Autor: Lucas Shin, Fonte: Artemis, Compilado por: Shaw Golden Finance

Resumo

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

• A nova rede orientada por agentes exigirá novos canais de pagamento, sistemas monetários e componentes base.

• O valor vai concentrar-se em três camadas: a camada de interface, o “corpo” que controla as interações do utilizador; a camada de pagamentos, o “corpo” que intervém no fluxo de capital; e a camada de computação e custódia, o “corpo” que opera a infraestrutura de base.

• As atividades comerciais de agentes inteligentes na ponta longa (long tail) irão assentar em protocolos abertos.

Comecemos por desenhar um cenário.

É 2030. Tens 24 anos, vives em Burlington, Vermont, e adoras investir — principalmente alocando em ações dos EUA; e também participas, na Kalshi, em algumas operações de criptomoeda e de mercados de previsão. Há dois meses, a tempo parcial, fundaste uma consultora de fintech.

Há dias, como hoje, em que a abertura é sempre muito súbita.

Vrum —

O toque do telemóvel acorda-te, como se uma chávena de água fria te tivesse sido atirada ao rosto. É a tua mensagem do teu agente inteligente privado, Nexus:

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

Atualização de portfólio: reduzi à noite a posição de $WMT em 15%. Os dados por satélite mostram que o fluxo nas lojas diminuiu, e o sentimento da chamada de resultados virou para baixa; validámos isso em cruzamento.

Atualização de agenda: já estão marcadas 3 reuniões para esta tarde; o briefing foi fixado nas notas da reunião.

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

Despesa total: 0.67 USD

O que é que aconteceu exatamente enquanto estavas a dormir?

1. O Nexus enviou um sub-agente de pesquisa, custando 0.24 USD, que foi buscar durante a noite informações de 40 fornecedores de dados diferentes; comparou o conteúdo da chamada mais recente de resultados da Walmart com imagens de satélite de parques de estacionamento das lojas em todo os EUA; e atualizou a tua lógica de investimento. Quando os dados por satélite indicaram que o fluxo da Walmart estava a descer, o teu agente de portfólio comparou-se com o mercado de sentimento de resultados da Kalshi, confirmou o sinal de baixa e concluiu a redução de posição antes de tu acordares. Quatro anos antes, estas estratégias de negociação eram ainda domínio exclusivo da Citadel Securities e de poucos fundos quantitativos; tinham de pagar milhões de dólares em subscrições para imagens de satélite. Mesmo um terminal Bloomberg de 30.000 USD por ano não conseguia cobrir toda a informação — ainda tinhas de subscrever separadamente imagens de satélite, dados alternativos e gastar 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, a um custo inferior ao de uma chávena de café.

2. O sub-agente de vendas do Nexus filtrou 200 pistas que correspondem ao teu perfil de clientes-alvo — empresas de fintech na região sudeste dos EUA, na Série B e posteriores, que ainda não utilizam fornecedores de serviços de dados — e completou a recolha de informação por um custo de 0.002 USD por pista; as interfaces chamadas foram desenvolvidas por outro agente e publicadas num mercado aberto. Filtrou as 3 pistas com maior intenção e contactou de imediato o agente de agenda do outro lado para negociar horários. Antes de cada conversa, ele foi buscar ao potencial cliente a universidade em que se formou, contactos em comum, notícias da empresa e histórico de financiamento, e preparou uma página única de briefing para ti, fixando-a nas notas da reunião. Apenas a recolha de informação das pistas: se for via subscrição SaaS, cada conta custaria 200 USD por mês.

3. O sub-agente de operações do Nexus fez testes comparativos entre o teu site de consultoria e 6 fornecedores de servidores: Vercel, Render, Railway, Fly.io, Netlify e Cloudflare. Chamou as interfaces de teste API de cada serviço a um custo muito baixo, implementou um ambiente de testes e mediu latência, disponibilidade e throughput. No fim, a Railway atingiu desempenho semelhante por um terço do custo. O Nexus negociou a mensalidade via agente de preços da Railway, montou um espelho do site no novo servidor e concluiu todo o conjunto de testes para garantir que estava a funcionar corretamente. Se não houvesse agentes, isso teria pelo menos uma semana: pesquisa na Internet, contactos para orçamentos e ainda uma migração manual que gera ansiedade. Tu só precisas de confirmar ao Nexus para executar.

O teu agente concluiu tudo isto, por apenas 0.67 USD.

Agora, multiplica este cenário por cada trabalhador do conhecimento no mundo, por cada empresa, por cada agente inteligente que esteja em funcionamento.

Vrum —

Nexus: saldo insuficiente, restam 1.87 USD.

Tal como na semana passada, recarregaste com 5 USD num cartão de crédito ligado via Apple Pay e seguiste a escovar os dentes. Por baixo, esses 5 USD seriam convertidos de cartão de crédito em stablecoins — mas tu não vês a carteira; não precisas de considerar depósitos e, em absoluto, não tens de tocar na blockchain.

Isto é um vislumbre da economia das máquinas — um cenário comercial inteiramente novo em que agentes de IA continuam a pagar por coisas que os humanos nunca pagaram; a escala e a velocidade das transações excedem largamente o âmbito do comércio humano. Dá para imaginar que todos os dias serão gerados dezenas de milhares de milhões de transações.

