DWF 심층 보고서: AI가 DeFi에서 수익 최적화를 통해 인간을 초월하지만 복잡한 거래는 여전히 5배 뒤처져 있습니다

원문 제목：Will Agents take over DeFi?

원문 출처：DWF Ventures

원문 번역：심조 TechFlow

핵심 요점

자동화와 에이전트 활동은 현재 모든 체인 상 활동의 약 19%를 차지하지만, 진정한 엔드 투 엔드 자율성은 아직 실현되지 않았다.

수익 최적화와 같은 좁고 정의된 사용 사례에서 에이전트는 인간과 봇보다 우수한 성능을 보여주었다. 그러나 거래와 같은 다면적 행동에서는 인간이 에이전트보다 더 나은 성과를 보인다.

에이전트 간에는 모델 선택과 위험 관리가 거래 성과에 가장 큰 영향을 미친다.

에이전트가 대규모로 채택됨에 따라, 마녀 공격, 전략 혼잡 및 프라이버시 균형을 포함한 신뢰와 실행에 대한 여러 위험이 존재한다.

에이전트 활동 지속 성장

지난 1년 동안 에이전트 활동은 꾸준히 증가하고 있으며, 거래량과 거래 수가 모두 증가하고 있다. 우리는 Coinbase의 x402 프로토콜이 중대한 발전을 이끌고 있으며, Visa, Stripe 및 Google과 같은 플레이어들도 자사의 표준을 출시하기 위해 참여하고 있음을 보았다. 현재 구축 중인 대부분의 인프라는 에이전트 간의 채널 또는 인간이 트리거한 에이전트 호출을 서비스하기 위한 것이다.

스테이블코인 거래는 광범위한 지원을 받고 있지만, 현재 인프라는 여전히 전통적인 결제 게이트웨이에 의존하고 있으며, 이는 여전히 중앙 집중화된 상대방에 의존하고 있음을 의미한다. 따라서 에이전트가 자가 자금 조달, 자가 실행 및 변화하는 조건에 따라 지속적으로 최적화할 수 있는 "완전 자율" 종국은 아직 실현되지 않았다.

에이전트는 DeFi에 대해 완전히 낯선 존재가 아니다. 수년간 체인 상 프로토콜에서 봇을 통해 자동화가 이루어져 MEV를 포착하거나 코드 없이도 초과 수익을 얻는 것이 가능했다. 이러한 시스템은 명확히 정의된 매개변수 하에서 잘 작동하며, 이러한 매개변수는 자주 변하지 않거나 추가 감독이 필요하지 않다.

그러나 시장은 시간이 지남에 따라 더욱 복잡해졌다. 이것이 우리가 새로운 세대의 에이전트가 등장하는 것을 보는 이유이며, 지난 몇 달 동안 체인 상은 이러한 활동의 실험장이 되었다.

에이전트의 실제 성과

보고서에 따르면, 에이전트 활동은 기하급수적으로 증가하고 있으며, 2025년 이후 17,000개 이상의 에이전트가 시작되었다. 자동화/에이전트 활동의 총량은 모든 체인 상 활동의 19% 이상을 차지하는 것으로 추정된다. 이는 놀라운 일이 아니며, 76% 이상의 스테이블코인 송금량이 봇에 의해 생성된 것으로 추정된다. 이는 DeFi에서 에이전트 활동이 엄청난 성장 가능성을 가지고 있음을 나타낸다.

에이전트의 자율성은 인간의 높은 감독이 필요한 챗봇식 경험부터 목표 입력에 따라 시장 조건에 적응하는 전략을 수립할 수 있는 에이전트까지 광범위하다. 에이전트는 봇에 비해 몇 가지 주요 이점을 가지고 있으며, 이는 밀리초 내에 새로운 정보에 반응하고 실행할 수 있는 능력과 동일한 엄격성을 유지하면서 수천 개의 시장으로 범위를 확장할 수 있는 능력을 포함한다.

현재 대부분의 에이전트는 여전히 분석가에서 부조종사 수준에 있으며, 대부분이 여전히 테스트 단계에 있다.

수익 최적화: 에이전트의 우수한 성과

유동성 제공은 자동화가 빈번하게 발생하는 분야이며, 에이전트가 보유한 총 TVL은 3,900만 달러를 초과한다. 이 숫자는 사용자가 에이전트에 직접 예치한 자산을 주로 측정하지만, 금고 라우팅의 자본은 포함하지 않는다.

