作者：Lucas Shin，来源：Artemis，编译：Shaw 金色财经

Resumo

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

• Uma nova rede baseada em agentes exigirá canais de pagamento, sistemas monetários e componentes base de nova geração.

• O valor concentrar-se-á em três níveis: a camada de interface, que é o “agente” que controla as interações do utilizador; a camada de pagamento, que é o “agente” que intervém no fluxo de fundos; e a camada de capacidade de computação e custódia, que é o “agente” que opera a infraestrutura base.

• As atividades comerciais de agentes inteligentes no “long tail” dependerão de protocolos abertos para funcionar.

Vamos começar por desenhar uma cena.

É o ano de 2030. Tens 24 anos, vives em Burlington, no Vermont, e adoras investir — a maior parte em ações dos EUA, e também participas na Kalshi para negociar algumas criptomoedas e mercados de previsão. Dois meses antes, abriste a tempo parcial uma consultora de fintech.

Há dias, como hoje, em que a abertura parece sempre acontecer de repente.

Vrum—

O toque do telemóvel acorda-te, como uma chávena fria de água na cara. É a tua mensagem do teu agente inteligente pessoal Nexus:

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

Atualização da carteira: reduzi em 15% a exposição a $WMT durante a noite. Os dados por satélite indicam uma queda do fluxo de clientes nas lojas, e o sentimento dos resultados financeiros virou para baixa; já foi verificado por cruzamento.

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

Otimização de despesas: encontrei um novo fornecedor de servidores cloud — desempenho semelhante, com a taxa anual a descer de 840 dólares para 290 dólares. Pode ser migrado a qualquer momento.

Despesa total: 0.67 dólares

O que aconteceu afinal enquanto dormias?

1. O Nexus enviou um subagente de pesquisa, gastando 0.24 dólares, que durante a noite recolheu informação de 40 fornecedores de dados diferentes; comparou o conteúdo da mais recente teleconferência de resultados da Walmart com imagens de satélite dos estacionamentos das lojas em todo os EUA; e atualizou a tua lógica de investimento. Quando os dados por satélite indicaram que o fluxo de clientes da Walmart estava a cair, o teu agente de carteira cruzou isso com o mercado de sentimento de resultados da Kalshi, confirmou o sinal de baixa e concluiu a redução da posição antes de tu acordares. Quatro anos antes, esta estratégia de trading era ainda um domínio exclusivo de Citadel e de um pequeno número de fundos quantitativos; tinham de pagar milhões de dólares para subscrever imagens de satélite. Mesmo um terminal Bloomberg de 30 mil dólares por ano não conseguia cobrir toda a informação — ainda tinhas de subscrever separadamente imagens por satélite, dados alternativos, e passar horas a integrar e analisar. E agora, um jovem de 24 anos no Vermont consegue obter uma vantagem de informação equivalente à de analistas quantitativos da Citadel, a um custo inferior ao de uma chávena de café.

2. O subagente de vendas do Nexus filtrou 200 leads que encaixavam no teu perfil de cliente-alvo — empresas de fintech no Sudeste dos EUA no nível B round e seguintes, que ainda não usavam fornecedores de serviços de dados — e completou o enriquecimento de dados a um custo de 0.002 dólares por lead; a interface chamada foi desenvolvida por outro agente e carregada num mercado aberto. Depois, selecionou 3 leads com maior intenção e contactou de imediato os respetivos agentes de agenda para negociar os horários das reuniões. Antes de cada conversa, buscou a escola de onde o potencial cliente se formou, conexões em comum, notícias da empresa e histórico de financiamento, e organizou para ti um briefing em uma página, fixado nas notas da reunião. Apenas a opção de enriquecimento de informação de leads — se for via subscrição SaaS — custa 200 dólares por conta por mês.