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

Neste momento, a Internet foi desenhada para humanos. Ela filtra comportamento não humano com rate limiting, captchas e chaves de API, e monetiza utilizadores humanos via publicidade. Porém, com o aparecimento em massa de agentes autónomos, este modelo de negócio vai falhar por completo.

Aumento explosivo de tráfego, redução acentuada de atenção útil.

Servidores de rede subsistentes durante muito tempo com subsídios da receita publicitária vão enfrentar pedidos numa ordem de grandeza maior — e a origem desses pedidos nunca será afetada por publicidade.

Os pagamentos por agentes resolvem naturalmente este problema, e os micro pagamentos vão tornar-se a chave do acesso.

Pagamentos para scrape, acesso pago, utilização paga.

As empresas que constroem a infraestrutura final que será amplamente adotada pelos agentes vão capturar o maior novo “pool” de atividade económica que a nossa geração consegue ver. Os gigantes atuais já estão a disputar posições, mas a economia das máquinas também irá dar origem a novos gigantes próprios. Na última vaga de “nova Internet”, nasceram a Google, a Amazon, a Facebook, a PayPal e a Salesforce.

A era da Internet orientada por agentes inteligentes está prestes a chegar.

Perspetivas de dimensão do mercado

Até 2030, a grande maioria das interações de rede já não será feita através de navegadores. Os nossos agentes inteligentes irão navegar, testar, negociar, formar equipas de sub-agentes e executar transações por nós. Cada tarefa que completarem vai gerar uma cadeia de micro pagamentos. O custo de cada utilização parece uma despesa adicional, mas na realidade está a substituir ferramentas e mão de obra cujo custo é muito mais elevado. Quanto mais avançadas forem as ferramentas disponíveis, melhor o desempenho dos agentes, e mais autonomia lhes atribuiremos.

Procura e velocidade de adoção

Façamos uma estimativa aproximada.

No exemplo anterior, o agente do Joe realizou centenas de transações por apenas 0.67 USD. Se escalarmos esta dimensão para uma empresa intermédia com 500 pessoas — cada trabalhador com um agente pessoal, mais centenas de sub-agentes partilhados para departamentos como vendas, finanças, jurídico, operações, etc. — seriam facilmente geradas 100.000 transações por dia iniciadas por agentes.

Existem mais de 1 mil milhões de trabalhadores do conhecimento; 88% já usam IA no trabalho. A dimensão da procura é enorme e continua a crescer. Mas, neste momento, este tipo de uso limita-se maioritariamente a tarefas básicas, como pesquisa na web, resumo de documentos ou escrita de emails. A transformação completa para agentes inteligentes ainda não chegou; mas assim que começar, a velocidade será extremamente rápida.

A Instagram chegou a 100 milhões de utilizadores em 30 meses, a TikTok em 9 meses, e o ChatGPT em apenas 2 meses (dados da Reuters / UBS). Uma das razões para a rápida adoção do ChatGPT é que a interface de conversação já é familiar para as pessoas, e não exige aprender novo software nem mudar hábitos — tu só precisas de descrever a necessidade, e o agente tentará cumprir.

O único obstáculo é a confiança, e a velocidade a que a confiança se constrói excede em muito as expectativas das pessoas. Neste momento, o Claude Code já contribuiu com 4% de todas as submissões públicas de código no GitHub (mais de 135.000 vezes por dia). Mantida esta taxa de crescimento, até ao fim de 2026 vai ultrapassar 20%. Isto significa um crescimento de 42896× em 13 meses. Os programadores, apenas em pouco mais de um ano, mudaram de dúvidas para passar em escala código de nível produção para a IA completar.

À medida que os modelos se tornam mais inteligentes, as interfaces ficam cada vez mais simples e cada vez mais complexidades técnicas são abstratas e escondidas, creio 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 médio diário será de 3 a 5 USD (esta já é uma estimativa conservadora — basta saber que o Joe completou três tarefas antes do pequeno-almoço por apenas 0.67 USD). Apenas no lado do utilizador individual, a dimensão do volume de transações dos agentes atingirá 800 mil milhões a 1.4 biliões de dólares por ano.

Mercado empresarial

O Robby Petersen, da Dragonfly, apontou num artigo que agentes inteligentes para uso comercial são a evolução plausível do modelo SaaS. Concordo plenamente. Já não se trata apenas de ajudar fluxos de trabalho; irá substituir completamente os processos existentes. Tal como hoje mais de 95% da despesa com software vem de empresas e de entidades governamentais, o volume de utilização e a dimensão de despesa com agentes inteligentes no lado empresarial provavelmente irá exceder largamente o mercado individual.

Estamos já a assistir a esta transformação. A Klarna substituiu a Salesforce com um sistema interno de IA, poupando cerca de 2 milhões de USD. A ZoomInfo construiu agentes de IA para substituir o seu departamento de aprovações de transações, poupando mais de 1 milhão de USD por ano. Estes são apenas casos iniciais em que um único fluxo de trabalho foi “agentizado” e, portanto, poupa milhões de custos. Em cada empresa, existem centenas destes processos nos departamentos de vendas, finanças, jurídico, operações e engenharia de produto e desenvolvimento. Assim que os agentes inteligentes forem implementados em toda a empresa, o volume de despesas envolvido será enorme.

