Autor: Lucas Shin, Fonte: Artemis, Compilação: Shaw Golden Finance

Resumo

• Até 2030, os agentes inteligentes (AI Agents) passarão a ser a forma principal como as pessoas usam a Internet.

• Uma rede de agentes totalmente nova exige novos canais de pagamento, sistemas monetários e componentes fundamentais.

• O valor vai concentrar-se em três níveis: a camada de interface, o “corpo” que controla a interação com o utilizador; a camada de pagamento, o “corpo” que intervém na circulação de fundos; a camada de computação e custódia, o “corpo” que opera a infraestrutura base.

• As atividades comerciais de agentes inteligentes na ponta longa dependerão de protocolos abertos para funcionar.

Primeiro, vamos desenhar uma cena.

O tempo é 2030. Tens 24 anos, moras em Burlington, no estado de Vermont, e adoras investir — a maior parte das tuas alocações são em ações dos EUA e também participas, na Kalshi, em algumas negociações de criptomoedas e mercados de previsão. Há dois meses, lançaste a tempo parcial uma consultora de fintech.

Há dias em que, tal como hoje, a abertura acontece de forma totalmente abrupta.

Vrum ——

O toque do telemóvel faz-te acordar, como um balde de água fria na cara. É a tua mensagem do teu agente inteligente pessoal Nexus:

Bom dia, Joe. Completei o seguinte trabalho durante a noite ——

Atualização da carteira: reduzi à noite a posição em $WMT em 15%. Os dados dos satélites mostram a diminuição do fluxo de clientes nas lojas, e o sentimento dos relatórios financeiros virou para baixa; isto foi validado de forma cruzada.

Atualização de agenda: estão marcadas 3 reuniões para esta tarde, e o briefing foi afixado nas notas da reunião.

Otimização de despesas: encontrei um novo fornecedor de servidores na nuvem — desempenho semelhante, a anuidade baixou de 840 dólares para 290 dólares. Pode ser migrado a qualquer momento.

Despesa total: 0,67 dólares

O que aconteceu, afinal, enquanto dormias?

1. O Nexus enviou um subagente de investigação, gastando 0,24 dólares, que durante a noite recolheu informações de 40 fornecedores de dados diferentes, comparou o conteúdo da mais recente call de resultados da Walmart com imagens de satélite dos estacionamentos das lojas em todo os EUA e atualizou a tua lógica de investimento. Quando os dados de satélite mostraram que o fluxo de clientes da Walmart estava a cair, o teu agente de carteira comparou o mercado de sentimento dos relatórios financeiros da Kalshi, confirmou o sinal de baixa e concluiu a redução antes de acordares. Quatro anos antes, esta estratégia de trading ainda era um domínio exclusivo da Citadel e de um pequeno número de fundos quantitativos — que tinham de pagar milhões de dólares para subscrever imagens de satélite. Mesmo um terminal Bloomberg a 30 mil dólares por ano não conseguia cobrir toda a informação — tinhas ainda de subscrever separadamente imagens de satélite, dados alternativos, e passar horas a integrar e analisar. E agora, um jovem de 24 anos em Vermont consegue obter a mesma vantagem de informação que um analista quantitativo da Citadel por um custo inferior ao de uma chávena de café.

2. O subagente comercial do Nexus filtrou 200 leads que correspondiam ao teu perfil de cliente-alvo — empresas de fintech no Sudeste dos EUA, na fase Série B ou posterior, que ainda não usavam um fornecedor de serviços de dados — e completou o enriquecimento de informação a um custo de 0,002 dólares por lead, chamando APIs que foram desenvolvidas por outro agente e publicadas no mercado aberto. Ele filtrou 3 leads com o maior nível de intenção e, de seguida, contactou o agente de agenda desse interlocutor para negociar os horários das reuniões. Antes de cada conversa, ele recolheu a universidade de onde se formou o potencial cliente, contactos em comum, notícias da empresa e histórico de financiamento, e preparou um briefing de uma página para ti, afixando-o nas notas da reunião. Apenas este item de enriquecimento de informação de leads — se for via subscrição de SaaS, cada conta custa 200 dólares por mês.

3. O subagente operacional do Nexus fez testes comparativos entre o teu website de consultoria e 6 fornecedores de servidores: Vercel, Render, Railway, Fly.io, Netlify e Cloudflare. Ele chamou interfaces API de teste de cada serviço a um custo muito baixo, fez deploy de um ambiente de testes, e mediu latência, disponibilidade e throughput. No final, a Railway conseguiu obter desempenho equivalente a um terço do custo. O Nexus negociou a mensalidade através do agente de preços da Railway, montou um espelho do website num novo servidor e concluiu o conjunto completo de testes para garantir que tudo funciona corretamente. Se não existissem agentes, pelo menos seria preciso uma semana: pesquisar na Internet, contactar para orçamentos, e ainda passar por uma migração manual que causa ansiedade. Tu só tens de confirmar ao Nexus para executar.

O teu agente completou tudo isto, por apenas 0,67 dólares.

Agora, multiplica esta cena por todos os trabalhadores do conhecimento do mundo, por cada empresa, e por cada agente inteligente em funcionamento.

Vrum ——

Nexus: saldo insuficiente; restam 1,87 dólares.

