Blanket của Kalshi: AI trải một tấm chăn rủi ro lên cả doanh nghiệp nhỏ

Theo Crypto Briefing, ngày 20/2, Kalshi ra mắt Blanket, một công cụ AI giúp doanh nghiệp nhỏ phòng hộ rủi ro trên thị trường dự đoán. Thông tin này không chỉ là một tính năng mới của một sàn giao dịch. Nó chạm vào giấc mơ lâu năm của ngành tài chính: phái sinh không chỉ dành cho ngân hàng, mà dành cho quán cà phê, trang trại, cửa hàng tạp hóa. Kalshi được CFTC quản lý, từng vận hành nhiều hợp đồng sự kiện, nhưng Blanket là lần đầu tiên một lớp AI được đặt giữa người dùng phổ thông và thị trường tương lai có quy định. Từng chi tiết đều được thiết kế để phá bỏ rào cản kiến thức. Với tôi, đây là một thí nghiệm lớn: liệu thị trường dự đoán có thể trở thành hạ tầng thiết yếu như điện và nước hay không? Để hiểu Blanket, trước hết cần nhìn lại bản chất thị trường dự đoán. Đây là nơi mọi người mua bán các hợp đồng thanh toán dựa trên kết quả của một sự kiện. Nếu một doanh nghiệp cho rằng Cục Dự trữ Liên bang Mỹ sẽ giữ lãi suất trong tháng tới, họ có thể mua hợp đồng phản ánh điều đó; nếu đúng, họ nhận một khoản thanh toán có giá trị xác định, nếu sai, họ mất một phần tiền bỏ ra. Giá hợp đồng được thị trường chốt liên tục, phản ánh xác suất trung bình mà mọi người tham gia gán cho sự kiện. Ý tưởng này đã tồn tại hơn 20 năm, nhưng gần như chỉ nằm trong tay nhà giao dịch chuyên nghiệp và quỹ đầu cơ. Polymarket đưa thị trường dự đoán lên blockchain, thu hút hàng tỷ đô la trong mùa bầu cử Mỹ, nhưng phần lớn là cược chính trị. Kalshi chọn con đường tuân thủ luật pháp Mỹ, niêm yết các hợp đồng về lạm phát, sản lượng năng lượng, thời tiết và chính sách. Tuy nhiên, ngay cả khi sàn giao dịch được quản lý, khách hàng của Kalshi vẫn là những người am hiểu tài chính. Blanket ra đời để phục vụ nhóm còn lại: doanh nghiệp nhỏ không có phòng phân tích rủi ro, không có giám đốc tài chính, và không có thời gian để đọc báo cáo. Về mặt kỹ thuật, Blanket thực chất là một bộ khuếch đại quyết định. Người dùng bắt đầu bằng cách mô tả rủi ro bằng ngôn ngữ tự nhiên, chẳng hạn: tôi có một xưởng sản xuất nến, giá sáp olein đang biến động mạnh. AI của Blanket không dự đoán giá sáp. Nó xác định xem Kalshi có hợp đồng nào tương ứng, lọc ra mức giá hợp lý, gợi ý khối lượng phù hợp với mức độ rủi ro và thời gian doanh nghiệp cần phòng hộ. Sau đó, nó đặt lệnh thay người dùng và theo dõi hợp đồng cho đến khi đáo hạn. Có thể hình dung Blanket là một chuyên viên phân tích dữ liệu, một nhà môi giới và một trợ lý pháp lý, gộp vào một hộp thoại đơn giản. Điểm mấu chốt nằm ở cách Kalshi chuyển từ bán một công cụ giao dịch sang bán một trạng thái an toàn kinh doanh. Hợp đồng tương lai, quyền chọn và các sản phẩm phái sinh đều rất cần thiết, nhưng không một doanh nghiệp nhỏ nào tự nhiên muốn mua chúng. Họ muốn mua sự yên tâm. Blanket đóng gói rủi ro thành một câu trả lời rõ ràng: tuần này bạn cần trả 120 USD để bù đắp nếu giá dầu diesel tăng. Sự đơn giản này có thể tạo ra một tầng lớp