L'article présente le modèle Dynamic Verifiable Multi-Agent Human Agentic Loyalty Loop (DVM-HALL) pour aborder la manière dont les paradigmes traditionnels de fidélité des clients échouent lorsque les agents IA exécutent des décisions d'achat de manière autonome. Il propose un cadre où le choix de la marque est déterminé par l'équité émotionnelle humaine, l'utilité agentique, la confiance calibrée et les risques d'exécution vérifiable dans les environnements de finance décentralisée.
- Le modèle DVM-HALL utilise une formulation de probabilité softmax pour déterminer conjointement la sélection basée sur l'équité émotionnelle humaine, l'utilité de l'expérience machine et l'autorité déléguée.
- Il comporte des mécanismes de mise à jour récursive pour calibrer dynamiquement la confiance et la délégation après chaque interaction.
- Le cadre intègre une couche d'exécution vérifiable pour la DeFi et la fidélité tokenisée, incorporant des risques tels que les coûts de gaz, le slippage, l'exposition au MEV et les vulnérabilités des contrats intelligents.
- Les auteurs introduisent le Net Human-Agent Score (NHAS), une métrique auditable et pondérée par le risque mesurant l'alignement humain-agent à l'aide de retours, de journaux et de reçus vérifiables.
- Un plan de validation empirique en trois étapes est proposé, couvrant des expériences d'achat contrôlées, des simulations de marché multi-agents et des bancs d'essai DeFi.
Ce cadre fournit la théorie fondamentale nécessaire aux marques pour naviguer dans la transition vers les clients machines.