DWF詳細レポート：DeFiにおけるイールドファーミングの最適化ではAIが人間を上回っているが、複雑な取引の処理速度は依然として人間の5分の1にとどまっている

元の記事のタイトル：エージェントはDeFiを支配するようになるのか？
出典：DWFベンチャーズ

翻訳：ディープフロー・テック

要点

現在、自動化とエージェントによる活動は、オンチェーン活動全体の約19％を占めているが、真のエンドツーエンドの自律性はまだ実現されていない。

収量最適化のような、範囲が明確で限定されたユースケースにおいては、エージェントは人間やボットよりも優れたパフォーマンスを発揮している。しかし、取引のように多面的な要素が絡む行動においては、人間の方がエージェントよりも優れた成果を上げる。

トレーダーの間では、モデルの選定とリスク管理が取引実績に最も大きな影響を与える。

エージェントが広く採用されるにつれ、サンドイッチ攻撃、戦略の混雑、プライバシーとのトレードオフなど、信頼性や実行に関連するいくつかのリスクが生じています。

エージェント活動の継続的な拡大

この1年間、不動産仲介業者の活動は着実に活発化しており、取引件数と取引総額の両方が増加傾向にあります。Coinbaseのx402プロトコルを先駆けとして、Visa、Stripe、Googleといった企業が参入し、独自の標準規格を導入するなど、大きな進展が見られています。現在構築されているインフラの大部分は、エージェント間のチャネル、あるいは人間によってトリガーされるエージェントへの呼び出しという、2つのシナリオに対応することを目的としています。

ステーブルコインによる取引は広く支持を集めているものの、現在のインフラは依然として基盤層として従来の決済ゲートウェイに依存しており、つまり中央集権的な取引相手に依存した状態が続いている。したがって、エージェントが自ら資金を調達し、自ら実行し、変化する状況に応じて継続的に最適化を行うことができるという「完全自律」という最終状態は、まだ達成されていない。

エージェントは、DeFiの世界では決して珍しい存在ではない。長年にわたり、オンチェーンプロトコルではボットによる自動化が行われており、MEVを獲得したり、コードなしでは実現不可能な異常なほど高いリターンを上げたりしてきました。これらのシステムは、頻繁に変更されることなく、また追加の監視を必要としない、明確に定義されたパラメータの下で、非常に順調に稼働しています。

しかし、市場は時が経つにつれてますます複雑化している。ここで、新世代のエージェントの登場が見て取れます。ここ数ヶ月のオンチェーン上の動向は、こうした活動の実験の場となってきました。

実戦におけるエージェントのパフォーマンス

報道によると、エージェントの活動は飛躍的に拡大しており、2025年以降、1万7,000体以上のエージェントが投入されている。自動化およびエージェントによる活動の総量は、オンチェーン上の全活動の19％以上を占めると推定されています。これは驚くべきことではない。ステーブルコインの送金量の76％以上がボットによって生成されていると推定されているからだ。これは、DeFiにおけるエージェント活動の大きな成長の可能性を示唆している。

エージェントの自律性の程度は多岐にわたり、人間の監督を強く必要とするチャットボットのようなものから、与えられた入力に基づいて市場に適応した戦略を立案できるものまである。ボットと比較して、エージェントにはいくつかの重要な利点があります。その中には、新たな情報に対してミリ秒単位で反応・実行できる能力や、同じレベルの厳格さを維持しつつ、対象範囲を数千もの市場へと拡大できる点が挙げられます。

現在、多くのエージェントはまだ試験運用段階にあるため、その大半はアナリストからコパイロットレベルにとどまっています。

収量最適化：エージェントの素晴らしい実績

流動性供給は自動化が広く浸透している分野であり、エージェントが保有するTVLの総額は3,900万ドルを超えています。この数値は、主にユーザーが代理店に直接預け入れた資産を測定するものであり、財務部門を経由した資金は含まれていない。

