Autor: Lucas Shin, fuente: Artemis, compilado por: Shaw 金色财经

Resumen

• Para 2030, los agentes inteligentes (AI Agents) se convertirán en la forma principal en que la gente usa Internet.

• La nueva red basada en agentes requerirá nuevos canales de pago, un sistema monetario y componentes fundamentales.

• El valor se concentrará en tres niveles: la capa de interfaz, la entidad que controla las interacciones del usuario; la capa de pagos, la entidad que interviene en el flujo de fondos; y la capa de cómputo y custodia, la entidad que opera la infraestructura fundamental.

• La actividad comercial de agentes inteligentes en los extremos de cola larga se ejecutará sobre protocolos abiertos.

Primero, describamos una escena.

Son las 2030. Tienes 24 años, vives en Burlington, Vermont, y te encanta invertir — principalmente asignas a acciones de EE. UU., y también participas en algunos intercambios de criptomonedas y mercados de predicción en Kalshi. Hace dos meses, a tiempo parcial, fundaste una consultora de fintech.

Hay días en los que, como hoy, la apertura siempre es repentina.

Bzzz——

El sonido del timbre del teléfono te despierta, como si te cayeran un cubo de agua fría en la cara. Es un mensaje de tu agente inteligente privado Nexus:

Buenos días, Joe. Completé lo siguiente durante la noche ——

Actualización de la cartera: reduje en un 15% la posición de $WMT durante la noche. Los datos satelitales muestran que el flujo de clientes en las tiendas disminuyó, y el sentimiento del informe financiero se movió a posiciones bajistas; ya quedó verificado con cruces.

Actualización del calendario: para esta tarde ya están agendadas 3 reuniones; el resumen está fijado en las notas de la reunión.

Optimización de gastos: encontré un nuevo proveedor de servidores en la nube — rendimiento similar, la cuota anual bajó de 840 dólares a 290 dólares. Se puede migrar en cualquier momento.

Gasto total: 0.67 dólares

¿A qué te referías con lo que ocurrió mientras dormías?

1. Nexus envió un subagente de investigación, gastó 0.24 dólares y, durante la noche, recuperó información de 40 proveedores de datos diferentes; comparó el contenido de la última llamada de resultados de Walmart con imágenes satelitales del estacionamiento de las tiendas en todo EE. UU., y actualizó tu lógica de inversión. Cuando los datos satelitales indicaron que bajaba el flujo de clientes de Walmart, el agente de tu cartera contrastó el mercado de sentimiento de informes financieros de Kalshi, confirmó la señal bajista y completó la reducción de posiciones antes de que te despertaras. Hace cuatro años, estas estrategias de trading aún eran un dominio exclusivo de Citadel y de unos pocos fondos cuantitativos; tenían que pagar millones de dólares por suscripciones a imágenes satelitales. Incluso un terminal Bloomberg de 30 mil dólares al año no podía cubrir toda la información; todavía necesitabas suscribirte por separado a imágenes satelitales, datos alternativos, y pasar horas consolidando y analizando. Pero ahora, un joven de 24 años en Vermont puede obtener una ventaja informativa equivalente a la de un analista cuantitativo en Citadel con un costo de menos que una taza de café.

2. El subagente de ventas de Nexus filtró 200 pistas que encajan con el perfil de tu cliente objetivo — empresas fintech del sudeste de EE. UU. en la ronda B o posteriores, que aún no usaban proveedores de servicios de datos — y completó la suplementación de la información a un costo de 0.002 dólares por pista; las interfaces llamadas fueron desarrolladas y subidas por otro agente en un mercado abierto. Filtró 3 pistas con el mayor nivel de intención y, de inmediato, se contactó con el agente de calendario del otro lado para negociar el horario de la reunión. Antes de cada charla, recuperó la información sobre la escuela de graduación del posible cliente, conexiones en común, noticias de la empresa e historial de financiación; y te organizó un resumen de una página, fijándolo en las notas de la reunión. Solo con esa tarea de suplementación de información de pistas: si se hace mediante suscripción SaaS, cada cuenta tiene un costo mensual de 200 dólares.

3. El subagente de operaciones de Nexus hizo pruebas comparativas entre tu sitio web de consultoría y 6 proveedores de servidores: Vercel, Render, Railway, Fly.io, Netlify y Cloudflare. Llamó a las interfaces API de prueba de cada servicio a un costo muy bajo, desplegó entornos de prueba y midió latencia, disponibilidad y rendimiento. Al final, Railway logró un rendimiento equivalente a un costo de un tercio. Nexus negoció la tarifa mensual mediante el agente de precios de Railway, construyó un espejo del sitio en el nuevo servidor y completó todo el set de pruebas para asegurar que funcionara correctamente. Si no hubiera agentes, esto al menos requeriría una semana: buscar en la web, contactar para solicitar cotizaciones y, además, pasar por una migración manual que genera ansiedad. Solo tienes que indicarle a Nexus que lo ejecute.

Tu agente completó todo esto, con solo 0.67 dólares.

Ahora, multipliquemos esta escena por cada trabajador del conocimiento del mundo, por cada empresa y por cada agente inteligente en funcionamiento.

Bzzz——

Nexus: saldo insuficiente, quedan 1.87 dólares.

Como la semana pasada, recargas 5 dólares con tu tarjeta de crédito mediante Apple Pay y luego continúas cepillándote los dientes. En la capa subyacente, esos 5 dólares se convierten desde la tarjeta de crédito a stablecoins — pero tú no ves el monedero para nada; no tienes que considerar el ingreso y tampoco necesitas tocar la blockchain.