Qualquer um pode ser comerciante

À medida que os agentes de código reduzem significativamente os custos de desenvolvimento, o limiar de entrada para comerciantes na Internet está a aproximar-se de zero. Um planeador de casamentos especialista em seleção de locais pode embalar o melhor fluxo de trabalho e vendê-lo. Um programador independente em Lagos pode desenvolver uma API para um domínio vertical e começar a gerar receita a partir de agentes em todo o mundo em poucas horas. Tudo o que precisas é ter conhecimentos especializados; gerando uma interface de API por meio de prompts, 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 antes quer entrar num novo domínio: uma empresa média de saúde no Meio-Oeste dos EUA com infraestrutura de pagamentos antiga. Se o agente dele inferir desde zero, os custos de tokens acumular-se-ão rapidamente:

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

• Completar a informação de cada pista (stack tecnológica, dados de financiamento, dados de contratação): 200 pistas × cerca de 5000 tokens = 1 milhão de tokens

• Fixar decisores do cliente principal: cerca de 200 mil tokens

• Pontuar sinais de intenção (ritmo de contratação, duração dos contratos): cerca de 300 mil tokens

• Investigar o historial de cada decisor: 20 pistas × cerca de 10.000 tokens = 20 mil tokens

• Redigir mensagens de abordagem personalizadas: 20 pistas × cerca de 3000 tokens = 60 mil tokens

No total, cerca de 2.3 milhões de tokens; ao calcular com um modelo de ponta como Opus 4.6, o custo fica entre 8 e 15 USD.

Espera — o agente de vendas do Joe não fazia um processo semelhante por apenas alguns cêntimos?

Sim. Porque a maior parte dos passos já tinha sido resolvida por outros agentes. A recolha de informação das pistas, a pontuação de intenção e o agendamento de reuniões têm interfaces empacotadas no mercado aberto; o preço é apenas alguns centésimos de dólar.

Este modelo cria um cenário comercial totalmente novo. O lado da oferta do mercado cresce em duas direções: enquanto os humanos constroem serviços, os agentes também constroem serviços. Um problema de alto consumo de tokens resolvido por um agente pode transformar-se numa ferramenta barata que todos os agentes seguintes podem usar. Num mundo assim, um agente pode transformar a sua experiência em fluxos de trabalho e vendê-los a outros agentes, subsidiando os próprios custos de funcionamento.

Cada mudança de paradigma irá dar origem a novos comerciantes. A Shopify capacitou os vendedores de comércio eletrónico, a Stripe capacitou as empresas online, e a economia das máquinas irá capacitar os programadores “improvisados” e os agentes inteligentes autónomos.

Olhar para a realidade

Então, a que distância estamos das transações comerciais verdadeiramente mercantilizáveis por agentes inteligentes?

A minha equipa da Artemis tem vindo a acompanhar o progresso de dois principais protocolos de pagamento para agentes: o protocolo x402 de código aberto da Coinbase e o Machine Payments Protocol (MPP) lançado conjuntamente por Stripe e Tempo. Em termos simples, estes dois tipos de protocolos têm objetivos totalmente consistentes: permitir que o utilizador ou o agente pague qualquer serviço (por exemplo, dados, scrape de páginas, inferência de modelos ou outros serviços de API) numa única requisição de rede, eliminando processos morosos como criar contas, gerir chaves de API, liquidações de faturas, etc.

Neste momento, ainda estamos numa fase inicial.

O volume de transações do x402 no fim de 2025 foi artificialmente inflacionado pela especulação em moedas meme e pela geração de volume via tabelas/classificações. A imagem acima mostra o “nível real” de atividade transacional ajustado após filtrar transações falsas com um algoritmo proprietário. Ao remover o ruído causado por transações falsas e pela especulação em moedas meme, pode ver-se claramente que a economia de agentes ainda não chegou de facto. No momento, grande parte da atividade é apenas desenvolvedores a testar APIs pagas e ferramentas de IA, e não o funcionamento de agentes económicos verdadeiros.

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

1. O lado da oferta ainda não está formado: faltam demasiadamente as interfaces de API práticas que consigam gerar vontade real de pagamento por parte dos agentes.

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

Como todo o ecossistema ainda está em desenvolvimento, é cedo demais tratar o volume de transações como métrica principal. Um indicador mais razoável é o crescimento do lado da oferta — ou seja, o número de comerciantes que oferecem serviços ao lado dos agentes. Chamaremos todos estes comerciantes de “fornecedores de serviços”.

A imagem acima mostra a variação cumulativa ao longo do tempo do número de fornecedores de serviços (vendedores) que cumprem os critérios. Os fornecedores de serviços que cumprem os padrões devem ter: concluído duas ou mais transações “reais” e pelo menos duas pessoas compradoras independentes. Em outubro do ano passado, este número ainda era inferior a 100, e hoje já ultrapassou 4000. Acredito que esta taxa de crescimento vai acelerar ainda mais, impulsionada principalmente por três tendências:

1. A inteligência artificial está a reduzir as barreiras à criação de produtos digitais (como descrito antes), o que significa que mais pessoas e agentes de IA se tornarão comerciantes.

