AI-агенти зайняли центральне місце на ETHDenver 2026 року — від автономних фінансових систем до ончейн-робототехніки. Однак із зростанням зацікавлення «агентно-орієнтованими економіками» постає питання з іншого рівня: чи спроможні інституції довести, на якому наборі даних здійснювалось навчання їхніх AI-систем?
Серед компаній, які здійснюють пошук вирішення цього завдання, вирізняється Perle Labs. Компанія розглядає необхідність забезпечення верифікованого ланцюга збереження навчальних даних для AI–особливо у регульованих та підвищено ризикованих сферах. Орієнтуючись на побудову аудитовної, кваліфікованої інфраструктури даних для організацій, Perle Labs залучила $17,5 млн фінансування, останній раунд очолив Framework Ventures. Серед інших інвесторів відзначаються CoinFund, Protagonist, HashKey та Peer VC. За повідомленням компанії, понад 1 млн аннотувальників вже внесли більше 1 млрд оцінених даних на її платформі.
Редакція BeInCrypto поспілкувалася з Ахмедом Рашадом, CEO Perle Labs, безпосередньо на заходах ETHDenver 2026 року. Рашад раніше відповідав за операційний напрям у Scale AI на етапі її прискореного зростання. У цій розмові він деталізував питання походження даних, ризиків колапсу моделей, навмисних атак та пояснив, чому суверенний інтелект стане імперативом при впровадженні AI у критично важливі системи.
BeInCrypto: Ви називаєте Perle Labs «суверенним інтелектуальним шаром для AI». Для тих, хто не є учасником дискусій щодо інфраструктури даних, що це означає в прикладній площині?
Ахмед Рашад: «Термін „суверенний“ обрано невипадково і він має кілька рівнів.
У найбільш прямому сенсі–контроль. Якщо орган управління, медична установа, підрядник оборонної галузі або велика корпорація впроваджують AI у сфері підвищеної відповідальності, їм необхідно володіти тією інтелектуальною складовою системи, а не делегувати її непрозорим схемам, які неможливо проінспектувати або перевірити. Суверенітет означає: відомо, на чому тренована AI-система, хто її верифікував, і існує доказ цього. Для більшості сьогоднішньої індустрії це досі недосяжно.
Друге значення — незалежність, свобода від стороннього впливу. Саме це необхідно інституціям на кшталт Міністерства оборони або бізнесу при роботі з чутливими системами. Неможливо допустити, щоб критична AI-інфраструктура залежала від не контрольованих, невідомих і незахищених каналів даних. Це не теоретична загроза. І NSA, і CISA вже видали інструкції щодо вразливостей у ланцюгах постачання даних, визнаючи ризики як питання національної безпеки.
Третя складова — підзвітність. При переході AI-систем від генерації контенту до ухвалення рішень — у медицині, фінансах, обороні — виникає питання: звідки інтелект? Хто атестував? Чи збережено це у незмінному вигляді? На платформі Perle наша мета — забезпечити запис кожного внеску кожного експерта-аннотувальника в ланцюгу блокчейн. Це виключає можливість змін. Завдяки цій незмінності вживання «суверенний» стає не лише декларацією, а й відбиттям реального процесу.
На практиці, ми створюємо рівень перевірки і атестації. Якщо лікарня розгортає AI-систему для діагностики, кожен даний повинен бути відслідкований до валідації уповноваженим фахівцем. Ось що таке суверенний інтелект. У цьому й наш підхід.»
BeInCrypto: Під час роботи в Scale AI ви відповідали за масштабні оборонні контракти, інвестиції Meta тощо. Що дало це усвідомленням щодо уразливостей класичних AI-ланцюгів даних?
Ахмед Рашад: «Scale — це унікальний приклад. Я був причетний на етапі перетворення компанії з $90 млн до $29 млрд — і бачив критичні злами зсередини.