Así es una mirada a la economía de las máquinas: un escenario comercial totalmente nuevo en el que los agentes de IA gastan continuamente en cosas que los humanos nunca habían pagado; el tamaño y la velocidad de las transacciones superan ampliamente el alcance del comercio humano. Imagina que todos los días se generan decenas de miles de millones de transacciones.

Pero hoy, Internet aún no está preparado para soportar todo esto.

En la actualidad, Internet está diseñado para humanos. Filtra la conducta no humana mediante limitación de velocidad, captchas y claves de API, y se monetiza con publicidad para usuarios humanos. Sin embargo, con la aparición masiva de agentes autónomos, este modelo de negocio se desactivará por completo.

Se dispara el volumen de tráfico, y se reduce drásticamente la atención efectiva.

Los servidores de red que dependen a largo plazo de ingresos publicitarios se enfrentarán a solicitudes de un orden de magnitud mayor, y el origen de esas solicitudes nunca estará afectado por la publicidad.

Los pagos por parte de agentes solucionan naturalmente este problema; los micropagos se convertirán en la llave del acceso.

Acceso de pago, acceso de pago, uso de pago.

Las empresas que construyan la infraestructura que finalmente será adoptada ampliamente por agentes capturarán el mayor nuevo “pozo” de actividad económica que nuestra generación podrá presenciar. Los gigantes actuales ya están compitiendo por posiciones, pero la economía de las máquinas también dará a luz a sus propios nuevos gigantes. En la ola anterior de “nuevo Internet” nacieron Google, Amazon, Facebook, PayPal y Salesforce.

La era de Internet de agentes inteligentes está por llegar.

Perspectiva del tamaño del mercado

Para 2030, la gran mayoría de las interacciones de red ya no se realizarán a través de navegadores. Nuestros agentes inteligentes navegarán, probarán, negociarán, formarán equipos de subagentes y ejecutarán transacciones. Cada tarea que completen generará una cadena de micropagos. Estos costos unitarios aparentan ser un gasto adicional, pero en realidad están reemplazando herramientas y mano de obra cuyo costo es mucho mayor. Cuanto más avanzadas sean las herramientas disponibles, mejor será el desempeño de los agentes, y les daremos mayores permisos de autonomía.

Demanda y velocidad de adopción

Hagamos una estimación aproximada.

En el caso anterior, el agente de Joe completó cientos de transacciones por solo 0.67 dólares. Si ampliamos esa escala a una empresa mediana de 500 personas — con agentes personales para cada empleado, además de cientos de agentes compartidos en departamentos como ventas, finanzas, legal y operaciones — se generan fácilmente 100,000 transacciones iniciadas por agentes al día.

Hay más de 1,000 millones de trabajadores del conocimiento en el mundo, y el 88% ya usa IA en el trabajo. El tamaño del lado de la demanda es enorme y sigue creciendo. Pero en este momento, la mayor parte de ese uso se limita a tareas básicas, como búsqueda web, resúmenes de documentos o redacción de correos. La transformación integral hacia agentes inteligentes aún no ha llegado, pero una vez que empiece, la velocidad será extremadamente rápida.

Instagram llegó a 100 millones de usuarios en 30 meses; TikTok lo hizo en 9 meses; y ChatGPT solo tardó 2 meses (Reuters / datos de UBS). Una de las razones de la rápida adopción de ChatGPT es que la interfaz conversacional ya era familiar para la gente, y no requiere aprender un software nuevo ni cambiar hábitos de uso; solo describes la necesidad y el agente se las arreglará para cumplirla.

El único obstáculo es la confianza, y la velocidad con la que se construye la confianza está muy por encima de lo que la gente espera. Actualmente, Claude Code ya aportó el 4% de todas las contribuciones públicas de código en GitHub (más de 135,000 veces al día); con la tasa de crecimiento actual, se prevé que para finales de 2026 superará el 20%. Eso significa un crecimiento de 42,896 veces en 13 meses. Los desarrolladores pasaron de la duda a que el código de nivel productivo lo haga la IA a escala en poco más de un año.

A medida que los modelos se vuelven más inteligentes, las interfaces se vuelven más sencillas y cada vez más complejidades técnicas se abstraen y se ocultan, creo que la velocidad de adopción de agentes inteligentes se acelerará aún más.

Para 2030, incluso si solo el 60% de los trabajadores del conocimiento usa agentes, el gasto diario promedio será de 3 a 5 dólares (esto ya es una estimación conservadora; después de todo, el agente de Joe completó tres tareas antes del desayuno con solo 0.67 dólares), y solo la escala anual de transacciones de agentes en el lado individual alcanzará de 800 mil millones a 1.4 trillones de dólares.

Mercado empresarial

Robbie Peterson, de Dragonfly, señaló en su artículo que los agentes inteligentes comerciales son una evolución razonable del modelo SaaS. Estoy plenamente de acuerdo. Ya no se trata solo de ayudar a los flujos de trabajo, sino de reemplazar por completo los flujos existentes. Así como hoy más del 95% del gasto en software proviene de empresas y agencias gubernamentales, el volumen de adopción y el tamaño del gasto de agentes inteligentes en el lado empresarial probablemente superará con creces el mercado individual.

