Autor: Lucas Shin, Fuente: Artemis, Traducción: Shaw Golden Finance

Resumen

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

• La nueva red basada en agentes necesitará canales de pago, sistemas monetarios y componentes base nuevos.

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

• Las actividades comerciales de agentes inteligentes en el extremo de larga cola se ejecutarán sobre protocolos abiertos.

Primero, pintemos una escena.

El tiempo es 2030. Tienes 24 años, vives en Burlington, Vermont, y te encanta invertir: colocas principalmente dinero en acciones estadounidenses, y también participas en Kalshi en algunas operaciones de criptomonedas y mercados de predicción. Hace dos meses, montaste a tiempo parcial una consultora de fintech.

Hay días en que, como hoy, la introducción siempre sucede de manera muy repentina.

Bzzz—

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

Buenos días, Joe. He terminado el siguiente trabajo durante la noche ——

Actualización de la cartera: reduje la posición en $WMT en 15% durante la noche. Los datos por satélite muestran una caída del flujo de clientes en las tiendas, y el sentimiento de los resultados financieros cambió hacia el pesimismo; ya está validado con cruces.

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

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

Gasto total: 0.67 dólares

Entonces, ¿qué ocurrió exactamente mientras dormías?

1. Nexus envió un subagente de investigación, con un costo de 0.24 dólares, y durante la noche recuperó información de 40 proveedores de datos diferentes. Comparó la última conferencia telefónica de resultados de Walmart con imágenes satelitales del estacionamiento de tiendas en todo EE. UU., y actualizó tu lógica de inversión. Cuando los datos satelitales mostraron que el flujo de clientes de Walmart caía, el agente de tu cartera contrastó el mercado de sentimiento de resultados financieros de Kalshi, confirmó la señal bajista y completó la reducción de exposición antes de que te despertaras. Hace cuatro años, estas estrategias de trading todavía eran un dominio exclusivo de Citadel y de unos pocos fondos cuantitativos. Ellos tenían que pagar suscripciones de cientos de millones de dólares por imágenes satelitales. Incluso un terminal Bloomberg de 30 mil dólares al año no cubría toda la información —— además, todavía tenías que suscribirte por separado a imágenes satelitales y a datos alternativos, y pasar horas integrando y analizando. Y ahora, un joven de 24 años en Vermont puede obtener, con un costo inferior al de una taza de café, la misma ventaja de información que un analista cuantitativo de Citadel.

2. El subagente de ventas de Nexus filtró 200 leads que coinciden con el perfil de tu cliente objetivo —— empresas de fintech del sureste de EE. UU. en la ronda B y posteriores que aún no han usado proveedores de servicios de datos; completó el enriquecimiento de información a un costo de 0.002 dólares por cada lead. Las interfaces que se llamaron fueron desarrolladas por otro agente y publicadas en un mercado abierto. Filtró los 3 leads con mayor intención y, de inmediato, se puso en contacto con el agente de calendario de cada uno para negociar la hora de las reuniones. Antes de cada charla, recuperó la universidad de la que se graduó el potencial cliente, los contactos en común, las noticias de la empresa y el historial de financiación; luego te preparó un briefing en una sola página, clavado en las notas de la reunión. Solo la función de enriquecimiento de información de leads: si se hiciera mediante una suscripción SaaS, cada cuenta costaría 200 dólares al mes.

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 las interfaces de prueba por API de cada servicio con un costo extremadamente bajo, desplegó entornos de prueba y midió la latencia, la disponibilidad y el throughput. Finalmente, Railway logró el mismo rendimiento a un costo de un tercio. Nexus negoció la tarifa mensual a través del agente de precios de Railway, construyó un espejo del sitio en el nuevo servidor y completó todas las pruebas para asegurar que funcionara correctamente. Si no hubiera agentes, al menos se necesitaría una semana: buscar en la web, contactar para cotizaciones, y además pasar por migraciones manuales que provocan ansiedad. Solo tienes que confirmar a Nexus para que ejecute.

Tu agente completó todo eso, y solo costó 0.67 dólares.

Ahora, multiplica 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 mediante la tarjeta de crédito vinculada con Apple Pay y luego sigues cepillándote los dientes. En la capa subyacente, esos 5 dólares se convertirán desde la tarjeta de crédito a stablecoins —— pero tú no ves en absoluto el monedero; no tienes que considerar el depósito y tampoco necesitas tocar la blockchain.

Esto es un vistazo a la economía de las máquinas —— un escenario comercial completamente nuevo en el que los agentes de IA gastan dinero de forma continua en cosas que los humanos nunca habían pagado. El tamaño y la velocidad de las transacciones están muy por encima del ámbito del comercio humano. Es razonable imaginar que cada día se generan decenas de miles de millones de transacciones.

Pero hoy, Internet todavía no está preparada para soportar todo esto.

Actualmente, Internet está diseñada para humanos. Filtra el comportamiento no humano mediante limitación de tráfico, CAPTCHAs y claves API, y monetiza a los usuarios humanos a través de anuncios. Sin embargo, con la aparición masiva de agentes autónomos, este modelo de negocio se volverá completamente ineficaz.

