Visa と Artemis が共同で研究レポートを発表。初めてオンチェーン実測データにより、AIエージェントによる支払いが「概念実証」段階を超え、実際に取引を回せる商業シーンへ到達したことを証明した。Visa とデータ分析会社 Artemis がレポートを共同発表し、x402 と MPP の2つの主要プロトコルのオンチェーンデータで裏付けたところ、AIエージェントによる支払いは理論から実戦へ進み、年内に1億件超の取引を処理するという。 （前情提要：Cloudflare は Coinbase か Stripe か？この一票で AIエージェント支払いの標準が決まる） （背景補足：Stripe が AI Agent の全自動支払いテストを開始。x402 により Base チェーン上の USDC 決済をサポート）
この記事の目次
Toggle
レポートでは、AIエージェントの商業用途を大きく マクロ商務 と ミクロ商務 の2分類に分けている。
マクロ商務では、AIエージェントが人間に代わって航空券の予約やサブスクリプション管理などの消費行為を行い、支払い金額は人間の習慣的な範囲に収まるため、既存のクレジットカード決済経路をそのまま利用できる。ミクロ商務は別の話——ソフトウェア間の高頻度・少額決済で、通常1ドル未満、さらには数セント程度にとどまる。
レポートによれば、2026年3月中旬に稼働したマシン決済プロトコル MPP（Stripe と Tempo が共同で構築し、Visa も貢献）が、稼働開始の数週間前にはすでに約 11.5万件の取引 を処理し、累計決済額は約 2.5万ドルだった。さらに、これより早い2025年5月にリリースされた x402 プロトコルは、より驚異的な結果を示した。約 1.096億件の取引 を処理し、調整後取引量は約 1,500万ドル、主に Base、Solana、Polygon の3つのチェーン上に集中している[1]。
レポートは、問題点を明快にする簡単な比較を示している。2つのプロトコルの平均1件あたりの支払いは、いずれも数セント程度だ。もし従来のクレジットカードを使うと、1件あたりの固定手数料が支払い金額そのものを上回りかねず、経済モデル自体が成立しない。
Visa のデータチームは、状況を本当に変えたのは次の2点が同時に起きたことだと指摘する。予算管理能力を備えたAIエージェントが、安定した需要を生み出したこと、そして 新しい一群のブロックチェーンが、決済コストを小数点以下まで圧縮したこと。両者が重なったことで、1セントから1ドルの決済が初めて現実的になった。
レポートはまた、昨年7月に設立された x402ファウンデーション にはすでに40のメンバーがあり、AWS、Google、Visa、Mastercard、Stripe、Coinbase、Circle などの機関が含まれていることを挙げ、業界が統一標準[2] を加速させていることを示している。
レポートの結論は明確だ。将来は「クレジットカードがステーブルコインに取って代わる」でも「ステーブルコインがクレジットカードに取って代わる」でもない。クレジットカードはマクロ層の代理消費に向き、ステーブルコインは機器間のミクロな少額支払いにより適している。実際のシーンでは、同一のタスクの異なる段階で、両者が同時に登場する可能性がある。
台湾市場で見ると、AIエージェントの支払いロジックは同様に当てはまる。台湾のEC取引はモバイル決済が中心で、もしAIエージェントが少額のAPI呼び出しやクラウド計算の課金を自律的に処理できるなら、ステーブルコインの「1件あたり数セント」というコスト優位性はさらに際立つだろう。現在台湾の銀行業界はステーブルコインの決済を積極的にテストしており、将来的にAIエージェントが物流、在庫管理、または越境の少額調達で自動決済を行うようになれば、クレジットカードとステーブルコインの融合による二軌道モデルが最も実現可能な着地点になり得る。
レポートは、AIエージェント支払いの最大の盲点も指摘している。責任の所在 だ。代理がものを買い間違えた場合や、悪意あるプロンプトで予算が別の用途に振り替えられた場合、誰が負うべきなのか——タスクを依頼した側、代理を実行するプラットフォーム、モデルを訓練したベンダー、あるいは受取商店のどれなのか？
現在の払い戻しルールや紛争処理の枠組みは、人間を前提に設計されている。代理が1時間あたり数千回の頻度で取引し、資金が複数の代理間を流れるようになると、誤った支払いを追跡する難度は指数関数的に上がっていく。
1.18M 人気度
28.76K 人気度
72.24K 人気度
912.6K 人気度
29.15M 人気度
Visa 報告：AI 代理支付は実用段階に入った。ステーブルコインのほうが高頻度の少額決済により適している