Ya estamos presenciando este cambio. Klarna reemplazó a Salesforce con su sistema interno de IA y ahorró alrededor de 2 millones de dólares. ZoomInfo creó agentes de IA para reemplazar su departamento de aprobación de transacciones, ahorrando más de 1 millón de dólares al año. Estos son solo casos tempranos en los que flujos individuales se “agentizaron”, ahorrando costos de millones. En cada empresa existen cientos de flujos de este tipo en los departamentos de ventas, finanzas, legal, operaciones y I+D. Una vez que los agentes inteligentes se desplieguen a toda la organización, el tamaño del gasto correspondiente será extraordinariamente alto.

Cualquiera puede convertirse en comerciante

Con agentes de código reduciendo de manera masiva el costo de desarrollo, el umbral de entrada para comerciantes en Internet se está acercando a cero. Un organizador de bodas experto en selección de espacios puede empaquetar y vender el mejor flujo de trabajo. Un desarrollador independiente en Lagos puede desarrollar una API para un dominio vertical y comenzar a generar ingresos en cuestión de horas a partir de agentes de todo el mundo. Solo necesitas conocimientos profesionales: generar una interfaz de API mediante prompts y ya puedes empezar a cobrar.

Pero, ¿qué ocurre si los agentes empiezan a vender servicios a otros agentes?

Supongamos que el Joe mencionado antes quiere entrar en un nuevo dominio: empresas de salud medianas en el Medio Oeste de EE. UU. con infraestructura de pagos antigua. Si su agente razona desde cero, el costo de tokens se acumularía rápidamente:

• Filtrar 200 empresas que coinciden con un perfil específico (razonamiento + llamadas a API): ~500 mil tokens

• Completar información de cada pista (stack tecnológico, financiación, datos de contratación): 200 pistas × ~5000 tokens = 1 millón de tokens

• Asegurar decisores de clientes clave: ~200 mil tokens

• Puntuar señales de intención (ritmo de contratación, ciclo de contratos): ~300 mil tokens

• Investigar el historial de cada decisor: 20 pistas × ~10 mil tokens = 20 mil tokens

• Redactar mensajes de acercamiento personalizados: 20 pistas × ~3000 tokens = 60 mil tokens

Total aproximado de 2.3 millones de tokens; calculando el costo con un modelo de vanguardia como Opus 4.6, el gasto estaría entre 8 y 15 dólares.

Espera, ¿no hizo el subagente de ventas de Joe algo similar y no gastó solo unos cuantos centavos?

Sí. Porque la mayoría de los pasos ya estaban resueltos por otros agentes. La suplementación de pistas, el scoring de intención y la programación de citas tienen interfaces empaquetadas en el mercado abierto, y el precio es de solo unas centésimas de dólar.

Este modelo crea un escenario comercial completamente nuevo. El lado de la oferta crecerá en ambas direcciones: los humanos construyen servicios, y al mismo tiempo los agentes también construyen servicios. Un problema de consumo alto de tokens que resuelve un agente puede convertirse en una herramienta barata que usarán todos los demás agentes en el futuro. En un mundo así, los agentes pueden convertir su experiencia en flujos de trabajo y venderlos a otros agentes, subsidiando así sus propios costos de funcionamiento.

Cada cambio de paradigma dará origen a nuevos comerciantes. Shopify empoderó a los vendedores de e-commerce, Stripe empoderó a las empresas en línea, y la economía de las máquinas empoderará a los desarrolladores improvisados y a los agentes inteligentes autónomos.

Mirada a la realidad

Entonces, ¿qué tan cerca estamos de lograr transacciones comerciales de agentes inteligentes de verdad?

En el equipo de Artemis al que pertenezco, llevamos tiempo siguiendo el progreso de dos grandes protocolos de pago para agentes: el protocolo x402 de código abierto de Coinbase, y el protocolo de pagos para máquinas (MPP) lanzado conjuntamente por Stripe y Tempo. En términos simples, el objetivo de estas dos categorías de protocolos es exactamente el mismo: permitir que un usuario o un agente pague cualquier servicio en una sola solicitud de red (por ejemplo, datos, extracción de páginas web, inferencia de modelos u otros servicios de API), eliminando trámites engorrosos como registrar cuentas, claves de API, conciliación de facturas, etc.

Actualmente aún estamos en una fase temprana.

El volumen de transacciones del protocolo x402 a finales de 2025 está inflado de manera artificial por el boom de monedas meme y el comportamiento de “barrer” rankings. Arriba está la “actividad real” ajustada después de filtrar transacciones falsas con algoritmos propietarios. Al eliminar el ruido generado por transacciones falsas y el hype de monedas meme, queda claro que la economía de agentes aún no ha llegado de verdad. En la actualidad, la mayor parte de la actividad es que los desarrolladores prueban APIs pagadas y herramientas de IA, en lugar de que entidades reales de economía de agentes estén operando.

Antes de que este modelo explote de verdad, hay dos problemas centrales por resolver:

1. El lado de la oferta aún no se ha formado: la cantidad de interfaces API útiles que puedan generar intención de pago real por parte de agentes es seriamente insuficiente.

2. Falta una capa madura de descubrimiento y agregación: incluso si existen interfaces de alto valor, los agentes aún no tienen una forma confiable de descubrirlas.

Como todo el ecosistema todavía está en desarrollo, usar el volumen de transacciones como métrica principal es demasiado pronto. Un indicador más razonable es el crecimiento del lado de la oferta, es decir, el número de comerciantes que ofrecen servicios para agentes. Llamaremos “proveedores de servicios” a este tipo de comerciantes en conjunto.