El tráfico se dispara; la atención efectiva disminuye.

Los servidores de la web, que dependen a largo plazo de ingresos publicitarios para subvencionarse, se enfrentarán a un aumento de órdenes de magnitud en solicitudes, y esas solicitudes nunca estarán influenciadas por anuncios.

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

Scraping de pago, acceso de pago, uso de pago.

Las compañías que construyan la infraestructura final que será adoptada ampliamente por agentes capturarán la mayor nueva reserva de actividad económica que nuestra generación podrá ver. Los grandes jugadores actuales ya están compitiendo por ocupar posiciones, pero la economía de máquinas también generará sus propios nuevos gigantes. En la ola anterior de una “nueva Internet”, nacieron Google, Amazon, Facebook, PayPal y Salesforce.

Se acerca la era de Internet basada en agentes inteligentes.

Perspectiva del tamaño del mercado

Para 2030, la gran mayoría de las interacciones de red ya no se completarán mediante un navegador. Nuestros agentes inteligentes navegarán, probarán, negociarán, formarán equipos de subagentes y ejecutarán transacciones en su nombre. Cada tarea que realicen generará una cadena de micropagos. Aunque estos costos por uso individual parecen un gasto adicional, en realidad están sustituyendo herramientas y mano de obra cuyo costo sería mucho mayor. Cuanto más avanzadas sean las herramientas disponibles, mejor serán los agentes, y también les concederemos mayores permisos de autonomía.

Demanda y velocidad de adopción

Hagamos una estimación aproximada.

En el caso anterior, el agente de Joe realizó cientos de transacciones por un costo de solo 0.67 dólares. Si escalamos esta escala a una empresa mediana de 500 personas —— con agentes personales para cada empleado, además de cientos de agentes compartidos para departamentos como ventas, finanzas, legal y operaciones —— fácilmente generaría 100 mil transacciones diarias iniciadas por agentes.

Hay más de 1 mil millones de trabajadores del conocimiento; el 88% ya usa IA en el trabajo. La escala del lado de la demanda es enorme y sigue creciendo. Pero hoy, la mayor parte de este uso se limita a tareas básicas, como búsqueda web, resumen de documentos o redacción de correos. La transformación completa hacia agentes inteligentes aún no ha llegado, pero cuando se encienda, la velocidad será extremadamente alta.

Instagram tardó 30 meses en llegar a 100 millones de usuarios, TikTok tardó 9 meses y ChatGPT solo 2 meses (Reuters / datos de UBS). Una de las razones de la adopción rápida 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 tienes que describir la necesidad y el agente intentará resolverla.

El único obstáculo es la confianza, y la velocidad con la que se construye la confianza supera ampliamente las expectativas. Actualmente, Claude Code ya ha contribuido con el 4% de todas las contribuciones de código público en GitHub (más de 135 mil al día). Si se mantiene la tasa de crecimiento actual, a finales de 2026 superará el 20%. Esto significa un crecimiento de 42896 veces en 13 meses. Los desarrolladores, en poco más de un año, pasaron de dudar a permitir que la IA produzca código de nivel productivo de forma a gran escala.

A medida que los modelos se vuelven más inteligentes, la interfaz se vuelve más sencilla y cada vez más complejidad técnica se abstrae y oculta, creo que la velocidad de adopción de los 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 (esta cifra es una estimación conservadora —— después de todo, las tres tareas que Joe completó antes del desayuno costaron solo 0.67 dólares). Solo en el extremo del usuario individual, el volumen anual de transacciones de agentes alcanzará entre 800 mil millones y 1.4 billones de dólares.

Mercado empresarial

Robbie Petersen de Dragonfly señaló en un artículo que los agentes inteligentes comerciales son una evolución razonable del modelo SaaS. Estoy totalmente de acuerdo. Ya no se trata solo de ayudar en flujos de trabajo; realmente reemplazarán procesos existentes. Tal como hoy más del 95% del gasto en software proviene de empresas e instituciones gubernamentales, es muy probable que el volumen de uso y el gasto en agentes inteligentes en el segmento empresarial superen con creces el mercado personal.

Ya estamos presenciando esta transformación. Klarna reemplazó a Salesforce con su sistema interno de IA, ahorrando aproximadamente 2 millones de dólares. ZoomInfo construyó agentes de IA para reemplazar su departamento de aprobaciones de transacciones y ahorró más de 1 millón de dólares al año. Estos son solo ejemplos tempranos en los que un flujo de trabajo se agentiza y, por lo tanto, se ahorran millones de costos. Cada empresa tiene cientos de procesos de este tipo en los departamentos de ventas, finanzas, legal, operaciones e I+D. Una vez que los agentes inteligentes se desplieguen a nivel de toda la empresa, el tamaño del gasto asociado será extraordinario.

