Naukowcy z arXiv opublikowali formalną definicję problemu kosztowania multi-agent AI systemów działających w rozproszonej infrastrukturze. Przedsiębiorstwa prowadzą transakcje biznesowe przez orchestrowane systemy AI obejmujące różne chmury, modele LLM i wewnętrzne bazy danych, ale nie mogą powiązać faktycznych kosztów AI z konkretnymi zamówieniami, roszczeniami czy przypadkami - dostawcy usług nigdy nie widzą granic transakcji klienta.
Proponowana Two-Ledger Model to dwuwarstwowe rozwiązanie: pierwsza warstwa (settlement ledger) to wystandaryzowana przez FOCUS specyfikację agregacja kosztów od dostawców, druga warstwa (attribution ledger) to szczegółowe rekordy poszczególnych invokaacji AI zbudowane na bazie OpenTelemetry GenAI telemetry. Kluczową innowacją jest "layered correlation spine" - warstwowy mechanizm korelacji używający trace context, metadanych A2A/MCP, kluczy biznesowych i probabilistycznego matchingu, który przypisuje każdy rekord do konkretnej transakcji biznesowej. System zawiera także wersjonowaną kartę stawek do wyceny w prawie rzeczywistym czasie i rozliczenie okresowe łączące obie księgi z fakturą.
Symulacja z известną rzeczywistością pokazała że spine utrzymuje pokrycie kosztów powyżej 99 procent nawet gdy propagacja śladów transakcji spada do zera. Model umożliwia raportowanie kosztów per zamówienie, roszczenie czy wyjście z métryki kosztów agentów, oraz identyfikuje tzw. shadow AI - ukryte użycie AI niezarejestrowane w głównych systemach.