La imagen muestra el cambio acumulado en la cantidad de proveedores de servicios (vendedores) que cumplen con los estándares a lo largo del tiempo. Los proveedores que cumplen con el estándar deben: completar más de dos “transacciones reales” y tener al menos dos compradores independientes. En octubre del año pasado, esa cifra era aún inferior a 100; y hoy ya supera los 4,000. Estimo que esta tasa de crecimiento se acelerará, impulsada principalmente por tres tendencias:

1. La IA está reduciendo la barrera de creación de productos digitales (como se mencionó antes), lo que significa que más personas y agentes de IA se convertirán en comerciantes.

2. Los servicios nuevos se diseñarán con la idea de que primero están los agentes. Los agentes se vuelven el cliente principal, y las formas de los productos diseñados para ellos serán radicalmente diferentes: reemplazar la web con APIs, sustituir el registro por conectividad inmediata, y reemplazar el modelo de suscripción por pago bajo demanda.

3. Los proveedores de servicios existentes se verán obligados a transformarse. A medida que cada vez más usuarios interactúen mediante interfaces de IA en vez de navegar manualmente páginas, el modelo de negocio basado en publicidad dejará de funcionar por completo, porque no existe atención de usuarios humanos que se pueda monetizar. Las empresas no tendrán alternativa: deberán cobrar directamente por contenido y servicios.

Estas fuerzas formarán un ciclo de retroalimentación positivo entre oferta y demanda, amplificándose mutuamente y finalmente encendiendo toda la economía de agentes.

Panorama de la industria

El ecosistema de transacciones de agentes se está formando rápidamente. Muchas startups están surgiendo como brotes tras la lluvia, enfocándose en resolver cada vacío dentro de esa arquitectura; al mismo tiempo, empresas en crecimiento de fintech y servicios de software (SaaS) también se están transformando hacia transacciones nativas de agentes. En los últimos doce meses, casi todos los grandes actores de pagos y laboratorios de IA han lanzado o anunciado protocolos relacionados con transacciones de agentes.

Hemos mapeado más de 170 empresas cubriendo cinco grandes niveles: interfaces de interacción, agentes inteligentes, sistemas de cuentas, infraestructura de pagos y motores de IA. Aquí lo resumimos a unas 80 instituciones centrales：

Desglosamos por capas, de arriba hacia abajo.

Capa de interfaz

La capa de interfaz está más cerca de los usuarios y se encarga de dirigir la intención del usuario (necesidad) hacia las herramientas o servicios requeridos (oferta). Quien defina cómo los agentes inteligentes descubren, evalúan y seleccionan servicios tendrá un enorme poder de liderazgo sobre todos los niveles inferiores. Prestaremos atención a las dos categorías más importantes dentro de esta capa：

Interfaz de usuario

Este es el punto de entrada con el que la mayoría de las personas interactúa directamente con agentes inteligentes. Apple, Google, OpenAI, Anthropic, xAI y Perplexity están construyendo este tipo de interfaces de interacción, y su forma está evolucionando rápidamente más allá del simple modo de chat. Surgen continuamente nuevas formas como asistentes de voz, asistentes en escritorio, copilotos integrados, agentes para navegadores, etc., acercándose a escenarios reales de uso por parte de los usuarios. El ganador en esta carrera será la plataforma que se convierta en la interfaz de IA predeterminada del usuario y, por tanto, el punto de partida para iniciar todas las transacciones por parte de agentes, obteniendo una ventaja adicional enorme.

Los laboratorios de IA ya han rastreado y entrenado los datos de todo Internet; hoy, el mejor dato de entrenamiento restante son las retroalimentaciones de guía humana. Cada vez que aceptas o rechazas una respuesta, haces una corrección, o proporcionas información de preferencias a Claude o ChatGPT, las interfaces de interacción que usas capturan esos datos para venderlos o para entrenar modelos. Controlar la interfaz equivale a controlar el bucle de retroalimentación que optimiza tanto la experiencia del usuario como el modelo en sí. Esta es también la razón por la que Anthropic lanzó Claude Code, Google adquirió Windsurf y OpenAI intentó adquirir Cursor. Una vez que tu agente acumule contexto sobre tus preferencias, flujos de trabajo y herramientas de uso común, el costo de migración para el usuario se vuelve extremadamente alto.

Descubrimiento de servicios

Cuando el agente de Joe necesita una interfaz para completar pistas o servicios de datos satelitales, ¿cómo encuentra el servicio adecuado? Quizá sea el mayor problema que aún no se ha resuelto en toda la arquitectura del ecosistema. Las soluciones actuales en su mayoría son listas codificadas de herramientas o mercados curados de servicios. Las principales plataformas ya están construyendo sus propios sistemas: OpenAI y Stripe lanzaron ACP; Google y Shopify lanzaron UCP; Visa lanzó TAP. En esencia, estos son directorios de comerciantes, y requieren que tanto la plataforma como los comerciantes se conecten de manera activa para que funcionen. Este modelo funciona bien en escenarios convencionales, pero a medida que disminuyen drásticamente las barreras de creación y venta de servicios digitales, aparecerán muchas aplicaciones nicho, altamente personalizadas, y el enfoque curado no puede satisfacer estas necesidades de cola larga.