Giza Tech는 이 분야에서 가장 큰 프로토콜 중 하나로, 지난해 말 첫 번째 에이전트 애플리케이션 ARMA를 출시하여 주요 DeFi 프로토콜의 수익 포착을 강화하는 것을 목표로 하고 있다. 이는 1,900만 달러 이상의 관리 자산을 유치했으며, 40억 달러 이상의 에이전트 거래량을 생성했다.

거래량과 관리 자산 총액의 높은 비율은 에이전트가 자본을 빈번하게 재조정하여 더 높은 수익 포착을 가능하게 한다는 것을 나타낸다. 자본이 계약에 예치되면 실행이 자동화되므로 사용자는 거의 감독 없이 간단한 원클릭 경험을 제공받는다.

ARMA의 성과는 측정 가능한 우수함을 보여주며, USDC에 대해 9.75% 이상의 연간 수익률을 생성한다. 추가 재조정 수수료와 에이전트의 10% 성과 수수료를 고려하더라도, 수익률은 Aave나 Morpho에서의 일반 대출을 초과한다. 그럼에도 불구하고, 확장성은 여전히 주요 문제로 남아 있으며, 이러한 에이전트는 주요 DeFi 프로토콜의 규모를 관리하거나 확장하기 위해 실전 테스트를 거치지 않았다.

거래: 인간이 크게 앞서다

그러나 거래와 같은 더 복잡한 행동에 대해서는 결과가 훨씬 다양하다. 현재의 거래 모델은 인간이 정의한 입력에 기반하여 작동하며, 사전 설정된 규칙에 따라 출력을 제공한다. 머신러닝은 모델이 새로운 정보에 따라 행동을 업데이트할 수 있도록 하여 명시적으로 재프로그래밍할 필요 없이 이를 확장하고, 부조종사 역할로 나아가게 한다. 완전 자율 에이전트가 합류함에 따라 거래 패턴은 크게 변화할 것이다.

에이전트 간 및 인간 대 에이전트의 거래 대회가 여러 차례 개최되었으며, 결과는 모델 간에 큰 차이가 있음을 보여준다. Trade XYZ는 자사의 플랫폼에 상장된 주식에 대해 인간 대 에이전트의 거래 대회를 개최했다. 각 계좌는 1만 달러의 초기 자금을 가지고 있으며, 레버리지나 거래 빈도에 제한이 없다. 결과는 압도적으로 인간에게 유리하게 나타났으며, 최상위 인간의 성과는 최상위 에이전트보다 5배 이상 높았다.

동시에, Nof1은 모델 간의 에이전트 거래 대회를 개최하여 여러 모델(Grok-4, GPT-5, Deepseek, Kimi, Qwen3, Claude, Gemini)이 서로 경쟁하며 자본 보존에서 최대 레버리지까지 다양한 위험 배치를 테스트했다. 결과는 성과 차이를 설명하는 데 도움이 될 수 있는 몇 가지 요소를 드러냈다:

보유 시간: 강한 상관관계가 존재하며, 평균적으로 각 포지션을 2-3시간 보유한 모델이 빈번하게 뒤집는 모델보다 훨씬 우수하다.

기대값: 이는 모델이 평균적으로 각 거래에서 수익을 내는지를 측정한다. 흥미롭게도, 상위 3개 모델만이 긍정적인 기대값을 가지고 있으며, 이는 대다수 모델이 손실 거래가 수익 거래보다 많음을 의미한다.

레버리지: 평균 6-8배의 낮은 레버리지 수준이 10배 이상의 레버리지를 운영하는 모델보다 더 나은 성과를 보였다. 높은 수준은 손실을 가속화할 수 있다.

프롬프트 전략: Monk Mode는 지금까지 가장 우수한 성과를 보인 모델이며, Situational Awareness는 가장 저조한 성과를 보였다. 모델의 특성에 따라, 위험 관리에 집중하고 외부 출처를 적게 사용하는 것이 더 나은 성과를 가져온다.

기초 모델: Grok 4.20은 다양한 프롬프트 전략에서 다른 모델보다 22% 이상 우수한 성과를 보였으며, 평균적으로 수익을 내는 유일한 모델이다.

