隨著人工智慧代理人在區塊鏈上進行交易，追蹤其決策變得日益複雜；業界正開發一套「AI原生可觀測性層」，以透明化AI意圖、確保交易可靠，並提升自動化系統的決策可解釋性。
隨著人工智慧（AI）代理人越來越多地在區塊鏈上自動執行交易，如何理解這些AI代理人做出特定決策的原因，成為科技界的一大挑戰。傳統的區塊鏈監控工具雖能顯示交易結果，卻無法揭示AI代理人背後的思考過程，導致決策透明度和可信度不足。
根據《hackernoon》報導，追溯AI代理人從初始指令到最終區塊鏈狀態的完整決策路徑，對於工程師而言極為複雜。AI代理人透過工具選擇、規劃生成等方式運作，本身就帶有不確定性；而區塊鏈又因其非同步交易、外部資料依賴及網路狀況等因素，進一步增加了複雜度。現有的區塊鏈監控工具僅能追蹤交易狀態，卻無法深入AI交易前的推理環節，而AI應用程式的日誌也往往與區塊鏈操作缺乏直接關聯。
為了解決這個問題，業界亟需一種「AI原生可觀測性層」（AI-native observability layer）。這個概念指的是一套專為AI設計的監測系統，它能將AI代理人的意圖與實際基礎設施的執行連結起來，捕獲決策證據。這套系統的核心目標是解釋AI決策、強制執行政策、調查潛在故障並驗證交易結果，從而彌補AI決策與區塊鏈執行之間的資訊鴻溝。
這種可觀測性層涵蓋多個階段的數據捕捉，包括請求接收、上下文檢索、工具呼叫、回應判讀、動作評估、交易提案、授權、簽署到最終提交區塊鏈。每個環節都可能發生錯誤，因此需要對AI代理人運行時、決策依據的上下文、政策與授權過程，以及交易生命週期進行詳細的儀器監測。例如，透過分散式追蹤（distributed tracing）技術，如 OpenTelemetry，能有結構地理解操作進程，並結合交易識別碼、鏈與區塊參考等領域特定資訊，確保數據的準確性。
為確保這套系統本身的可靠性，對可觀測性數據的安全管理至關重要。數據必須最小化、敏感資訊應匿名化處理，並建立嚴格的存取控制。此外，審計記錄需採用僅可附加的儲存方式，並將執行與審計服務分離，以防止記錄被竄改或刪除。最終目標是讓自動化系統不僅具備執行能力，也能在操作不如預期時，其行為過程能被完整理解，進而有效管理營運風險。