Empresas como Coinbase, Merit Systems, Orthogonal y Sapiom están construyendo soluciones abiertas sustitutivas: crean agregadores e infraestructura subyacente para que los agentes puedan buscar y pagar servicios por sí mismos mientras se ejecutan, sin integración previa ni acuerdos comerciales. Con el crecimiento exponencial del lado de la oferta (recursos de red), la dificultad de resolver este problema es enorme. Pero quien consiga vencer los sistemas de ordenamiento y recomendación para emparejar al agente con el servicio adecuado en el momento correcto, dominará una enorme cuota de voz en la industria.

Al final, las transacciones de agentes tenderán a un modo curado y cerrado, o a un modo de ecosistema abierto, y cómo esa estructura decidirá la asignación de valor; esa es una de las discusiones más centrales en el área. Exploraremos ese tema más adelante.

Capa de agentes inteligentes y cuentas

Para realizar nuestras tareas, el simple hecho de que el agente inteligente sea “inteligente” no es suficiente. El subagente de ventas de Joe completó todo el flujo: filtró 200 pistas, completó la información y agendó tres reuniones; Joe no necesita configurar herramientas, administrar claves de API, ni aprobar paso a paso cada acción. La mayor parte de la infraestructura que hace posible todo esto es “invisible” para el usuario final; pero si faltan estas instalaciones, el agente se vuelve solo un modelo de lenguaje grande sin capacidad de ejecución. A continuación, un resumen de los componentes fundamentales necesarios para lograr todo esto：

Herramientas y estándares

Estos protocolos y frameworks otorgan a los agentes inteligentes la capacidad de interactuar con el mundo exterior. MCP (Machine Communication Protocol, iniciado por Anthropic y actualmente gestionado por la Linux Foundation) permite que los agentes se conecten con datos y herramientas externas: llamar APIs con las que nunca se han topado, leer bases de datos o invocar servicios al instante. A2A (propuesta de Google) define cómo los agentes desarrollados en diferentes plataformas pueden descubrirse entre sí y colaborar. Frameworks como LangChain, los que anuncian/impulsan Nvidia y Cloudflare, ofrecen a los desarrolladores módulos base para crear y desplegar agentes sobre estos protocolos. OpenClaw, recientemente adquirido por OpenAI, integra la gestión de contexto y la llamada a herramientas en un único framework con prioridad local, reduciendo en gran medida la dificultad de construir agentes que puedan descubrirse por sí mismos y usarse con pago para servicios.

El problema central en este campo es: si esos estándares terminarán convergiendo hacia la unificación final o si se fragmentarán; y si los marcos comerciales construidos sobre ellos podrán capturar valor antes de que las herramientas se vuelvan homogéneas.

Autenticación de identidad

Después de que los agentes puedan comunicarse, todavía hace falta establecer confianza. Antes de que un agente realice una transacción o venda un servicio, debe demostrar cuál es su entidad autorizada y sus permisos de operación, y conservar registros de acciones que otros agentes puedan verificar.

Hay múltiples rutas técnicas en la actualidad, incluyendo: autenticación de identidad biométrica (Worldcoin, Civic), sistemas de reputación de agentes en cadena (ERC-8004), y credenciales verificables (Dock, Reclaim).

Este campo tiene un gran espacio de diseño y un riesgo muy alto: ¿cuánto dinero máximo puede gastar tu agente antes de que tú lo apruebes? ¿Puede firmar contratos en tu nombre? ¿Puede delegar permisos a subagentes? Esas reglas y fronteras de seguridad probablemente se determinen finalmente en la capa de cuentas.

Monederos

Obviamente, para que los agentes paguen necesitan tener un monedero. Varios proveedores como Coinbase, Safe, MetaMask, Phantom, MoonPay, Privy, etc. están trabajando en esta área, ofreciendo funciones que incluyen acceso y creación programática, delegación de permisos, límites de gasto por transacción única, listas blancas de cobro y capacidad de operar en múltiples cadenas, sin que el usuario tenga que confirmar manualmente cada acción. Esta es una de las rutas más competitivas dentro del ecosistema y también plantea una pregunta clave: ¿dónde está el foso de los “moats” para las empresas? ¿Este campo terminará homogeneizándose?

Capa de pagos

La capa de pagos está más profunda en toda la arquitectura y debería ser “invisible” para el usuario final, pero en la economía de las máquinas, cada unidad de dinero pasa por aquí. Cuando el agente de Joe paga 0.24 dólares por la noche para recuperar datos de 40 proveedores, él no necesita elegir a qué banco le abonas, qué moneda usar o en qué cadena de liquidación se realizará.

La dificultad central es que los canales de pago tradicionales están diseñados para que los humanos hagan clic en “comprar”, no para adaptarse a miles de llamadas de API por minuto, con importes por transacción inferiores a un centavo. La red de tarjetas tiene un costo fijo de aproximadamente 0.03–0.04 dólares por transacción, además de comisiones del 2.3%–2.9%. Esto es viable para pedidos de hotel de 400 dólares, pero es completamente incapaz de adaptarse a transacciones nuevas y de múltiples pasos realizadas por agentes.

De ahí surgen nuevos protocolos y sistemas monetarios diseñados específicamente para transacciones de agentes, y los gigantes tradicionales también están transformando la infraestructura existente para adaptarla a estas necesidades.