3. O subagente de operações do Nexus fez testes de comparação entre o teu site de consultoria e 6 fornecedores de servidores: Vercel, Render, Railway, Fly.io, Netlify e Cloudflare. Chamou interfaces de API de teste de cada serviço a um custo extremamente baixo, fez deploy de um ambiente de testes, e mediu latência, disponibilidade e throughput. No fim, a Railway conseguiu o mesmo desempenho a um custo de um terço. O Nexus acordou mensalidade através do agente de preços da Railway, montou um espelho do site num novo servidor e concluiu o conjunto completo de testes para garantir que estava a funcionar corretamente. Se não houvesse agentes, isso exigiria pelo menos uma semana: pesquisar na Internet, pedir cotações, comunicar, e ainda passar por uma migração manual que dá ansiedade. Tu só precisas de confirmar ao Nexus para executar.

O teu agente concluiu tudo isto, gastando apenas 0.67 dólares.

Agora, multiplica esta cena por cada trabalhador do conhecimento no mundo, por cada empresa, por cada agente inteligente em funcionamento.

Vrum—

Nexus: saldo insuficiente, restam 1.87 dólares.

Tal como na semana passada, recarregaste 5 dólares no cartão de crédito associado ao Apple Pay e continuaste a escovar os dentes. Na camada inferior, esses 5 dólares são convertidos em stablecoins a partir do cartão de crédito — mas tu não consegues ver de todo a carteira, não precisas de considerar qualquer depósito e também não tens de tocar na blockchain.

Isto é um vislumbre da economia das máquinas — um novo cenário de negócio em que os agentes de IA vão continuar a gastar dinheiro com coisas que os humanos nunca antes pagaram, com escalas de transação e velocidade muito acima do que existe na esfera do comércio humano. Dá para imaginar que dezenas de milhares de milhões de transações vão ser geradas diariamente.

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

Atualmente, a Internet foi desenhada para humanos. Usa mecanismos de rate limiting, captchas e chaves de API para filtrar comportamento não-humano e monetiza os utilizadores humanos através de publicidade. No entanto, com a aparição em massa de agentes autónomos, este modelo de negócio vai falhar completamente.

O tráfego explode, enquanto o interesse efetivo diminui.

Servidores da rede subsidiados a longo prazo por receitas de publicidade vão enfrentar um aumento de pedidos em ordens de grandeza — e esses pedidos nunca serão influenciados pela publicidade.

O pagamento via agentes resolve naturalmente este problema, e pagamentos pequenos tornar-se-ão a chave do acesso.

Raspagem paga, acesso pago, utilização paga.

As empresas que construírem a infraestrutura final que será amplamente adotada por agentes irão capturar o maior novo poço de atividade económica que esta geração conseguirá ver. Os gigantes atuais já estão a disputar posições, mas a economia das máquinas também dará origem aos seus próprios novos gigantes. A última vaga de uma nova Internet originou a Google, Amazon, Facebook, PayPal e Salesforce.

A era da Internet com agentes inteligentes está a chegar.

Perspetiva do tamanho do mercado

Até 2030, a grande maioria das interações de rede deixará de ser feita através de navegadores. Os nossos agentes inteligentes farão navegação, testes, negociação em nosso nome, formarão equipas de subagentes e executarão transações. Cada tarefa que eles concluírem vai gerar uma série de pagamentos pequenos. O custo aparente de cada utilização pode parecer despesa adicional, mas na realidade está a substituir ferramentas e mão de obra muito mais caras. Quanto mais avançadas as ferramentas disponíveis, melhor o desempenho dos agentes, e mais autonomia lhes concederemos.

Procura e velocidade de adoção

Vamos fazer uma estimativa grosseira.

No exemplo acima, o agente do Joe concluiu centenas de transações por apenas 0.67 dólares. Se expandirmos essa escala para uma empresa média com 500 funcionários — com um agente pessoal para cada empregado, mais centenas de agentes partilhados para vendas, finanças, jurídico, operações e outras áreas — facilmente serão geradas 100 mil transações por dia iniciadas por agentes.

Há mais de 1 mil milhão de trabalhadores do conhecimento no mundo; 88% já usam IA no trabalho. A dimensão do lado da procura é enorme e continua a crescer. Mas atualmente, a maior parte dessas utilizações ainda se limita a tarefas básicas, como pesquisa na Web, resumo de documentos ou redação de emails. A transformação completa para agentes inteligentes ainda não chegou; mas assim que arrancar, a velocidade será impressionante.