Cualquiera puede convertirse en comerciante

Con el gran abaratamiento del costo del desarrollo mediante agentes de código, el umbral de entrada para los comerciantes en Internet se está acercando a cero. Un planificador de bodas experto en selección de sedes puede empaquetar los mejores flujos de trabajo y venderlos. Un desarrollador independiente en Lagos puede desarrollar una API para un nicho vertical y, en cuestión de horas, empezar a generar ingresos desde los agentes de todo el mundo. Solo necesitas tener conocimientos profesionales: generar una API mediante prompts y ya puedes empezar a cobrar.

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

Supongamos que el Joe mencionado antes quiere entrar en un nuevo campo: una empresa médica mediana en el Medio Oeste de EE. UU. con infraestructura de pagos antigua. Si su agente razona y lo construye desde cero, el costo en tokens se acumularía rápidamente:

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

• Enriquecer información de cada lead (stack tecnológico, financiación, datos de contratación): 200 leads × aproximadamente 5000 tokens = 1 millón de tokens

• Asegurar a los responsables decisores de los clientes clave: aproximadamente 200 mil tokens

• Asignar puntajes por señales de intención (cadencia de contratación, duración de contratos): aproximadamente 300 mil tokens

• Investigar el historial de cada decisor: 20 leads × aproximadamente 10 mil tokens = 20 mil tokens

• Redactar mensajes de alcance personalizados: 20 leads × aproximadamente 3000 tokens = 60 mil tokens

Total de aproximadamente 2.3 millones de tokens; calculado usando un modelo vanguardista como Opus 4.6, el costo está entre 8 y 15 dólares.

Espera, ¿no dijo que el agente de ventas de Joe hizo un proceso similar antes solo por unos cuantos centavos?

Sí. Porque la mayoría de los pasos ya habían sido resueltos por otros agentes. El enriquecimiento de leads, el scoring de intención y la programación de reuniones ya existen como interfaces empaquetadas en mercados abiertos, a precios de solo unos pocos centavos.

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

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

Mirada a la realidad

Entonces, ¿qué tan lejos estamos de comercializar realmente las transacciones de agentes inteligentes?

El equipo de Artemis en el que trabajo ha estado siguiendo el progreso de dos principales protocolos de pagos para agentes: el protocolo x402 de Coinbase de código abierto, y el Machine Payment Protocol (MPP) lanzado conjuntamente por Stripe y Tempo. En pocas palabras, el objetivo de estas dos clases de protocolos es completamente el mismo: permitir que un usuario o un agente pague por cualquier servicio de red (por ejemplo, datos, scraping web, inferencia de modelos o cualquier otro servicio de API) en una única solicitud de red. Esto elimina los tediosos procesos como registrarse, usar claves API y la conciliación de facturación.

Por ahora, todavía es una etapa temprana.

El volumen de transacciones del protocolo x402 a finales de 2025 se vio inflado por la especulación en memecoins y el scraping de volumen en rankings. La imagen de arriba muestra la “actividad real” de transacciones ajustada tras filtrar transacciones falsas con un algoritmo propietario. Al eliminar el ruido de transacciones falsas y de la especulación con memecoins, queda claro que la economía de agentes aún no ha llegado de verdad. Hoy, la mayor parte de la actividad consiste en que desarrolladores prueban APIs y herramientas de IA, en lugar de que entidades económicas de agentes reales estén operando.

Antes de que este modelo realmente explote, hay dos problemas centrales que deben resolverse:

1. El lado de la oferta aún no está formado: la cantidad de interfaces de API útiles capaces de 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 todavía no tienen una manera confiable de encontrarlas.

Dado que todo el ecosistema todavía está en desarrollo, usar el volumen de transacciones como métrica principal sería prematuro. Un indicador más razonable es el crecimiento del lado de la oferta, es decir, la cantidad de empresas que ofrecen servicios a agentes. Llamaremos a estas empresas “proveedores de servicios” en general.

La imagen de arriba muestra el cambio acumulado en el número de proveedores de servicios (vendedores) que cumplen los criterios. Un proveedor que cumple los estándares debe: completar más de dos “transacciones reales” y al menos tener dos compradores independientes. En octubre del año pasado, este número aún no llegaba a 100; ahora ya supera las 4000 empresas. Creo que esta tasa de crecimiento se acelerará aún más, impulsada principalmente por tres tendencias:

1. La IA está reduciendo el umbral 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 nuevos servicios se diseñarán con agentes como prioridad. Los agentes se vuelven el cliente central, y las formas de producto para ellos serán muy diferentes: reemplazar páginas web con API, reemplazar el registro con acceso inmediato y reemplazar suscripciones con pago bajo demanda.

3. Los proveedores existentes se verán obligados a transformarse. A medida que más usuarios interactúen con interfaces de IA en lugar de navegar manualmente páginas web, el modelo de negocio dependiente de anuncios quedará completamente invalidado porque no habrá atención humana que monetizar. Las empresas no tendrán otra opción que cobrar directamente por contenidos y servicios.

