Prezes CoinStats Narek Gevorgyan o tworzeniu agenta AI do kryptowalut do badań w czasie rzeczywistym

Badania w świecie krypto stały się trudniejsze, gdy rynek rozwinął się na wielu łańcuchach, protokołach, portfelach, giełdach i platformach społecznościowych. Jedna decyzja inwestycyjna potrafi wymagać godzin sprawdzania danych o tokenach, przepływów on-chain, nastrojów, wiadomości, płynności i ekspozycji portfela.

CoinStats zaczął jako narzędzie do śledzenia portfela, dając użytkownikom jedno miejsce do monitorowania aktywów na portfelach i giełdach. Firma teraz buduje bardziej ambitny produkt oparty na sztucznej inteligencji dedykowanej krypto, API dla deweloperów i gotowym dostępie do danych dla agentów AI.

W ekskluzywnym wywiadzie dla BeInCrypto, Narek Gevorgyan, założyciel i CEO CoinStats crypto tracker, opowiedział, dlaczego krypto potrzebuje AI dostosowanej do branży, jak CoinStats AI podchodzi do badań oraz dlaczego dane czytelne dla maszyn będą niezbędne, gdy agenci AI wejdą na rynek.

CoinStats zaczął jako narzędzie do śledzenia portfela. Co sprawiło, że zaczęliście budować produkt badawczy oparty na AI?

Śledzenie portfela jest proste. Trudniej zrozumieć, co z tym zrobić dalej.

Nasi użytkownicy spędzali godziny, przeskakując między X, Discordem, Etherscanem, portalami z wiadomościami, panelami analitycznymi oraz stronami giełd tylko po to, aby podjąć jedną decyzję. CoinStats miał już warstwę danych: obsługę ponad 120 łańcuchów, dane rynkowe, przepływy on-chain i kontekst społecznościowy.

AI była naturalnym, kolejnym krokiem. Zamiast mnożyć panele, chcieliśmy pomóc użytkownikom szybciej uzyskiwać lepsze odpowiedzi.

Twierdzicie, że krypto potrzebuje branżowej AI. Gdzie modele ogólnego zastosowania zawodzą przy poważnych badaniach krypto?

Chodzi głównie o architekturę i dane.

Kiedy użytkownik pyta CoinStats AI, wyspecjalizowane sub-agenty działają równolegle. Jeden pobiera wiadomości w czasie rzeczywistym. Drugi skanuje nastroje społecznościowe. Kolejny odczytuje dane on-chain z ponad 120 blockchainów. Inny sprawdza metryki giełd. Następny analizuje prawdziwy portfel użytkownika.

Te agenty przekazują raporty i system tworzy jedną odpowiedź z interaktywnymi tabelami i wykresami, zamiast długiego bloku tekstu. Model korzysta z żywych źródeł, a nie z pamięci treningowej. To mocno ogranicza ryzyko halucynacji.

Pozwalamy też użytkownikom wybrać poziom szczegółowości odpowiedzi. CoinStats AI ma trzy tryby. Deep Research służy do pełnych raportów z wielu źródeł. Backtesting pozwala testować strategie na danych historycznych. Fast Mode jest do szybkich odpowiedzi.

Model ogólny zwykle daje jeden styl odpowiedzi. Badania krypto mają wiele typów pytań.

Stroimy Coinstats AI do faktycznych zadań użytkowników krypto: badania tokenów, analizy portfela, oceny ryzyka, śledzenia smart money, aktywności wielorybów, wdrożeń kontraktów, nastrojów influencerów oraz makro powiązań, np. między polityką Fed a przepływami do ETF. Różnicę widać, gdy pytania stają się konkretne.

CoinStats twierdzi, że jego AI przewyższa większe modele ogólne przy badaniach krypto. Co robicie inaczej pod spodem?

Łączymy dostęp do żywych danych, pobieranie, agentów zadaniowych oraz natywne rozumowanie o krypto.

Modele ogólne zwykle nie mają dostępu do danych on-chain na żywo. Nie powiedzą ci więc, kto akumuluje token, ani gdzie płynie płynność. Brakuje im też kontekstu rynkowego i społecznościowego w czasie rzeczywistym, więc mogą przegapiać zmiany narracji. Ich dane treningowe szybko się starzeją – a token może powstać i dynamicznie zmienić cenę w kilka dni.

Modele te myślą jak ogólnicy. Badania krypto wymagają często rozumienia MEV, poślizgu cenowego, ryzyka mostów, fragmentacji płynności między łańcuchami, zachowań portfeli, przepływów giełdowych i ryzyk wtórnych dla danego protokołu.

Prywatność to kolejna ważna sprawa. Jeśli użytkownik wkleja adres portfela do ogólnego modelu AI, może ujawnić swoje zasoby zewnętrznemu dostawcy. Użytkownicy krypto zwracają na to uwagę.

Dlatego zbudowaliśmy tryb prywatny w CoinStats AI. Gdy jest aktywny, zapytania trafiają przez zaszyfrowany, zdecentralizowany system Venice AI. Żaden zewnętrzny AI nie widzi danych użytkownika. Bez względu na to, czy ktoś bada portfele, analizuje przepływy tokenów, czy woli utrzymać anonimowość swoich pozycji – informacje zostają między nim a blockchainem.

Modele ogólne dobrze nadają się do prostych pytań. Poważne badania krypto wymagają żywych danych, prywatności i kontekstu z branży krypto.

Jak podchodzicie do kwestii dokładności, zaufania i ryzyka halucynacji, gdy użytkownicy mogą działać na podstawie tych wyników?

Krypto to rynek, gdzie niedokładność bywa kosztowna.

