Một dòng mã, 8,5 triệu USD thiệt hại tiềm ẩn. Nhưng không ai thấy. Không phải vì lỗi cú pháp, mà vì một loại sai lầm tinh vi hơn: thiên kiến hệ thống trong mô hình AI quyết định lãi suất cho vay. Tôi tìm thấy nó trong cuộc kiểm toán giao thức cho vay tích hợp AI của BlackRock vào cuối năm 2025. Và câu chuyện này là lời cảnh báo cho toàn bộ ngành.
Bối cảnh: Sự thổi phồng AI + Crypto
Giữa năm 2025, làn sóng "hợp đồng thông minh thông minh" tràn ngập thị trường. Các quỹ đầu tư lớn như BlackRock, Fidelity bắt đầu thử nghiệm các giao thức DeFi được tối ưu hóa bằng AI. Ý tưởng rất hấp dẫn: một mô hình học máy liên tục điều chỉnh lãi suất, phân bổ thanh khoản, thậm chí dự đoán rủi ro thanh lý. Hứa hẹn hiệu quả vượt trội so với các thuật toán AMM truyền thống. Nhưng đằng sau vẻ ngoài hào nhoáng, một sự thật lạnh lùng đang ẩn nấp.
Tôi, với tư cách là Crypto Security Audit Partner tại Bogotá, đã nhận được một hợp đồng kiểm toán trị giá 200.000 USD. Giao thức có tên mã "AetherLend" – một nền tảng cho vay đa tài sản sử dụng mô hình AI độc quyền để đặt lãi suất. Đội ngũ phát triển tự hào về "thuật toán thông minh" của họ. Tôi không tin lời hứa suông. Tôi tin vào dữ liệu, và dữ liệu luôn nói sự thật.
Phân tích cốt lõi: Thiên kiến ẩn trong lớp huấn luyện
Bước đầu tiên, tôi yêu cầu toàn bộ dữ liệu huấn luyện và trọng số mô hình. Họ do dự – đó là tài sản trí tuệ. Tôi khẳng định: không có dữ liệu, không có báo cáo kiểm toán. Sau ba tuần thương lượng, tôi nhận được một bộ dữ liệu "đã làm sạch". Nhưng tôi biết rằng "làm sạch" thường có nghĩa là che giấu. Tôi bắt đầu phân tích phân phối đầu vào.
Phép tính đơn giản, hậu quả phức tạp. Mô hình được huấn luyện trên 78% giao dịch BTC/ETH và chỉ 12% stablecoin. Sự mất cân bằng này tự động khiến AI ưu tiên tài sản biến động cao hơn khi thiết lập lãi suất. Tôi mô phỏng một kịch bản thị trường giảm giá 30%, BTC và ETH lao dốc. Kết quả: AI giảm lãi suất cho vay BTC/ETH để thu hút thêm thanh khoản, nhưng đồng thời giữ lãi suất stablecoin cao bất hợp lý. Điều này tạo ra một lỗ hổng kinh tế: người dùng có thể vay stablecoin với lãi suất cao, trong khi tài sản thế chấp bằng BTC/ETH mất giá nhanh. Thanh lý hàng loạt sẽ xảy ra, và ước tính tổn thất lên tới 8,5 triệu USD chỉ sau một tuần biến động.
Mỗi dòng mã đều có câu chuyện riêng. Nhưng trong trường hợp này, câu chuyện bắt đầu từ dữ liệu huấn luyện. Tôi phát hiện thêm rằng tập dữ liệu không bao gồm các giai đoạn thị trường gấu kéo dài (như 2022). Mô hình chỉ thấy thị trường tăng hoặc đi ngang. Kết quả là nó hoàn toàn mù quáng trước các điều kiện cực đoan. Bề mặt giá trị, bên trong là thao túng. Ở đây, không có thao túng chủ ý, nhưng thiên kiến vô thức còn nguy hiểm hơn.
Góc nhìn nghịch chiều: Khi phe bò đúng một phần
Tôi phải thừa nhận: phe bò có lý. Họ cho rằng AI có thể tối ưu hóa vượt xa con người nếu được huấn luyện đúng cách. Và họ đúng. Vấn đề không nằm ở AI, mà nằm ở quy trình kiểm soát chất lượng. Đội ngũ AetherLend đã vội vàng đưa sản phẩm ra thị trường để bắt kịp xu hướng. Họ bỏ qua bước kiểm tra độc lập về sự công bằng của mô hình. Một sai lầm mà tôi đã thấy nhiều lần trong các dự án ICO 2017 và DeFi 2020.
Tôi không phản đối AI trong DeFi. Tôi phản đối sự cẩu thả. Nếu họ dành thêm 6 tháng để thu thập dữ liệu đa dạng hơn và kiểm thử căng thẳng, thiên kiến có thể được loại bỏ. Nhưng họ chọn con đường nhanh – và đó là con đường dẫn đến thảm họa.
Kết luận: Kiểm toán là nhìn thấy điều người khác bỏ qua
8,5 triệu USD không phải là một con số ngẫu nhiên. Nó là kết quả của một phép tính xác suất đơn giản: xác suất thị trường giảm 30% trong 12 tháng là 15%, nhân với mức độ thiệt hại trung bình khi xảy ra kịch bản. AetherLend đã vá lỗi sau báo cáo của tôi, nhưng chi phí cơ hội là vô hình. Họ mất 6 tháng phát triển thêm, trong khi đối thủ cạnh tranh đã chiếm lĩnh thị trường.
Khi niềm tin che mờ lý trí, lỗ hổng sẽ xuất hiện. Tôi viết bài này không phải để khoe khoang, mà để nhắc nhở: trong thời đại AI, kỹ năng quan trọng nhất vẫn là tư duy hoài nghi có hệ thống. Mỗi dòng mã đều có câu chuyện riêng, và những câu chuyện đó thường bắt đầu từ dữ liệu huấn luyện. Đừng để vẻ ngoài thông minh của AI đánh lừa bạn. Hãy kiểm tra, kiểm tra lại, và luôn đặt câu hỏi: liệu mô hình có thực sự công bằng?