Estas fuerzas formarán un ciclo virtuoso de oferta y demanda, ampliándose mutuamente en ambos extremos, y finalmente encenderán toda la economía de agentes.

Estructura de la industria

La arquitectura del ecosistema de transacciones de agentes se está formando rápidamente. Un gran número de startups surge como brotes; se enfocan en resolver cada espacio en blanco dentro de esta arquitectura. Al mismo tiempo, empresas en fase de crecimiento en fintech y en servicios de software (SaaS) también se están transformando hacia transacciones nativas de agentes. En los últimos doce meses, casi todos los grandes gigantes de pagos y laboratorios de IA han lanzado o anunciado protocolos relacionados con transacciones de agentes.

Ya hemos identificado más de 170 empresas que cubren cinco grandes niveles: interfaces de interacción, agentes inteligentes, sistemas de cuentas, infraestructura de pagos y motores de inteligencia artificial. Aquí lo resumimos a unas 80 instituciones centrales:

Desglosamos de arriba hacia abajo por capas.

Capa de interfaz

La capa de interfaz es la más cercana al usuario 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 eligen servicios, tendrá un enorme poder de dirección sobre todos los niveles inferiores. Nos centraremos en dos categorías más importantes dentro de esta capa:

Interfaces de usuario

Este es el punto de entrada con el que la mayoría de las personas interactúan directamente con agentes inteligentes. Apple, Google, OpenAI, Anthropic, xAI y Perplexity están construyendo interfaces de este tipo, y su forma está saliendo rápidamente del simple modo de chat. Surgen constantemente nuevas formas: asistentes de voz, asistentes de escritorio, copilotos embebidos, agentes en el navegador, etc., acercándose a los escenarios reales de uso de los usuarios. El ganador de este segmento será la plataforma que se convierta en la interfaz de IA predeterminada del usuario, ya que será el punto de partida de todas las transacciones iniciadas por agentes, y quien lo logre obtendrá una ventaja extra enorme.

Los laboratorios de IA ya han rastreado y entrenado los datos de todo Internet; hoy, los mejores datos restantes para entrenar son las retroalimentaciones guiadas por humanos. Cada vez que aceptas o rechazas una respuesta, haces correcciones o proporcionas información de preferencias a Claude o ChatGPT, la interfaz de interacción que usas captura esos datos para venderlos o para entrenar modelos. Controlar la interfaz equivale a controlar el circuito de retroalimentación que optimiza tanto la experiencia del usuario como el propio modelo. 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 acumula contexto sobre tus preferencias, flujos de trabajo y herramientas de uso frecuente, el costo de migración del usuario se vuelve extremadamente alto.

Descubrimiento de servicios

Cuando el agente de Joe necesite una interfaz de enriquecimiento de leads o un proveedor de datos satelitales, ¿cómo encontrará el servicio adecuado? Esta quizá sea la mayor dificultad aún no resuelta de toda la arquitectura del ecosistema. La mayoría de las soluciones actuales se basan en listas de herramientas codificadas o en mercados de servicios seleccionados. Las grandes plataformas ya están construyendo sus propios sistemas: OpenAI y Stripe lanzaron ACP, Google y Shopify lanzaron UCP, Visa lanzó TAP. En esencia, todas son directorios de comerciantes que requieren que tanto la plataforma como los comerciantes se integren activamente para funcionar. Este modelo funciona bien en escenarios comunes, pero a medida que bajan drásticamente los umbrales de creación y venta de servicios digitales, aparecerán muchas aplicaciones de nicho altamente personalizadas, y el modelo de selección no puede satisfacer esas necesidades de larga cola.

Empresas representadas por Coinbase, Merit Systems, Orthogonal y Sapiom están construyendo alternativas abiertas: desarrollan agregadores e infraestructura subyacente para que los agentes puedan buscar y pagar servicios de forma autónoma durante la ejecución, sin necesidad de integraciones previas ni acuerdos comerciales. A medida que el lado de la oferta (es decir, recursos de red) crece exponencialmente, resolver este problema se vuelve mucho más difícil. Pero quien domine los sistemas de ranking y recomendación para que los agentes emparejen el servicio correcto en el momento adecuado, tendrá una enorme influencia en la industria.

Las transacciones de agentes finalmente se moverán hacia un modo de selección cerrado o hacia un modo de ecosistema abierto, y cómo esa estructura decidirá la distribución del valor: esta es una de las controversias más centrales del sector. Profundizaremos en este tema más adelante.