Opieramy się na trzech zasadach. Po pierwsze – każdy wniosek musi być poparty aktualnymi danymi ze źródłami, by użytkownik mógł wszystko sprawdzić. Po drugie – tryb backtestingu pozwala sprawdzić hipotezę na danych historycznych, zanim ktoś zaryzykuje kapitał. Po trzecie – jasno precyzujemy rolę produktu.

CoinStats AI to narzędzie badawcze. Ma wspierać proces własnych analiz DYOR, a nie zastępować decyzje użytkowników. DYOR powinno być częścią samego doświadczenia z produktem, a nie tylko formułką na dole strony.

Z poziomu dewelopera CoinStats rozwija też API i wsparcie MCP dla agentów AI oraz środowisk IDE. Dlaczego warstwa danych krypto dostępna dla programisty jest kluczowa?

Krypto ma strukturalny problem z danymi. Informacje niezbędne do zrozumienia portfela, rynku lub zdarzenia on-chain są rozproszone na setkach łańcuchów, tysiącach protokołów, dziesiątkach giełd scentralizowanych i w stale rosnącym ekosystemie DeFi.

Deweloper lub agent AI, próbując analizować krypto, ma dwie opcje. Może poświęcić lata na samodzielną agregację danych albo podłączyć się do dostawcy, który już to robi.

Tę rolę widzimy dla CoinStats. Poświęciliśmy lata, normalizując dane z ponad 300 giełd i portfeli, wszystkich najważniejszych łańcuchów i niszowych pozycji DeFi.

Udostępniając to przez CoinStats Crypto API i serwer MCP, twórcy agentów AI, narzędzi tradingowych, produktów badawczych czy projektów w środowiskach takich jak Cursor czy Claude Code mogą korzystać z danych o stanie portfela, rynku, wiadomościach i kontekście on-chain jako użytecznych elementów.

Nie muszą budować własnego przepływu danych, żeby zacząć wdrażać produkt.

MCP staje się poważnym tematem w narzędziach AI. Jak według ciebie CoinStats odnajdzie się w przyszłości, gdzie agentów obsługujących krypto jest coraz więcej?

Dane krypto zawsze były rozproszone. Ceny są na jednej platformie. Salda portfeli na innej. Pozycje DeFi rozrzucone po różnych protokołach. NFT często jeszcze gdzie indziej.

Dla deweloperów połączenie tego wszystkiego to często najtrudniejsza część. Zespoły tracą więcej czasu na integrację danych niż na tworzenie funkcjonalności dla użytkowników.

Po to stworzyliśmy CoinStats API. Nasze pokrycie obejmuje ponad 100 000 kryptowalut i ponad 200 giełd. Działa na ponad 120 blockchainach. Pozycje DeFi są analizowane na poziomie portfela w ponad 10 000 protokołów.

Deweloperzy dostają jeden punkt dostępu do pełnego obrazu. To zmienia sposób, w jaki mały zespół może szybko budować produkty.

Serwer MCP rozwija ten pomysł jeszcze dalej. Agenci AI i LLM mogą bezpośrednio pobierać dane o portfelu, DeFi i portfelu inwestycyjnym. Agent zintegrowany z IDE potrafi pobrać pozycje użytkownika, przeanalizować je i wspierać workflow bez potrzeby tworzenia własnych adapterów.

To ważne, bo narzędzia krypto ewoluują. Przyszłe workflow będą polegać na agentach monitorujących ryzyko, równoważących portfele, szukających okazji i wspierających research. By to działało, warstwa danych musi być czytelna maszynowo, wiarygodna i na tyle kompletna, by zrozumieć co ktoś posiada i jak te aktywa się poruszają w blockchainie.

Sama cena nie wystarczy. Agenci potrzebują danych o portfelach, szczegółowych pozycji DeFi i historii całego portfela. CoinStats API buduje właśnie tę warstwę.

Rozwój krypto zależy też od łatwości budowania przydatnych narzędzi. Każda godzina zaoszczędzona na agregacji danych może zostać przeznaczona na poprawę doświadczenia użytkownika.

Jeśli za rok znów przeprowadzimy tę rozmowę, co chciałbyś mieć wtedy zbudowane, ulepszone lub udowodnione w CoinStats?

Chciałbym zobaczyć trzy rzeczy.

Po pierwsze, chciałbym, żeby CoinStats powiększył przewagę w badaniach nad krypto wobec uniwersalnych AI. Wydany przez nas w tym roku benchmark to dopiero początek. Chcemy go rozbudować, częściej używać i utrzymać metodologię jako otwarte oprogramowanie, by każdy w branży mógł go odtworzyć.

Nie chodzi o wygranie jednego benchmarku. Chcemy udowodnić, że pionowe AI stworzone dla krypto działa lepiej w dłuższej perspektywie, bo ma dostęp do właściwych danych, narzędzi i środowiska do analizy.

Po drugie, chciałbym, żeby CoinStats API stał się domyślną warstwą danych i badań o krypto dla ekosystemu agentów. Dzięki MCP, naszemu API zasilanemu x402 i systemowi portfolio intelligence, każdy agent potrzebujący kontekstu krypto powinien łatwo podłączyć się do CoinStats.

Po trzecie, chciałbym, aby CoinStats przechodził z badań do działania. Rozumienie, dlaczego coś się porusza, to połowa zadania. Pomaganie użytkownikom działać na tej wiedzy bezpiecznie w tym samym workflow to kolejny krok.

Cel nie zmienił się. Każdy posiadacz krypto powinien mieć osobisty zespół analityków pracujących dla niego 24/7. Za rok chcę, aby CoinStats był bliżej oferowania takiego doświadczenia dzięki CoinStats AI.

BeInCrypto Polska - Prezes CoinStats Narek Gevorgyan o tworzeniu agenta AI do kryptowalut do badań w czasie rzeczywistym