O Instagram demorou 30 meses para chegar a 100 milhões de utilizadores; o TikTok demorou 9 meses; e o ChatGPT apenas 2 meses (Reuters / dados do UBS). Uma das razões para a rápida adoção do ChatGPT é que a interface de conversação já é familiar para as pessoas, e não é necessário aprender novos softwares nem mudar hábitos de utilização — tu só descreves as necessidades e o agente tenta cumprir.

O único obstáculo é a confiança, e a velocidade com que a confiança é construída é muito superior às expectativas das pessoas. Atualmente, o Claude Code já contribuiu com 4% do total de submissões de código público no GitHub (mais de 135 mil vezes por dia); e, a julgar pela taxa de crescimento atual, no final de 2026 isso ultrapassará 20%. Isto significa 42896 vezes de crescimento em apenas 13 meses. Os programadores mudaram de céticos para produzir código nível de produção a ser feito por IA em pouco mais de um ano.

À medida que os modelos se tornam mais inteligentes, as interfaces ficam cada vez mais simples e cada vez mais complexidades técnicas são abstraídas e ocultadas, acredito que a velocidade de adoção de agentes inteligentes vai acelerar ainda mais.

Até 2030, mesmo que apenas 60% dos trabalhadores do conhecimento usem agentes, o gasto diário será de 3 a 5 dólares (isto já é uma estimativa conservadora — basta saber que o Joe concluiu três tarefas antes do pequeno-almoço por apenas 0.67 dólares), e a dimensão anual das transações de agentes no lado pessoal atingirá 800 mil milhões a 1.4 biliões de dólares.

Mercado empresarial

A robbie・peterson da Dragonfly, num artigo, aponta que agentes inteligentes para uso comercial são uma evolução natural do modelo SaaS. Concordo plenamente com isso. Já não são apenas para complementar fluxos de trabalho — vão substituir de forma completa os fluxos existentes. Tal como hoje mais de 95% do gasto em software vem de empresas e do governo, a quantidade e a escala de despesa com agentes inteligentes no lado empresarial provavelmente excederão em muito o mercado individual.

Já estamos a testemunhar esta transformação. A Klarna substituiu a Salesforce com um sistema interno de IA, poupando cerca de 2 milhões de dólares. A ZoomInfo construiu agentes de IA para substituir o seu departamento de aprovações de transações, poupando mais de 1 milhão de dólares por ano. Estes são apenas casos iniciais em que fluxos individuais foram agentificados e, por isso, foram poupados custos na ordem dos milhões. Cada empresa tem centenas de processos desse tipo em vendas, finanças, jurídico, operações e I&D. Assim que os agentes inteligentes forem implementados em toda a empresa, o volume de despesa será extremamente significativo.

Qualquer pessoa pode tornar-se comerciante

Com os agentes de código a reduzirem drasticamente os custos de desenvolvimento, a barreira de entrada para comerciantes online está a aproximar-se de zero. Um planner de casamentos que seja bom na seleção de locais pode empacotar os melhores fluxos de trabalho e vendê-los. Um programador independente em Lagos consegue desenvolver uma API para um setor vertical e começar a ganhar dinheiro em poucas horas a partir de agentes por todo o mundo. Precisas apenas de ter conhecimento especializado: gerar uma interface de API via prompts e começar a receber pagamentos.

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

Suponhamos que o Joe mencionado anteriormente quer entrar num novo setor: uma empresa médica média no Meio-Oeste dos EUA, com infraestruturas de pagamentos antigas. Se o seu agente começar do zero a inferir e a concluir, os custos do token vão acumular-se rapidamente:

• Filtrar 200 empresas que correspondem a um perfil específico (inferência + chamadas à API): cerca de 5 milhões de tokens

• Completar informação de cada lead (stack tecnológica, financiamento, dados de contratação): 200 leads × cerca de 5000 tokens = 10 milhões de tokens

• Identificar decisores do núcleo dos clientes: cerca de 2 milhões de tokens

• Atribuir pontuações por sinais de intenção (ritmo de contratação, ciclo de contrato): cerca de 3 milhões de tokens

• Investigar o histórico de cada decisor: 20 leads × cerca de 1 milhão de tokens = 20 milhões de tokens

• Escrever copy de abordagem personalizada: 20 leads × cerca de 3000 tokens = 6 milhões de tokens

Total de cerca de 23 milhões de tokens; usando um modelo de ponta como Opus 4.6, o custo fica entre 8 e 15 dólares.