Capa de agentes inteligentes y cuentas

Para que realicemos las tareas, que el agente sea “inteligente” no basta. El subagente de ventas de Joe completó todo el flujo de extremo a extremo: filtró 200 leads, hizo enriquecimiento de información y programó tres reuniones, mientras que Joe no tuvo que configurar herramientas, administrar claves API ni aprobar paso a paso cada operación. La mayor parte de la infraestructura que hace que todo esto funcione es “invisible” para el usuario final; pero sin estas infraestructuras, los agentes serían solo modelos de lenguaje de gran tamaño sin capacidad de ejecución. A continuación, un resumen de los componentes de infraestructura esenciales necesarios para lograrlo:

Herramientas y estándares

Este tipo de protocolos y marcos proporcionan a los agentes inteligentes la capacidad de interactuar con el mundo exterior. MCP (Machine Communication Protocol, iniciado por Anthropic y ahora gestionado por la Linux Foundation) permite que los agentes se conecten a datos y herramientas externas: llamar a APIs que nunca han tocado, leer bases de datos o invocar servicios al instante. A2A (propuesto por Google) define cómo los agentes desarrollados en distintas plataformas pueden descubrirse y cooperar entre sí. Frameworks como LangChain, los lanzados por Nvidia y Cloudflare, ofrecen a los desarrolladores módulos base para crear y desplegar agentes sobre estos protocolos. Recientemente adquirido por OpenAI, OpenClaw integra gestión de contexto y llamadas a herramientas en un único framework con prioridad local, reduciendo de forma significativa la dificultad para que los desarrolladores construyan agentes que se puedan descubrir y pagar de forma autónoma.

El problema central en este campo es: ¿estos estándares terminarán unificándose o se fragmentarán? Si un framework comercial se apoya en estos estándares, ¿puede capturar valor antes de que las herramientas se vuelvan homogéneas?

Autenticación

Después de que los agentes puedan comunicarse entre sí, aún hace falta construir confianza. Antes de que los agentes realicen transacciones o vendan servicios, deben demostrar quién es la entidad autorizada y qué permisos de operación tienen, y deben conservar registros de acciones que otros agentes puedan verificar.

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

Hay un gran espacio de diseño en este campo, y también un riesgo extremadamente alto: ¿cuánto dinero máximo puede gastar tu agente antes de recibir tu aprobación? ¿Puede firmar contratos en tu nombre? ¿Puede delegar permisos a subagentes? Estas reglas y límites de seguridad probablemente se definirán finalmente en la capa de cuentas.

Monedero

Obviamente, si los agentes van a realizar pagos, necesitan un monedero. Muchos proveedores como Coinbase, Safe, MetaMask, Phantom, MoonPay, Privy, etc. están incursionando en este campo, ofreciendo funciones que incluyen acceso y creación programáticos, delegación de permisos, límites de gasto por transacción, listas blancas de recepción y capacidad de operar en múltiples cadenas, sin que el usuario deba confirmar manualmente cada operación. Este es uno de los segmentos más competitivos dentro del ecosistema, y también plantea una pregunta clave: ¿dónde está el foso de las empresas en este sector? ¿Este campo terminará homogeneizándose?

Capa de pagos

La capa de pagos está más profunda dentro de la arquitectura; para el usuario final debería ser “invisible”. Pero en la economía de máquinas, cada unidad de dinero fluirá por aquí. Cuando el agente de Joe paga 0.24 dólares por la madrugada para recuperar datos de 40 proveedores, él no necesita elegir de forma manual la tarjeta organizadora, la moneda ni la cadena de liquidación para cada transacción.

El núcleo de la dificultad es que los canales de pago tradicionales se diseñaron para el clic humano en el botón “comprar”, y no para adecuarse a miles de solicitudes por minuto por parte de agentes, con montos por debajo de un centavo por llamada de API. La red de tarjetas tiene un costo fijo aproximado de 0.03–0.04 dólares por transacción, además de comisiones de 2.3%–2.9%. Esto es viable para una orden hotelera de 400 dólares, pero no se adapta en absoluto a nuevas transacciones de agentes de múltiples pasos.

De aquí surgen nuevos protocolos y sistemas monetarios diseñados específicamente para transacciones de agentes, mientras los gigantes tradicionales también remodelan la infraestructura existente para adaptarse a estas necesidades.

Los puntos clave son los siguientes:

Canales de pago

Estos protocolos y estándares definen cómo los agentes inteligentes inician, enrutan y completan la liquidación de pagos. Actualmente se han formado principalmente dos rutas técnicas:

1. x402 (Coinbase/Cloudflare) y MPP (Stripe/Tempo) diseñados específicamente para transacciones nativas de máquinas: el agente llama la interfaz, obtiene cotizaciones, firma el pago y recibe datos, todo completado en una sola solicitud HTTP. La liquidación se hace en stablecoins, y el costo por transacción es solo de “unos pocos centavos”.

2. ACP (OpenAI/Stripe), AP2 (Google/PayPal) y la TAP de Visa adoptan otro enfoque: modificar la infraestructura existente de pago con tarjetas para adaptarse al escenario de agentes. Estas soluciones son más adecuadas para transacciones de alto valor; en comparación con la velocidad y el costo de liquidación, la protección del comprador y el alcance de aceptación del comerciante son más importantes.