Los puntos clave son los siguientes：

Canales de pago

Estos protocolos y estándares definen cómo el agente inteligente inicia, enruta y completa la liquidación de pagos. En la actualidad, se han formado principalmente dos rutas técnicas:

1. x402 (Coinbase/Cloudflare) y MPP (Stripe/Tempo): diseñados para transacciones nativas de máquinas. El agente llama a interfaces, obtiene cotizaciones, firma pagos y recibe datos; todo se completa en una sola solicitud HTTP. La liquidación se realiza en stablecoins y el costo por transacción es de solo unos pocos centavos.

2. ACP (OpenAI/Stripe), AP2 (Google/PayPal) y TAP de Visa: adoptan otra idea, adaptando infraestructura de pagos con tarjetas existente para el escenario de agentes. Estas soluciones se adaptan mejor a transacciones de alto valor; en comparación con la velocidad de liquidación y el costo, la protección del comprador y la cobertura de aceptación del comerciante son más importantes.

Stablecoins y liquidación

Los agentes inteligentes necesitan una moneda programable, rápida, de bajo costo y con capacidad global. Las stablecoins cumplen perfectamente esos requisitos, por lo que se convierten en la opción natural para las transacciones de x402 y MPP. Al mismo tiempo, los canales de pago con tarjetas aún pueden aportar protección al comprador y tienen hábitos de uso maduros para comerciantes, lo cual sigue siendo importante para transacciones de alto valor. Las blockchains subyacentes (como Base, Solana, Tempo) plantean otro problema clave: qué cadenas pueden soportar el rendimiento de procesamiento de transacciones masivas a nivel de agentes, su finalización y su estructura de costos.

Proveedores de servicios

Estas instituciones son intermediarios ubicados entre agentes inteligentes y comerciantes; se encargan de manejar procesos complejos como revisiones de cumplimiento normativo, integración con comerciantes y autenticación de permisos. Coinbase, Stripe y PayPal están expandiendo su ecosistema existente para apoyar transacciones de agentes; apuestan a que su red de comerciantes y su infraestructura de cumplimiento normativo pueden formar una ventaja competitiva. Otras instituciones como Sponge y Sapiom abordan el problema de “inicio en frío” desde el lado de comerciantes emergentes, permitiendo que cualquier negocio basado en API acepte pagos de agentes con facilidad. A medida que crecen los canales de pago, los protocolos y la cantidad de comerciantes, los coordinadores deberían convertirse en un eslabón clave para evitar la fragmentación de todo el sistema.

Capa del motor de IA

Esta capa no necesita demasiada introducción: todas las interacciones de agentes, pasos de razonamiento y llamadas a herramientas son impulsadas por ella. Pero la velocidad de cambio del modelo de negocio en esta capa supera con creces a la de otras partes de la arquitectura, y el flujo real de valor no es tan claro como parece en la superficie. Nos enfocamos en dos categorías principales：

Cómputo y custodia

Cada vez que el agente inteligente de Joe infiere una tarea, llama herramientas o crea subagentes, consume recursos de cómputo. Pero la inferencia de modelos es solo una parte. Con el auge explosivo de aplicaciones de bajo código / desarrollo improvisado y servicios construidos por agentes, aparecen muchas nuevas interfaces, y todas necesitan un “vehículo” de custodia/hosting. A mayo de 2025, la cantidad de páginas web disponibles creció un 45% en apenas dos años; y dado que con agentes de código es extremadamente sencillo lanzar nuevos servicios, esta tasa de crecimiento solo se acelerará aún más. Esto significa que la demanda de cómputo crece desde ambos extremos de manera simultánea: por un lado, más agentes manejan más tareas; por otro, más servicios se lanzan para satisfacer sus necesidades.

Los hiperescaladores de la nube (AWS, Google Cloud, Nvidia) son participantes evidentes. Entre ellos, AWS y Google Cloud también están simplificando continuamente los procesos de despliegue de backends de agentes y APIs en su infraestructura. Cloudflare se enfoca en computación en el borde (edge), ofreciendo cómputo serverless de baja latencia para servicios orientados a agentes. Y plataformas descentralizadas de cómputo como Akash, Bittensor, Nous, etc. satisfacen la demanda de cómputo excedente integrando recursos GPU globales y vendiéndolos a precios muy bajos.

Modelos base

Los modelos base son el “cerebro” del sistema entero. Anthropic, OpenAI, Google y Meta, como laboratorios de vanguardia, amplían constantemente los límites de capacidad de los agentes inteligentes, y el costo de ejecutar estos modelos está disminuyendo rápidamente. A finales de 2022, ejecutar un modelo a nivel GPT4 costaba aproximadamente 20 dólares por cada millón de tokens; y para inicios de 2026, con un rendimiento equivalente, el costo bajó a alrededor de 0.05 dólares por cada millón de tokens. En apenas más de tres años, la reducción fue de 600 veces. La actualización de hardware, la competencia entre proveedores, y técnicas de optimización como caché de prompts y procesamiento por lotes (batching) siguen presionando a la baja el costo de inferencia. Al mismo tiempo, a medida que la lógica de razonamiento se destila a modelos de pesos de código abierto más pequeños y con costos de ejecución extremadamente bajos, el costo de construir inteligencia también baja de manera significativa. En algunas pruebas de referencia (benchmarks), la brecha de rendimiento entre modelos de pesos abiertos y modelos cerrados ya se ha reducido a solo 1.7%.

Esto es una gran noticia para la economía de las máquinas.