Espera — o subagente de vendas do Joe não fez um fluxo semelhante e não gastou apenas alguns cêntimos?

Sim. Porque a maior parte dos passos já foi resolvida por outros agentes. O enriquecimento de leads, o scoring de intenção e o agendamento estão disponíveis em interfaces empacotadas no mercado aberto, com preços de apenas alguns centésimos de dólar.

Este modelo cria um novo cenário de negócio. O lado da oferta no mercado vai crescer em ambas as direções: os humanos constroem serviços, e os agentes também constroem serviços. Um problema de consumo elevado de tokens resolvido por um agente pode transformar-se numa ferramenta barata que todos os agentes usarão mais tarde. Num mundo assim, os agentes podem transformar a sua experiência em fluxos de trabalho e vendê-los a outros agentes, subsidiando assim os próprios custos de funcionamento.

Cada mudança de paradigma cria novos comerciantes. A Shopify empoderou vendedores de e-commerce, a Stripe empoderou empresas online, e a economia das máquinas vai empoderar criadores oportunistas e agentes inteligentes autónomos.

Uma análise mais realista

Então, quão longe estamos de transações comerciais realmente “agentificadas” com agentes inteligentes?

A equipa da Artemis em que eu trabalho tem acompanhado constantemente o progresso de dois principais protocolos de pagamento para agentes: o protocolo x402 de código aberto da Coinbase, e o Machine Payment Protocol (MPP) lançado em conjunto pela Stripe e pela Tempo. Em termos simples, o objetivo destas duas classes de protocolos é exatamente o mesmo: permitir que utilizadores ou agentes paguem por qualquer serviço de rede numa única solicitação (por exemplo, dados, raspagem de páginas da Web, inferência de modelos ou outros serviços de API), evitando toda a burocracia de registar contas, chaves de API, acerto de faturas, etc.

Ainda estamos na fase inicial.

O volume de transações do x402 no final de 2025 foi inflacionado pela especulação com moedas meme e por comportamentos de “scraping” de volume de rankings. A imagem acima mostra a “atividade real” ajustada após filtrar transações falsas por algoritmos proprietários. Ao remover o ruído das transações falsas e da especulação com moedas meme, fica claro que a economia dos agentes ainda não chegou verdadeiramente. A maior parte da atividade atual é apenas dev testando APIs pagas e ferramentas de IA, e não agentes económicos a operarem de verdade.

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

1. O lado da oferta ainda não está formado: há uma escassez severa de interfaces de API úteis que consigam gerar vontade real de pagamento por parte dos agentes.

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

Como todo o ecossistema ainda está em desenvolvimento, ainda é cedo para usar o volume de transações como métrica principal. Uma observação mais adequada é o crescimento do lado da oferta — isto é, o número de comerciantes que disponibilizam serviços para agentes. Vamos chamar a esses comerciantes, de forma coletiva, providers de serviços.

A imagem acima mostra a evolução acumulada do número de providers (vendedores) que cumprem os critérios. Para serem considerados válidos, os providers precisam de ter efetuado mais de duas transações “reais” e ter pelo menos dois compradores independentes. No mês de outubro do ano passado, este número ainda era inferior a 100; hoje já passou de 4000. Eu prevejo que esta taxa de crescimento vai acelerar ainda mais, impulsionada principalmente por três tendências:

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

2. Novos serviços vão ser concebidos com a prioridade para agentes. Os agentes estão a tornar-se o cliente principal, e as formas dos produtos desenhados para eles serão completamente diferentes: usar API em vez de páginas Web, acesso instantâneo em vez de processos de registo, pagamento sob demanda em vez de modelos de subscrição.

