TRM LabsのAIエージェント決済調査、x402の自律性に関する物語は現実に先行していると示す
TRM Labsは1億9,890万件のx402決済を分析し、決済活動と実際のAI自律性の間に大きな乖離があることを明らかにした。同社のAIエージェント決済調査では、精査対象となった商取引のうち、価値ベースでエージェントが生み出した割合はわずか0.6%から7.5%と推定されている。
この範囲は、agentic commerceをめぐる最も魅力的な物語の一つに疑問を投げかける。ブロックチェーンはソフトウェアが決済を送ったことを示せるが、AIモデルが加盟店を選び、代替案を評価し、独立して行動したかどうかまでは示せない。
この違いは重要だ。Coinbase、Amazon、Google、OpenAI、Stripe、そして主要な決済ネットワークは、機械主導の取引を支えるインフラを構築している。決済レールはますます機能するようになっている。一方で、自律エージェントがそれらのレールを商業的に意味のある規模で利用している証拠は、依然としてはるかに限定的だ。
TRMの調査結果は、agentic commerceが失敗したことを意味しない。インフラ導入、自動決済量、知的な経済活動は、三つの異なる指標であることを示している。これらを同一視すると、市場像は歪められる。
TRM LabsのAIエージェント決済調査、見出し上の取引量を半減させる
TRMの最も重要な発見は、x402に活動がないことではない。その活動の多くを通常の商取引として扱えないことだ。
このブロックチェーン・インテリジェンス企業は、Base、Solana、Polygonにまたがる既知のx402ファシリテーターを調査した。これらのファシリテーターは、署名済みの決済承認を検証し、決済をブロードキャストし、ブロックチェーンのネットワーク手数料を負担する。
データセットには、2025年5月以降の1億9,890万件の決済で約5,270万米ドルが含まれていた。一見すると、これらの数値は相当な取引頻度を持つ確立された機械決済ネットワークを示している。
TRMは次に、真正な商取引とは異なるように見える活動を除外するため、データをフィルタリングした。スクリーニングでは、自身に支払うアドレス、1人または2人の支払者が大半を占める大量フロー、異なる購入者が10人未満の販売者を除外した。
こうした除外により、商取引とみられるプールは2,562万米ドルまで縮小した。言い換えれば、TRMがAIエージェントの関与を判定しようとする前に、観測された価値のおよそ半分が消えたことになる。
完全なオンチェーン分析は、この最初のフィルターが必要な理由を説明している。スケジュールされたプロセス、負荷テスト、自己取引、トークン活動、通常のソフトウェアはいずれも、有効なx402決済を発生させ得る。
したがって、技術的に成功した決済が答えるのは限定的な問いだけだ。それは、あるアドレスがプロトコルのルールに従って送金を承認したことを確認するにすぎない。そのアドレスを誰が管理していたのか、あるいはなぜ決済が行われたのかは立証しない。
TRMは、商取引らしい活動を特定した後、より難しい帰属の問題に直面した。AIエージェントと従来のスクリプトは、まったく同じ決済手順をたどることができる。公開ブロックチェーン上では、その取引は同一に見える可能性がある。
同社は、この不確実性に二つのモデルで対処した。寛容なモデルでは、ファシリテーターがブロードキャストし、金額に変動があり、平均で1米ドル未満の決済を数えた。
厳格なモデルでは、こうしたパターンが複数月にわたって続くことを求めた。また、公開エージェント登録、または複数の販売者への決済のいずれかも必要とした。
精査済みの商取引プールにこれらのテストを適用すると、0.6%から7.5%という推定値が得られた。この広い範囲は、すべてのエージェントを正確に数え上げた結果ではなく、分類手法に伴う不確実性を反映している。
この留保は、この話の中心にある。TRMは、すべての自律決済を特定したと主張しているわけではない。依然として不完全な行動シグナルから、もっともらしい範囲を推定している。
調査では、USDCが決済を支配していたことも判明した。制限なしの資産分析では、5,268万米ドルのうち約5,247万米ドル、すなわち99.6%がこのステーブルコインを利用していた。
この集中により、x402の活動をステーブルコイン決済市場として説明しやすくなる。しかし、根底にある購入者を知的エージェントとして分類しやすくなるわけではない。
この結果は、x402の見出し上の数値の意味を変える。それらはプログラム可能な決済への需要を記録しているが、自律的なAI購入者からの需要を独立して記録しているわけではない。
