「エージェントが3900万ドル以上のポジションを管理している」というのはかなりの規模に聞こえるが、なぜ同じレポートがエージェントは取引で人間に5倍負けるとも言っているのか？この2つの数字は矛盾していないか？
矛盾はしていない。なぜならこの2つの数字は異なるカテゴリーのタスクを描写しているからだ。3900万ドルのエージェント管理ポジションは、圧倒的に利回り最適化——「目標が狭く、ルールが安定している」シナリオに集中している。資金をプロトコル間で移動させて金利を追いかけることは、エージェントが実際に得意とすることであり、だからこそその数字が意味のある規模まで成長できた。5倍の劣位は別のベンチマークから来ている——エントリーとイグジットのタイミングを判断し、方向性リスクを負う能力を測定するオープンエンドな取引コンテストだ。言い換えれば、エージェントが現在管理している資金規模が成長してきたのは、まさに得意なタスクの種類に配置されているからだ。これはエージェント全体の能力について矛盾する証拠ではなく、むしろ「タスクの種類がパフォーマンスを決定する」という核心的なロジックを裏付けている。
なぜオープンエンドな取引は特にエージェントにとって難しいのか？情報量が足りないのか、それとも計算速度が足りないのか、具体的にどこで詰まっているのか？
情報量や計算速度の問題ではない——現在のエージェントが市場データにアクセスし計算する速度は、人間をはるかに上回っている。本当の難しさは、オープンエンドな取引が「単一の正解が存在しない状況下での判断」を必要とする点にある。そしてこの種の判断は、しばしば現在の市場の物語性、群衆心理、あるいは「今回の状況が過去のどの局面に似ていて、どこが違うのか」という直感的な比較の上に成り立っている——これらは明確なルールやパラメータに還元することが極めて難しいものだ。利回り最適化が単純なのは、その目標が単一の数字(年率リターン)の最大化に還元できるからだ。オープンエンドな取引の「目標」自体が、完全には定量化できない判断の要素を大量に含んでおり、これこそが現在のエージェントアーキテクチャが最も再現しにくい部分だ。
あるDeFAI製品が謳う利回りの数字(レポートで言及された年率9.75%など)を自分で検証したい場合、実際に確認できる方法はあるか？
確認できる点には次が含まれる:その数字がどの期間で測定されたものか(短期の高利回りはしばしば長期的な平均を代表しない)、計算方法がガスコスト、スリッページ、プラットフォーム手数料を差し引いた純利回りなのか、それとも総利回りだけを計算しているのか、そのエージェントの過去の取引記録がオンチェーンで公開・検証可能なものか(プラットフォーム自体が公表するダッシュボードの数字だけに頼っていないか)。もう一つ見落とされがちな確認点は、そのエージェントが現在も実際に稼働しているかどうかだ。かつて見事な数字を達成したものの、その後稼働を停止したり規模を大幅に縮小したりしたエージェントであれば、その過去の数字の参考価値は見直されるべきであり、「現在進行中のこと」として引用すべきではない。
一般的なDeFAIユーザーとして、「エージェントは利回り最適化に強く、オープンエンドな取引には弱い」ということを知った上で、実務上自分の選択にどう活かせばよいのか？
実務上、この分類を選別フィルターとして使うことができる:あるDeFAI製品が謳う機能が「固定された一群のプロトコルの間で、明確なルールに基づき資金を移動させ利回りを追いかける」ものであれば、そのカテゴリーには現時点で比較的しっかりしたデータの裏付けがあり、リスクは主にエージェントの判断力ではなく基盤となるプロトコル自体から来る。しかし、ある製品が謳うのが「エージェントが自律的に市場の方向性を判断し、タイミングを見て売買する」といったオープンエンドな取引機能であれば、現在のデータはまさにそこがエージェントの最も弱い部分であり、リスクが最も予測しにくい領域であることを示しており、それに関連する過去のリターンの主張に対してはより高い慎重さが求められる。簡単に言えば、エージェントの「自律性」の度合いと「信頼できる」度合いは、現段階ではイコールではない。