Giza Techはこの分野で最大規模のプロトコルのひとつであり、主要なDeFiプロトコルの利回り獲得を強化することを目的とした、初のエージェントアプリ「ARMA」を昨年末にリリースしました。運用資産は1,900万ドルを超え、エージェント取引高は400億ドルを超えています。

運用資産に対する取引高の比率が高いことは、エージェントが頻繁にポートフォリオのリバランスを行っていることを示しており、これによりより高いリターンを獲得できる。契約に資金が預け入れられると、取引は自動的に実行され、ユーザーは最小限の監視で済むシンプルなワンクリック操作で取引を行うことができます。

ARMAのパフォーマンスは数値的にも極めて優れており、USDCに対して年率9.75%を超える利回りを生み出しています。追加のリバランス手数料やエージェントへの10％のパフォーマンスフィーを考慮しても、その利回りはAaveやMorphoの通常の借入金利を上回っています。しかし、これらのエージェントは、主要なDeFiプロトコルの規模に対応したり、拡張したりする能力について、まだ実戦での検証を受けていないため、スケーラビリティは依然として重要な課題となっている。

取引：人間のリードが大幅に

しかし、取引のようなより複雑な操作の場合、その結果ははるかに多様です。現在のトランザクションモデルは、人間が定義した入力に基づいて動作し、あらかじめ設定されたルールに従って出力を生成します。機械学習は、明示的な再プログラミングなしに新しい情報に基づいてモデルの挙動を更新できるようにすることで、この分野を進歩させ、モデルを「副操縦士」のような役割へと導いています。完全自律型エージェントの参入により、取引のあり方は大きな変化を迎えることになる。

エージェント同士、あるいは人間とエージェントの間でいくつかの競技会が開催され、モデル間の性能に大きな違いがあることが明らかになった。Trade XYZは、同プラットフォームに上場されている株式を対象とした、人間対ボットによる取引コンテストを開催した。各口座は1万ドルの初期資金で開始され、レバレッジや取引頻度に制限はありませんでした。結果は圧倒的に人間に有利なもので、成績上位の人間は、成績上位のエージェントを5倍以上も上回った。

一方、Nof1はモデル間の比較試験を実施し、複数のモデル（Grok-4、GPT-5、Deepseek、Kimi、Qwen3、Claude、Gemini）が互いに競い合い、元本保全から最大レバレッジまで、さまざまなリスクプロファイルについて検証を行った。その結果、成績の差を説明しうるいくつかの要因が明らかになった：

ポジション保有期間：両者には強い相関関係が見られ、各ポジションを平均2～3時間保持するモデルは、頻繁に選手を入れ替えるモデルよりも著しく優れた成績を収めた。

期待値：これは、モデルが1取引あたりの平均利益を上げているかどうかを測定するものです。興味深いことに、期待値がプラスだったのは上位3つのモデルのみであり、これはほとんどのモデルにおいて、勝ちトレードよりも負けトレードの方が多かったことを示している。

レバレッジ：平均レバレッジが6～8倍と低い水準で運用されたモデルは、レバレッジが10倍を超えるモデルよりも優れたパフォーマンスを示した。これは、レバレッジが高くなると損失が拡大するためである。

戦略のヒント：これまでのところ、「Monk Mode」モデルが最も優れた成績を収めており、一方で「Situational Awareness」モデルは最も成績が振るわなかった。モデルの特性に基づくと、リスク管理に重点を置き、外部からの投入を少なくすることが、より良いパフォーマンスにつながるということが示されている。

基本モデル：Grok 4.20は、さまざまな戦略のヒントにおいて他のモデルを22%以上も大幅に上回る成績を収め、一貫して利益を上げられた唯一のモデルでした。

ロング/ショートの選好、取引規模、信頼度スコアなどのその他の要因については、データが不十分であったか、あるいはモデルのパフォーマンスとの間に正の相関関係が認められなかった。全体として、この結果は、エージェントが明確に定義された制約条件下ではしばしば優れたパフォーマンスを発揮することを示しており、ターゲットの割り当てにおいては依然として人間の監督が不可欠であることを示唆している。