なぜx402の活動はagentic commerceを証明しないのか
x402は決済を機械可読にできるが、支払う機械を知的にするわけではない。
このプロトコルは、「Payment Required」と表示されるHTTPステータスコード402を、実用的な決済ステップへと適応させたものだ。クライアントがデジタルリソースを要求すると、サーバーは決済条件を返す。
クライアントは承認に署名し、その証明を添えてリクエストを繰り返す。ファシリテーターは承認を検証し、オンチェーンで決済を確定させ、リソースを提供できることを示す証拠を返す。
この設計により、従来のチェックアウトページは不要になる。ソフトウェアは通常のリクエストフロー内で、APIレスポンス、データクエリ、モデル推論、その他のデジタルサービスを購入できる。
この仕組みは、決済を実行ループ内に維持できるため、AIエージェントにとって有用だ。エージェントはブラウザを開いたり、カード情報フォームを完了したり、すべての少額購入について人間の承認を求めたりする必要がない。
しかし、これらの手順のどれも推論を必要としない。開発者は、スケジュールに従って同じエンドポイントを要求し、同じ金額を支払い、レスポンスを保存する決定論的ソフトウェアを書ける。
負荷テストシステムも、はるかに高い頻度で同じことができる。サービス運営者は、外部需要を表さずに取引件数を増やす自己決済やプロモーション活動を発生させることもできる。
TRMの分類では、価格変動をエージェンシーの一つの兆候として用いている。その論理は、複数のサービスを探索するエージェントは異なる価格に遭遇するはずである一方、同じエンドポイントを繰り返し呼び出すスクリプトは固定額を支払うことが多い、というものだ。
この仮定には妥当性があるが、盲点も生む。正当な単一目的のエージェントは、同じサービスを同じ価格で繰り返し購入する可能性がある。TRMのモデルは、こうした活動を従来型の自動化として分類するかもしれない。
逆の誤りもあり得る。スクリプトは、AIモデルを使わずに、エンドポイントを切り替え、取引額を変化させ、探索的な決済パターンを模倣できる。
ブロックチェーンのデータだけでは、この問題を解決できない。チェーンが記録するのは、アドレス、資産、金額、タイムスタンプ、コントラクトとのやり取りだ。各承認の背後にある意思決定プロセスについて、信頼できる説明を記録するものではない。
公開エージェント登録は別のシグナルを提供するが、登録は依然として任意だ。ウォレット所有者は、あるアドレスがエージェントに属すると宣言できるが、その宣言は独立して検証されない場合がある。
TRMによると、現在、ほとんどの参加者はこれらの登録を利用していない。そのため、ウォレットとエージェント、運営者、モデル、または委任したユーザーを結びつける一貫したアイデンティティ層が、研究者には存在しない。
この分析上の問題は、自動化されたウェブトラフィックに似ている。サーバーは機械がページを要求したことを観測できるが、検索クローラー、悪意あるボット、テストツール、AIアシスタントを区別するには追加の証拠が必要だ。
決済では、分類が不正監視、制裁スクリーニング、紛争、責任に影響するため、重要性が増す。ソフトウェアが機械速度で資金を動かせる場合、誤ったラベルの影響はより重大になる。
したがって、x402の調査結果は測定上のギャップを浮き彫りにする。市場には信頼できる決済データがある一方で、それに匹敵するほど信頼できる帰属データはない。
このギャップが、取引総額を導入指標の代替として扱うべきではない理由を説明する。本当のagentic commerceには、委任された権限、目標指向の選択、経済的に意味のある購入の証拠が必要だ。
本当の対立軸はagentic commerceの約束にある
主な対立はx402対カードネットワークではない。自律的な商取引という約束と、通常の自動化を示す証拠との対立だ。
テクノロジー企業は1年以上にわたり、エージェントが買い物や決済を行うために必要な要素を組み立ててきた。現在の取引データが幅広い導入を証明していなくても、これらの投資は実在する。
Googleは2025年9月、Agent Payments Protocol（AP2）を導入した。AP2は、エージェント、加盟店、決済プロバイダーの間で、ユーザー権限、購入意図、説明責任を伝達するための共通フレームワークを提供する。
AP2フレームワークは、60社を超えるテクノロジー、小売、金融組織の支援を受けて開始された。さらに、暗号資産ベースのエージェント決済向けのx402拡張機能も含まれていた。
OpenAIとStripeは、Agentic Commerce Protocolを通じて消費者向けのアプローチを取った。初期のInstant Checkout体験では、ChatGPTが商品発見と加盟店とのコミュニケーションを担っても、購入の確認には人が関与し続けた。
