AIエージェントを活用したオンチェーン資産管理の方法

null

Web3 と AI の両方の領域を同時に使いこなせるチームにとって、現在は参入のためのウィンドウ期間となっています――実行レイヤーでより信頼性の高いオンチェーン Agent システムを構築する場合でも、インフラレイヤーでデータ、権限、信頼の重要な連結部分をつなぎ込む場合でも、埋めるべき大きな空白が依然として存在します。

本格的に分析を始める前に、まず重要な概念を明確にする必要があります。それは DeFAI です。

DeFAI は、DeFi（分散型金融）と AI（人工知能）の融合を指す略称であり、AI Agent をオンチェーン金融のシーンに導入し、市場状態を認識し、自律的に戦略を立て、直接オンチェーン操作を実行できるようにすることを意味します――その結果、人によるリアルタイム介入に依存することなく、資産配分、リスク管理、プロトコルの相互作用など、従来は専門家が手作業で行う必要があった一連の金融行為を実行できます。

簡単に言えば、DeFAI は DeFi ツールを単に AI 化してアップグレードしたものではなく、オンチェーン上に自律的に稼働できる金融の実行レイヤーを構築しようとする試みです。

この分野は 2024 年 Q4 から急速に熱を帯びており、その背景には注目すべき 3 つの象徴的な出来事があります。これらはそれぞれ、AI Agent が Web3 に入っていく 3 つのレベルに対応しています――ナラティブの飛び出し、資産化されたインフラの構築、そして実行能力の真の実装です。

最初の出来事は 2024 年 7 月に起きました。開発者 Andy Ayrey が構築した Twitter ボット Truth Terminal は、a16z の共同創業者 Marc Andreessen から 5 万ドルの BTC 寄付を受けた後、すぐに話題になり、GOAT 币のウイルス的な拡散を引き起こしました。これは、AI Agent がオンチェーン経済の参加者として初めて、本当の意味で一般の注目を集めた出来事です。

2 つ目の出来事は、同年 10 月に起きました。Virtuals Protocol が Base ネットワーク上で爆発的に注目され、AI Agent 自体がトークン化されました。エコシステムの時価総額は最高で 35 億ドルを超え、DeFAI 分野の資産化されたインフラ構築フェーズの典型例となりました。

3 つ目の出来事は、Giza、HeyAnon、Almanak などのプロジェクトが相次いでオンチェーン実行レイヤーに実装され、業界がナラティブ主導からプロダクト化の段階へ移行することを後押しした点です――AI Agent が本当に「手を動かして」オンチェーン操作を実行し始め、単に情報のやり取りの段階にとどまらなくなりました。

世界の市場規模の観点では、多くの調査機関による AI Agent 分野の成長見通しは非常に一致しています：

図表 1：グローバル AI Agent 市場規模予測の比較

データソース：MarketsandMarkets（2025）、Grand View Research（2025）、BCC Research（2026.01）

しかし、資本の熱狂と産業の実装の間には、なお大きなギャップがあります。マッキンゼーが 2025 年 11 月に発表した『The State of AI in 2025』（105 か国 1993 名の回答者に基づく）によれば、組織の 88% は少なくとも 1 つの業務機能で AI を利用しているにもかかわらず、3 分の 2 近くはいまだ実験またはパイロット段階にとどまっています。AI Agent の領域に絞ると、62% の組織が実験を開始し、23% が少なくとも 1 つの機能でスケール推進を行っていますが、単一の機能においてスケール展開を実現している割合は 10% 未満です。

このデータは私たちにこう示しています。DeFAI 分野のナラティブの熱量は、現実の実装の進捗に対して、現在もなお先行しているということです。このギャップを理解することが、この分野の価値を客観的に評価する前提となります。

二、DeFAI の技術的基盤：AI Agent はどのようにオンチェーンの世界と相互作用するのか

DeFAI がどのように稼働するかを理解するには、まず重要な問いに答える必要があります。AI はどのようなメカニズムによってオンチェーンの金融操作に介入するのか？