Tal como na semana passada, recarregaste 5 dólares no cartão de crédito associado via Apple Pay e depois continuaste a escovar os dentes. Na camada subjacente, esses 5 dólares são convertidos em stablecoins a partir do cartão — mas tu não vês a carteira de forma nenhuma, não tens de considerar o depósito, e também não tens de tocar na blockchain.

Isto é apenas uma vista do mundo da economia das máquinas — um cenário comercial totalmente novo em que agentes de IA continuam a gastar dinheiro com coisas que os humanos nunca pagaram, e em que a escala e a velocidade das transações excedem em muito o âmbito do comércio humano. Dá para imaginar que todos os dias serão geradas dezenas de milhares de milhões de transações.

Mas hoje, a Internet ainda não está preparada para suportar tudo isto.

Neste momento, a Internet foi desenhada para humanos. Filtra comportamentos não-humanos através de limitação de tráfego, CAPTCHA e chaves de API, e monetiza utilizadores humanos através de publicidade. No entanto, com a chegada em massa de agentes autónomos, este modelo de negócio vai deixar de funcionar completamente.

O tráfego explode e o foco efetivo diminui.

Os servidores da Internet subsidiados a longo prazo por receitas de publicidade vão enfrentar um aumento de pedidos em ordens de grandeza — pedidos cuja origem nunca será afetada pela publicidade.

Os pagamentos por agentes resolvem este problema por natureza; pagamentos de baixo valor serão a chave para o acesso.

Raspagem paga, acesso pago, utilização paga.

As empresas que constroem a infraestrutura final que passa a ser amplamente adotada por agentes capturarão o maior poço de novas atividades económicas que a nossa geração alguma vez verá. Os gigantes atuais já estão a disputar posições, mas a economia das máquinas também vai gerar os seus próprios novos gigantes. A última vaga de uma nova Internet criou a Google, Amazon, Facebook, PayPal e Salesforce.

A era da Internet com agentes inteligentes está prestes a chegar.

Prospetiva do tamanho do mercado

Até 2030, a esmagadora maioria das interações na rede já não será feita através do browser. Os nossos agentes inteligentes vão navegar, testar, negociar por nós, formar equipas de subagentes e executar transações. Cada tarefa que completarem vai gerar uma sequência de pagamentos pequenos. O custo de cada utilização parece uma despesa adicional, mas na realidade está a substituir ferramentas e mão de obra muito mais caras. Quanto mais avançadas forem as ferramentas disponíveis, melhor será o desempenho dos agentes, e mais autonomia lhes atribuiremos.

Procura e velocidade de adoção

Vamos fazer uma estimativa grosseira.

No caso descrito acima, o agente do Joe executa centenas de transações por apenas 0,67 dólares. Se expandirmos esta escala para uma empresa intermédia com 500 pessoas — com um agente pessoal por cada funcionário, mais centenas de agentes partilhados nas áreas de vendas, finanças, jurídico, operações e assim por diante — todos os dias gerar-se-ão facilmente 100 mil transações iniciadas por agentes.

Existem mais de 1 mil milhões de trabalhadores do conhecimento no mundo, e 88% já usam IA no trabalho; a dimensão do lado da procura é enorme e continua a crescer. Mas, atualmente, este tipo de utilização fica na maior parte limitada a tarefas básicas, como pesquisa na web, resumo de documentos ou escrita de e-mails. A transformação total para agentes inteligentes ainda não aconteceu, mas assim que começar, a velocidade será extremamente rápida.

O Instagram demorou 30 meses para atingir 100 milhões de utilizadores, o TikTok demorou 9 meses, e o ChatGPT demorou apenas 2 meses (Reuters / dados da UBS). Uma das razões para a adoção rápida do ChatGPT é que a interface de conversação já era familiar para todos, e não exige aprender software novo nem mudar hábitos — tu só precisas de descrever a necessidade, e o agente tenta completá-la.

O único obstáculo é a confiança, e a velocidade a que a confiança se constrói é muito maior do que as pessoas esperam. Neste momento, o Claude Code já contribuiu com 4% de todas as contribuições públicas de código no GitHub (mais de 135 mil vezes por dia). Mantendo o ritmo atual, no fim de 2026 ultrapassará 20%. Isto significa que houve um crescimento de 42 896 vezes em 13 meses. Os programadores demoraram apenas pouco mais de um ano para passar da dúvida para colocar código de nível produção nas mãos da IA.

À medida que os modelos se tornam mais inteligentes, as interfaces ficam mais simples e cada vez mais complexidade técnica é abstraída e escondida, considero que a velocidade de adoção dos agentes inteligentes vai acelerar ainda mais.

Até 2030, mesmo que apenas 60% dos trabalhadores do conhecimento usem agentes, o gasto diário médio será de 3 a 5 dólares (isto é uma estimativa conservadora — basta lembrar que o Joe concluiu três tarefas antes do pequeno-almoço por apenas 0,67 dólares). A escala das transações de agentes apenas no lado do utilizador individual atingirá, por ano, entre 30k e 1,4 biliões de dólares.

Mercado empresarial

O Robby Peterson, da Dragonfly, apontou num artigo que o uso de agentes inteligentes para fins comerciais é uma evolução razoável no modelo SaaS. Concordo plenamente com isso. Já não se trata apenas de auxiliar fluxos de trabalho — estes agentes irão substituir completamente os processos existentes. Tal como hoje mais de 95% das despesas de software provêm de empresas e do governo, a quantidade de agentes inteligentes usados no lado empresarial e o tamanho do gasto, muito provavelmente, vão ultrapassar largamente o mercado individual.