そのチェックアウトプロトコルは重要な違いを示している。AI支援による商取引は、モデルに完全な支出の自律性を与えなくても、商業的に意味を持ち得る。
ユーザーは依然として、商品、配送情報、決済詳細を確認する。加盟店は注文の受諾、決済処理、履行、顧客サポートに責任を負い続ける。
Amazonは、自律的なソフトウェア購入をさらに推し進めている。Amazon Bedrock AgentCore paymentsは2026年5月にプレビュー提供を開始し、8月に一般提供となった。
このサービスにより、開発者は対応ウォレットを接続し、支出上限を設定し、エージェントがAPI、Model Context Protocolサーバー、コンテンツ、その他のデジタルリソースに支払うことを許可できる。Model Context Protocol（MCP）は、AIシステムを外部ツールやデータに接続するための標準だ。
AgentCoreのリリースによると、このインフラはx402決済の交渉、上限の適用、取引活動の記録を行える。これらの統制は、生のウォレットアクセスだけでは対処できない企業上の懸念に対応するものだ。
これらのローンチは、供給側の強いコミットメントを示している。大手企業は、自律的な需要が容易に測定できるようになる前に、プロトコル、アイデンティティ機構、ウォレット、加盟店接続、ガバナンス統制を構築している。
この順序はインフラ市場では一般的だ。開発者がアプリケーションを構築するには信頼できるレールが必要であり、決済プロバイダーが取引量を経済的に意味あるものにするには、信頼できるアプリケーションが必要になる。
リスクは、準備完了と導入を混同することにある。大半の現在の利用者がスクリプト、テスト、または狭くプログラムされたサービスであっても、プロトコルは自律的な購入をサポートできる。
TRMの結果は、インフラ提供者により良い証拠の報告を求める圧力をかける。同じレールがエージェント、通常の自動化、異常な活動に使われる場合、取引件数と決済額だけでは十分な文脈を提供できない。
有用な報告では、外部商取引と自己生成フローを分離する必要がある。また、AI支援購入、決定論的な機械決済、目標指向の自律的な意思決定も区別すべきだ。
この水準の分類は難しいが、必要不可欠だ。そうでなければ、agentic commerceはソフトウェア生成のあらゆる決済に付与されるラベルとなるおそれがある。
楽観的な解釈では、企業は需要に先行して構築している。懐疑的な解釈では、市場はほとんど訪れない購入者のために高度な配管を整備してきたことになる。
どちらの見方も、入手可能な事実と整合する。次の段階は、開発者が、独立した販売者の意味ある範囲にわたってリソースを発見・購入するエージェントを展開するかどうかにかかっている。
モデルが見えないものから読み解くエージェント決済
TRMのレンジが有用なのは、不確実性を可視化する点にある。ただし、その行動テストだけで決定的な帰属判断を下すことはできない。
寛容モデルと厳格モデルは、最終的な答えではなく境界を示す。このアプローチは、あらゆるx402決済をエージェント活動として扱うよりも信頼できる。
とはいえ、下限と上限の推計は、知的エージェントがどのように振る舞うべきかという前提に依存している。複数の販売者を探索し、変動する価格に遭遇するエージェントは、このモデルにより適合しやすい。
一方で、用途が限定されたエージェントは適合しにくい。例えば、毎朝同じ専門データセットを購入する自動リサーチエージェントを考えてみよう。現在の条件を評価し、購入が依然として有用だと判断し、同じ提供者へ繰り返し支払う可能性がある。
オンチェーン上のパターンは、定期実行スクリプトに似るかもしれない。知的な処理は決済前に行われ、決済自体は均一なままになる可能性がある。
より高度なスクリプトは、逆の印象を生み出すこともある。固定ルールに基づいて複数の提供者から選択し、変動する支払いを行いながら、数カ月にわたって稼働し続ける可能性がある。
そのようなシステムは、生成AIを使わずに複数の行動条件を満たし得る。取引に基づく分類では、自律型エージェントの参加を過大評価することになる。
TRMもこの限界を認めている。同社のレポートによれば、価格変動テストは、単一サービスに繰り返し支払う単機能エージェントを過少計上する可能性がある。
観測期間にも別の制約がある。x402は主に、デジタルリソースに対するマシンネイティブな決済を支援する。AI製品が開始または補助したカード決済をすべて捉えるわけではない。