Stablecoins y liquidación

Los agentes inteligentes necesitan una moneda programable, rápida, de bajo costo y global. Las stablecoins cumplen completamente con estos requisitos, por lo que son la opción natural para transacciones de x402 y MPP. Al mismo tiempo, los canales de pago con tarjetas todavía proporcionan protección al comprador y los hábitos del comerciante son maduros, lo cual sigue siendo importante para transacciones de alto valor. Las cadenas base (como Base, Solana, Tempo) traen otro problema clave: ¿qué cadenas pueden soportar el throughput requerido para transacciones a gran escala a nivel de agentes, la finalidad de las transacciones y la estructura de costos?

Proveedores de servicios

Estas instituciones son intermediarios ubicados entre los agentes inteligentes y los comerciantes. Se encargan de complejidades como revisiones de cumplimiento normativo, integración con comerciantes y autenticación de permisos. Coinbase, Stripe y PayPal están expandiendo los ecosistemas existentes para apoyar transacciones de agentes, apostando a que su propia red de comerciantes y su infraestructura de cumplimiento pueden convertirse en una ventaja competitiva. Otras instituciones como Sponge y Sapiom abordan el problema de arranque en frío desde el lado emergente de los comerciantes, permitiendo que cualquier negocio basado en API comience fácilmente a aceptar pagos de agentes. A medida que crecen los canales de pago, los protocolos y el número de comerciantes, los coordinadores podrían convertirse en el vínculo clave para evitar que todo el sistema se fragmenta.

Capa de motor de IA

No hace falta demasiada introducción para esta capa: 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 es mucho mayor que en otras partes de la arquitectura, y el flujo del valor final no es tan claro como parece a primera vista. Nos enfocamos en dos categorías:

Cómputo y custodia

Cada vez que el agente inteligente de Joe realiza inferencia para una tarea, llama herramientas o crea subagentes, consume cómputo. Pero la inferencia del modelo es solo una parte. Con el crecimiento explosivo de aplicaciones de low-code / desarrollo improvisado y servicios construidos por agentes, surgen multitud de nuevas interfaces que necesitan un “contenedor” de custodia. Hasta mayo de 2025, la cantidad de páginas web accesibles creció 45% en solo dos años; y a medida que los agentes de código hacen que el lanzamiento de nuevos servicios sea extremadamente sencillo, esta tasa de crecimiento solo se acelerará más. Esto significa que la demanda de cómputo crece simultáneamente en ambos extremos: por un lado, más agentes procesan más tareas; por otro, más servicios se lanzan de forma continua para satisfacer esa demanda.

Los proveedores de nube a hiper-escala (AWS, Google Cloud, Nvidia) son participantes obvios. Entre ellos, AWS y Google Cloud siguen simplificando continuamente los procesos de despliegue de backends de agentes y APIs sobre su infraestructura. Cloudflare se centra en cómputo en el borde (edge), proporcionando cómputo serverless de baja latencia para servicios orientados a agentes. Mientras tanto, plataformas de cómputo descentralizado como Akash, Bittensor, Nous, etc. satisfacen la demanda de cómputo excedente integrando recursos GPU globales y vendiéndolos a un precio muy bajo.

Modelos fundamentales

Los modelos fundamentales son el “cerebro” de todo el sistema. Anthropic, OpenAI, Google y Meta, como laboratorios líderes, amplían continuamente los límites de capacidad de los agentes inteligentes, y el costo de ejecutar esos modelos está bajando rápidamente. A finales de 2022, el costo de ejecutar modelos de nivel GPT4 era de aproximadamente 20 dólares por millón de tokens; y a principios de 2026, con el mismo nivel de rendimiento, el costo se redujo a unos 0.05 dólares por millón de tokens, una caída de 600 veces en poco más de tres años. Las mejoras de hardware, la competencia entre fabricantes y optimizaciones como caché de prompts y batch processing trabajan en conjunto para seguir reduciendo el costo de inferencia. Al mismo tiempo, con la lógica de inferencia refinada a modelos de pesos open-source más pequeños, y con costos de ejecución extremadamente bajos, el costo de construir inteligencia también cae significativamente. En algunas pruebas de referencia, la brecha de rendimiento entre modelos open-source y modelos cerrados se ha reducido a solo 1.7%.

Esto es una gran noticia para la economía de máquinas.

La inteligencia más barata significa agentes más baratos. Eso permite que incluso un fundador independiente de 24 años en Vermont pueda permitirse fácilmente los costos de operación; y, a su vez, impulsa más la actividad de transacciones en los diferentes niveles del ecosistema. Si los modelos grandes entraran en una competencia de precios, como lo hacen hoy los proveedores de servicios en la nube, el valor podría concentrarse al final en los segmentos aguas arriba y aguas abajo de la capa de modelos, en lugar de concentrarse en los modelos mismos.

¿Quién será el ganador?

Para 2030, la mayor parte de tus interacciones digitales ya no necesitarán un navegador, un motor de búsqueda o una tienda de aplicaciones. Solo necesitas decir lo que necesitas, y el agente inteligente se encargará de todo: encontrar el servicio adecuado, negociar términos, completar el pago y entregar el resultado final. Internet tendrá un aspecto completamente diferente.