Más barato significa también agentes más baratos, lo que permite que un fundador independiente de 24 años en Vermont pueda asumir cómodamente los costos de operación; y esto, a su vez, impulsa una mayor actividad en las transacciones de todas las capas superiores del ecosistema. Si el gran modelo, como los proveedores de servicios en la nube de hoy, cae en una competencia de precios, el valor finalmente podría concentrarse en los tramos aguas arriba y aguas abajo de la capa de modelos, en lugar de quedarse en el modelo mismo.

¿Quién se convertirá en el ganador?

Para 2030, la mayor parte de tus interacciones digitales ya no necesitará navegadores, motores de búsqueda o tiendas de aplicaciones. Solo necesitas decir cuál es tu necesidad, y los agentes inteligentes se encargan de todo: encontrar el servicio adecuado, negociar los términos, completar el pago y entregar el resultado final. Internet tendrá una apariencia completamente diferente.

Se puede entender como: una era de optimización para motores de búsqueda orientados a agentes. Habrá cada vez más interfaces API, y cada vez menos interfaces de interacción orientadas a humanos.

En un mundo así, ¿quién capturará el valor?

Sam Ragsdale, de Merit Systems, escribió que el ecosistema actual de transacciones de agentes se parece al Internet temprano. Él cree que los mercados de servicios curados de agentes creados por grandes plataformas (ACP, UCP, TAP) siguen el camino de la AOL de los años 90 en Estados Unidos: una experiencia refinada y un sistema cerrado, pero con la limitación central de que todos los proveedores de servicios deben ser filtrados y verificados manualmente. Mientras tanto, protocolos abiertos como x402 y MPP, aunque son más “rudos”, tienen propiedades sin permiso (permissionless): cualquiera puede construir interfaces, sin equipos comerciales ni auditoría legal, y generar ingresos mediante agentes. En los años 90, la experiencia de productos cerrados tipo jardín era mejor, pero el Internet abierto tiene posibilidades infinitas.

Finalmente, gana Internet abierto.

La misma lógica se está repitiendo. ACP, UCP y TAP se conectarán con los mejores laboratorios de IA y servirán bien a escenarios principales, pero se limitan a agentes de directorio previamente aprobado de proveedores de servicios; solo podrán completar tareas que el platform haya predefinido. En cambio, los agentes que puedan conectarse a todo el sistema de protocolos abiertos tendrán límites de capacidad mucho más amplios.

Hay que tener en cuenta que, hoy, la parte más vibrante de Internet proviene del tráfico masivo de cola larga de sitios web abiertos que el protocolo HTTP hace posible.

Debemos reconocer con humildad que no podemos imaginar el panorama completo de un Internet de agentes abiertos. Así como en 1995 nadie podía predecir la aparición de taxis bajo demanda o redes sociales, cuando proporcionamos las herramientas necesarias para los agentes tampoco podemos saber qué crearán, qué servicios pagarán y por cuáles optarán.

Como discutimos antes, los modelos base se están volviendo rápidamente homogéneos y el valor podría trasladarse a otras capas en la arquitectura tecnológica. Las herramientas de desarrollo, los monederos y la infraestructura de identidad son cruciales, pero a medida que los estándares se unifican, también es probable que esos campos se homogeneicen. Por eso creo que el valor se concentrará en tres ámbitos: interfaces de interacción, pagos y cómputo.

Interfaz de interacción

La interfaz de interacción determina límites de gasto, flujos de aprobación y mecanismos de delegación de confianza. La plataforma que logre ofrecer la experiencia más personalizada para los usuarios cargará con la mayor parte del flujo de transacciones.

Apple es el actor más subestimado en este campo. Sus dispositivos están profundamente integrados en la vida diaria de las personas, con un costo de migración extremadamente alto. Si Siri evoluciona hacia una entrada madura de interacción con agentes, Apple no necesitaría construir el modelo más top para controlar el punto de partida de decenas de miles de millones de transacciones. Solo necesitan mantener las mejores entradas de interacción.

La transformación que enfrenta Google es aún más difícil. Pasar de que los humanos naveguen manualmente a que los agentes inteligentes filtren y seleccionen va a erosionar su ingreso principal por anuncios. Pero Google tiene ventajas que otras empresas no pueden igualar: ha acumulado datos personales durante décadas en búsqueda, correo, calendario, mapas y documentos. Además, está el costo de migración empresarial: Google Workspace ya está integrado en millones de empresas; el correo, los archivos y los flujos de trabajo de los empleados se ejecutan en infraestructura de Google. Si existe una empresa que pueda diseñar agentes personalizados tanto para consumidores como para empresas, esa es Google. La pregunta es si puede monetizar los servicios de agentes de manera tan eficiente como monetiza el tráfico de búsqueda.

Merit Systems es mi apuesta como “caballo oscuro”. Construyen tanto infraestructura de descubrimiento de servicios para la economía de agentes abierta (AgentCash, escaneo de x402, escaneo de MPP) como desarrollan interfaces para el lado del consumidor (Poncho). La lógica central es: quien controle el canal de descubrimiento de servicios de agentes e intervenga en el flujo de fondos, será quien ocupe la posición de Google en el Internet temprano. Es una apuesta ambiciosa; pero si las transacciones de agentes abiertos superan el modo curado y cerrado, Merit se convertirá en la capa agregadora con ventaja. Aún está en fase temprana, igual que cuando la competencia entre Google y el ecosistema cerrado de AOL equivalente a su capitalización de hoy de 350 mil millones de dólares.