người dùng hoàn toàn mới. Lịch sử tài chính cho thấy mỗi cuộc cách mạng về phái sinh bắt đầu từ một công cụ đủ rẻ và đủ dễ để một nhóm người không chuyên chấp nhận nó. Blanket làm được điều này với AI, nhưng cái giá phải trả là sự trong suốt. Điều thú vị hơn là cách Blanket xử lý sự không chắc chắn. Một người bán hàng online có thể nói 'tôi sợ đồng won Hàn Quốc mất giá'. AI sẽ phải chọn hợp đồng tỷ giá USD/KRW nếu Kalshi có, hoặc tìm một hợp đồng thay thế tương quan cao. Quá trình này giống như một nhà môi giới rủi ro chuyên nghiệp, nhưng không có người để hỏi lại. Người dùng không thể biết vì sao AI chọn hợp đồng này thay vì hợp đồng kia. Những quyết định dựa trên mô hình hộp đen trong lĩnh vực tài chính thường kết thúc ở tòa án. Kalshi cần xây dựng một cơ chế giải trình đơn giản, có thể là bản tóm tắt các yếu tố chính ảnh hưởng đến đề xuất. Nếu không, Blanket sẽ chỉ tạo ra một thế hệ doanh nghiệp 'tin tưởng mù quáng' vào AI. Điều đó là loại rủi ro mới chưa từng được kiểm định. Tôi dành nhiều năm theo dõi các giao thức DeFi và DAO. Ở đó, phi tập trung thường được xem như một lời hứa nhưng khi kiểm tra sâu, hầu hết quyền quyết định vẫn nằm trong vài ví. Blanket không nói dối theo cách đó. Nó là một dịch vụ tập trung có quy định, và điều đó rõ ràng ngay từ đầu. Tuy nhiên, chính sự tập trung này lại tạo ra mâu thuẫn. Kalshi vừa là sàn giao dịch nơi doanh nghiệp đặt lệnh, vừa là đơn vị vận hành AI tư vấn lệnh. Nếu Blanket hướng người dùng đến các hợp đồng có thanh khoản dày của chính Kalshi, doanh nghiệp không có cách nào kiểm chứng liệu đó là tối ưu cho họ hay tối ưu cho doanh thu của sàn. Một hệ thống minh bạch cần công bố nhật ký quyết định của AI, mọi mức giá tham chiếu và hệ số phòng hộ. Đó là điều tối thiểu để tránh xung đột lợi ích. Vấn đề kỹ thuật tiếp theo là rủi ro cơ sở. Giả sử một chủ trang trại lo ngại giá phân bón tăng, nhưng Kalshi chỉ niêm yết hợp đồng trên chỉ số phân bón tổng hợp do chính sàn định nghĩa. Nếu phân bón trang trại nhập từ một nhà cung cấp khác hoặc được mua vào thời điểm khác, biến động giá có thể lệch hoàn toàn. AI có thể đề xuất một mức phòng hộ vừa khít với dữ liệu lịch sử, nhưng dữ liệu lịch sử không lường trước được đứt gãy chuỗi cung ứng. Đây không phải lỗi của AI, mà là giới hạn của mọi mô hình rủi ro. Nếu Kalshi không dán nhãn các giả định, người dùng sẽ tưởng Blanket là một nhà tiên tri. Khi hợp đồng đáo hạn lệch với chi phí thực tế, doanh nghiệp lại đổ lỗi cho công nghệ, trong khi vấn đề nằm ở khâu thiết kế sản phẩm. Ngoài ra, có một câu hỏi về tính thanh khoản. Thị trường dự đoán của Kalshi mỏng hơn nhiều so với các sàn giao dịch truyền thống. Nếu Blanket tự động đặt lệnh cho hàng nghìn doanh nghiệp cùng một lúc, độ trượt giá sẽ tăng và hợp đồng trở nên đắt hơn. Điều này đi ngược lại mục tiêu ban đầu là giảm chi phí phòng hộ. Các thuật toán của Blanket cần được thiết kế để trải đều lệnh và lựa chọn thời điểm tốt nhất, chứ không phải lúc nào cũng thực hiện ngay lập tức. Một