Puedes entenderlo como: una era de SEO para agentes. Habrá cada vez más interfaces API, y cada vez menos interfaces de interacción para humanos.

En un mundo así, ¿quién capturará el valor?

Sam Ragsdale de Merit Systems escribió un artículo comparando el ecosistema actual de transacciones de agentes con el Internet temprano. Sostiene que los mercados de servicios de agentes tipo selección construidos por varias plataformas (ACP, UCP, TAP) siguen el camino de los 90 en EE. UU. con America Online (AOL): una experiencia cuidada, con un sistema cerrado, pero con la limitación central de que todos los proveedores de servicios deben pasar por selección y revisión manual. Aunque x402 y MPP, como protocolos abiertos, son más “rudos”, tienen la característica de ser sin permiso: cualquiera puede montar interfaces, sin equipos de negocios ni revisiones legales, y aun así ganar dinero a través de agentes. En los 90, la experiencia de productos en jardín cerrado era mejor, pero Internet abierto tiene posibilidades infinitas.

Al final, gana Internet abierto.

La misma lógica se está repitiendo. ACP, UCP y TAP se conectarán con los principales laboratorios de IA y servirán bien a escenarios comunes, pero quedarán limitadas a agentes cuyo alcance solo cubre tareas predeterminadas por el propio platform. En cambio, los agentes que pueden integrarse con el ecosistema completo de protocolos abiertos tendrán límites de capacidad mucho más amplios.

Fíjate: la parte más vibrante de Internet hoy proviene del enorme flujo de tráfico de “long tail” de sitios abiertos impulsados por el protocolo HTTP.

Debemos ser humildes y aceptar que no podemos imaginar el panorama completo de Internet de agentes abiertos. Igual que en 1995 nadie podía predecir la aparición del ridesharing o las redes sociales, cuando damos a los agentes las herramientas necesarias, tampoco podemos anticipar qué crearán, qué servicios impulsarán y por cuáles cosas pagarán.

Como discutimos antes, los grandes modelos fundamentales avanzan rápidamente hacia la homogeneización, por lo que es posible que el valor se desplace hacia otras capas de la arquitectura tecnológica. Herramientas de desarrollo, monederos e infraestructura de identidad son importantes. Pero a medida que los estándares se unifiquen, es probable que estas áreas también se vuelvan homogéneas. 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 los límites de gasto, el flujo de aprobación y los mecanismos de delegación de confianza. Una plataforma que pueda ofrecer la experiencia más personalizada para los usuarios llevará el mayor flujo de transacciones.

Apple es el participante más subestimado en este ámbito. Sus dispositivos ya están profundamente integrados en la vida diaria de las personas y el costo de migración del usuario es extremadamente alto. Si Siri evoluciona hacia una puerta de entrada madura de interacción con agentes, Apple no necesita construir el modelo más top para controlar el punto de partida de miles de millones de transacciones. Solo necesitan mantener la mejor puerta de entrada de interacción.

La transformación a la que se enfrenta Google es aún más difícil. Pasar de navegar manualmente por parte de humanos a que los agentes inteligentes filtren e impulsen la selección erosionará sus ingresos principales por publicidad. Pero Google tiene una ventaja que ninguna otra empresa puede igualar: acumula décadas de datos personales en búsqueda, correo, calendario, mapas y documentos. Además, existe el costo de migración para el segmento empresarial: Google Workspace está integrado en millones de empresas; los correos, archivos y flujos de trabajo de los empleados funcionan sobre la infraestructura de Google. Si hay alguna empresa que pueda crear los agentes más personalizados tanto para consumidores como para empresas, esa es Google. El problema es si podrá monetizar los servicios de agentes de forma tan eficiente como monetiza el tráfico de búsqueda.

Merit Systems es mi apuesta como comodín. Ellos están construyendo infraestructura de descubrimiento de servicios para la economía de agentes abierta (AgentCash, escaneo x402, escaneo MPP) y también desarrollando interfaces para consumidores (Poncho). La lógica central es: quien controle los canales de descubrimiento de servicios de agentes e intervenga en el flujo de fondos, ocupará la posición de Google en el Internet temprano. Es una apuesta ambiciosa, pero si la guerra de transacciones entre agentes abiertos supera el modo de selección cerrado, Merit se convertirá en la capa agregadora con mayor ventaja. Aún está en etapa temprana, igual que cuando la competencia del ecosistema cerrado AOL enfrentó a Google cuando este último valía hoy en términos de capitalización alrededor de 350 mil millones de dólares.

Pagos

Quien controle el flujo de fondos, obtendrá un reparto de cada transacción. Me siento especialmente confiado sobre el futuro de esta capa, porque su tamaño crecerá directamente en sincronía con el volumen de transacciones.