DeFAI システムの中核となる実行単位は、大規模言語モデルに基づく AI Agent です。Wang ら（2023）の学術レビューによれば、その中核的な能力は 3 層のアーキテクチャに整理できます。そして各層には、オンチェーンのシーンにおける対応する具体的な役割があります：

プランニング層：目標の分解と経路最適化を担当し、オンチェーン上のシーンでは戦略生成とリスク評価に対応します。

メモリ層：ベクトルデータベースなどの外部ストレージを通じて周期をまたいだ情報蓄積を実現し、歴史的な市場データとプロトコル状態を担います。

ツール層：モデルの能力を拡張し、DeFi プロトコル、価格オラクル、クロスチェーンブリッジなどの外部システムを呼び出せるようにします。

ただし、ここで明確にする必要があります。AI モデル自体は、直接ブロックチェーンと相互作用できません。現在のほぼすべての DeFAI システムは、オフチェーン推論とオンチェーン実行を分離したアーキテクチャを採用しています――AI Agent がオフチェーンで戦略計算を行い、その結果をオンチェーン取引シグナルに変換し、実行モジュールがそれを送信します。このアーキテクチャ設計は、現在の技術条件下での現実的な選択であると同時に、秘密鍵の権限付与や権限管理といった一連のセキュリティ課題も引き起こし、これらは第 5 章で詳説します。

AI Agent は本質的に、大規模言語モデルに基づく自律的な意思決定システムであり、タスク分解、メモリ管理、ツール呼び出しによってクローズドループ実行を実現します。また現在、AI Agent がオンチェーンの資産側と相互作用する点でも、すでに一定の形ができつつあります。

図表2：AI Agent 3 層アーキテクチャとオンチェーン実行モデル

三、DeFAI の進化：情報の相互作用から実行のクローズドループへ

DeFAI の技術的基盤を明確にした後、次に自然に生じる疑問があります。このシステムは、どのようにして今日まで段階的に到達したのか？

The Block の研究によれば、DeFAI の進化は一気に進んだものではなく、2 つの異なる段階を経ています――初期は情報処理中心のインタラクション型 Agent、現在はオンチェーン操作に本当に介入できる実行型システムへと移行しています。

両者には、目標設定、技術手段、リスクの水準において本質的な違いがあります。

図表3：DeFAI の 2 波による進化パスの比較

2 段階の進化の流れは、次のように理解できます：

第 1 波はインタラクション型 Agent で、対話でき、分析できるインテリジェント・エージェントのフレームワーク構築に重点を置きます。代表的なプロジェクトには ElizaOS（旧 ai16z）の Eliza フレームワーク、Virtuals の G.A.M.E. などがあります。この段階の本質はいまだ情報ツールにあります――Agent は読め、話せ、分析できますが、その機能の境界は情報レイヤーにとどまり、資産の実行操作には踏み込んでいません。

第 2 波は実行型 DeFAI Agent であり、本当に意思決定と実行のクローズドループに入ります。代表的なプロジェクトには HeyAnon、Wayfinder、Giza（ARMA Agent）、Almanak などがあります。この種のシステムの共通の特徴は、次のとおりです。AI はオフチェーンで動作し、構造化された戦略シグナルを出力し、それをオンチェーン実行モジュールによって取引に反映します――既存の DeFi プロトコルを置き換えるのではなく、その上に AI の意思決定メカニズムを 1 層加えることで、操作の流れを「人が指示する」から「Agent が自律的に実行する」へと変えます。

2 つの波の本質的な違いは、技術の複雑さではなく、資産に実際に触れるかどうかにあります。これにより、第 2 波のシステムは信頼メカニズム、権限設計、安全アーキテクチャの面で、第 1 波よりはるかに複雑な課題に直面し、まさにそれが次章で重点的に扱う内容です。

四、DeFAI の落としどころの全体像：4 つの主流アプリケーションシーン

技術アーキテクチャから進化パスまで、DeFAI の「何ができるのか」は徐々に明確になってきました。では実際のプロダクトでは、どのような現実的な問題を解決しつつあるのでしょうか？

