Sårbarhet til årvåkenhet: AI må bli kryptos risikomotor

Den nylige Anthropic‑hendelsen er viktig for krypto fordi den viste hvor avhengige moderne markeder har blitt av delte intelligenslag. Anthropic sa at mer enn 24 000 falske kontoer hadde generert over 16 millioner interaksjoner med Claude i en tilsynelatende destillasjonskampanje. I krypto hjelper AI allerede brukere med å behandle markedssignaler, overvåke posisjoner og automatisere arbeidsflyter. En feil eller kompromiss hos en stor modellleverandør ligner derfor på et sky‑nedbrudd, en korrupt datakilde eller et børs‑utnyttelse.

Den avhengigheten endrer hvordan industrien bør bygge og styre disse systemene. AI i handel må gå utover bekvemmelighetsfunksjoner som viser signaler eller oppsummerer nyheter. Den må modnes til en robust risikostyringsmotor. Designstandarden må anta at data kan manipuleres, modellleverandører kan svikte, og markedsforhold kan endre seg raskere enn statiske regler kan reagere. Krypto vil fortsette å ta i bruk AI i handel og risikostyring. Prioriteten er å bygge systemer som holder stand når forholdene blir fiendtlige.

Forutsigelse er bare startpunktet

Den første bølgen av AI‑handelsverktøy prøvde å gjøre én ting: gjette hvor prisene ville gå neste. De skrapte overskrifter, analyserte sentiment, flagget inngangspunkter, alt i navnet av å spare noen sekunder på en beslutning. Disse funksjonene er fortsatt nyttige. Krypto belønner forutsigelser så lenge regimet ikke snur.

En modell som hovedsakelig har som mål å maksimere avkastning kan bli farlig i et marked preget av giring, tynn likviditet og brå regimsvingninger. Et lønnsomt mønster kan forsvinne innen timer. En manipulert input kan spre seg over arenaer før et menneskelig team ser hele bildet. Når det skjer, bruker risikoteamene dyrebare minutter på å bekrefte hva som er ekte, og disse minuttene bestemmer utfallet.

Modeller som ser skarpe ut i rolige markeder kan forsterke ustabilitet under stress fordi de forsterker overfylt atferd. Krypto er et tilbakemeldingssløyfe‑marked; automatiserte strategier kan gjøre et lokalt signal til en markedsomfattende bevegelse. Bank of England har allerede advart om at bredere AI‑bruk i finansmarkedene kan presse selskaper mot korrelerte posisjoner og lignende reaksjoner i stressperioder. Krypto gjør ett poeng gjentatte ganger: risikokontroll betyr mer enn prognoser når likviditeten blir tynn.

I mars 2023 mistet USDC kortvarig sin peg etter at Silicon Valley Bank sviktet, og tokenet falt så lavt som $0.88 før det kom seg. Mer nylig likviderte kryptoinvestorer $2,56 milliarder under et kraftig salg. Analytikere pekte på markedets følsomhet for endrede risikoforhold og tynn likviditet. I krypto kan likviditeten forsvinne, sikkerheten kan falle ytterligere, og tvangssalg kan forsterke seg selv.

AI bør hjelpe markedene med å unngå unødvendig risiko. Dens kjernefunksjon bør inkludere å identifisere når forholdene ikke lenger rettferdiggjør handling, når tilliten til input‑dataene forverres, og når bevaring av valgmuligheter betyr mer enn å presse ut ekstra avkastning.

Robust AI‑handelsarkitektur krever en høyere standard

AI berører nå utførelse og risikobeslutninger, så den trenger den ingeniørdisiplinen vi anvender på andre kritiske systemer. Denne prosessen begynner med adversarial testing. Kryptoselskaper reviderer allerede smarte kontrakter fordi de antar fiendtlige forhold. AI‑handelsystemer fortjener samme behandling. Team bør utføre red‑team‑tester mot manipulert markedsdata, forfalskede sosiale signaler, forgiftede historiske input og feil hos eksterne leverandører. Anthropic’s rapporterte destillasjonsangrep gir en nyttig påminnelse om at modelløkosystemer opererer i omstridte miljøer.