Stripe y Tempo tienen las mejores ventajas en pagos nativos para máquinas. Stripe ya cuenta con un ecosistema de desarrolladores maduro y una gran red de comerciantes. Tempo, por su parte, posee características como pagos en tiempo real (streaming payments), finalidad de transacción de aproximadamente 500 milisegundos, pagos en streaming de canales de pago, soporte nativo para tarjetas y stablecoins, pago de tarifas de Gas en dólares (sin riesgo de fluctuación del token), transacciones con servidor que paga (server-paid transactions) y otras características diseñadas específicamente para el volumen masivo de transacciones de la economía de máquinas. Si MPP se convierte en el canal predeterminado de pagos nativos de máquinas, Stripe y Tempo cobrarán comisión de cada transacción de agentes.

Circle crecerá en sincronía con la expansión de la economía de agentes. Tengo la certeza de que las stablecoins serán la capa de liquidación de la economía de máquinas; en ese momento, Circle recibirá ingresos por intereses de reservas y repartirá ganancias a partir de cada dólar en las carteras de agentes. USDC es la stablecoin con mayor aceptación en exchanges, monederos, cadenas públicas y protocolos de pago. Nuevos desarrolladores la elegirán primero, profundizando aún más la integración de su ecosistema, haciendo que a los competidores les resulte más difícil entrar.

Visa completará la adaptación. ¿Recuerdas cómo Joe recargó con tarjeta de crédito mediante Apple Pay y, por debajo, se convirtió automáticamente en stablecoin mientras él no veía el monedero y no tenía que preocuparse por blockchain? Así será la norma en el futuro. Los consumidores seguirán usando tarjetas bancarias familiares y la capa subyacente hará la liquidación con stablecoins. A medida que los canales de pago se actualicen, Visa se apoyará en su confianza de marca tanto con consumidores como con comerciantes para consolidarse.

Cómputo y custodia

El crecimiento en la cantidad de agentes implica un aumento en las necesidades de inferencia. Más servicios de desarrollo improvisado implica una expansión en la demanda de custodia. Sin importar qué modelo, protocolo o interfaz se vuelva dominante, los proveedores de cómputo se beneficiarán. AWS y Cloudflare son las dos empresas con mayor ventaja en este ámbito, por razones similares.

Primero, ya respaldan la mayor parte del tráfico de Internet. AWS tiene aproximadamente 30% de participación en infraestructura cloud en 37 regiones alrededor del mundo. Cloudflare ofrece servicios de seguridad y rendimiento para más del 20% de los sitios web; eso significa que todas las solicitudes hacia esos sitios pasan por su red. Cuando explote el crecimiento de nuevas interfaces para agentes, los desarrolladores elegirán por defecto el entorno de despliegue que les resulte más familiar.

Segundo, están construyendo la infraestructura de monetización de la nueva generación de Internet. Con el declive del modelo publicitario y el auge del acceso de pago, ambas empresas están dando soporte nativo a esta transición. Cloudflare lanzó servicios de scraping de pago, permitiendo que cualquier sitio en su red cobre a los rastreadores de IA a través de x402 (Stack Overflow ya lo está usando). Y AWS es miembro fundador del fondo x402 y publicó una arquitectura de referencia serverless open-source para x402. Cualquier servicio ejecutado en cualquiera de estas dos plataformas puede habilitar fácilmente la monetización nativa de agentes.

Autenticación de identidad

Soy pesimista sobre empresas como Worldcoin; su sistema requiere validación humana en cada interacción. Esta visión de extremismo asume que la gente se preocupará por si el interlocutor en línea es humano o agente, pero nosotros ya estamos acostumbrados a esto. En mi opinión, lo más probable es que el futuro sea que la selección del tráfico en la mayor parte de la web se basará en micropagos, no en credenciales de identidad humana.

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

Los sistemas de identidad solo son importantes para algunas interacciones de alto riesgo. Pero en la mayoría de las transacciones de agentes, (los micropagos) por sí solos ya son un certificado de confianza.

Conclusión

Cuando Joe despierta, no pensará en canales de pago ni en protocolos de identidad de agentes. Solo mirará el teléfono y sabrá que el agente ya completó las transacciones, programó las reuniones y encontró un servidor más barato. Todas las capas de arquitectura tecnológica discutidas en este artículo quedan perfectamente abstraídas; él no necesita preocuparse en absoluto.

Seguimos avanzando hacia este futuro. Los protocolos relevantes ya están en línea pero su adopción es insuficiente; el lado de la oferta está creciendo pero aún es delgado; el problema del descubrimiento de servicios no se ha resuelto; y la capa de identidad está muy fragmentada. La mayor parte de las transacciones actuales son solo pruebas de desarrolladores, no transacciones reales de agentes. Pero la velocidad con la que se completa el rompecabezas del ecosistema es mayor que la que muestran los indicadores de datos. Hoy, los que miran con pesimismo la infraestructura temprana solo observan la curva a la baja; pero lo que yo considero es cómo se vería el panorama cuando cada persona tenga uno o un conjunto de agentes realmente capaces de tener comportamiento económico.

Si todavía no has actuado, es hora de hacer la transición al modelo de economía de agentes.