Ключова проблема: якість даних та швидкість масштабування працюють у протилежних напрямках. Обираючи стратегію зростання в 100 разів, компанія змушена форсувати темпи: більше даних, швидше аннотовання, зниження собівартості. Втрати відбуваються саме в точності й підзвітності. Результат–непрозорі конвеєри: відоме лише приблизне джерело, є певна метрика на виході, але середина — це «чорна скринька». Хто реально перевіряв? Чи був валідатор компетентним? Чи зберігалась узгодженість? В умовах масового масштабу традиційними інструментами відповісти майже неможливо.
Ще одне спостереження: людський чинник зазвичай розглядають лише як витрати, які слід мінімізувати, а не як джерело унікальної експертизи. Модель винагороди «оплата за завдання + максимальна продуктивність» поступово знижує якість, вигорає найміцніший пул експертів. Ті, хто спроможний на фаховий високорівневий підхід, не стануть працювати за гейміфікованими схемами мікрооплат. Тут потрібен принципово інший дизайн системи, якщо мета — справжній експертний рівень.
Власне ця думка і стала фундаментом Perle. Вирішити проблему даних лише розширенням підрядників — неможливо. Потрібно ставитися до учасників як до фахівців, вбудовувати систему атестації та робити всі процеси цілком прозорими для аудиту.»
BeInCrypto: Мільйон аннотувальників і понад мільярд оцінених даних — найбільші платформи використовують анонімну розподілену працю. Що принципово відрізняє вашу модель репутації?
Ахмед Рашад: «Ключова відмінність: у Perle історія кожного учасника — це його незмінний актив. Кожне завдання, кожен рівень якості, порівняння з еталонною експертизою — все фіксується в блокчейні. Інформація не редагується, не видаляється, не передається стороннім. Такий підхід поступово формує унікальний професійний профіль, який розвивається із часом.
Порівняйте це зі схемою анонімної натовпної праці, де кожна особа замінна, не бере участі в конкуренції за якість через відсутність особистого фактору репутації. Завдання ізольовані. Це створює суто функціональний підхід: мінімально допустиме зусилля.
У нашій моделі усе навпаки. Верифікується результат кожного учасника, підкреслюється експертиза у відповідній галузі. Наприклад, радіолог, який стабільно формує високоточні медичні аннотації, поступово накопичує професійний профіль, що відображає рівень якості вже в ланцюгу блокчейн. Це відкриває доступ до більш складних і оплачуваних завдань, підвищує кваліфікацію й створює позитивний цикл: якість стає новою нормою через правильні економічні стимули.
Понад 1 млрд оцінених даних у нашій мережі аннотувальників — не просто обсяг, а 1 млрд атрибутованих верифікованих внесків. Саме на такій основі формується стійке, прозоре тренування AI. Повторити це в моделі анонімної дистанційної праці структурно неможливо.»
BeInCrypto: У дослідницьких колах про колапс моделей точиться багато дискусій, але у профільних ЗМІ ця тема майже не порушується. Чому склалося саме так і чи варто над цим задуматись ширше?
Ахмед Рашад: «Проблема не обговорюється масово через відсутність чітко помітної кризи — це процес повільний, не гострий. Колапс моделей (model collapse), за якого AI-системи, що тренуються майже винятково на штучно сформованих даних, поступово втрачають нюансованість та прямують до усередненого рівня, не створює гучних інфоприводів. Це поступова деградація, що залишається непомітною, аж поки наслідки не стануть критичними.
Механізм цілком логічний: глобальна мережа заповнюється AI-контентом. Моделі, навчені на цих вторинних даних, переймають свої ж викривлення, а не справжній людський досвід. Кожне нове покоління навчених моделей підсилює попередні відхилення. Формується замкнута петля без природних корекцій.
Чи повинно це турбувати? Так, особливо для критичних сфер. Якщо колапс моделей впливає на простий алгоритм рекомендацій — просто погіршуються поради. Якщо ж йдеться про медичну діагностику, юридичну аналітику, оборонну інфраструктуру — наслідки набувають зовсім іншої ваги. Допустимий поріг погіршення відсутній.