全体として、現在の DeFAI のアプリケーション探索は 4 つのコア方向に沿って比較的成熟した実装の状況を形成しており、それぞれオンチェーン操作における「収益効率、戦略実行、相互作用のハードル、リスク管理」という 4 つの主要な痛点に対応しています。

4.1 収益最適化：プロトコル横断の自動リバランス

収益最適化は、現在最も成熟した DeFAI の実装シーンです。その中核ロジックはこうです。Aave、Compound、Fluid などの主要 DeFi プロトコルの預金年化利回りを継続的にスキャンし、事前に設定したリスクパラメータと照らしてリバランスが必要かどうかを判断し、毎回の操作前に取引コストの分析を実行します――そして、収益がすべての gas と取引手数料を上回る改善をもたらす場合にのみ、資金を本当に移動し、プロトコルをまたいだ自動化による最適な配分を実現します。

たとえば Giza では、その ARMA Agent が 2025 年 2 月に Base ネットワークでステーブルコインの収益戦略として稼働を開始し、Aave、Morpho、Compound、Moonwell などのプロトコルの金利変動を継続監視しています。プロトコル APY、手数料コスト、流動性を総合的に考慮したうえで、ユーザー資金をインテリジェントに配分し、収益を最大化します。公開データによると、ARMA は現在約 6 万の独立保有者、3.6 万超のデプロイ済み Agent を有し、運用資産規模（AUA）は 2000 万ドル超です。

DeFi プロトコルの収益が継続的に変動する市場環境では、人的な監視と手動リバランスの効率と即時性は、自動化システムに遠く及びません。ここがこのシーンの中核的な価値です。

図表4：Giza プラットフォームの ARMA Agent 例図

データソース：

4.2 クオンツ戦略の自動化：機関レベル能力の一般化

クオンツ戦略自動化の領域では、DeFAI プラットフォームが従来のクオンツチームの全プロセス運用モジュールを分解し、自動化することで、個人ユーザーでも機関レベルの戦略実行能力にアクセスできるようにしようとしています。

Delphi Digital が支援する Almanak を例にすると、同社は AI Swarm システムをリリースし、クオンツのプロセスを 4 つの段階に分解しています：

戦略モジュール：Python SDK によって投資ロジックを書き、バックテストを完了できるように対応します。

実行エンジン：ユーザーの承認を得た後、審査済みの戦略コードを自動で実行し、DeFi 呼び出しをトリガーします。

セキュアウォレット：Safe + Zodiac に基づくマルチシグ体制を採用し、ロール権限によって戦略実行権を AI Agent に付与し、資金が常にユーザーがコントロール可能な範囲に収まるようにします。

戦略金庫：戦略を ERC-7540 標準の取引可能な金庫としてパッケージ化し、投資家はファンド持分のように戦略収益の配分に参加できます。

このアーキテクチャの意義は、AI 代理がデータ分析、戦略の反復、リスク管理の機能を担い、ユーザーはシステムの出力結果の最終承認だけを行えばよく、専門のクオンツチームを組む必要がない点にあります――いわゆる「機関レベル戦略の平等」（プロジェクトの主張）。

図表5：Almanak プラットフォームのトップページ表示図

データソース：

4.3 自然言語による指示実行：DeFi 操作をメッセージを送るだけの簡単さに

このシーンの核心は、ユーザーの意図に基づく DeFi 操作（Intent-based DeFi）です。自然言語処理技術を用いて、ユーザーが日常言語で取引指示を出すと、AI がそれを解析し、多段階のオンチェーン操作へと変換することで、一般ユーザーの操作ハードルを大幅に下げます。

HeyAnon は DeFAI のチャットプラットフォームを構築しており、ユーザーはチャットボックスに指示を入力するだけで、AI がトークン交換、クロスチェーンブリッジ、貸し借り、ステーキングなどのオンチェーン操作を実行できます。LayerZero クロスチェーンブリッジと Aave v3 などのプロトコルを統合し、イーサリアム、Base、Solana などの複数チェーンでのデプロイをサポートします。