Estamos já a testemunhar esta mudança. A Klarna substituiu a Salesforce por um sistema interno de IA, economizando cerca de 2 milhões de dólares. A ZoomInfo criou agentes de IA para substituir o seu departamento de aprovação de transações, poupando mais de 1 milhão de dólares por ano. Estes são apenas exemplos iniciais em que um único fluxo de trabalho foi “agentizado”, poupando milhões de custos. Cada empresa tem centenas destes processos nos departamentos de vendas, finanças, jurídico, operações e engenharia de desenvolvimento. Assim que os agentes inteligentes forem distribuídos em toda a empresa, o tamanho desses gastos será verdadeiramente espantoso.

Qualquer pessoa pode ser um comerciante

À medida que os agentes de código reduzem drasticamente os custos de desenvolvimento, o limiar de entrada para comerciantes na Internet está a aproximar-se de zero. Um organizador de casamentos especializado em seleção de locais pode empacotar e vender o melhor fluxo de trabalho. Um programador independente em Lagos consegue desenvolver uma API para um domínio vertical e, em poucas horas, começar a ganhar dinheiro com agentes provenientes de todo o mundo. Só precisas de ter conhecimento profissional e, através de prompts, gerar uma interface de API; e já podes começar a receber pagamentos.

Mas o que acontece se os agentes começarem a vender serviços a outros agentes?

Suponhamos que o Joe, mencionado acima, queira entrar num novo domínio: uma empresa médica intermédia nos EUA, no Centro-Oeste, com infraestrutura de pagamentos antiga. Se o agente dele fizer inferência desde zero, os custos de tokens vão acumular-se rapidamente:

• Filtrar 200 empresas que correspondem a um perfil específico (inferência + chamadas de API): cerca de 500 mil tokens

• Completar a informação de cada lead (stack tecnológica, financiamento, dados de recrutamento): 200 leads × cerca de 5000 tokens = 1 milhão de tokens

• Fixar decisores de clientes principais: cerca de 200 mil tokens

• Pontuar sinais de intenção (cadência de recrutamento, duração do contrato): cerca de 300 mil tokens

• Investigar o histórico de cada decisor: 20 leads × cerca de 10 mil tokens = 20 mil tokens

• Escrever copy de abordagem personalizada: 20 leads × cerca de 3000 tokens = 60 mil tokens

Total: cerca de 2,3 milhões de tokens; ao calcular com o custo do Opus 4.6 deste tipo de modelos de ponta, o custo fica entre 8 e 15 dólares.

Espera — o subagente comercial do Joe não fez um processo semelhante por apenas alguns cêntimos?

Sim. Porque a maioria dos passos já estava resolvida por outros agentes. O enriquecimento de leads, a pontuação de intenção e a marcação de agenda têm interfaces empacotadas no mercado aberto, com preços apenas de alguns centésimos de dólar.

Este modelo cria um cenário comercial totalmente novo. O lado da oferta vai crescer bilateralmente: humanos constroem serviços e, ao mesmo tempo, os agentes também constroem serviços. Um problema de elevado consumo de tokens resolvido por um agente pode transformar-se numa ferramenta barata que todos os agentes passarão a usar depois. Num mundo assim, os agentes podem transformar a sua experiência em fluxos de trabalho e vendê-los a outros agentes, subsidiando assim os próprios custos de funcionamento.

Cada mudança de paradigma cria novos comerciantes. A Shopify deu poder aos vendedores de e-commerce, a Stripe deu poder às empresas online e, na economia das máquinas, dar-se-á poder aos programadores “improvisados” e aos agentes inteligentes autónomos.

Análise do real

Então, a que distância estamos do comércio “verdadeiramente” comercial de agentes inteligentes?

A equipa da Artemis em que estou acompanhou continuamente o progresso de dois protocolos principais de pagamento para agentes: o protocolo x402 de código aberto da Coinbase e o protocolo de pagamento para máquinas (MPP) lançado em conjunto pela Stripe e pela Tempo. Em termos simples, o objetivo destas duas categorias de protocolos é exatamente o mesmo: permitir que um utilizador ou um agente pague serviços de qualquer tipo num único pedido de rede (por exemplo, dados, scraping de páginas, inferência de modelos ou outros serviços de API), evitando processos aborrecidos como registo de contas, chaves de API e liquidação de faturas.

Neste momento, ainda estamos numa fase inicial.

O volume de transações do x402 no fim de 2025 foi inflacionado de forma artificial pela especulação em moedas meme e por práticas de “scraping” de rankings. A imagem acima mostra o nível de atividade “real” ajustado após filtrar transações falsas com algoritmos proprietários. Ao remover o ruído das transações falsas e da especulação em moedas meme, nota-se claramente que a economia dos agentes ainda não chegou verdadeiramente. Grande parte das atividades atuais são apenas testes de APIs pagas e ferramentas de IA por parte de programadores, e não a operação de uma economia de agentes em pleno.

Antes de este modelo explodir de verdade, há dois problemas centrais que precisam de ser resolvidos:

1. O lado da oferta ainda não está formado: a quantidade de interfaces de API úteis, que consigam gerar uma procura real por pagamentos por agentes, é gravemente insuficiente.

2. Falta uma camada madura de descoberta e agregação: mesmo que existam interfaces de alto valor, os agentes atualmente não têm um caminho fiável para as descobrir.