Саме тому людський верифікований рівень даних стає незамінним компонентом, коли штучний інтелект інтегрується у критичну інфраструктуру. Безперервне джерело справжньої, різноманітної людської експертизи необхідне для навчання – імітації на основі результатів роботи інших моделей недостатньо. У нас є понад 1 млн аннота́торів із перевіреною кваліфікацією у багатьох дисциплінах. Ця різноманітність – реальний протиотрута від феномену деградації моделей. Виправити це лише синтетичними даними чи нарощуванням обчислювальних потужностей неможливо.
BeInCrypto: Коли штучний інтелект переходить від цифрових середовищ до фізичних систем, що принципово змінюється у сфері ризиків, відповідальності та стандартів розробки?
Ахмед Рашад: Змінюється незворотність. Це – фундаментальна відмінність. Коли модель мови помилково генерує відповідь, її можна виправити, відмітити, усунути наслідки. Але якщо роботизована хірургічна система здійснює дію за некоректним висновком, автономний транспорт класифікує загрозу неправильно або дрон реагує на помилкову ідентифікацію, такі помилки вже необоротні. Вартість збоїв виходить за межі репутаційних ризиків – переходить у розряд катастрофічних наслідків.
Це зумовлює перегляд застосовних стандартів. У цифровому середовищі розробку ШІ часто дозволяли проводити швидко, із подальшою самокорекцією. Для фізичних систем такий підхід неприйнятний. Якість навчальних даних має бути підтвердженою до впровадження, а не після виникнення інциденту.
Змінюється й питання відповідальності. У цифровому сегменті простіше розмити межі — чи була це проблема моделі, даних, чи впровадження? У фізичних системах, особливо при загрозі шкоди життю, регулятори й суди вимагатимуть чітких відповідей: хто навчав систему, на яких даних, хто верифікував інформацію та з використанням яких стандартів? Ті організації, які зможуть дати ці відповіді, будуть отримувати допуск до експлуатації; інші стикнуться з ризиками й відповідальністю, на які не розраховували.
Perle створено спеціально для такого переходу. Верифікована людьми, експертна, ончейн-аудитована інфраструктура. Коли ШІ виходить на рівень складів, операційних, полігонів, інтелектуальний шар під ним має відповідати новим критеріям. Саме таких стандартів ми прагнемо досягнути.
BeInCrypto: Наскільки реальною є загроза data poisoning або навмисних атак на системи ШІ на національному рівні?
Ахмед Рашад: Це цілком реальна, задокументована проблема, яку сьогодні вже класифіковано як питання національної безпеки фахівцями з доступом до відповідної закритої інформації.
Програма DARPA GARD (Guaranteeing AI Robustness Against Deception) багато років цілеспрямовано розробляє захист від таких атак, включно з data poisoning. У 2025 році Агентство національної безпеки та CISA випустили спільні рекомендації з прямими вказівками: вразливість ланцюгів постачання даних і шкідливо змінені training data загрожують цілісності систем ШІ. Це не теоретичні статті, а конкретні оперативні протоколи від інституцій, які не публікують попередження щодо абстрактних сценаріїв.
Поверхня атаки тут суттєва. Якщо скомпрометовано training data системи, що відповідає за, наприклад, виявлення загроз, медичну діагностику чи логістику, зламу самої системи вже не потрібно. Ви впровадили упередження на етапі формування її «бачення» світу. Це більш витончений і складніше ідентифікований сценарій нападу у порівнянні зі стандартною кіберзагрозою.
Контракт Scale AI із CDAO Міноборони США на $300 млн, серед іншого, ґрунтується на розумінні уряду: у чутливих середовищах не можна використовувати штучний інтелект, навчений на неперевірених публічних даних. На цьому рівні питання прозорості даних — не теоретичне, а цілком операційне.
