Imersão Profunda: Como a Fintech Block Está Substituindo Processos e Pessoas por Agentes

Block acabou de fazer a declaração pública mais clara até agora de que os “ganhos de IA” podem justificar uma redefinição de quadro de pessoal em escala. Jack Dorsey enquadrou a redução de fevereiro de 2026 como uma “reforma de IA”, cortando mais de 4.000 cargos de uma força de trabalho de pouco mais de 10.000.

A estratégia de IA da Block como uma reformulação do modelo operacional, não apenas um “conjunto de recursos de IA”. O centro de gravidade é um substrato interno de agentes que conecta LLMs a ferramentas, dados e ações, reutilizando esse substrato para entregar automação voltada ao cliente.

A pilha interna é liderada por goose mais integrações MCP em escala empresarial, e uma camada interna de “texto para aplicação persistente” (G2) que permite a não engenheiros construir fluxos de trabalho autônomos. Essa dupla é posicionada como a base para agentes de clientes como Square AI e Moneybot, e para um conceito interno de “builderbot” que estende a criação de software autônomo por diferentes funções.

O programa de IA já está equipado com métricas de adoção e throughput: cerca de 7.500 funcionários ativos semanalmente usando ferramentas de IA, IA lidando com 65% dos casos de suporte do Cash App, mais de 90% das submissões de código parcialmente ou totalmente escritos por IA, e um aumento de 30% na mediana de mudanças semanais de código por engenheiro em um período medido.

A redução de força de trabalho é explicitamente justificada como uma disrupção na produtividade de “ferramentas de inteligência”. A empresa afirma que está reduzindo o quadro de mais de 10.000 para pouco menos de 6.000, com mais de 4.000 saindo ou entrando em consulta, vinculando a decisão a uma capacidade impulsionada por IA para equipes menores “fazer mais e fazer melhor”.

Os materiais públicos da Block não divulgam nomes internos de modelos, regimes de ajuste fino, janelas de retenção ou governança completa de dados para telemetria de agentes. O que é divulgado é suficiente para inferir uma arquitetura multi-modelo, com chamadas a ferramentas em primeiro lugar, com cascatas conscientes de custos e forte ênfase em dados em tempo real, além de restrições legais explícitas para recursos de IA ao consumidor e parceiros de modelos de terceiros.

Visão sistêmica da pilha de IA

Eu modelizo a pilha como cinco planos acoplados: dados, modelo, agente, superfícies de produto, governança. A Block está otimizando o acoplamento, não qualquer plano individual.

O “plano de agentes” é o diferencial. A descrição de goose de código aberto é explícita: não é um wrapper de chat. Ele executa um ciclo interativo onde um modelo emite chamadas de ferramenta, o agente as executa, e depois retorna resultados ao modelo, com revisão de contexto para gerenciamento de tokens e recuperação iterativa em caso de erros.

O padrão de conexão empresarial é MCP. A Block descreve o MCP como a camada de API que conecta agentes aos “sistemas onde os dados vivem” e às ações, e afirma que colaborou estreitamente no desenvolvimento do MCP.

A camada de automação interna vai além de goose até G2, descrito como um “parque de diversão interno de texto para aplicação persistente” composto por tiles que rodam continuamente e de forma assíncrona. O objetivo declarado é permitir que funcionários não técnicos construam aplicativos personalizados e fluxos de trabalho autônomos sem dependência de engenharia.

Fontes de dados e sinais de rotulagem

A Block divulga sinais concretos de treinamento em fraude e suporte:

Os alertas de golpes do Cash App são treinados com múltiplas fontes, incluindo relatórios históricos de golpes, casos de suporte anteriores, interações de usuários com avisos de golpe, e dados de transações e clientes. A implementação é explicitamente acoplada ao feedback: comportamento de cancelamento ou prosseguimento do usuário torna-se um sinal de melhoria do modelo.

O roteamento de suporte por voz do Cash App usa um modelo de intenção de ML para mapear chamadas para respostas automatizadas ou grupos especializados de advogados. O sistema é descrito como operando em tempo real com um prompt conversacional, lógica de roteamento e automação de perguntas simples, como verificações de saldo.

Considero esses exemplos como padrões canônicos que a Block escala em suas superfícies agenticas: rótulos supervisionados onde disponíveis, rótulos implícitos a partir de resultados de usuários onde não, e fortes loops de feedback online.

Roteamento de modelos, controle de custos e latência

O Risk Labs da Block destaca uma arquitetura de classificador em duas etapas, onde um modelo pequeno lida com casos fáceis e pode delegar para um modelo maior em casos mais difíceis, com uma perda substituta fundamentada que preserva a consistência. Isso está alinhado diretamente com as restrições de fintech em tempo real: latência limitada, custo limitado e caminhos de escalonamento.

O mesmo documento enquadra explicitamente “modelos ficando maiores e mais caros de operar” como a motivação. Interpreto isso como aprovação institucional de cascatas, não apenas um exercício acadêmico.

Implicações estratégicas e recomendações táticas

A Block está construindo uma camada de distribuição de agentes dentro do fintech, e depois exportando agentes validados para clientes. Não copie branding. Replique o substrato.

Fundadores / CEOs
Considere automação agentica como alavancagem operacional com orçamentos explícitos de falha. Desenhe escalonamentos conservadores em suporte, fraude e movimentação de dinheiro. Sem escalonamento de primeira classe, automação torna-se uma responsabilidade.

Líderes de produto
Lance capacidades e interfaces separadamente. Foque em interfaces compostáveis, inteligência de dados em tempo real e orquestração. Isso evita dispersão de assistentes e mantém coerência na superfície.

Estratégias de pagamento
A vantagem muda de profundidade de fluxo de trabalho para automação de fluxo de trabalho. Square AI, pedidos por voz e Managerbot reduzem o tempo operacional de PMEs. A ameaça é a compressão de tempo, não a UI.

Desenvolvedores nativos de criptomoedas
Priorize programabilidade agentica ancorada às redes de pagamento, não narrativas de tokens. Inteligência proativa e ferramentas Builder independentes de modelo sinalizam uma tese de plataforma de agentes embutida no fintech.

Engenheiros
Implemente o princípio do menor privilégio na camada de ferramentas. Use listas de permissão, credenciais escopadas, logs de auditoria imutáveis, rollback determinístico. Segurança de ferramentas é segurança de modelos.

Investidores
Modele como redução de quadro de pessoal, aumento de computação, aumento de gastos com confiabilidade. A expansão de margem depende de cascatas, controle de incerteza e superfícies de produto restritas que mantenham o custo de inferência e o risco de incidentes sob controle.