エージェントの評価

エージェント技術はまだ初期段階にあるため、現時点では包括的な評価フレームワークは存在しない。過去のパフォーマンスは、エージェントを評価するための基準としてよく用いられますが、それは、エージェントの堅実なパフォーマンスをより強く示すファンダメンタル要因の影響を受けています。

さまざまなボラティリティ下でのパフォーマンス：これには、状況が悪化した際の規律ある損失抑制も含まれており、エージェントが取引の収益性に影響を与えるオフチェーン要因を特定できることを示している。

透明性 vs.プライバシー：どちらにも一長一短がある。複製によって取引可能な透明なエージェントは、本質的に戦略的な優位性を持たない。プライベートエージェントは、クリエイターによるフロントランニングのリスクに直面しており、クリエイターは自身のユーザーに対して容易にフロントランニングを行うことができる。

情報源：エージェントがアクセスするデータソースは、エージェントがどのように意思決定を行うかを決定する上で極めて重要です。情報源が信頼でき、単一の依存関係に縛られないようにすることが極めて重要です。

セキュリティ：ブラック・スワン事象が発生した際に備え、スマートコントラクトの監査を実施し、適切な資金保管体制を整えておくことは極めて重要です。

エージェントの今後の手順

エージェントの広範な普及には、まだ多くのインフラ整備が必要だ。これは、エージェントの信頼性と実行に関する主要な課題に集約される。自律型エージェントの行動には制限がなく、資金管理の不備がすでにいくつか見受けられる。

ERC-8004は2026年1月に稼働を開始し、自律型エージェントが相互に検知し合い、検証可能な評判を確立し、安全に連携できる初のオンチェーン・レジストリとなりました。これはDeFiのコンポーザビリティを実現する重要な鍵となります。信頼スコアがスマートコントラクト自体に組み込まれているため、エージェントとプロトコル間の許可不要な相互作用が可能になるからです。

しかし、レピュテーションの共謀やシビル攻撃といったセキュリティ上の脆弱性が依然として発生し得るため、エージェントが常に悪意なく動作することを保証するものではありません。したがって、保険、セキュリティ、そしてエージェントの経済的インセンティブの面では、依然として埋めるべき大きな課題が残されている。

DeFiエージェントの活動が拡大するにつれ、戦略の混雑が構造的なリスクとなっている。イールドファーミングが最も顕著な例であり、戦略が乱立するにつれて、リターンは縮小していく。同様のメカニズムが、エージェント取引にも当てはまる可能性がある。多くのエージェントが類似したデータを用いて学習し、同様の目的関数を最適化する場合、それらは類似した状態や類似した終了シグナルに収束することになる。

この問題に関する一説は、2026年1月にコーネル大学が発表したCoinAlgの論文で体系化された。透明性の高いエージェントは、その取引が予測可能であり、フロントランされやすいため、アービトラージの影響を受けやすい。民間エージェントはこのリスクを軽減する一方で、別のリスクをもたらす。すなわち、クリエイターがユーザーに対して情報上の優位性を維持し、本来は内部知識を保護するために設けられた不透明性を利用して価値を搾取できるようになってしまうのだ。

エージェントの活動は今後ますます活発化していくでしょう。そして、今日整備されるインフラこそが、オンチェーン金融の次の段階がどのように機能するかを決定づけることになります。エージェントの利用が進むにつれ、それらは自ら反復学習を行い、ユーザーの好みに合わせて適応する能力を高めていくでしょう。したがって、最大の差別化要因は信頼性の高いインフラに帰着し、それが最大の市場シェアを獲得することになるでしょう。

元の記事へのリンク