VisaとArtemisは、マクロコマースとマイクロコマースを区別している。マクロコマースには、既存の加盟店システムを通じてエージェントが人のために行動する旅行予約やサブスクリプションなど、一般的な購入が含まれる。
マイクロコマースは、API、コンピューティング、データに対する小規模なソフトウェア間決済を対象とする。これらの決済は高頻度で発生し、従来のカード取引の経済性には見合わない規模になり得る。
同社の決済リサーチでは、2026年4月21日時点で、調整後のx402活動は1億960万件の取引にわたり約1,500万米ドルと報告された。合計額と日付が異なることは、調査を比較する際に手法が重要である理由を示している。
TRMは、より後の観測期間と、3つのネットワークにまたがる既知のファシリテーターを用いた。また、独自のコマースおよびエージェンシーの判定基準を適用した。得られた数値は、同一の対象集団を測定しているかのように合算すべきではない。
どちらのデータセットも、AI支援型ショッピングのあらゆる形態を捉えてはいない。消費者はChatGPTに製品比較を依頼し、その後、小売業者のウェブサイトで手作業により購入を完了するかもしれない。
その取引はAIの影響を反映しているが、自律的な支出ではない。それをエージェント型コマースと呼ぶなら、製品発見、推薦、チェックアウト支援、委任購入の境界が曖昧になる。
この区別は加盟店にとって重要だ。AI生成の紹介は、最終決済が従来型のチェックアウトで行われる場合でも、顧客が検討する製品に影響し得る。
決済インフラ提供者は別の問いに直面する。ソフトウェアに取引開始の権限があるのはいつか、そして結果がユーザーの指示に反した場合に誰が責任を負うのかを把握する必要がある。
そのため研究者には、単一ではなく複数の指標が必要になる。有用な分類には、エージェント支援による発見、人による確認を伴うチェックアウト、決定論的なマシン購入、自律的で目標指向の支出が含まれる。
この分類は、カードとステーブルコインのシステム間比較も改善する。インフラの選択が、知能レベルの違いと誤認されるのを防ぐことができる。
こうした測定が整うまでは、TRMのレンジは可視化されたx402行動の範囲付き推計として読むべきだ。インターネット上のあらゆるAI媒介購入に対する結論ではない。
稼働する決済レールにも、エージェント型の説明責任はまだない
最も緊急の問題は、ソフトウェアが資金を送れるかどうかではなく、すべての決済が権限と責任に関する信頼できる証拠を伴うかどうかだ。
従来のオンラインコマースは、人が購入セッションを管理していることを前提とする。不正検知システム、確認画面、領収書、異議申し立て、チャージバックはすべて、その前提の上に構築されている。
自律型エージェントは、この流れを変える。人が大まかな目標を与え、ソフトウェアが取引ごとの承認を求めることなく、販売者、金額、タイミング、リソースを選択する可能性がある。
この仕組みでは、責任が複数の層にまたがる。ユーザーが目標を定義し、エージェントプラットフォームが実行し、モデルが解釈し、ウォレットが署名し、加盟店が要求を履行する。
エージェントが誤ったリソースを購入した場合、各参加者は別の相手を指摘できる。ユーザーはモデルを非難し、プラットフォームは委任された権限を根拠にし、加盟店は有効な署名に依拠するかもしれない。
悪意ある指示があれば、さらに難しい事例が生まれる。プロンプトインジェクションとは、信頼できないコンテンツがAIシステムを操作し、意図しない行動を取らせることを指す。
外部リソースを閲覧するエージェントは、支払いを別の宛先へ誘導するために設計された指示に遭遇する可能性がある。有効なブロックチェーン決済が確認するのは実行であり、正当な意図ではない。
IMFは、確率的なAI判断と決定論的な決済システムの間にあるこの緊張関係を指摘している。同機関の決済評価は、認可の追跡可能性、サイバーセキュリティ、不明確な責任、相関した自動化行動を新たなリスクとして挙げている。
支出上限はリスクを軽減するが、取引がなぜ発生したのかを示すものではない。ログは調査を改善するが、ユーザーの委任、エージェントの推論、最終的な支払いを結び付けなければならない。
アイデンティティも別の課題を生む。決済アドレスは仮名性を持ち得る一方、公開レジストリへの登録は任意であり、検証されていない場合もある。
TRMは、エージェント型コマースには正確な登録、取引相手の評判、高い取引件数向けに設計された監視が必要だと主張する。人による決済は頻度が低いため、従来の管理策は金額に注目することが多い。
エージェント決済はそのパターンを反転させる。1つのエージェントが、多数の小額送金を生成でき、その個々の金額は一般的な審査しきい値を下回る。
この件数と金額の不一致は、運用上の問題を隠し得る。数千件の誤ったマイクロペイメントは、直ちに大きな金銭的損害を生まなくても、侵害されたエージェントや欠陥のあるポリシーを示す可能性がある。