図表6：HeyAnon プラットフォームのトップページ表示図

データソース：

Wayfinder は Paradigm の投資によって、さらに一歩進んだ全チェーン取引サービスを提供します。その AI Agent（Shells と呼ばれます）は、異なるチェーン間の最適な取引経路を自動で探索し、クロスチェーン送金、トークン交換、NFT の相互作用などの操作を実行します。ユーザーは基盤となる gas 料金やクロスチェーンの互換性などの技術的詳細に注意を払う必要がありません。

図表7：Wayfinder プラットフォームのトップページ表示図

データソース：

総合すると、自然言語インターフェースは DeFi の操作ハードルを大きく下げる一方で、下層の意図解析の精度に対する要求も高くなります――AI が指示を誤って理解した場合、操作結果はユーザーの期待から大きく乖離する可能性があります。

4.4 リスク管理と清算モニタリング：オンチェーン・プロトコルに埋め込まれたメカニズム

DeFi の貸し借りやレバレッジのシーンにおいて、AI Agent で最もよく見られる用途は、オンチェーン上のポジションの健全性をリアルタイムに監視し、清算しきい値が迫る前に自動で防御的な操作を実行することです。この重い用途は、徐々に主要な各 DeFi プロトコルに統合されており、DeFi プラットフォームのネイティブ機能になりつつあります。

Aave は「ヘルスファクター」によってポジションの安全性を測定し、ヘルスファクターが 1.0 未満になると、借り手のポジションが清算資格を発動します；

Compound は「清算担保係数（Liquidation Collateral Factor）」メカニズムを採用しており、アカウントの借入残高がこの係数が設定する上限を超えた場合に清算がトリガーされます。各担保資産の具体的なパラメータは、オンチェーンのガバナンスによって個別に設定されます。

24/7 の高ボラティリティなオンチェーン市場では、人手の監視で一定の応答効率を維持するのは難しいです。AI Agent はこの場面で、継続追跡、インテリジェントな評価、自動介入を実現でき、リスク管理の効率は人手またはルールベースの自動化システムが到達しにくい水準まで引き上げられます。

図表8：Agent×DeFi の 4 つの主流アプリケーションシーン

総合すると、上記の 4 つのシーンは相互に独立しているのではなく、同じ一本の主軸の周りで相互補完的に形成されています。収益最適化とクオンツ戦略自動化は、ある程度の資産規模を持つ上級ユーザーを対象とし、核心的な強みは実行効率と戦略の精度にあります。自然言語のインタラクションは一般ユーザーの操作ハードルを下げることに注力しています。リスク管理はすべてのシーンに貫通する基盤的な安全保障です。3 者が協調することで、DeFAI の現在のエコシステムにおける基本的な実装の全体像が形成され、さらに複雑なオンチェーン Agent アプリケーションに向けた基礎も築かれています。

五、DeFAI の安全面の下限：秘密鍵管理と権限制御

前述の 4 つのアプリケーションシーンは、収益最適化であれクオンツ戦略自動化であれ、それが実現できる前提はただ 1 つです。AI Agent が何らかの形式の署名権限を持っている必要がある、つまり秘密鍵へのアクセス能力が必要だということです。これが DeFAI の最も重要であり、かつナラティブの熱狂によって見え隠れしやすい技術課題です――もし署名メカニズムに欠陥があれば、上位のすべての戦略能力は意味を失ってしまいます。

現在、業界の主流の秘密鍵の安全管理ソリューションは 2 種類に分かれています。MPC（多者計算）と TEE（信頼された実行環境）です。両者は安全モデル、自動化の度合い、エンジニアリングの複雑度においてそれぞれ重点が異なります。

図表9：秘密鍵安全管理の 2 種類の主流方案の比較表

MPC（Multi-Party Computation、多者計算）の中核的な発想は、鍵を分割して単一障害点を排除することです。一般的な 2-of-3 閾値署名の例で言えば、仮にいずれか 1 つの鍵が漏洩しても、攻撃者は単独では署名を完了できず、資金の安全性には影響しません。Vultisig はこの方向の代表的な製品であり、MPC/TSS 技術に基づくオープンソースのマルチチェーン自主管理ウォレットです。単一のニーモニック（助記詞）なしのアーキテクチャを採用し、鍵の安全性とユーザーによる自主管理を組み合わせています。