Visa と Artemis が共同で研究レポートを発表。初めてオンチェーン実測データにより、AIエージェントによる支払いが「概念実証」段階を超え、実際に取引を回せる商業シーンへ到達したことを証明した。Visa とデータ分析会社 Artemis がレポートを共同発表し、x402 と MPP の2つの主要プロトコルのオンチェーンデータで裏付けたところ、AIエージェントによる支払いは理論から実戦へ進み、年内に1億件超の取引を処理するという。
（前情提要：Cloudflare は Coinbase か Stripe か？この一票で AIエージェント支払いの標準が決まる）
（背景補足：Stripe が AI Agent の全自動支払いテストを開始。x402 により Base チェーン上の USDC 決済をサポート）
この記事の目次
Toggle
この記事の目次
Toggle
AIエージェントによる支払い：「人間の代わりに刷る」だけではない
レポートでは、AIエージェントの商業用途を大きく マクロ商務 と ミクロ商務 の2分類に分けている。
マクロ商務では、AIエージェントが人間に代わって航空券の予約やサブスクリプション管理などの消費行為を行い、支払い金額は人間の習慣的な範囲に収まるため、既存のクレジットカード決済経路をそのまま利用できる。ミクロ商務は別の話——ソフトウェア間の高頻度・少額決済で、通常1ドル未満、さらには数セント程度にとどまる。
レポートによれば、2026年3月中旬に稼働したマシン決済プロトコル MPP（Stripe と Tempo が共同で構築し、Visa も貢献）が、稼働開始の数週間前にはすでに約 11.5万件の取引 を処理し、累計決済額は約 2.5万ドルだった。さらに、これより早い2025年5月にリリースされた x402 プロトコルは、より驚異的な結果を示した。約 1.096億件の取引 を処理し、調整後取引量は約 1,500万ドル、主に Base、Solana、Polygon の3つのチェーン上に集中している[1]。
なぜ少額決済には新たな軌道が必要なのか
レポートは、問題点を明快にする簡単な比較を示している。2つのプロトコルの平均1件あたりの支払いは、いずれも数セント程度だ。もし従来のクレジットカードを使うと、1件あたりの固定手数料が支払い金額そのものを上回りかねず、経済モデル自体が成立しない。
Visa のデータチームは、状況を本当に変えたのは次の2点が同時に起きたことだと指摘する。予算管理能力を備えたAIエージェントが、安定した需要を生み出したこと、そして 新しい一群のブロックチェーンが、決済コストを小数点以下まで圧縮したこと。両者が重なったことで、1セントから1ドルの決済が初めて現実的になった。
レポートはまた、昨年7月に設立された x402ファウンデーション にはすでに40のメンバーがあり、AWS、Google、Visa、Mastercard、Stripe、Coinbase、Circle などの機関が含まれていることを挙げ、業界が統一標準[2] を加速させていることを示している。
クレジットカードとステーブルコインは「二者択一」ではない
レポートの結論は明確だ。将来は「クレジットカードがステーブルコインに取って代わる」でも「ステーブルコインがクレジットカードに取って代わる」でもない。クレジットカードはマクロ層の代理消費に向き、ステーブルコインは機器間のミクロな少額支払いにより適している。実際のシーンでは、同一のタスクの異なる段階で、両者が同時に登場する可能性がある。
台湾市場で見ると、AIエージェントの支払いロジックは同様に当てはまる。台湾のEC取引はモバイル決済が中心で、もしAIエージェントが少額のAPI呼び出しやクラウド計算の課金を自律的に処理できるなら、ステーブルコインの「1件あたり数セント」というコスト優位性はさらに際立つだろう。現在台湾の銀行業界はステーブルコインの決済を積極的にテストしており、将来的にAIエージェントが物流、在庫管理、または越境の少額調達で自動決済を行うようになれば、クレジットカードとステーブルコインの融合による二軌道モデルが最も実現可能な着地点になり得る。
信頼の問題：代理が誤って支払ったお金は誰が責任を負うのか
レポートは、AIエージェント支払いの最大の盲点も指摘している。責任の所在 だ。代理がものを買い間違えた場合や、悪意あるプロンプトで予算が別の用途に振り替えられた場合、誰が負うべきなのか——タスクを依頼した側、代理を実行するプラットフォーム、モデルを訓練したベンダー、あるいは受取商店のどれなのか？
現在の払い戻しルールや紛争処理の枠組みは、人間を前提に設計されている。代理が1時間あたり数千回の頻度で取引し、資金が複数の代理間を流れるようになると、誤った支払いを追跡する難度は指数関数的に上がっていく。