業界には、エージェントが何を、誰から、どの範囲内で、どれだけの期間購入できるかを記述するマシンリーダブルな委任状が必要だ。これらの委任は取り消し可能でなければならない。
加盟店には検証可能なエージェントIDと、要求された購入が委任範囲に適合することの証拠が必要となる。運用者には、意図、判断、認可、決済のつながりを保持するログが必要だ。
ユーザーには理解しやすい管理手段が必要である。付与された権限を本人が確認できず、すぐに停止もできないなら、技術的なウォレット署名はほとんど安心材料にならない。
取引を行うエージェントを導入するチームも、自らの証拠の記録を保持すべきだ。プロンプト、承認、出力を横断して検索できる記録は、複雑なAIワークフローのレビューを容易にする。
これらの管理策のいずれも、需要の拡大を証明するものではない。しかし、実験をより安全にし、測定の信頼性を高める。
説明責任のレイヤーが、エージェント決済が管理された開発環境を超えられるかを決める。これがなければ、決済量の増加は信頼ではなく曖昧さを増やす可能性がある。
x402エージェント決済が実用化へ向かうかを示す3つのシグナル
次の段階は、生の取引件数ではなく、検証されたエージェント行動、独立した加盟店需要、より強い帰属判断によって評価すべきだ。
第1のシグナルは、独立した販売者にまたがる継続的な支出である。TRMのより厳格なモデルは、発見と選択を示唆するため、複数販売者での活動をエージェンシーのより強い証拠としてすでに扱っている。
今後のデータは、登録済みエージェントが数カ月にわたり、無関係な提供者から繰り返し購入するかを示すべきだ。加盟店構成が広がれば、エージェントが文脈に応じた選択をしているという根拠が強まる。
集中が続けば、その根拠は弱まる。価値の大部分が単一の決済コントラクト、単一のルーター、または関連アドレスの小規模な集団を通じて流れ続けるなら、インフラ活動を本物の市場需要から分離することは依然として難しい。
第2のシグナルは、検証可能な委任とエージェントIDの採用だ。GoogleのAP2、ウォレット提供者、レジストリ、エンタープライズプラットフォームは、異なる方向からこの問題に取り組んでいる。
決定的な進展は、人または組織、認可されたエージェント、許可された行為、結果としての決済を結び付ける共通記録となる。任意のラベルだけでは不十分だ。
認証済み取引が意味のある規模で増加すれば、TRMの上限推計を補強する。総取引量が増えても、登録が低水準のままであれば、現在の不確実性は維持される。
第3のシグナルは、大規模プラットフォームによる本番環境の証拠である。AmazonのAgentCore paymentsは2026年8月に一般提供を開始し、開発者に取引エージェントのための管理された経路を提供した。
重要な指標は、カタログ内にどれだけ多くのエンドポイントが存在するかではない。外部エージェントが、強制された予算の範囲内で、有用なリソースを低いエラー率と継続的な需要のもとで購入するかどうかだ。
公開される事例研究は、異なる外部購入者の数、販売者の集中度、反復利用、失敗取引、人による介入を開示すべきである。これらの数値は、機能デモと持続的なコマースを分けるのに役立つ。
消費者向けコマースにも同様の明確さが必要だ。人が確認ボタンを押す必要がある購入にも価値はあるが、自律的な支出とは異なるカテゴリーに属する。
開発者とエンタープライズ購入者は、製品がどのカテゴリーを支援するのかをベンダーに尋ねるべきだ。また、提供者がAIの判断を従来型の自動化からどのように区別しているかも確認すべきである。
現時点では、TRM LabsのAIエージェント決済に関する調査は、慎重な結論を支持している。x402は、ソフトウェアネイティブな決済がパブリックブロックチェーン上で高頻度に稼働できることを示した。
ただし、自律型AIエージェントがその活動の大半を占めることは示していない。入手可能な最良の推計では、スクリーニング済みx402コマースに占める割合は0.6%から7.5%の間にある。
この差は単なるブランディング上の論争ではない。投資判断、加盟店の優先順位、セキュリティ管理、新興市場の信頼性に影響する。
レールは機能しているが、購入者の特定は依然として難しい。今後数カ月は、複数加盟店にまたがる行動、検証可能な委任権限、独立して報告される本番利用に注目すべきだ。
これらのシグナルは、エージェント型コマースが整備済みのインフラから実際の経済的エージェンシーへ移行しているかを明らかにする。それまでは、あらゆる大きな取引総額に対して、もう一つ問いかける価値がある。AIエージェントが実際に判断したことを示す証拠は何か。