2. Os novos serviços serão desenhados com prioridade para agentes. Os agentes estão a tornar-se o cliente principal, e as formas de produto criadas para eles serão completamente diferentes: usar API em vez de páginas web, acesso imediato em vez de processos de registo, pagamento sob demanda em vez de subscrição.

3. Os fornecedores de serviços atuais serão forçados a fazer a transição. À medida que cada vez mais utilizadores interagem via interfaces de IA em vez de navegarem manualmente em páginas web, o modelo de negócio dependente de publicidade vai falhar completamente, porque não haverá atenção de utilizadores humanos que se possa monetizar. As empresas não terão outra opção senão cobrar diretamente por conteúdos e serviços.

Estas forças irão formar uma roda dentada positiva, ampliando-se mutuamente nos lados da oferta e da procura, e finalmente acender toda a economia de agentes.

Quadro do setor

O ecossistema de transações de agentes está a tomar forma rapidamente. Muitas startups estão a surgir como cogumelos, focadas em preencher cada lacuna do referido quadro; ao mesmo tempo, empresas em crescimento no setor de fintech e de serviços de software (SaaS) também estão a fazer a transição para transações nativas de agentes. Nos últimos doze meses, quase todos os grandes gigantes de pagamentos e laboratórios de IA lançaram ou anunciaram protocolos relacionados a transações de agentes.

Nós já mapeámos mais de 170 empresas cobrindo cinco grandes camadas: interface de interação, agentes inteligentes, sistema de contas, infraestrutura de pagamentos e motores de IA. Aqui, reduzimos para cerca de 80 instituições centrais:

Vamos decompor camada por camada, de cima para baixo.

Camada de interface

A camada de interface fica mais perto do utilizador; é responsável por orientar a intenção do utilizador (necessidade) para as ferramentas ou serviços necessários (oferta). Quem conseguir definir a forma como os agentes inteligentes descobrem, avaliam e escolhem serviços terá uma enorme capacidade de liderança sobre todas as camadas abaixo. Vamos concentrar-nos nas duas categorias mais importantes nesta camada:

Interface do utilizador

Esta é a porta de entrada com que a maioria das pessoas interage diretamente com agentes inteligentes. A Apple, a Google, OpenAI, Anthropic, xAI e Perplexity estão a construir interfaces de interação deste tipo, cujas formas estão a evoluir rapidamente para além do simples modo de chat. Novas formas como assistentes de voz, assistentes no desktop, copilotos integrados, e agentes de navegador estão a surgir continuamente, aproximando-se dos cenários reais de utilização dos utilizadores. Tornar-se na plataforma que é a interface de IA por defeito para os utilizadores será o ponto de partida para desencadear todas as transações; o vencedor desta pista obterá uma vantagem adicional enorme.

Os laboratórios de IA já rastrearam e treinaram os dados de toda a Internet; agora, os dados de treino da mais alta qualidade que faltam são as respostas de feedback guiado 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 estás a usar capta esses dados, que serão vendidos ou usados para treino do modelo. Controlar a interface equivale a controlar um ciclo fechado de feedback que otimiza a experiência do utilizador e o próprio modelo. É também por isso que a Anthropic lançou o Claude Code, que a Google adquiriu o Windsurf e que a OpenAI tentou adquirir o Cursor. Assim que o teu agente acumular contexto sobre as tuas preferências, fluxos de trabalho e ferramentas comuns, o custo de migração do utilizador torna-se extremamente elevado.

Descoberta de serviços

Quando o agente do Joe precisa de uma interface para completar pistas ou de um fornecedor de dados por satélite, como é que encontra o serviço certo? Este pode ser o maior problema ainda por resolver em toda a arquitetura do ecossistema. Atualmente, a maioria das soluções consiste em listas de ferramentas hard-coded ou em mercados de serviços selecionados. As grandes plataformas já estão a montar os seus próprios sistemas: a OpenAI e a Stripe lançaram o ACP, a Google e a Shopify lançaram o UCP, e a Visa lançou o TAP. No essencial, tudo isto são diretórios de comerciantes que só funcionam se tanto a plataforma como os comerciantes fizerem integração proativa. Este tipo de modelo funciona bem em cenários comuns, mas à medida que a criação e venda de serviços digitais reduz muito os limiares, surgirão muitos apps nicho, altamente personalizadas, e o modelo de seleção não conseguirá satisfazer estas necessidades long tail.

Empresas como Coinbase, Merit Systems, Orthogonal e Sapiom estão a construir uma alternativa aberta. Elas criam agregadores e infraestrutura de base, permitindo que os agentes procurem e usem serviços com pagamento de forma autónoma em tempo de execução, sem integração prévia nem acordos comerciais. À medida que o lado da oferta (ou seja, recursos de rede) cresce exponencialmente, torna-se extremamente difícil resolver este problema. Mas quem conseguir atacar a classificação e os sistemas de recomendação — e fazer com que os agentes se encontrem com o serviço correto no momento certo — ficará com um enorme poder de influência no setor.