3. Providers de serviços existentes serão forçados a fazer pivot. À medida que mais utilizadores interagem via interfaces de IA e não navegam manualmente páginas Web, o modelo de negócio baseado em publicidade vai falhar completamente, porque não haverá atenção humana monetizável disponível. As empresas não terão escolha a não ser cobrar diretamente por conteúdo e serviços.

Estas forças vão formar uma roda dentada positiva, ampliando a oferta e a procura em ambas as extremidades, e no fim acender toda a economia dos agentes.

Estrutura do setor

A arquitetura do ecossistema de transações de agentes está a formar-se rapidamente. Muitas startups estão a surgir como cogumelos, focadas em resolver cada vazio na arquitetura; ao mesmo tempo, empresas em crescimento na área de fintech e serviços de software (SaaS) estão também a migrar para transações de agentes nativas. Nos últimos doze meses, quase todos os principais gigantes de pagamentos e laboratórios de inteligência artificial já lançaram ou anunciaram protocolos relacionados com transações de agentes.

Já mapeámos mais de 170 empresas cobrindo cinco grandes níveis: interfaces de interação, agentes inteligentes, sistemas de conta, infraestrutura de pagamentos e motores de inteligência artificial. Aqui, condensamos para cerca de 80 instituições centrais:

Vamos desmontar de cima para baixo, por camadas.

Camada de interface

A camada de interface está mais próxima do utilizador e é responsável por direcionar intenções do utilizador (necessidades) para as ferramentas ou serviços necessários (oferta). Quem consegue definir como os agentes inteligentes descobrem, avaliam e escolhem serviços terá enorme poder de influência sobre todos os níveis abaixo. Vamos focar nas duas categorias mais importantes desta camada:

Interface do utilizador

Este é o ponto de entrada com o qual a maioria das pessoas interage diretamente com agentes inteligentes. A Apple, Google, OpenAI, Anthropic, xAI e Perplexity estão a construir este tipo de interfaces; a forma como são apresentadas está a evoluir rapidamente para além do simples modo de chat. Surgem constantemente novas formas — assistentes de voz, assistentes no desktop, copilotos embutidos, agentes para o navegador — tudo mais próximo de cenários reais de uso pelo utilizador. Uma plataforma que se torne a interface de IA por defeito do utilizador vai ser o ponto de partida de todas as transações iniciadas por agentes; o vencedor desta faixa vai obter uma vantagem adicional enorme.

Laboratórios de inteligência artificial já fizeram crawling e treinaram dados de toda a Internet; agora, o dado mais valioso para treino ainda em falta é feedback de orientação humana. Sempre que tu aceitas ou rejeitas uma resposta, fazes correções, ou forneces preferências a Claude e ChatGPT, a interface de interação que usas captura esses dados, que serão vendidos ou usados para treino de modelos. Controlar a interface equivale a controlar o ciclo de feedback que otimiza a experiência do utilizador e o próprio modelo. É também por isso que a Anthropic lançou o Claude Code, a Google adquiriu o Windsurf e a OpenAI tentou adquirir o Cursor. Assim que o teu agente acumula contexto sobre as tuas preferências, fluxos de trabalho e ferramentas mais usadas, o custo de migração do utilizador torna-se muito elevado.

Descoberta de serviços

Quando o agente do Joe precisa de uma interface de enriquecimento de leads ou de um fornecedor de dados por satélite, como é que encontra o serviço certo? Este pode ser o maior problema ainda por resolver na arquitetura de todo o ecossistema. As soluções atuais são, na sua maioria, listas de ferramentas hard-coded ou mercados de serviços curados. As grandes plataformas já estão a construir os seus próprios sistemas: a OpenAI e a Stripe lançaram o ACP; a Google e a Shopify lançaram o UCP; a Visa lançou o TAP. Em essência, são diretórios de comerciantes que só funcionam quando tanto a plataforma como os comerciantes precisam de fazer integração ativa para que sejam eficazes. Este modelo funciona bem em cenários comuns, mas à medida que os custos e barreiras para criar e vender serviços digitais diminuem drasticamente, vão surgir muitas aplicações nicho, altamente customizadas, e o modelo curado não consegue satisfazer essas necessidades de long tail.