Como o ecossistema ainda está a evoluir, é demasiado cedo para usar o volume de transações como métrica principal. Uma observação mais adequada é o crescimento do lado da oferta — ou seja, o número de empresas que oferecem serviços para agentes. Vamos chamar estas empresas de fornecedores de serviços.

A imagem acima mostra a variação acumulada no número de fornecedores de serviços (vendedores) que cumprem os critérios ao longo do tempo. Os vendedores que cumprem os critérios têm de satisfazer: realizar mais de duas transações “reais” e, no mínimo, ter dois compradores independentes. Em outubro do ano passado, este número ainda era inferior a 100, e agora já ultrapassa 4000. Prevê-se que esta taxa de crescimento acelere ainda mais, impulsionada principalmente por três tendências:

1. A inteligência artificial está a reduzir o limiar para criar produtos digitais (como referido antes), o que significa que mais pessoas e agentes de IA se tornarão fornecedores.

2. Os novos serviços serão concebidos com os agentes em primeiro lugar. Os agentes estão a tornar-se o cliente principal, e a forma dos produtos construídos para eles será completamente diferente: usar API em vez de páginas web, acesso imediato em vez de processos de registo, e pagar conforme a necessidade em vez do modelo de subscrição.

3. Os fornecedores existentes serão forçados a fazer transição. À medida que cada vez mais utilizadores interagem através de interfaces de IA em vez de navegar manualmente em páginas web, o modelo de negócio dependente de publicidade irá falhar completamente, porque não há atenção humana a ser monetizada. As empresas não terão escolha senão cobrar diretamente por conteúdos e serviços.

Estas forças vão formar um ciclo de reforço positivo, ampliando a oferta e a procura, até acenderem toda a economia dos agentes.

Configuração do setor

O ecossistema de transações de agentes está a ganhar forma rapidamente. Muitas startups estão a surgir como cogumelos, focando-se em resolver cada lacuna no desenho dessa arquitetura; ao mesmo tempo, empresas em crescimento nas fintech e no domínio de serviços de software (SaaS) estão a transformar-se em transações nativas de agentes. Nos últimos 12 meses, quase todos os principais gigantes de pagamentos e laboratórios de inteligência artificial lançaram ou anunciaram protocolos relacionados com transações de agentes.

Nós mapeámos mais de 170 empresas cobrindo cinco grandes camadas: interface de interação, agentes inteligentes, sistema de contas, instalações de pagamento e motor de inteligência artificial. Aqui reduzimos para cerca de 80 instituições centrais:

Vamos decompor camada a camada, de cima para baixo.

Camada de interface

A camada de interface é a que está mais perto do utilizador e é responsável por orientar a intenção do utilizador (necessidade) para as ferramentas ou serviços necessários (oferta). Quem conseguir definir como os agentes inteligentes descobrem, avaliam e escolhem serviços terá uma enorme influência sobre todas as camadas abaixo. Vamos focar duas categorias mais importantes nesta camada:

Interface do utilizador

Esta é a porta de entrada através da qual a maioria das pessoas interage diretamente com agentes inteligentes. A Apple, Google, OpenAI, Anthropic, xAI e Perplexity estão a construir este tipo de interfaces de interação, e a sua forma está a sair rapidamente do simples modo de chat. Surgem continuamente novas formas — assistentes de voz, assistentes para desktop, copilotos embutidos, agentes no browser — aproximando-se dos cenários reais de utilização dos utilizadores. Quem construir uma plataforma que se torne a interface de IA predefinida do utilizador terá o ponto de partida de todas as transações iniciadas por agentes, e o vencedor desta via ganhará uma vantagem adicional enorme.

Os laboratórios de inteligência artificial já recolheram e treinaram os dados de toda a Internet; hoje, a melhor parte desses dados de treino que resta são os feedbacks guiados por humanos. Sempre que aceitas ou rejeitas uma resposta, fazes correções, ou forneces informações de preferências ao Claude ou ao ChatGPT, a interface de interação que usas capta esses dados para venda ou treino do modelo. Controlar a interface equivale a controlar o ciclo fechado de feedback que otimiza tanto a experiência do utilizador como o próprio modelo. É por isso que a Anthropic lançou o Claude Code, a Google adquiriu o Windsurf, e a OpenAI tentou adquirir o Cursor. Assim que o teu agente acumula informações de contexto sobre as tuas preferências, fluxos de trabalho e ferramentas comuns, os custos de migração do utilizador tornam-se extremamente elevados.

Descoberta de serviços

Quando o agente do Joe precisa de uma interface de enriquecimento de leads ou de um fornecedor de dados de satélite, como encontra o serviço certo? Este pode ser o maior desafio que ainda não foi resolvido no desenho de todo o ecossistema. As soluções atuais são, na sua maioria, listas de ferramentas codificadas à mão ou mercados curados. As principais plataformas já estão a montar os seus próprios sistemas: OpenAI e a Stripe lançaram a ACP, o Google e a Shopify lançaram a UCP, e a Visa lançou a TAP. No fundo, todas estas soluções são diretórios de comerciantes que só funcionam se a plataforma e os comerciantes integrarem ativamente ambos os lados. Este modelo funciona bem em cenários comuns, mas à medida que os limiares para criar e vender serviços digitais caem drasticamente, surgirão muitas aplicações de nicho, altamente personalizadas, e um modelo curado não consegue satisfazer estas necessidades “de cauda longa”.