As transações de agentes acabarão por se dirigir a um modo fechado por seleção, ou a um modo de ecossistema aberto? E como esta estrutura irá determinar a distribuição de valor — esta é uma das discussões mais centrais neste domínio. Iremos explorar este tema com mais profundidade mais tarde.

Agentes inteligentes e camada de contas

Para nos fazerem o trabalho, agentes inteligentes têm de ter muito mais do que “inteligência”. O sub-agente de vendas do Joe completou o fluxo completo: filtrou 200 pistas, completou informações e marcou três reuniões; o Joe não precisou de configurar ferramentas, gerir chaves de API, nem aprovar passo a passo cada ação. A maior parte da infraestrutura que suporta tudo isto é “invisível” para o utilizador final; mas sem essa infraestrutura, o agente torna-se apenas um modelo de linguagem grande sem capacidade de execução. A seguir, um resumo das componentes base centrais necessárias para tornar tudo isso possível:

Ferramentas e padrões

Estes protocolos e frameworks dão aos agentes inteligentes a capacidade de interagir com o mundo exterior. 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 nunca antes contactadas, ler bases de dados ou chamar serviços em tempo real. A2A (proposto pela Google) define como agentes desenvolvidos em diferentes plataformas se descobrem e colaboram. LangChain, frameworks lançados pela Nvidia e Cloudflare, oferecem blocos base para que programadores criem e implementem agentes sobre estes protocolos. O OpenClaw, recentemente adquirido pela OpenAI, integra gestão de contexto e chamadas de ferramentas numa única framework com prioridade local, reduzindo drasticamente a dificuldade para programadores construírem agentes capazes de se descobrirem e pagarem serviços de forma autónoma.

O problema central nesta área é: estes padrões acabarão por convergir para a unificação ou irão fragmentar-se? E o framework comercial construído sobre eles consegue capturar valor antes que as ferramentas avancem para a comoditização?

Autenticação de identidade

Depois de os agentes conseguirem comunicar entre si, ainda é preciso estabelecer confiança. Antes de executarem transações ou venderem serviços, os agentes devem provar a sua entidade autorizada e o âmbito das permissões, bem como manter registos de ações que possam ser validados por outros agentes.

Atualmente, existem vários caminhos técnicos, incluindo: autenticação de identidade biométrica (Worldcoin, Civic), sistemas de reputação de agentes on-chain (ERC-8004) e credenciais verificáveis (Dock, Reclaim).

Há bastante espaço de desenho nesta área e o risco é extremamente alto: qual o montante máximo que o teu agente pode gastar antes de obter a tua aprovação? Pode assinar contratos em teu nome? Pode delegar permissões para sub-agentes? Estas regras e fronteiras de segurança serão, muito provavelmente, finalmente definidas na camada de contas.

Carteira

É óbvio que, para os agentes efetuarem pagamentos, precisam de uma carteira. A Coinbase, Safe, MetaMask, Phantom, MoonPay, Privy e muitas outras empresas estão a preparar-se para esta área, fornecendo funcionalidades como acesso e criação programáticos, delegação de permissões, limites de gasto por transação, listas brancas de receção e capacidade de operar em várias cadeias, sem necessidade de o utilizador confirmar manualmente cada operação. Esta é uma das pistas com mais competição em todo o ecossistema e levanta uma questão crucial: onde está a verdadeira “moat” das empresas? Esta área acabará por homogeneizar-se?

Camada de pagamentos

A camada de pagamentos fica mais abaixo na arquitetura; para o utilizador final deveria ser “invisível”, mas em economia das máquinas cada unidade de capital passará por aqui. Quando o agente do Joe paga 0.24 USD à noite para chamar dados de 40 fornecedores, ele não precisa escolher a rede de cartão, moeda ou cadeia de liquidação para cada transação.

A dificuldade central é que os canais de pagamento tradicionais foram desenhados para cliques humanos no botão “comprar”, e não para ajustar para milhares de chamadas de API por minuto com montantes por transação inferiores a um cêntimo. As redes de cartões bancários têm um custo fixo de cerca de 0.03–0.04 USD por transação, mais taxas de 2.3%–2.9%. Isto é viável para uma encomenda de hotel de 400 USD, mas não consegue adaptar-se a transações de agentes novas, de múltiplos passos.

Daqui surgiu um conjunto de novos protocolos e sistemas monetários feitos para transações por agentes; ao mesmo tempo, os gigantes tradicionais também estão a reformar infraestruturas existentes para se adaptarem a estas necessidades.

Os pontos centrais são os seguintes:

Canais de pagamento

Estes protocolos e padrões definem como agentes inteligentes iniciam, roteiam e finalizam a liquidação dos pagamentos. Atualmente, existem principalmente duas linhas técnicas:

1. x402 (Coinbase/Cloudflare) e MPP (Stripe/Tempo) desenhados especificamente para transações nativas de máquinas: o agente chama a interface, obtém uma cotação, assina o pagamento e recebe os dados, tudo concluído numa única requisição HTTP, com liquidação em stablecoins e um custo por transação de apenas alguns centésimos de USD.

