats van uitvoeringsstappen te specificeren. Gespecialiseerde deelnemers, solvers genoemd, concurreren om de beste uitvoeringsroute te vinden.
Solver In intentiegerichte architectuur is een solver verantwoordelijk voor het interpreteren van gebruikersintenties en het vinden van optimale uitvoeringsstrategieën. Solvers kunnen algoritmen, AI-agents of menselijke uitvoerders zijn. Ze verdienen vergoedingen door intenties succesvol te vervullen.
ERC-6551 Een Ethereum-verbeteringsvoorstel dat Token-Bound Accounts (TBA’s) introduceert. Daarmee kan elke NFT (ERC-721) een eigen smart-contractwallet bezitten, tokens houden, met dApps interageren en een zelfstandige onchaingeschiedenis bijhouden. Dit is een fundamentele technologie om AI-agents activa te laten bezitten.
MEV (maximaal extraheerbare waarde) De maximale waarde die miners of validators kunnen verkrijgen door transacties in hun blokken te herschikken, op te nemen of uit te sluiten, boven op normale blokbeloningen en gaskosten. Intentiegerichte architecturen, zoals CoW Swap, beperken MEV-risico’s met mechanismen zoals batchveilingen.
B. Belangrijke projecten en bedrijven
Intentiegerichte infrastructuur en protocollen
Anoma: Een universele, volledige intentiegerichte architectuur voor het vinden van tegenpartijen en afwikkeling over meerdere blockchains.
SUAVE (Flashbots): Een zelfstandige, modulaire, gedecentraliseerde ordeningslaag om de MEV-keten te openen en een marktplaats voor het uiten van intenties te creëren.
Across Protocol: Een intentiegedreven crosschainbridge op basis van ERC-7683.
dappOS: Een Web3-besturingsprotocol dat als tussenlaag tussen dApps en gebruikers dient en de gebruikerservaring wil vereenvoudigen tot het niveau van mobiele apps.
Particle Network: Een modulaire L1 die naadloze, intentiegedreven Web3-ervaringen biedt.
Intentiegerichte applicaties
CoW Swap (CoW Protocol): Een DEX gericht op handelsintenties, die een solvernetwerk en batchveilingen combineert om gebruikers tegen MEV te beschermen en optimale prijzen te leveren.
UniswapX: Een intentiegebaseerd handelsprotocol van Uniswap dat onchain- en offchainliquiditeit samenbrengt.
Platforms en protocollen voor AI-agents
Fetch.ai: Een gedecentraliseerd machinelearningplatform dat een ‘economisch internet’ van autonome AI-agents bouwt.
SingularityNET: Een gedecentraliseerde marktplaats voor AI-diensten om AI-oplossingen te creëren, delen en te gelde te maken.
Bittensor: Een door prikkels gestuurd gedecentraliseerd netwerk om gezamenlijk machinelearningmodellen te trainen en uit te rollen.
Allora Network: Een gedecentraliseerd, zelfverbeterend AI-netwerk dat hoogwaardige voorspellingen beloont.
Belangrijke denkers en technologieleveranciers
Google: Onderzoekt de integratie van AI-agents en betalingen via het AP2-protocol.
Coinbase: Pioniert met de x402-standaard voor agentgestuurde microbetalingen.
Ethereum Foundation: Bevordert standaarden zoals ERC-6551 en ERC-7683 om de samenkomst van agents en Web3 te ondersteunen.
Paradigm: Een toonaangevende cryptodurfkapitaalfirma die visieontwikkeling en onderzoek naar intentiegericht ontwerp stimuleert.