Robusthet krever også diversifiserte datapipelines og diversifisert kontrolllogikk. Én modell, én datakilde og én beslutningsvei skaper konsentrasjonsrisiko. Financial Stability Board har advart om at AI‑adopsjon i finans medfører sårbarheter knyttet til tredjepartsavhengigheter, konsentrasjon av tjenesteleverandører, cybersikkerhetsrisiko, markedskorrelasjoner og modellstyring. I praksis bør selskaper unngå oppsett der en enkelt ekstern modell eller en enkelt strøm av markedssentiment bestemmer utførelse, porteføljevarsler eller likvidasjonsrespons. Disse sikkerhetstiltakene inkluderer uavhengig validering, kilde‑rangering, reserve‑modeller og klare menneskelige overstyringspunkter.

Kill‑switcher hjelper, men de kommer for sent i mange raskt bevegelige forhold. En robust AI‑risikomotor bør redusere tilliten, dempe posisjonsaggressivitet, utvide utførelsestoleranser eller avstå helt når usikkerheten øker. Effektive kontrollsystemer trenger også kapasiteten til å svare i flere trinn.

Menneskelig dømmekraft forblir essensiell i dette rammeverket. Folk bør definere mål, retningslinjer, eskaleringsveier og ansvarlighet. Maskiner bør behandle skala, overvåke fragmentering og oppdage risikomønstre som ikke passer pent inn i statiske regelsett.

Den neste fronten er likviditetsoverlevelse

AI‑systemene som betyr mest i krypto vil være de som modellerer likviditetsoverlevelse på tvers av et fragmentert marked.

Kryptohandel spenner over sentraliserte børser, desentraliserte arenaer, flere kjeder og ulike sikkerhetssystemer. ESMA sa at handelsvolumene var svært konsentrerte, med ti børser som håndterte omtrent nitti prosent av handelen, mens den største stod for omtrent halvparten av markedet. Akademisk forskning har også beskrevet Bitcoin‑handelslandskapet som svært fragmentert på tvers av flere likvide arenaer. Denne kombinasjonen skaper et marked som er konsentrert i systemisk betydning og fragmentert i utførelse, likviditet og risikotransmisjon.

Disse systemene bør estimere hvor raskt ordrebokdybden tynnes på tvers av arenaer. De bør identifisere kryss‑kjede‑ruter som stress kan spre seg gjennom. De bør oppdage tidlige tegn på stablecoin‑press før peg‑instabilitet blir tydelig. De bør modellere hvordan likvidasjonskaskader kan utvikle seg i tynne bøker eller under helgehandelsforhold. Likviditet bør være en primær tilstandsvariabel i modellen.

Den tilnærmingen tjener også brukere utenfor handelsbordet. Mer kontekstbevisste risikosystemer kan redusere unødvendig glidning, uordnede likvidasjoner og motstridende signaler under stressende forhold. Bedre AI‑arkitektur gjør digitale aktivamarkeder mindre skjøre for alle som er avhengige av dem.

Årvåkenhet slår hastighet

Anthropic‑hendelsen gjør poenget klart: AI har blitt essensiell infrastruktur, og den krever streng ingeniørkunst.

Konkurransen i digitale aktivamarkeder vil avhenge av kvaliteten på intelligenslaget som selskaper bygger og vedlikeholder under stress. De sterkeste systemene vil forbli pålitelige når modeller møter press, datakvaliteten forverres, og likviditeten blir ustabil. I krypto har robusthet blitt en produktfunksjon og en markedsforpliktelse.

Årvåkenhet vil skille holdbare systemer fra skjøre. I markeder bygget på hastighet er kontroll den virkelige fordelen.