2. ACP (OpenAI/Stripe), AP2 (Google/PayPal) e TAP da Visa adotam outra abordagem: modificam a infraestrutura de pagamento por cartões existente para se adaptar aos cenários de agentes. Estas soluções aplicam-se melhor a transações de alto valor; em comparação com a velocidade e o custo de liquidação, a proteção do comprador e a abrangência do aceite do comerciante tornam-se mais importantes.

Stablecoins e liquidação

Os agentes inteligentes necessitam de moedas programáveis, rápidas, baratas e globalmente utilizáveis. As stablecoins cumprem totalmente estes requisitos, tornando-se a escolha natural para transações em x402 e MPP. Ao mesmo tempo, os canais de pagamento por cartão ainda fornecem garantias para o comprador, e os hábitos de uso dos comerciantes estão mais consolidados — o que continua a ser importante para transações de alto valor. As redes base on-chain (como Base, Solana e Tempo) trazem uma camada adicional de questão-chave: que cadeias conseguem suportar a capacidade de processamento exigida por transações em grande escala ao nível de agentes, a finalização das transações e as estruturas de custo necessárias?

Fornecedores de serviços

Estas instituições são intermediárias entre agentes inteligentes e comerciantes, responsáveis por lidar com a conformidade, ligação de comerciantes, autenticação de permissões e outras etapas complexas. Coinbase, Stripe e PayPal estão a expandir os ecossistemas existentes para suportar transações por agentes; elas apostam que a sua rede de comerciantes e infraestrutura de conformidade podem criar uma vantagem competitiva. Outras empresas como Sponge e Sapiom resolvem o problema de “arranque a frio” do lado de comerciantes emergentes, permitindo que qualquer negócio baseado em API comece facilmente a aceitar pagamentos por agentes. À medida que os canais de pagamento, protocolos e números de comerciantes continuam a crescer, o coordenador poderá tornar-se a ligação chave para evitar que todo o sistema se fragmente.

Camada do motor de IA

Esta camada não precisa de muita introdução; todas as interações de agentes, passos de inferência e chamadas de ferramentas são impulsionadas por ela. Mas a velocidade de mudança do modelo de negócio nesta camada é muito maior do que nas outras partes da arquitetura, e o valor final não flui tão claramente quanto parece à superfície. Vamos focar-nos em duas categorias:

Computação e custódia

Sempre que o agente inteligente do Joe faz inferência para uma tarefa, chama ferramentas ou cria sub-agentes, isso consome capacidade de computação. Mas a inferência do modelo é apenas uma parte. Com a explosão de aplicações de baixo código / desenvolvimento “ad hoc” e o crescimento de serviços construídos por agentes, surgem inúmeras novas interfaces que exigem “portadoras” de custódia para serem alojadas. Até maio de 2025, o número de páginas disponíveis para acesso cresceu 45% em apenas dois anos; e à medida que agentes de código tornam a publicação de novos serviços extremamente simples, esta taxa só pode acelerar ainda mais. Isto significa que a procura de computação está a crescer simetricamente dos dois lados: por um lado, mais agentes processam mais tarefas; por outro, mais serviços entram em funcionamento continuamente para satisfazer as suas necessidades.

Os fornecedores de cloud de hiper-escala (AWS, Google Cloud, Nvidia) são participantes óbvios. Entre eles, AWS e Google Cloud estão a simplificar continuamente os processos de implementação do back-end de agentes e das APIs na sua infraestrutura. A Cloudflare foca-se em edge computing, fornecendo capacidade de servidorless com baixa latência para serviços orientados por agentes. E plataformas descentralizadas de computação como Akash, Bittensor e Nous satisfazem necessidades de capacidade excedente agregando recursos globais de GPU e vendendo a preços muito baixos.

Modelos de base

Os modelos de base são “o cérebro” de todo o sistema. Anthropic, OpenAI, Google e Meta, como laboratórios de ponta, expandem continuamente os limites das capacidades dos agentes inteligentes, enquanto os custos de execução destes modelos estão a descer rapidamente. No final de 2022, o custo de executar modelos do nível GPT4 era de cerca de 20 USD por milhão de tokens; e no início de 2026, com desempenho equivalente, esse custo caiu para cerca de 0.05 USD por milhão de tokens — uma descida de 600 vezes em pouco mais de três anos. A atualização de hardware, a competição entre fornecedores e técnicas de otimização como cache de prompts e batch processing atuam em conjunto para reduzir continuamente os custos de inferência. Ao mesmo tempo, à medida que a lógica de inferência é refinada para modelos open source com pesos menores e que o custo de execução é muito baixo, o custo de construir inteligência também cai significativamente. Em alguns testes de referência, a diferença de desempenho entre modelos com pesos open source e modelos fechados já foi reduzida para apenas 1.7%.

Isto é uma grande notícia positiva para a economia das máquinas.

Mais inteligência a menor preço significa agentes mais baratos, permitindo até que um fundador independente de 24 anos em Vermont consiga suportar facilmente os custos de execução — o que, por sua vez, impulsiona ainda mais a atividade transacional em todas as camadas superiores do ecossistema. Se os grandes modelos entrarem numa guerra de preços como os atuais fornecedores de cloud, então o valor final poderá concentrar-se em montante e jusante da camada de modelos, e não no próprio modelo.