Empresas como Coinbase, Merit Systems, Orthogonal e Sapiom estão a construir alternativas abertas: agregadores e infraestrutura de base, permitindo que os agentes encontrem e paguem serviços por conta própria durante a execução, sem integração prévia ou acordos comerciais. À medida que o lado da oferta (isto é, recursos de rede) cresce exponencialmente, resolver este problema torna-se extremamente difícil. Mas quem conseguir conquistar os sistemas de ordenação e recomendação — fazendo com que agentes correspondam ao serviço correto no momento certo — terá de facto o controlo sobre uma enorme voz no setor.

As transações de agentes acabam por caminhar para um modo de seleção fechada, ou para um modo de ecossistema aberto, e como esta configuração decide a alocação de valor — esta é uma das disputas centrais neste domínio. Analisaremos este tema em profundidade mais tarde.

Agentes inteligentes e camada de contas

Para nos ajudar a completar tarefas, agentes inteligentes só com inteligência não chega. O subagente comercial do Joe concluiu o fluxo completo: filtrou 200 leads, fez enriquecimento de informação e marcou três reuniões; o Joe não precisa de configurar qualquer ferramenta, gerir chaves de API, nem aprovar passo a passo cada operação. A maior parte da infraestrutura que suporta tudo isto é invisível para o utilizador final, mas sem esta infraestrutura os agentes tornam-se apenas grandes modelos de linguagem sem capacidade de executar. Segue um resumo das principais componentes de base necessárias para materializar isto tudo:

Ferramentas e padrões

Estes protocolos e frameworks dão aos agentes inteligentes capacidade de interagir com o mundo externo. MCP (Machine Communication Protocol, iniciado pela Anthropic e atualmente gerido pela Linux Foundation) permite que os agentes se liguem a dados e ferramentas externas: chamar APIs que nunca foram tocadas, ler bases de dados ou invocar serviços imediatamente. A2A (proposto pela Google) define como agentes desenvolvidos em diferentes plataformas se descobrem e coordenam entre si. LangChain, os frameworks lançados pela Nvidia e pela Cloudflare fornecem módulos base para criar e implementar agentes em cima destes protocolos. O OpenClaw, adquirido recentemente pela OpenAI, integra gestão de contexto e chamadas de ferramentas num único framework com prioridade local, reduzindo de forma significativa a dificuldade de os programadores construírem agentes que possam descobrir e pagar serviços por conta própria.

O problema central neste domínio é: estes padrões acabarão por se unificar ou irão fragmentar-se? Os frameworks comerciais construídos sobre esses padrões conseguem capturar valor antes que as ferramentas se tornem homogéneas?

Autenticação de identidade

Depois de os agentes conseguirem comunicar entre si, é preciso estabelecer confiança. Antes de agentes realizarem transações ou venderem serviços, têm de provar a entidade autorizada que os representa e os direitos de operação, e manter registos de ações para que outros agentes possam verificar.

Existem atualmente vários caminhos técnicos, incluindo: autenticação biométrica (Worldcoin, Civic), sistemas de reputação de agentes na cadeia (ERC-8004) e credenciais verificáveis (Dock, Reclaim).

O espaço de design neste domínio é vasto e o risco é extremamente alto: quanto dinheiro o teu agente pode gastar antes de ter a tua aprovação? Pode representar-te para assinar contratos? Pode delegar permissões para subagentes? Estas regras e limites de segurança serão muito provavelmente definidos no nível de contas.

Carteiras

Obviamente, para os agentes fazerem pagamentos, precisam de uma carteira. Há muitos fornecedores — Coinbase, Safe, MetaMask, Phantom, MoonPay, Privy — a preparar-se para este espaço, oferecendo funcionalidades como acesso programático e criação, delegação de permissões, limite de gasto por transação, lista de destinatários permitidos para recebimento e capacidade de operar em múltiplas cadeias, sem que o utilizador confirme manualmente cada operação. Este é um dos segmentos mais competitivos de todo o ecossistema e levanta uma questão-chave: onde está exatamente a “moat”/vantagem defensiva de uma empresa? No fim, este domínio vai convergir para homogeneidade?

Camada de pagamento

A camada de pagamento fica mais fundo na arquitetura e deverá ser invisível para o utilizador final, mas na economia das máquinas cada unidade de dinheiro flui por aqui. Quando o agente do Joe paga 0,24 dólares durante a noite para recolher dados de 40 fornecedores de serviços, ele não precisa de escolher o tipo de cartão, a moeda ou uma cadeia de liquidação para cada transação.

O desafio central é que os canais de pagamento tradicionais foram desenhados para cliques humanos no botão “comprar”, e não para se adaptarem a milhares de chamadas de API por minuto, em que o valor de cada transação é inferior a um cêntimo. As redes de cartões têm um custo fixo de cerca de 0,03–0,04 dólares por transação, além de 2,3%–2,9% de taxas. Isto funciona para um pedido de hotel de 400 dólares, mas não se adapta a transações novas do tipo agente, com múltiplos passos.

Daqui nasce um conjunto de novos protocolos e sistemas monetários criados especificamente para transações de agentes; ao mesmo tempo, os gigantes tradicionais estão a remodelar infraestruturas existentes para se adaptarem a estas necessidades.