暗号資産ベンチャー企業DWF Venturesが2026年4月16日に発表したレポートは、DeFAIエージェントの実際のパフォーマンスについて、これまでで最も具体的な定量的描写を提供している:自律型エージェントは現在、オンチェーン活動の19%以上を駆動しており、エージェントが管理するポジションの総ロック価値は3900万ドルを超える。しかし同じレポートは、マーケティング上の物語に埋もれがちな対照的な数字も示している——オープンエンドな取引タスクにおいて、最も優れた人間のトレーダーは、最も優れたエージェントを5倍以上の差で上回っている。
レポートはDWF Labsの投資部門シニアアナリスト、Xin Yi Lim氏の言葉を引用している:「目標が狭く、パラメータがあまり変動しない場合、エージェントは優れたパフォーマンスを発揮する」。この一文は明確な境界線を引いている。利回り最適化(ステーブルコインを異なるレンディングプラットフォーム間で移動させ、その時点で最も高い金利を追いかける)は、まさに「目標が狭く、ルールが安定している」シナリオの典型例だ:比較可能な選択肢は限られており、成功の指標は明確(年率利回り)で、解釈すべき曖昧な状況が存在しない。レポートによれば、GizaのARMAエージェントは稼働していた期間中、年率9.75%のリターンを達成し、当時AaveやMorphoといった他のDeFiプロトコルが提供していた利回りを上回っていたという。
オープンエンドな取引——エントリーのタイミングを判断し、方向性リスクを負い、市場の激しい変動に応じてポジションを調整すること——には、まったく異なる能力が必要となる:絶えず変化し、曖昧に定義された状況の下で、単一の正解が存在しない判断を下すことだ。レポートは、ある株式取引コンテストの結果を引用している:最も優れた人間のトレーダーは、最も優れたエージェントを5倍以上の差で上回った。別のAIモデル取引コンテスト(nof1)では、参加した7つのモデルのうち、最終的に取引ごとに利益を出せたのはわずか3つだった。Coinbase CEOのBrian Armstrong氏と0G Labsのチーフ・グロース・オフィサーであるAytunc Yildizli氏もレポート内で引用されており、両者とも同じ観察に収束している:エージェントは現在、実行の面では比較的うまくやっているが、判断の面では依然として人間に大きく後れを取っている。
この差の根本原因は、エージェントの計算速度が遅いことではない——オープンエンドな取引は本質的に、ルール自体が絶えず変化する状況を扱うことを要求する。同じ戦略であっても、その時々の市場構造や流動性の状況によって、まったく異なる対応が必要になることがある。利回り最適化タスクでは、「ルール」は比較的安定している:どのプロトコルがより高い金利を提供しているか、ガスコストはいくらか——これらは明確に数値化でき、継続的に追跡可能な変数だ。オープンエンドな取引では、「ルール」そのものが不確実性の源となる——市場が次にどのようなロジックに従って動くのか、誰もエージェントに事前に教えることはできない。レポートは、エージェントの取引量が人間の取引量に本当に匹敵するようになるまでには、さらに5年から7年かかると見積もっている。
このデータは、DeFAI製品を評価しようとしているユーザーに対し、「AIはすごい」あるいは「AIはまだ使えない」といった一括りの判定よりも実用的な選別基準を与えてくれる:あるDeFAIエージェントについて問うべきは、それが「全体として」強いかどうかではなく、そのエージェントが処理するよう設計されたタスクが「目標が狭く、ルールが安定している」カテゴリーに属するのか、それとも「オープンエンドな判断」のカテゴリーに属するのかだ。前者については、エージェントが優れたパフォーマンスを発揮するという実際のデータの裏付けが現時点で存在する。後者は依然として人間が優位に立っている領域だ。エージェントが苦手なタスクの種類を基準にDeFAI分野全体を判断すること、あるいはエージェントが得意なタスクの種類から、他の場面でも同様に信頼できると過度に推論することは、どちらもよくある誤判断だ。