Quem vai ser o vencedor?

Até 2030, a maior parte das tuas interações digitais já não precisará de navegador, motor de busca ou loja de aplicações. Basta dizer a tua necessidade, e os agentes inteligentes tratarão de tudo: encontrar o serviço certo, negociar termos, concluir pagamentos e entregar o resultado final. A Internet vai apresentar uma aparência totalmente diferente.

Podemos entendê-la como uma era de otimização de motor de busca para agentes. Haverá cada vez mais interfaces de API e cada vez menos interfaces de interação para humanos.

Num mundo assim, quem irá colher o valor?

O Sam Lagersdale, da Merit Systems, escreveu um artigo e comparou o ecossistema de transações de agentes atual com o início da Internet. Ele acredita que os mercados de serviços de agentes selecionados (ACP, UCP, TAP) construídos pelas grandes plataformas seguem o caminho antigo da AOL na América dos anos 90 — uma experiência refinada e um sistema fechado, mas com limitações centrais porque todos os fornecedores de serviços tinham de ser selecionados e verificados manualmente. Protocolos abertos como x402 e MPP, embora mais “brutos”, têm características sem permissão: qualquer pessoa consegue construir interfaces, sem equipas comerciais ou auditorias jurídicas, e ganhar receita via agentes. Nos anos 90, a experiência de produtos fechados de jardim era melhor; mas a Internet aberta tinha possibilidades ilimitadas.

No fim, a Internet aberta vence.

A mesma lógica está a repetir-se. O ACP, UCP e TAP vão integrar-se com os melhores laboratórios de IA e servirão bem os cenários mainstream, mas para agentes apenas capazes de aceder a um catálogo de serviços previamente verificado, conseguirão apenas executar as tarefas pré-definidas pela plataforma. Já os agentes capazes de aceder ao ecossistema completo de protocolos abertos terão fronteiras de capacidade muito mais largas.

Basta saber que a parte mais vibrante da Internet hoje surge do tráfego long tail massivo de sites abertos trazido pelo protocolo HTTP.

Precisamos admitir com humildade que não conseguimos imaginar o panorama completo da Internet de agentes abertos. Tal como em 1995 ninguém conseguia prever a chegada de carros com motorista via app ou de redes sociais; quando oferecemos as ferramentas necessárias aos agentes, também não conseguimos prever o que eles vão criar, nem que serviços irão pagar.

Tal como discutimos antes, os grandes modelos de base estão a convergir rapidamente para a homogeneização, e o valor pode transferir-se para outras camadas na arquitetura tecnológica. Ferramentas de desenvolvimento, carteiras e infraestrutura de identidade são cruciais, mas à medida que os padrões se unificarem, estas áreas também provavelmente se homogeneizarão. Assim, creio que o valor se concentrará em três domínios: interfaces de interação, pagamentos e computação.

Interfaces de interação

A interface de interação determina limites de gasto, fluxos de aprovação e mecanismos de delegação de confiança. Plataformas que consigam criar as experiências mais personalizadas para os utilizadores irão suportar o maior fluxo de transações.

A Apple é o participante mais subestimado nesta área. Os seus dispositivos estão profundamente integrados na vida quotidiana das pessoas, e o custo de migração é extremamente alto. Se a Siri evoluir para uma porta de entrada madura para interação por agentes, a Apple não precisará de construir o melhor modelo para controlar o ponto de partida de dezenas de milhares de milhões de transações. Elas só precisam de manter as melhores portas de interação.

A transição que a Google enfrenta é ainda mais difícil. A passagem de os humanos navegarem manualmente para os agentes fazerem seleção inteligente vai corroer o seu rendimento central baseado em publicidade. Mas a Google tem vantagens que outras empresas não conseguem igualar: acumula dados pessoais durante décadas em pesquisa, email, calendário, mapas e documentos. Além disso, é preciso considerar o custo de migração no lado empresarial; o Google Workspace já está integrado em milhões de empresas, e as caixas de email, ficheiros e fluxos de trabalho dos funcionários correm na infraestrutura da Google. Se existe uma empresa capaz de criar agentes altamente personalizados tanto para consumidores quanto para empresas, essa é a Google. A questão é: conseguirá monetizar os serviços por agentes com a mesma eficiência con que monetiza tráfego de pesquisa?

Merit Systems é o meu “black horse” favorito. Elas estão a construir infraestrutura de descoberta de serviços para a economia de agentes abertos (AgentCash, varrimento do x402, varrimento do MPP), e também a desenvolver interfaces para o lado do consumidor (Poncho). A lógica central é: quem conseguir controlar o canal de descoberta de serviços de agentes e intervir na ligação do fluxo de dinheiro, conseguirá ocupar a posição que o Google tinha no início da Internet. É um apostado ambicioso, mas se a guerra de transações de agentes abertos vencer o modo de seleção fechado, a Merit será a camada agregadora com mais vantagem. Neste momento, ainda está na fase inicial, como quando no passado o Google competia com o ecossistema fechado da AOL com a sua capitalização de mercado convertida para os dias atuais em 350 mil milhões de dólares.