Os pontos principais são os seguintes:

Canais de pagamento

Estes protocolos e padrões definem como os agentes inteligentes iniciam, fazem roteamento e concluem a liquidação de pagamentos. Neste momento, formam-se essencialmente duas rotas tecnológicas:

1. x402 (Coinbase/Cloudflare) e MPP (Stripe/Tempo) desenhados para transações nativas de máquinas: agentes chamam interfaces, obtêm cotações, assinam pagamentos e recebem dados — tudo concluído num único pedido HTTP, com liquidação em stablecoins e custo por transação apenas de alguns cêntimos.

2. ACP (OpenAI/Stripe), AP2 (Google/PayPal) e TAP da Visa seguem uma abordagem diferente: remodelam infraestruturas de pagamentos por cartão existentes para se adaptarem a cenários de agentes. Estas soluções são mais adequadas para transações de alto valor; em comparação com a velocidade e o custo de liquidação, a garantia para o comprador e a cobertura de aceitação para o comerciante tornam-se mais importantes.

Stablecoins e liquidação

Os agentes inteligentes precisam de uma moeda programável, rápida, de baixo custo e global. Stablecoins cumprem perfeitamente estes requisitos, tornando-se assim a escolha natural para as transações do x402 e do MPP. Ao mesmo tempo, os canais de pagamento com cartões continuam a fornecer garantia ao comprador e os hábitos de pagamento dos comerciantes — algo que ainda é importante para transações de alto valor. As cadeias base subjacentes (como Base, Solana, Tempo) trazem outra questão-chave: quais cadeias conseguem suportar a capacidade de processamento exigida por transações de grande escala no nível de agentes, a finalização das transações e a estrutura de custos?

Fornecedores

Estas instituições são intermediários entre agentes inteligentes e comerciantes, responsáveis por lidar com revisões de conformidade, integração de comerciantes, autenticação de permissões e outros processos complexos. Coinbase, Stripe e PayPal estão a expandir ecossistemas existentes para suportar transações de agentes; apostam que a sua rede de comerciantes e infraestrutura de conformidade podem formar vantagens competitivas. Outras instituições, como Sponge e Sapiom, resolvem o problema de “arranque frio” a partir do lado de comerciantes emergentes, permitindo que qualquer negócio baseado em API comece facilmente a aceitar pagamentos por agentes. À medida que a quantidade de canais de pagamento, protocolos e comerciantes cresce, um coordenador pode tornar-se o elo-chave para evitar a fragmentação de todo o sistema.

Camada do motor de IA

Esta camada não precisa de muita apresentação: toda a interação do agente, passos de inferência e chamadas de ferramentas são por ela conduzidos. Mas a velocidade de mudança do modelo de negócio nesta camada é muito maior do que nas restantes partes da arquitetura, e o valor final não flui necessariamente de forma clara como parece à primeira vista. Vamos focar duas categorias principais:

Computação e custódia

Sempre que o agente inteligente do Joe executa inferência para uma tarefa, chama ferramentas ou cria subagentes, isso consome poder de computação. Mas a inferência do modelo é apenas uma parte. Com o crescimento explosivo de aplicações de baixo código / desenvolvimento “improvisado” e a proliferação de serviços construídos pelos próprios agentes, surgem inúmeras novas interfaces que precisam de uma entidade de custódia (hosting). Até maio de 2025, o número de páginas web acessíveis cresceu 45% em apenas dois anos. E, como os agentes de código tornam extremamente simples o lançamento de novos serviços, esta taxa de crescimento só pode acelerar ainda mais. Isto significa que a procura por computação está a aumentar de forma sincronizada em ambos os lados: por um lado, mais agentes lidam com mais tarefas; por outro, mais serviços são continuamente lançados para satisfazer essa procura.

Os fornecedores de nuvem de hiper-escala (AWS, Google Cloud, Nvidia) são os participantes mais óbvios. Entre eles, AWS e Google Cloud continuam a simplificar os processos de deploy dos backends de agentes e das APIs em infraestruturas próprias. A Cloudflare foca-se em edge computing, fornecendo computação serverless com baixa latência para serviços direcionados a agentes. E plataformas de computação descentralizada, como Akash, Bittensor e Nous, satisfazem a procura excedente por computação ao integrar recursos GPU globais e vendê-los a preços muito baixos.

Modelos base

Os modelos base são o “cérebro” de todo o sistema. Anthropic, OpenAI, Google e Meta, como laboratórios pioneiros, expandem continuamente os limites das capacidades dos agentes inteligentes, e o custo de executar esses modelos está a descer rapidamente. No fim de 2022, o custo de executar modelos ao nível do GPT4 era cerca de 20 dólares por milhão de tokens; no início de 2026, com desempenho equivalente, o custo já tinha descido para cerca de 0,05 dólares por milhão de tokens, uma queda de 600 vezes em pouco mais de três anos. Atualizações de hardware, competição entre fabricantes e otimizações como cache de prompts e batch processing reduzem continuamente o custo de inferência. Ao mesmo tempo, à medida que a lógica de inferência é refinada em modelos de código aberto com pesos menores e com custo de execução muito baixo, o custo de construir inteligência também desce de forma significativa. Em alguns benchmarks, a diferença de desempenho entre modelos open-weight e modelos closed-weight encolheu para apenas 1,7%.

Isto é um grande impulso positivo para a economia das máquinas.