Pagos

Quien controle el flujo de fondos, obtendrá un corte de cada transacción. Tengo la mayor confianza en el futuro de esta capa, porque su escala crecerá directamente con el volumen de transacciones.

Stripe y Tempo son los mejor posicionados en pagos nativos para máquinas. Stripe ya tiene un ecosistema de desarrolladores maduro y una red enorme de comerciantes. Tempo, por su parte, posee características como pagos en flujo (streaming), finalización de transacciones en ~500 milisegundos, pagos en flujo a través de canales de pago, soporte nativo de tarjetas y stablecoins, pago de tarifas Gas en dólares (sin riesgo de fluctuación de tokens), y transacciones de pago por servidor (server-paid), entre otras; todo está diseñado para la enorme cantidad de transacciones en la economía de las máquinas. Si MPP se convierte en el canal de pagos nativo predeterminado para máquinas, Stripe y Tempo se quedarán con una comisión de cada transacción realizada por agentes.

Circle crecerá al mismo ritmo con la expansión de la economía de agentes. Estoy convencido de que las stablecoins se convertirán en la capa de liquidación de la economía de las máquinas; entonces Circle obtendrá un reparto a partir de los ingresos de reservas, repartiéndolo desde cada dólar en los monederos de agentes. USDC es la stablecoin con mayor aceptación entre exchanges, monederos, blockchains públicas y protocolos de pago; los nuevos desarrolladores elegirán preferentemente, lo cual profundiza su integración con el ecosistema y hace más difícil la entrada de competidores.

Visa hará la adaptación. Recuerda cuando Joe recargó con tarjeta de crédito vía Apple Pay y, en el nivel inferior, se convirtió automáticamente en stablecoins; durante todo el proceso, él no ve el monedero ni tiene que preocuparse por la blockchain. Ese es el patrón futuro. Los consumidores seguirán usando tarjetas familiares, mientras que la liquidación en el fondo la hará stablecoins. Con la actualización de los canales de pago, Visa aprovechará la confianza de su marca tanto entre consumidores como entre comerciantes para afianzarse.

Cómputo y custodia

El crecimiento en el número de agentes implica un aumento en los requisitos de inferencia. Más servicios de desarrollo improvisado significan mayor demanda de hosting/custodia. Sin importar qué modelo, protocolo o interfaz se convierta en el estándar, los proveedores de cómputo se beneficiarán. AWS y Cloudflare son las dos empresas con mayor ventaja en este campo, por razones similares.

Primero, ya sostienen la mayor parte del tráfico de Internet. AWS ocupa alrededor del 30% de la cuota de infraestructura cloud en 37 regiones globales. Cloudflare ofrece servicios de seguridad y rendimiento para más del 20% de los sitios web, lo que significa que todas las solicitudes a esos sitios pasan por su red. Cuando estallen nuevas interfaces orientadas a agentes, los desarrolladores elegirán por defecto plataformas de despliegue que ya conocen.

Segundo, están construyendo la infraestructura de monetización para la nueva generación de Internet. A medida que el modelo publicitario decae y surgen modelos de acceso de pago, ambas empresas están apoyando de forma nativa esta transición. Cloudflare ha lanzado servicios de pagado para crawleo, permitiendo que cualquier sitio dentro de su red cobre a los “AI crawlers” a través de x402 (Stack Overflow ya lo está usando). Y AWS es miembro fundador del fondo x402 y publicó una arquitectura de referencia open source de serverless x402. Cualquier servicio que se ejecute en las dos grandes plataformas podrá habilitar fácilmente la monetización nativa de agentes.

Autenticación de identidad

Soy pesimista sobre empresas como Worldcoin: su sistema requiere verificación humana en cada interacción. Esta visión de un extremismo asume que la gente se preocupa por si el interlocutor en línea es humano o agente, pero ya estamos acostumbrados a esto. En mi opinión, el futuro más probable es: la mayoría del filtrado del tráfico de red se basará en micropagos, no en credenciales de identidad humana.

El acceso de pago será más práctico que “demuestra que eres humano”.

Los sistemas de identidad solo serán importantes en algunas interacciones de alto riesgo; pero en la mayoría de las transacciones de agentes, (los micropagos) por sí mismos son una credencial de confianza.

Conclusión

Cuando Joe despierta, no piensa en canales de pago ni en protocolos de identidad de agentes. Solo mira el teléfono y sabe que el agente ya completó las transacciones, agendó reuniones y encontró servidores más baratos. Todas las capas de arquitectura técnica discutidas en este artículo están abstraídas de forma perfecta; no tiene que preocuparse por nada.

Todavía avanzamos hacia este futuro. Los protocolos relevantes ya están en línea pero aún no tienen suficiente adopción; el lado de la oferta crece pero sigue siendo delgado; el problema de descubrimiento de servicios aún no se ha resuelto; y la capa de identidad está fragmentada. La mayoría de las transacciones actuales son solo pruebas de desarrolladores, no transacciones de agentes reales. Pero la velocidad con la que se completa el rompecabezas del ecosistema es más rápida que lo que muestran las métricas de datos. Hoy quienes ven con pesimismo la infraestructura temprana solo miran la curva a la baja; mientras que yo pienso en cómo se verá esta imagen cuando cada persona tenga uno o varios agentes reales con capacidad de comportamiento económico.

Si aún no has actuado, es hora de pasar al modo económico de agentes.