TEE（Trusted Execution Environment、信頼された実行環境）は別の道を採ります。秘密鍵と代理コードを、ハードウェア保護された隔離領域（enclave）に封印し、AI 代理が enclave 内で戦略計算と署名を行い、署名結果だけをオンチェーンに出力します。外部環境は秘密鍵を完全に見ることができません。Intel SGX、AMD SEV、ARM CCA などの主流チップは、ハードウェアレベルの隔離と暗号化のサポートを提供しています。Chainlink は TEE をオラクルネットワークに導入して機密データの処理に活用し、遠隔認証メカニズムによって外部に実行環境の完全性を証明しています。

しかし、鍵の安全性は第一の防衛線に過ぎません。実際のデプロイでは、どちらの鍵管理方式を採用していても、その上に権限制御メカニズムを重ねて、Agent の越権操作を防ぐ必要があります。Almanak の実践は、比較的完全な参照フレームワークを提供しています。プラットフォームは TEE によって戦略ロジックと秘密パラメータを保護し、デプロイエンジンとユーザーが保有する Safe スマートアカウントの間に Zodiac Roles Modifier の権限レイヤーを挿入します――AI が開始する各取引は、事前に設定されたコントラクトアドレス、関数、パラメータのホワイトリストと逐一照合され、認可範囲に合致しない取引は自動的に拒否されます。

この最小権限原則の実装方法は、現在すでに DeFAI システムの安全設計における重要な参照として定着しています。そこにあるのは、より深いロジックの存在です。DeFAI の安全問題は、本質的に単一の技術選定の問題ではなく、鍵管理、権限境界、実行監査の 3 者が協調して構成されるシステムエンジニアリングであるということです。どれか 1 つでも欠ければ、システム全体の中で最も脆弱になり得るノードになる可能性があります。これが次章でのリスク分析の出発点でもあります。

六、現実とナラティブのギャップ：DeFAI のコアリスク分析

ナラティブの急速な拡張は、しばしば技術の真の成熟に先行します。2024 年から 2025 年にかけて、市場における DeFAI の評価（価格付け）は概ねその実装の進捗より高く設定されていました。この分野の価値を客観的に評価するには、以下の構造的リスクについての明確な認識が必須です。

図表10：DeFAI のコアリスク識別の比較表

上記のリスクのうち、特に詳しく説明する価値があるのは 3 種類です。

まず、モデルの幻覚（ハルシネーション）は、根本的に解決するのが最も難しいタイプのリスクです。情報サービスのシーンでは LLM の幻覚の代償は誤った答えで済むことがありますが、オンチェーン資産のシーンでは同様の誤りが、取り返しのつかない資金損失を直接引き起こす可能性があります。基盤となる推論が LLM に依存している限り、このリスクは完全に排除できず、現状は出力検証とフォールバックのメカニズムで管理するしかありません。根治することはできていません。

次に、MEV 攻撃には構造的特徴があります。AI Agent の取引パターンが安定し予測可能になってくると、先回りボットが狙いを定めて介入してきます。TEE と秘密（プライベート）実行の組み合わせは、ある程度戦略の露出を抑えることができますが、いまだ体系的な解決策は形成されていません。

最後に、ビジネス実装におけるギャップも過小評価できません。マッキンゼーの 2025 年レポートによれば、汎用的な企業シーンにおいて、いずれかの単一の職能で AI Agent をスケール展開できている組織は 10% 未満です。オンチェーンのシーンでは信頼のハードルと操作の複雑度がさらに高く、このギャップはそれ以上です。「DeFAI」というラベルを付けられた多くの製品は、実のところ概念実証（PoC）の段階にとどまっていることが多く、技術デモから真に意味のある商業的クローズドループに至るには、なお相当の距離があります。

七、トレンドの見立て

前述の分析を踏まえると、DeFAI の進化パスについて段階的な見立てを行うことができます。全体として、この分野は概念実証からプロダクト化への移行の重要な局面にあり、今後の進化は 3 つの段階へと段階的に進むと予想されます：