Inteligência mais barata significa agentes mais baratos, o que permite a um fundador independente de 24 anos em Vermont suportar facilmente os custos de funcionamento — e, por consequência, promove ainda mais a atividade de transações em todas as partes superiores do ecossistema. Se os grandes modelos acabarem num cenário de competição de preços tal como hoje acontece com os provedores de serviços em nuvem, o valor final pode concentrar-se mais nas camadas a montante e a jusante do modelo do que no próprio modelo.

Quem será o vencedor?

Até 2030, a maior parte das tuas interações digitais já não precisará de browser, motores de busca ou app stores. Tu só precisas de dizer o que queres, e os agentes inteligentes tratarão de tudo: encontrar o serviço adequado, negociar termos e completar o pagamento, entregando o resultado final. A Internet terá uma aparência totalmente diferente.

Podemos interpretá-lo como: uma era de SEO (otimização para motores de busca) orientada para agentes. Haverá cada vez mais interfaces de API e cada vez menos interfaces de interação para humanos.

Num mundo assim, quem consegue capturar o valor?

O Sam Ragsdale, da Merit Systems, escreveu um artigo comparando o ecossistema atual de transações de agentes com a Internet inicial. Ele acredita que os mercados curados de serviços de agentes construídos pelas grandes plataformas (ACP, UCP, TAP) seguem o velho caminho do AOL dos anos 90 — uma experiência refinada e fechada, mas com a limitação central de que todos os fornecedores de serviços tinham de passar por seleção e auditoria humana. Protocolos abertos como x402 e MPP, apesar de mais “grosseiros”, têm características sem permissão: qualquer pessoa pode montar uma interface, sem equipa comercial ou auditoria jurídica, e ganhar receitas através de agentes. Nos anos 90, a experiência de produto em jardim fechado era superior, mas a Internet aberta tem possibilidades infinitas.

No fim, a Internet aberta vence.

A mesma lógica está a repetir-se. ACP, UCP e TAP irão integrar-se com os principais laboratórios de IA, servindo bem os cenários mainstream, mas ficam limitadas aos agentes que só conseguem aceder a catálogos de serviços pré-auditados — e por isso só conseguem completar tarefas previstas pela plataforma. Já os agentes que conseguem ligar-se a todo o ecossistema de protocolos abertos terão limites de capacidade muito mais amplos.

Tenha em atenção: atualmente, a parte mais ativa da Internet deve-se ao volume enorme de tráfego de cauda longa de sites abertos, proporcionado pelo protocolo HTTP.

E temos de reconhecer com humildade que não conseguimos imaginar o panorama completo da Internet de agentes abertos. Tal como em 1995 ninguém conseguiu prever o surgimento de carsharing ou redes sociais, mesmo depois de fornecermos as ferramentas necessárias aos agentes, não podemos prever que eles vão criar, nem por quais serviços irão pagar.

Tal como discutimos antes, os modelos base estão a convergir rapidamente para a homogeneidade e o valor pode transferir-se para outras camadas da arquitetura técnica. Ferramentas de desenvolvimento, carteiras e infraestruturas de identidade são cruciais, mas à medida que os padrões se unificam, estas áreas também muito provavelmente se tornarão homogéneas. Por isso, considero que o valor se vai concentrar em três domínios: interfaces de interação, pagamentos e computação.

Interface de interação

A interface de interação decide os limites de gasto, o fluxo de aprovação e os mecanismos de delegação de confiança. Quem conseguir criar para os utilizadores a experiência mais personalizada carregará mais tráfego de transações.

A Apple é o participante mais subestimado neste domínio. Os seus dispositivos estão profundamente integrados no quotidiano das pessoas, e o custo de migração dos utilizadores é extremamente alto. Se a Siri evoluir para uma interface de interação de agentes madura, a Apple não precisa de construir o modelo mais topo de gama para conseguir controlar o ponto de partida de dezenas de milhares de milhões de transações. Tudo o que terão de fazer é manter a melhor interface de entrada de interação.

A transformação enfrentada pela Google é ainda mais difícil. A transição do browsing manual humano para a seleção inteligente por agentes vai corroer a sua receita central de publicidade. Mas a Google tem uma vantagem que nenhuma outra empresa consegue igualar: acumula há dezenas de anos dados pessoais nas áreas de pesquisa, correio eletrónico, calendário, mapas e documentos. Além disso, existe também o custo de migração do lado empresarial: o Google Workspace já está embutido em milhões de empresas; os e-mails, ficheiros e fluxos de trabalho dos funcionários funcionam na infraestrutura da Google. Se existe alguma empresa capaz de criar para consumidores e empresas agentes altamente personalizados, essa é a Google. A questão é se ela consegue monetizar serviços de agentes com a mesma eficiência com que monetiza o tráfego de pesquisa.

A Merit Systems é o meu “wild card” preferido. Elas estão tanto a construir a infraestrutura de descoberta para uma economia de agentes abertos (AgentCash, x402 scanning, MPP scanning) como a desenvolver uma interface no lado do consumidor (Poncho). A sua lógica central é: quem controla o canal de descoberta de serviços de agentes e entra na parte de fluxo de fundos, ocupa a posição que a Google tinha no início da Internet. É uma aposta ambiciosa, mas se a batalha de transações de agentes abertos vencer o modo selecionado e fechado, a Merit vai tornar-se a camada agregadora com maior vantagem. Ainda está numa fase inicial, tal como aconteceu na competição entre a Google e o ecossistema fechado da AOL, medido pelo valor de mercado de hoje em cerca de 350 mil milhões de dólares.