В основній дискусії часто випускають із уваги: проблема не лише урядова. Будь-який бізнес, що впроваджує ШІ у сфері конкуренції — фінансові послуги, фармацевтика, критична інфраструктура — має ризик впливу недобросовісних даних, який далеко не завжди враховується. Загроза актуальна. Інструменти захисту ще на стадії становлення.
BeInCrypto: Чому уряд чи велика корпорація не може самостійно побудувати таку верифікаційну інфраструктуру? Що відповісти на таку сумнівну тезу?
Ахмед Рашад: Дехто намагається, і тим, хто спробував, швидко відкривається суть труднощів.
Технологічна реалізація — найлегша частина завдання. Проблема — у мережі. Атестовані експерти: радіологи, лінгвісти, правники, інженери, науковці — не з’являються автоматично із запуском платформи. Вони мають бути залучені, їхню компетентність слід підтвердити, а мотиваційні структури — утворити так, щоб забезпечити сталість внеску та якісну згоду в широкому масштабі. Це роки роботи, а специфічної експертизи в держструктурах чи комерційних організаціях зазвичай просто немає.
Друга проблема — різноманітність. У внутрішній системі уряду вибірка буде обмеженою за визначенням, це однорідне професійне середовище. Цінність глобальної експертної мережі не тільки у формальній сертифікації, а й у широті поглядів, мов, культурного контексту, спеціалізації, яку можна отримати лише у масштабах справжньої географічної диверсифікації. У нас — понад 1 млн аннота́торів. Реплікувати це всередині корпорації неможливо.
Ще одна проблема — питання мотивації. Утримувати фахівців високого рівня довгостроково можна лише на умовах прозорої, справедливої, програмовано підкріпленої компенсації. Інфраструктура blockchain надає це — незмінні записи про внесок, пряма ідентифікація, достовірна оплата. Державні тендери чи внутрішні системи не спроможні реалізувати це ефективно.
Відверта відповідь проста: йдеться не про покупку інструментарію. Ви отримуєте доступ до мережі та системи аутентифікації, які створювались роками. Альтернатива – не «створити самостійно», а «використовувати те, що вже є, або прийняти ризик щодо якості даних».
BeInCrypto: Якщо штучний інтелект стане центральною інфраструктурою держави, що таке рівень суверенної експертизи у цій архітектурі через п’ять років?
Ахмед Рашад: Через п’ять років ця структура виглядатиме як функція обов’язкового фінансового аудиту — шар верифікації між даними та впровадженням, із регуляторними вимогами й професійними стандартами.
Зараз розробка штучного інтелекту існує без аналога фінансового аудиту. Компанії декларують навчальні дані самостійно, без зовнішньої перевірки й незалежної валідації процесів або третьої сторони, яка засвідчує відповідність стандартам. Поточний стан — аналог епохи до Sarbanes-Oxley — довіра і самосертифікація.
У міру переходу ШІ до критичних інфраструктур — енергетика, охорона здоров’я, фінансові ринки, мережі оборони — такий стан стає неприйнятним. Держави вимагатимуть аудиту даних. Умовами державних контрактів стане підтверджене походження інформації. Механізми відповідальності будуть закріплювати санкції за помилки, яких можна було уникнути за наявності верифікованого шару.
Perle займає своє місце у цій архітектурі напряму як верифікаційний та сертифікаційний контур — організація, здатна забезпечити незмінний, аудиторський запис навчальних даних: де, ким, і за якими стандартами проведено навчання. Через п’ять років це вже не опція, а передумова створення моделей ШІ.
Головний висновок: суверенна експертиза — це не нішевий інструмент оборонної індустрії, а фундамент, що робить можливим розгортання штучного інтелекту там, де збій системи має матеріальні наслідки. Чим ширшою буде експансія ШІ, тим помітнішою є потреба у надійному фундаменті.