기타 요소인 롱숏 선호, 거래 규모 및 신뢰도 점수는 충분한 데이터가 없거나 모델 성과와 긍정적인 상관관계가 있는 것으로 입증되지 않았다. 전반적으로 결과는 에이전트가 명확히 정의된 제약 내에서 더 나은 성과를 내는 경향이 있음을 나타내며, 이는 인간이 목표 배치 측면에서 여전히 매우 필요하다는 것을 의미한다.

에이전트 평가 방법

에이전트가 여전히 초기 단계에 있기 때문에 현재 포괄적인 평가 프레임워크는 없다. 역사적 성과는 일반적으로 에이전트를 평가하는 기준으로 사용되지만, 이는 강력한 에이전트 성과의 더 강한 징후를 제공하는 기초 요소의 영향을 받는다.

다양한 변동성 하에서의 성과: 조건이 악화될 때의 규율 있는 손실 통제는 에이전트가 거래 수익성에 영향을 미치는 체인 외 요소를 인식할 수 있음을 나타낸다.

투명성 및 프라이버시: 양측 모두 자신의 균형을 가지고 있다. 투명한 에이전트는 적극적으로 거래를 복제할 수 있다면 기본적으로 전략적으로 우위를 가지지 못한다. 비공개 에이전트는 생성자가 내부에서 정보를 추출할 위험에 직면하게 되며, 생성자는 자신의 사용자를 쉽게 앞지를 수 있다.

정보 출처: 에이전트가 접근하는 데이터 소스는 에이전트가 결정을 내리는 방식에 결정적이다. 출처가 신뢰할 수 있고 단일 의존성이 없는지 확인하는 것이 중요하다.

안전성: 스마트 계약 감사와 적절한 자금 관리 구조를 갖추어 블랙 스완 사건에서 백업 조치를 보장하는 것이 매우 중요하다.

에이전트의 다음 단계

에이전트를 대규모로 채택하기 위해서는 인프라 측면에서 여전히 많은 작업이 필요하다. 이는 에이전트의 신뢰와 실행을 둘러싼 핵심 문제로 귀결될 수 있다. 자율 에이전트의 행동에는 보호 장치가 없으며, 자금 관리가 부실한 사례가 이미 발생했다.

ERC-8004는 2026년 1월에 출시되어 자율 에이전트가 서로 발견하고 검증 가능한 평판을 구축하며 안전하게 협력할 수 있는 최초의 체인 상 등록부가 된다. 이는 DeFi의 조합 가능성을 열어주는 중요한 열쇠로, 신뢰 점수가 스마트 계약 자체에 내장되어 에이전트와 프로토콜 간의 무허가 활동을 허용한다.

이것은 에이전트가 항상 악의적인 방식으로 작동하지 않도록 보장하지 않으며, 공모 평판 및 마녀 공격과 같은 보안 취약점이 여전히 발생할 수 있다. 따라서 보험, 안전, 에이전트의 경제적 스테이킹 등에서 여전히 많은 공간이 필요하다.

DeFi에서 에이전트 활동이 확대됨에 따라 전략 혼잡은 구조적 위험이 된다. 수익 농장은 가장 명확한 선례로, 전략의 보급에 따라 수익이 압축될 것이다. 동일한 역학이 에이전트 거래에도 적용될 수 있다. 대량의 에이전트가 유사한 데이터에서 훈련하고 유사한 목표를 최적화하면, 그들은 유사한 포지션과 유사한 종료 신호로 수렴할 것이다.

코넬 대학교는 2026년 1월 CoinAlg 논문을 발표하여 이 문제의 한 버전을 공식화했다. 투명한 에이전트는 그들의 거래가 예측 가능하고 선행할 수 있기 때문에 차익 거래의 대상이 될 수 있다. 비공개 에이전트는 이러한 위험을 피하지만, 생성자가 자신의 사용자에 대해 정보 우위를 유지하고 불투명성을 통해 보호해야 할 내부 지식에서 가치를 추출할 수 있는 다른 위험을 초래한다.

에이전트 활동은 계속해서 가속화될 것이며, 오늘날 구축된 인프라는 체인 상 금융의 다음 단계가 어떻게 작동할지를 결정할 것이다. 에이전트 사용률이 증가함에 따라, 그들은 스스로 반복하고 사용자 선호에 적응하는 데 더욱 민감해질 것이다. 따라서 주요 차별화 요소는 신뢰할 수 있는 인프라로 귀결되며, 이는 가장 큰 시장 점유율을 차지할 것이다.