「ほかの人が思いつかない切り口で探して」。AIにそう頼むと、いろいろ出てくる。担保オークション、償還待ち、古いサービスに取り残された資産、取引所の入金経路、解散する組織の債権、複数資産を束ねたトークン……。
おお、いいぞ。まだ見ぬ宝の地図だ。
ところが、ひとつ問題がある。そもそも人間でも思いつかないものを、AIにどうやって思いつかせるんだ？
「もっと斬新に！」と100回言ったら、最後は宇宙船の燃料をDeFiで償還しそうだ。面白い。でも利益はどこだ。
結論は、発想を広げる仕組みは使う。しかし主役は、実際の価格や償還条件から変な差を見つける仕組みにすることだ。珍しい思いつきより、説明できる異常が欲しい。
「斬新な案を出して」が同じ案ばかりになる理由
AIは膨大な文章を学んでいるが、いつでも独創的な集団になるわけではない。回答が安全で典型的な方向へ集まる傾向がある。
2026年の研究「Verbalized Sampling」は、候補とその確率をセットで言語化させる方法を試し、創作課題で回答の多様性が通常の指示の1.6〜2.1倍になったと報告した。数値は詩や物語などの課題についてで、取引利益の増加率ではない。[1]
異分野の問題を構造で結びつける研究でも、科学的な解決案の多様性指標が90〜173%改善したという報告がある。[2]
つまり「別の角度から考える」には技術がある。ただし、変な角度が見つかったからといって、その先にお金が落ちているわけではない。
研究で見えた、ひらめきと現実の段差
2025年の大規模比較では、AIが出した研究アイデアは100人超の専門研究者が関わる盲検評価で、人間の案より新規性を高く評価された。一方、実行可能性の評価は少し低かった。[3]
さらに43人の専門家が案を実装する追試では、AI案は実行後に評価がより大きく低下した。[4]
これはDeFiの取引を試した研究ではない。それでも教訓は分かりやすい。「聞いたことがない」は「換金できる」と別の採点表なのだ。
別の研究では、過去の論文と新しいアイデアを照合し、似ていれば修正させる手法が提案された。複数のAIに案を競わせ、批判と改良を繰り返す研究もある。[5][6] だから発想係と検証係を分ける価値がある。
DeFiの「ゴミ拾い」は、何を拾う仕事なのか
DeFiは、銀行や取引所だけに頼らず、ブロックチェーン上の仕組みで資産を交換・貸し借り・償還する金融サービスの総称。ここでいう「ゴミ拾い」は、目立たない小さな価格差や、面倒な手続きのせいで放置されがちな回収経路を調べる比喩だ。
候補となる場所は七つある。担保の競売、小口の償還、終了予定のサービス、道具の違う新市場、取引所への入金経路、解散組織の請求権、複数資産を束ねたトークンと時間制約のある市場。分類の境界は重なるが、それぞれ「面倒くささ」の種類が違う。
ここで思いつく仮説は、例えば「取引所の価格は高いのに、入金ネットワークが複雑で誰も運んでいないのでは？」「償還書類を読む人が少なくて、受け取る権利だけ安いのでは？」というもの。
ただし、取引所が入金を受け付けることと、償還請求ができることは別だ。口座資格、対象ネットワーク、停止条件、受け取り資格まで確認して初めて出口候補になる。名前の似たトークンを同じ資産として数えたら、ゴミ拾いどころかゴミを買い増すことになる。
AIの仕事を「発想」から「異常発見」に変える
架空の例を考えよう。あるトークンが市場で97ドル、公式の交換窓口では条件を満たす保有者に100ドル相当で戻せるように見える。画面上の差は3ドルだ。
発想型AIは「3ドルの裁定だ！」と叫ぶ。発見型AIは先に、公式条件を読む。誰が交換できる？ いつ現金化される？ 送金中の値動きは？ 手数料は？ 100ドル相当という表示の単位は？ 買いたい量を市場で買える？
そして条件をそろえた後も差が残るなら、そこではじめて仮説が強くなる。利益の計算は「見かけの価格差－手数料－実行コスト－価格変動などの損失見込み」。見積もれない危険は別枠で管理する。
探索の順番はこうだ。
- 公開価格、入出金条件、償還文書、手数料、期限を集める。
- 本当に同じ資産・権利・単位・時点か確認する。
- 意外な差を機械的に拾う。
- 「なぜ高速ボットが取っていないのか」を競争相手の側から説明する。
- 独立した検証係が失敗条件と合法性を調べ、許された範囲で小さく試す。
新しい案が思いつかなければ、まず異常を探す。異常が見つかったら、そこから新しい案を生やす。この順序なら想像力の調子に依存しにくい。
七人の探索係を、七人の同意係にしない
探索係が七人いても、全員が同じネット記事を読んで「有望です！」と言えば、実質ひとりだ。
役割を分けよう。ひとりは変わった候補を出す。ひとりは過去の類似例を探す。ひとりは公式文書で権利を確かめる。ひとりは価格と量を見る。ひとりは取引所の停止条件を調べる。ひとりは損失側から攻撃する。最後のひとりは記録と再現確認を担当する。
仮説の順位を上げる基準は「AIが七票賛成」ではなく、別々の証拠が同じ結論を支えることだ。新しい方法と従来の方法を同じ調査時間で比べ、「100候補から何件の新規・実行可能案件が残ったか」「実際の純利益がいくらだったか」を記録すれば、発想の派手さと成果を分けられる。
まとめ：AIに天才のふりをさせるより、変な数字を拾わせる
誰も思いつかない案を考えろ――無茶ぶりとしては最高だ。
でも、本当に欲しいのは企画会議で拍手される100個の案ではない。人間がまだ見ていなかった差を、証拠付きで一個見つけることだ。
価格表の隅、終了予告の脚注、面倒な償還手続き。宝箱が光っていないなら、むしろそちらを調べる。
高速取引の世界がF1なら、こちらは閉店後の忘れ物窓口である。地味だ。だが、忘れ物が本当に持ち帰れるものかを確かめる仕事には、意外と知恵が要る。
参考研究（各数値の対象は元研究に限定）： [1] Verbalized Sampling, ICML 2026 · [2] Analogical Reasoning, 2026 preprint · [3] Human vs AI research ideas, ICLR 2025 · [4] Ideation–Execution Gap, 2025 preprint · [5] SciMON, ACL 2024 · [6] Co-Scientist, Nature 2026
