Ripple กำลังขยาย GSmart ด้วยเอเจนต์ AI ที่คอยเฝ้าติดตามการปฏิบัติงานคลังเงินขององค์กร และแนะนำการดำเนินการภายใต้นโยบายที่บริษัทกำหนด การคำนวณทางการเงินยังคงเป็นแบบกำหนดแน่นอน (deterministic) ขณะที่บุคลากรคลังเงินยังคงรักษาอำนาจอนุมัติเหนือทุกธุรกรรม
เจาะลึกการผลักดันคลัง AI ของ Ripple: ระบบอัตโนมัติโดยไม่สูญเสียการควบคุม

ประเด็นสำคัญ
- เอเจนต์ GSmart เสนอแนวทางการดำเนินการด้านคลังเงิน แต่ไม่สามารถดำเนินการได้ด้วยตนเองอย่างอิสระ
- การควบคุมนโยบายกำกับการคาดการณ์ กระแสสภาพคล่อง ความเสี่ยง และการกระทบยอด
- Ripple รายงานว่ามีการนำไปใช้ในหมู่ลูกค้าที่มีสิทธิได้รับข้อมูลเชิงลึกจาก AI อยู่แล้ว
Ripple วางกรอบกำกับการทำงานอัตโนมัติด้านคลังเงิน
ทีมการเงินองค์กรสามารถทำงานวิเคราะห์คลังเงินแบบอัตโนมัติได้มากขึ้น โดยไม่ต้องโอนอำนาจการตัดสินใจขั้นสุดท้ายให้กับปัญญาประดิษฐ์ Ripple ขยาย GSmart เมื่อวันที่ 10 ก.ย. โดยเพิ่มความสามารถที่ถูกกำกับด้วยนโยบาย ครอบคลุมการคาดการณ์เงินสด การบริหารสภาพคล่อง ความเสี่ยงทางการเงิน การกระทบยอด และการรายงาน บนแพลตฟอร์ม Ripple Treasury
ระบบแยก “การคำนวณทางการเงิน” ออกจาก “การตีความของ AI” เพื่อลดบทบาทของเทคโนโลยีในกระบวนการตัดสินใจที่เกี่ยวข้องกับเงินทุนของบริษัท เอ็นจินแบบกำหนดแน่นอน ซึ่งให้ผลลัพธ์เดียวกันเมื่อได้รับอินพุตเหมือนกัน จะทำการคำนวณพื้นฐาน ขณะที่ GSmart ตีความนโยบายของบริษัท ตรวจจับรูปแบบ และอธิบายเหตุผลของคำแนะนำก่อนส่งข้อเสนอการดำเนินการไปยังบุคลากรที่ได้รับอนุญาต
“CFO ทุกคนอยู่ภายใต้แรงกดดันให้ต้องรับ AI แต่พวกเขาก็มีความรับผิดชอบไม่แพ้กันในการทำให้แน่ใจว่าทุกการตัดสินใจทางการเงินสามารถอธิบายได้ อยู่ภายใต้การกำกับดูแล และสอดคล้องตามข้อกำหนด” Renaat Ver Eecke รองประธานอาวุโสของ Ripple Treasury กล่าว:
“แทนที่จะขอให้ลูกค้าเชื่อใจระบบ AI แบบไร้ข้อกังขา GSmart ทำงานภายใต้นโยบายคลังเงินของแต่ละองค์กรเพื่อแสดงคำแนะนำอย่างโปร่งใส พร้อมทั้งทำให้มั่นใจว่ามนุษย์ยังคงเป็นผู้ควบคุมทุกการตัดสินใจ นี่ไม่ใช่แค่คลังเงินที่เป็น AI-native แต่เป็น AI ที่เป็น treasury-native”
เอเจนต์ AI ต้องอ้างอิงนโยบายก่อนขออนุมัติ
เอเจนต์ที่ถูกจัดการแบบออร์เคสเตรตแต่ละตัวจะเฝ้าติดตามกระบวนการคลังเงินที่กำหนดไว้ แนะนำการตอบสนองที่เฉพาะเจาะจง และระบุข้อกำหนดของนโยบายที่รองรับคำแนะนำนั้น จากนั้นข้อเสนอจะถูกยกระดับไปให้บุคคลตรวจทาน Knowledge Studio ทำหน้าที่เป็นชั้นกำกับดูแล ช่วยให้แผนกคลังเงินกำหนดนโยบายและการควบคุมขององค์กรที่ต้องถูกนำมาใช้ก่อนที่การดำเนินการใดๆ จะไปถึงผู้อนุมัติ