sai lầm phổ biến trong xây dựng công cụ AI là tối ưu hoá trải nghiệm người dùng ở bước đặt lệnh mà quên rằng chất lượng khớp lệnh mới là thứ quyết định kết quả phòng hộ. Tầm nhìn lớn hơn của Kalshi có thể không dừng lại ở các hợp đồng tài chính. Nếu Blanket hoạt động đúng cách, những rủi ro phi tài chính như gián đoạn chuỗi cung ứng, rủi ro chính sách hay thậm chí rủi ro danh tiếng đều có thể được đưa vào thị trường. Một doanh nghiệp sử dụng linh kiện từ Đài Loan có thể mua hợp đồng phòng hộ cho sự kiện cảng bị đóng cửa. Nhưng càng nhiều sự kiện được mã hoá, càng nhiều khả năng xảy ra thao túng. Quá khứ của các thị trường phái sinh cho thấy những mô hình định giá tưởng chừng khoa học thực chất dựa trên các giả định mong manh. Trước năm 2008, các ngân hàng tin rằng giá nhà ở Mỹ không bao giờ giảm trên toàn quốc. AI cũng có thể xây dựng niềm tin tương tự nếu không được kiểm chứng. Nhưng góc nhìn phản trực giác mà tôi muốn đặt ra là: AI có thể làm thị trường dự đoán kém đa dạng hơn, chứ không thông minh hơn. Khi hàng nghìn doanh nghiệp cùng dùng một nền tảng AI, họ sẽ dùng chung một bộ dữ liệu, một thuật toán và một danh mục hợp đồng. Nếu mô hình đó bỏ sót một biến số quan trọng, tất cả sẽ cùng đi sai hướng. Điều này tạo ra rủi ro hệ thống chứ không phải rủi ro cá nhân. Thị trường chứng khoán Mỹ đã từng chứng kiến những cú sụp chớp nhoáng khi các thuật toán phản ứng lẫn nhau trong môi trường thanh khoản mỏng. Blanket càng dễ sử dụng, càng dễ kích hoạt cùng một tín hiệu ở nhiều người dùng. Sự an toàn của mỗi doanh nghiệp, khi cộng lại, có thể trở thành điểm yếu của tấm chăn chung. Điều thứ hai là sự thoái hoá nhận thức. Khi AI đảm nhận việc phòng hộ, con người dần mất đi trực giác về rủi ro. Các nghiên cứu về tài chính hành vi chỉ ra rằng người ta dễ chấp nhận rủi ro hơn khi thuật toán ra quyết định thay họ. Một chủ doanh nghiệp có thể tin rằng mình đã an toàn vì Blanket đã phủ kín rủi ro, rồi quên mất những khoản không thể phòng hộ: thay đổi thói quen tiêu dùng, lỗi sản phẩm, đối thủ mới xuất hiện. Tấm chăn càng rộng, người ta càng quên rằng không có tấm chăn nào che được toàn bộ ngôi nhà. Công cụ phái sinh tốt nhất vẫn là thứ khiến người dùng hiểu giới hạn của nó, chứ không phải thứ khiến họ cảm thấy bất khả chiến bại. Blanket đáng chú ý vì nó giải quyết một vấn đề: chi phí tri thức của phái sinh. Nếu thành công, thị trường dự đoán sẽ không còn bị coi là sòng bạc của giới đầu cơ, mà trở thành hạ tầng xác suất cho nền kinh tế nhỏ lẻ. Nếu thất bại, nó vẫn là một bài học đáng giá về trách nhiệm giải trình của AI. Ở Việt Nam, hàng triệu hộ kinh doanh đang phơi mình trước biến động giá xăng dầu, tỷ giá và thời tiết. Blanket chỉ phục vụ khách hàng Mỹ, nhưng hình dạng của nó đang gợi mở cho cả thế giới. Vẫn còn nhiều khoảng trống cho một hệ thống tương tự được xây dựng bởi cộng đồng, với mã nguồn mở và dữ liệu công khai. Câu hỏi cuối cùng không phải Blanket có thông minh hay không, mà là ai sẽ trả tiền khi nó sai.