図表 11：DeFAI の発展段階の予測

注：上表は、業界の公開レポート、プロジェクトの進捗、および技術成熟度を総合して行った見立てであり、確定的なタイムテーブルではありません

現時点の節目において、DeFAI 全体は「補助的な意思決定」から「半自律」への移行段階にあります――一部のプロジェクトは限られた範囲で自律的な実行能力を担い始めていますが、人間による監査とフォールバックのメカニズムは依然として主流のデプロイ形態です。こうした背景の下で、現在の技術成熟度と市場状況を踏まえると、重点的に注目すべき判断材料は 3 点あります。

その 1。現在の多くの DeFAI プロジェクトの本質は、いまだ自律的 Agent ではなく、自動化ツールであることです。「DeFAI」というラベルを付けられた製品の多くは、主に人間の指示を所定の DeFi 操作シーケンスへ翻訳することが中核能力であり、本質的には独立した推論・意思決定能力を持つ自律システムというより、高効率な実行インターフェースに近いものです。マッキンゼーの 2025 年レポートによれば、汎用的な企業シーンでも、単一の職能において AI Agent をスケール展開できている組織は 10% 未満です。オンチェーンのシーンは信頼のハードルと操作の複雑度が高く、技術デモから真に意味のある商業的クローズドループへの移行には、なお相当の距離があります。

その 2。AI Agent の現時点で最も成熟し、かつ機関投資家の信頼を得やすい着地点は、高リスクな自律取引ではなく、オンチェーンの監視、アラート、ガバナンス支援です。24/7 の保有モニタリング、清算の予兆アラート、ガバナンス提案の分析などのシーンでは、一方で LLM の幻覚に対する許容度が比較的高く――誤りの出力が直接資金損失につながるわけではありません。もう一方で、人間の注意力の持続性における先天的な不足を効果的に補えます。こうしたシーンこそが、DeFAI が「技術展示」から「機関による採用」へ進むうえで、より現実的な道筋です。

その 3。AI Agent と RWA の融合は、この分野で次に重点的に注目すべき交差方向です。RWA.xyz のデータによれば、2026 年 4 月初旬時点で、オンチェーンのトークン化された RWA 資産の総額はステーブルコインを除いて 270 億ドル超に達しています。米国国債、プライベートクレジット、コモディティ、社債など複数のカテゴリを含みます。もし AI Agent が、国債 RWA とステーブルコインを含む組み合わせ資産の管理に介入できれば――たとえば、市場環境に応じて両者の配分比率を自動で調整するような形で――到達可能な資産規模は、現在の DeFi ネイティブ資産中心の範囲を大幅に上回ります。そして、資産サイドのオンチェーンとオフチェーンを本当に接続し、Web3+AI+TraFi の連動を実現できる可能性があり、それにより市場の想像力を大きく広げられます。

八、結語

AI Agent とオンチェーン資産管理は、概念実証からプロダクト化への移行の重要な局面にあります。技術的な実現可能性はすでに一定程度検証されていますが、LLM の幻覚リスク、オンチェーンデータの異種性、そして信頼基盤の欠如といった課題は、技術の反復だけでは解決できないものです。必要なのは、プロジェクトのアーキテクチャ設計、コンプライアンスの進路計画、安全体系の構築、そしてビジネスモデルの検証に向けた、体系的な推進です。

これは同時に、この分野がまだ初期の建設段階にあり、真の競争構図がまだ形成されていないことも意味しています。Web3 と AI の両方の次元を同時に扱えるチームにとって、現在は参入のためのウィンドウ期間です――実行レイヤーでより信頼性の高いオンチェーン Agent システムを構築する場合でも、インフラレイヤーでデータ、権限、信頼の重要な連結部分をつなぐ場合でも、埋めるべき大きな空白地帯が存在します。

DeFAI の競争上の障壁は、最終的に単一のモデル能力や、プロトコル統合の深さに落ち着くのではなく、技術・コンプライアンス・セキュリティの間で本当に整合したクローズドループを構築できるかどうかにあります。

――私たちはこの交差領域に継続的に深く取り組んでおり、志を同じくするプロジェクト企業や機関投資家と共に、この領域の境界と可能性を共同で探索していくことを期待しています。