การเน้นเรื่องการกำกับดูแลของ Ripple เกิดขึ้นในช่วงที่บริษัทต่างๆ นำเอเจนต์ AI ไปใช้งานเร็วกว่าอัตราที่หลายองค์กรจะสามารถกำกับดูแลได้ Gartner คาดการณ์ในเดือนเมษายน ว่าองค์กร Fortune 500 ระดับโลกโดยเฉลี่ยอาจใช้งานเอเจนต์มากกว่า 150,000 ตัวภายในปี 2028 เพิ่มขึ้นจากน้อยกว่า 15 ตัวในปี 2025 โดยมีเพียง 13% ขององค์กรที่เชื่อว่าตนมีธรรมาภิบาลสำหรับเอเจนต์ AI ที่เหมาะสม
Analytics Studio เพิ่ม Ask GSmart อินเทอร์เฟซแบบสนทนาที่ออกแบบมาเพื่อดึงข้อมูลและสร้างอินไซต์จากข้อมูลคลังเงิน ระบบทำงานควบคู่กับเครื่องมือสำหรับการคาดการณ์ การติดตามความเสี่ยง การวางแผนสภาพคล่อง และการรายงาน โดยต่อยอดเทคโนโลยีที่พัฒนาภายใน GTreasury ก่อนที่ Ripple จะประกาศการเข้าซื้อกิจการมูลค่า 1 พันล้านดอลลาร์ ในเดือนตุลาคม 2025
Ripple เชื่อม AI เข้ากับสินทรัพย์ดั้งเดิมและสินทรัพย์ดิจิทัล
การขยายครั้งนี้ผลักดันกลยุทธ์การเงินองค์กรในภาพรวมที่รวมถึง การเปิดตัว Ripple Treasury ในเดือนมกราคม แพลตฟอร์มที่สร้างบนซอฟต์แวร์ระดับองค์กรของ GTreasury นี้ผสานการบริหารเงินสดแบบดั้งเดิมเข้ากับโครงสร้างพื้นฐานสำหรับสินทรัพย์ดิจิทัล รวมถึงสเตเบิลคอยน์ RLUSD ที่หนุนด้วยดอลลาร์ของ Ripple และคริปโทเคอร์เรนซี XRP
แผนกการเงินได้รับความสามารถเมื่อต้นปีนี้ในการถือครอง เฝ้าติดตาม รับ และจัดการ XRP และ RLUSD ผ่านเวิร์กโฟลว์เดิม การผสานรวมสินทรัพย์ดิจิทัลนั้น การผสานรวมสินทรัพย์ดิจิทัล จะบันทึกจำนวนสินทรัพย์แบบเนทีฟ มูลค่าเงินเฟียตที่สอดคล้องกัน และราคาตลาด ณ เวลาที่เกิดเหตุการณ์แต่ละครั้ง พร้อมทั้งรวบรวมสถานะการถือครองที่อยู่ตามธนาคารและผู้ดูแลสินทรัพย์ (custodians) ต่างๆ
XRP ทำหน้าที่เป็นสินทรัพย์เนทีฟของ XRP Ledger ขณะที่ RLUSD เป็นตัวเลือกที่อ้างอิงเป็นดอลลาร์สำหรับการชำระเงินและการบริหารสภาพคล่อง GSmart เพิ่มการวิเคราะห์และการคาดการณ์ครอบคลุมการดำเนินงานคลังเงิน แทนที่จะมอบการควบคุมการโอนให้เอเจนต์ AI อย่างอิสระ
ตัวเลขการนำไปใช้ในช่วงแรกบ่งชี้ว่าลูกค้าบางรายที่มีสิทธิใช้งานได้เริ่มใช้เครื่องมือเฝ้าติดตามอัตโนมัติของแพลตฟอร์มแล้ว Ripple รายงานว่า 60% ได้เปิดใช้ Risk Insights เพื่อระบุความผิดปกติของความเสี่ยงและการฝ่าฝืนนโยบาย ขณะที่ 44% ใช้ Forecast Insights เพื่อเปรียบเทียบกระแสเงินสดที่คาดการณ์กับที่เกิดขึ้นจริง เพื่อค้นหาช่องว่างสภาพคล่องที่กำลังก่อตัว
บทความนี้แปลจากภาษาอังกฤษโดยใช้ AI เวอร์ชันภาษาอังกฤษต้นฉบับเป็นแหล่งข้อมูลที่เชื่อถือได้ การแปลอัตโนมัติอาจมีความไม่ถูกต้อง โดยเฉพาะอย่างยิ่งในคำศัพท์ทางกฎหมายและข้อบังคับ











