AIは情報を分析できますが、入力データの出所が確認されていなければ、その後の推論がどれほど完全でも、信頼できない結論に至る可能性があります。

@primus_labs と @CournotProtocol の今回の協業が進めるのは、まさにこの部分です。まずオフチェーンの証拠を検証し、その証拠に基づいて判断を下します。

両者の役割分担は明確です。

PrimusはzkTLSを通じて、指定されたWebサイトやAPIのデータが、主張された情報源から実際に取得されたことを証明し、対応するケースでは機密情報の開示を抑えます。一方、Cournotは検証済みの証拠を解釈・推論し、構造化され監査可能な判断へと変換します。

予測市場に当てはめると、この流れはとても分かりやすいものです。あるイベントを最終的にどう決済するかを決めるには、まず引用された情報の出所を確認し、それが市場で定められた条件を満たしているかを判断する必要があります。情報源の検証と結果の解釈は、それぞれ分けて扱うべき問題です。

プライベートクレジットやRWAにも、同様のニーズがあります。機関は資産記録や特定の財務条件を検証する必要がありますが、口座情報や資金の流れ、業務データのすべてを公開するのが適切とは限りません。プライバシーを保護したデータ検証と、その後の分析をつなげることが、実際の金融業務の要件により近づく方法です。

ここで明確にしておくべき点もあります。zkTLSはデータの出所と完全性を証明できますが、情報源の内容が正確であることまで自動的に保証するものではありません。また、入力が検証済みであっても、AIの判断が必ず正しいとは限りません。証拠が十分か、ルールが明確か、推論を再検証できるかは、依然として重要です。

今回の協業の意義は、「オフチェーンデータがオンチェーンの意思決定にどう影響するか」を、より追跡可能にすることにあると考えています。データには出所があり、判断には根拠があり、その過程は検証できます。

今後は、両者がこの協業を予測市場の決済や金融アプリケーションにどう実装していくかに注目です。証拠の検証、分析・推論、結果の再確認を一貫したプロセスとして確立し、オンチェーンの意思決定に、より信頼できる根拠をもたらすことが期待されます。