Empresas como Coinbase, Merit Systems, Orthogonal e Sapiom estão a construir soluções abertas em alternativa: criam agregadores e infraestrutura de base, para que os agentes possam, em tempo de execução, descobrir e usar serviços de forma autónoma — sem integração prévia ou acordos comerciais. À medida que o lado da oferta (recursos de rede) cresce exponencialmente, torna-se extremamente difícil resolver este problema. Mas quem conseguir atacar o desafio de ranking e recomendação, emparelhando o agente com o serviço certo no momento certo, vai dominar uma enorme quota de poder na indústria.

No final, as transações de agentes vão seguir para um modo de curadoria fechada ou para um modo de ecossistema aberto, e como é que esta configuração vai determinar a distribuição de valor — esta é uma das discussões centrais do setor. Vamos aprofundar esta questão mais tarde.

Agentes inteligentes e camada de conta

Para fazer o trabalho por nós, agentes inteligentes não precisam apenas de ser inteligentes. O subagente de vendas do Joe concluiu o fluxo completo: filtrou 200 leads, fez enriquecimento de informação e agendou três reuniões — enquanto o Joe não teve de configurar qualquer ferramenta, gerir chaves de API, nem aprovar passo a passo cada ação. A maior parte da infraestrutura que suporta tudo isto é invisível para o utilizador final; mas sem essa infraestrutura, o agente seria apenas um grande modelo de linguagem sem capacidade de execução. Segue um resumo dos componentes base centrais necessários para concretizar isto:

Ferramentas e standards

Estes protocolos e frameworks dão aos agentes inteligentes a capacidade de interagir com o mundo externo. O MCP (Machine Communication Protocol, iniciado pela Anthropic e agora gerido pela Linux Foundation) permite que os agentes se liguem a dados e ferramentas externas: chamar APIs nunca antes acedidas, ler bases de dados, ou invocar um serviço imediatamente. O A2A (proposto pela Google) define como os agentes desenvolvidos em diferentes plataformas se podem descobrir e cooperar entre si. Frameworks como LangChain, os frameworks lançados pela Nvidia e pela Cloudflare dão aos programadores blocos base para criar e implementar agentes sobre estes protocolos. O OpenClaw, adquirido recentemente pela OpenAI, integra gestão de contexto e chamadas de ferramentas numa única framework local-first, reduzindo drasticamente a dificuldade de construir agentes que se auto-descobrem e auto-pagam para usar serviços.

O problema central neste domínio é: estes standards vão convergir para a unidade no fim, ou vão fragmentar-se? Os frameworks comerciais construídos sobre eles conseguem capturar valor antes que as ferramentas se tornem homogéneas?

Autenticação de identidade

Depois de os agentes poderem comunicar, ainda é necessário estabelecer confiança. Antes de um agente realizar transações ou vender serviços, tem de provar a sua entidade autorizada e permissões de operação, e manter registos de ações que possam ser verificados por outros agentes.

Atualmente existem múltiplas vias tecnológicas, incluindo: autenticação biométrica (Worldcoin, Civic), sistemas de reputação de agentes on-chain (ERC-8004) e credenciais verificáveis (Dock, Reclaim).

O espaço de design aqui é grande e o risco também é altíssimo: qual o montante máximo que o teu agente pode gastar antes de ter a tua aprovação? Pode assinar contratos em teu nome? Pode delegar permissões a subagentes? Estas regras e fronteiras de segurança serão muito provavelmente definidas no nível da conta.

Carteira

Obviamente, para agentes fazerem pagamentos, precisam de ter uma carteira. A Coinbase, Safe, MetaMask, Phantom, MoonPay, Privy e outros muitos fornecedores estão a posicionar-se nesta área, oferecendo funcionalidades como acesso programático e criação, delegação de permissões, limites de gasto por transação individual, listas brancas de recebimento e capacidade de executar em múltiplas cadeias, sem confirmação manual do utilizador para cada ação. Esta é uma das faixas mais competitivas dentro do ecossistema e, por isso, levanta uma questão crucial: onde fica mesmo o fossado competitivo das empresas? Este domínio acabará por convergir para homogeneização?