Pagamentos

Quem controla a circulação de fundos, consegue também ficar com parte de cada transação. Tenho mais confiança no futuro desta camada, porque o seu tamanho irá crescer diretamente em paralelo com o volume de transações.

Stripe e Tempo têm as maiores vantagens no pagamento nativo de máquinas. A Stripe já tem um ecossistema maduro de programadores e uma enorme rede de comerciantes. A Tempo, por sua vez, tem caraterísticas como pagamentos em fluxo (streaming), finalização transacional em cerca de 500 milissegundos, pagamentos em fluxo para canais de pagamento, suporte nativo de cartões e stablecoins, pagamento do Gas em dólares (sem risco de volatilidade de tokens), transações pagas por servidor (server-paid transactions), etc. Foi desenhada especificamente para os volumes massivos de transações na economia das máquinas. Se o MPP se tornar o canal por defeito de pagamento nativo de máquinas, Stripe e Tempo vão extrair comissão de cada transação de agentes.

Circle vai crescer em paralelo com a expansão da economia de agentes. Tenho absoluta convicção de que stablecoins se tornarão a camada de liquidação da economia das máquinas; então o Circle irá repartir os lucros, via rendimentos das reservas, com cada unidade de dólares nas carteiras dos agentes. O USDC é a stablecoin com maior aceitação em exchanges, carteiras, blockchains públicas e protocolos de pagamento; os novos programadores vão escolhê-la primeiro, aprofundando ainda mais a integração do seu ecossistema e tornando mais difícil para os concorrentes entrarem.

A Visa fará a adaptação. Lembras-te de quando o Joe recarregou com cartão via Apple Pay e, por baixo, a conversão automática para stablecoins aconteceu sem ele precisar de ver a carteira nem se preocupar com a blockchain durante todo o processo? Este é o estado normal do futuro. Os consumidores continuarão a usar cartões bancários familiares, enquanto a base do sistema fará a liquidação com stablecoins. À medida que os canais de pagamento evoluírem, a Visa vai apoiar-se na sua confiança de marca junto de consumidores e comerciantes para se fixar.

Computação e custódia

O crescimento do número de agentes significa aumento da procura por inferência. À medida que aumenta a quantidade de serviços “desenvolvidos sob encomenda”, cresce também a procura por custódia. Independentemente de qual modelo, protocolo ou interface se tornar dominante, os fornecedores de computação vão beneficiar. AWS e Cloudflare são as duas empresas com mais vantagem nesta área, por razões semelhantes.

Primeiro, elas já sustentam grande parte do tráfego da Internet. A AWS está em 37 regiões em todo o mundo com cerca de 30% da quota de infraestrutura cloud. 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 para agentes, os programadores vão escolher por defeito a plataforma de implementação que já conhecem.

Segundo, estão a construir infraestruturas de monetização para a nova geração de Internet. Com o declínio do modelo de publicidade e o surgimento de modelos de acesso pago, ambas as empresas estão a suportar nativamente esta transição. A Cloudflare lançou um serviço de pagamento por scrape; permite cobrar via x402 a crawlers de IA por qualquer website dentro da sua rede (o Stack Overflow já está a usar). E a AWS é membro fundador da fundação x402 e lançou uma arquitetura de referência open source para serverless x402. Qualquer serviço a correr nas duas plataformas pode facilmente ativar monetização nativa de agentes.

Autenticação de identidade

Tenho uma visão pessimista sobre empresas como a Worldcoin; os seus sistemas exigem validação humana em cada interação. Esta visão extremista assume que as pessoas se importariam se o interlocutor online é humano ou agente, mas já estamos habituados a isso. Na minha opinião, o mais provável é que: a maioria do tráfego de rede será filtrada com base em micro pagamentos, e não em credenciais de identidade humana.

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

Os sistemas de identidade são importantes apenas em algumas interações de alto risco, mas na maioria das transações de agentes, (micro) pagamentos por si só são uma credencial de confiança.

Conclusão

Quando o Joe acorda, ele não pensa em canais de pagamento nem em protocolos de identidade de agentes. Ele só olha para o telemóvel e descobre que o agente concluiu transações, marcou reuniões e encontrou um servidor mais barato. Todos os níveis de arquitetura tecnológica discutidos neste artigo foram perfeitamente abstratizados; ele não precisa de se preocupar com nada.

Estamos ainda a avançar em direção a este futuro. Os protocolos relevantes já estão em linha, mas ainda não têm adoção suficiente; o lado da oferta cresce, mas continua frágil; o problema de descoberta de serviços ainda não está resolvido; e a camada de identidade está fragmentada. Neste momento, a maior parte das transações são testes de programadores, não transações reais de agentes. Mas a velocidade de completar o “puzzle” do ecossistema é maior do que a que os indicadores de dados mostram. Quem olha para o pessimismo da infraestrutura inicial só foca na curva em queda; mas eu penso em como este quadro ficará quando cada pessoa tiver um ou um conjunto de agentes verdadeiramente capazes de comportamento económico.

Se ainda não agiste, é altura de fazer a transição para o modelo económico dos agentes.