Pagamentos

Quem controla o fluxo de fundos, ganha uma parte de todas as transações. Tenho mais confiança no futuro desta camada, porque o seu tamanho vai crescer diretamente em sincronização com a quantidade de transações.

Stripe e Tempo são as mais fortes na área de pagamentos nativos de máquinas. A Stripe já tem um ecossistema maduro de programadores e uma vasta rede de comerciantes. Já a Tempo tem características como pagamentos em fluxo (streaming), finalização de transações em cerca de 500 milissegundos, streaming em canais de pagamento, suporte nativo para cartões e stablecoins, pagamento de taxas Gas em dólares (sem risco de volatilidade do token), transações com pagamento por servidor e assim por diante — tudo desenhado para a enorme quantidade de transações da economia das máquinas. Se o MPP se tornar o canal de pagamento nativo de máquinas por defeito, a Stripe e a Tempo irão extrair uma percentagem de cada transação de agente.

A Circle vai crescer em paralelo com a expansão da economia dos agentes. Estou convencido de que stablecoins se tornarão a camada de liquidação da economia das máquinas; nesse momento, a Circle vai obter lucros através de rendimentos das reservas, repartindo receitas a partir de cada montante em dólares nos wallets dos agentes. O USDC é a stablecoin com maior aceitação em exchanges, wallets, cadeias públicas e protocolos de pagamento; novos programadores vão escolhê-lo com prioridade, aprofundando ainda mais a integração do seu ecossistema e tornando mais difícil para concorrentes entrarem.

A Visa fará a adaptação. Lembras-te de como o Joe recarregou com cartão de crédito via Apple Pay e, na camada subjacente, isso foi automaticamente convertido em stablecoins, enquanto ele não via a carteira e não precisava preocupar-se com a blockchain o tempo todo? É essa que será a norma no futuro. Os consumidores vão continuar a usar cartões bancários familiares, e a liquidação acontecerá por stablecoins na base. À medida que os canais de pagamento evoluírem, a Visa vai apoiar-se na confiança da sua marca entre consumidores e comerciantes para ganhar posição.

Computação e custódia

O crescimento do número de agentes significa um aumento da procura por inferência. Mais serviços “improvisados” implica uma expansão da procura por custódia. Independentemente de qual modelo, protocolo ou interface se torne dominante, os fornecedores de computação beneficiarão. AWS e Cloudflare são as duas empresas com maior vantagem neste domínio, por razões semelhantes.

Primeiro, sustentam grande parte do tráfego da Internet. A AWS detém cerca de 30% da quota de infraestruturas de nuvem em 37 regiões à escala global. A Cloudflare fornece serviços de segurança e desempenho para mais de 20% dos websites, o que significa que todos os pedidos desses websites atravessam a sua rede. Quando explodirem novas interfaces voltadas para agentes, os programadores vão escolher por defeito a plataforma de deploy que já conhecem.

Segundo, estão a construir infraestruturas de monetização para a próxima geração de Internet. Com o declínio do modelo de publicidade e a ascensão do modelo de acesso pago, as duas empresas estão a suportar nativamente essa transição. A Cloudflare lançou um serviço de raspagem paga, permitindo que qualquer website na sua rede cobre os seus crawlers de IA via x402 (o Stack Overflow já o está a usar). E a AWS é um membro fundador do fundo x402, lançando uma arquitetura de referência de serverless x402 open-source. Qualquer serviço executado nas duas plataformas consegue ativar facilmente a monetização nativa por agentes.

Autenticação de identidade

Tenho uma visão pessimista sobre empresas como a Worldcoin: os sistemas que constroem exigem verificação humana em cada interação. Esta visão de extremismo assume que as pessoas se importam se o interlocutor online é humano ou agente, mas há muito que as pessoas se habituaram a isso. Na minha perspetiva, o futuro é mais provável que seja: a maioria dos critérios de filtragem do tráfego na rede seja o pagamento de baixo valor, e não credenciais de identidade humana.

O acesso pago será mais prático do que “provar que és humano”.

A identidade só é importante em algumas interações de alto risco, mas na maioria das transações de agentes, o (pequeno) pagamento em si já funciona como uma credencial de confiança.

Conclusão

Quando o Joe acorda, não pensa em canais de pagamento nem em protocolos de identidade dos agentes. Ele só olha para o telemóvel e vê que o agente já concluiu as transações, agendou as reuniões e encontrou um servidor mais barato. Todas as camadas de arquitetura técnica discutidas neste artigo ficam perfeitamente abstratas; ele nem precisa se preocupar.

Ainda estamos a avançar na direção desse futuro. Os protocolos relevantes já estão em funcionamento, mas a adoção ainda é insuficiente; o lado da oferta está a crescer, mas ainda é fraco; o problema da descoberta de serviços ainda não foi resolvido; e a camada de identidade está demasiado fragmentada. Neste momento, grande parte das transações são testes de programadores, e não transações reais de agentes. Mas a velocidade com que o puzzle do ecossistema fica completo é maior do que a que os indicadores de dados mostram. Quem está a ficar pessimista com a infraestrutura inicial olha apenas para a curva descendente; eu penso no que acontecerá quando cada pessoa tiver um ou vários agentes verdadeiramente capazes de ação económica.

Se ainda não agiste, é altura de transitar para o modelo económico dos agentes.