Camada de pagamentos

A camada de pagamentos está mais profunda na arquitetura; para o utilizador final deverá ser invisível, mas em economia das máquinas, todo o dinheiro das transações vai passar por aqui. Quando o agente do Joe paga 0.24 dólares durante a noite para aceder a dados de 40 fornecedores, ele não precisa de escolher a rede de cartões, moeda ou cadeia de liquidação para cada transação.

O desafio principal é que os canais de pagamento tradicionais foram desenhados para humanos clicarem em “comprar”, e não para se adaptarem a chamadas de API com milhares de solicitações por minuto e com montantes por transação inferiores a um centésimo. Nas redes de cartões, existe um custo fixo aproximado de 0.03–0.04 dólares por transação, além de taxas de 2.3%–2.9%. Isso funciona para uma encomenda de hotel de 400 dólares, mas não se adapta completamente a transações de agentes multi-etapas.

Daqui nasceu uma nova geração de protocolos e sistemas monetários especificamente para transações de agentes; ao mesmo tempo, os gigantes tradicionais também estão a adaptar a infraestrutura existente para suportar estas necessidades.

Os pontos centrais são os seguintes:

Canais de pagamento

Estes protocolos e standards definem como os agentes inteligentes iniciam, fazem o routing e concluem a liquidação de pagamentos. Atualmente, existem principalmente duas linhas técnicas:

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

2. ACP (OpenAI/Stripe), AP2 (Google/PayPal) e o TAP da Visa seguem outra abordagem: adaptam a infraestrutura existente de pagamentos por cartões para cenários com agentes. Estas soluções são mais adequadas para transações de alto valor; em comparação com a velocidade e o custo de liquidação, as garantias para o comprador e a cobertura de aceitação pelo comerciante tornam-se mais importantes.

Stablecoins e liquidação

Os agentes inteligentes precisam de uma moeda programável, rápida, de baixo custo e com características globais. As stablecoins cumprem totalmente estes requisitos, e por isso tornam-se a escolha natural para as transações x402 e MPP. Ao mesmo tempo, os canais de pagamento com cartões ainda oferecem garantias para compradores e têm hábitos de uso maduros pelos comerciantes, o que continua a ser importante para transações de alto valor. As blockchains subjacentes (como Base, Solana, Tempo) introduzem ainda outra questão-chave: quais cadeias conseguem suportar o throughput de processamento necessário para transações em grande escala ao nível de agentes, finalidades de transação e a estrutura de custos?

Fornecedores de serviços

Estas instituições funcionam como mediadores entre agentes inteligentes e comerciantes, responsáveis por lidar com etapas complexas como conformidade, ligação de comerciantes e autenticação de permissões. A Coinbase, Stripe e PayPal estão a expandir ecossistemas existentes para suportar transações de agentes; apostam que a sua rede de comerciantes e infraestrutura de conformidade lhes dará uma vantagem competitiva. Outras entidades como Sponge e Sapiom atacam o problema do cold start a partir do lado dos comerciantes emergentes, permitindo que qualquer negócio baseado em API comece facilmente a aceitar pagamentos por agentes. À medida que os canais de pagamento, protocolos e números de comerciantes continuam a crescer, o papel de coordenador tem potencial para ser a ligação-chave que evita a fragmentação de todo o sistema.

Camada do motor de IA

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

Capacidade de computação e custódia

Sempre que o agente inteligente do Joe faz inferência sobre uma tarefa, chama ferramentas ou cria subagentes, consome capacidade de computação. Mas a inferência do modelo é apenas uma parte disso. Com o crescimento explosivo de aplicações de low code / desenvolvimento oportunista e o surgimento de serviços construídos por agentes, aparecem inúmeras novas interfaces que exigem meios de custódia. Em maio de 2025, o número de páginas Web acessíveis cresceu 45% em apenas dois anos; e, como os agentes de código tornam ainda mais fácil lançar novos serviços, esta aceleração só vai intensificar-se. Isso significa que a procura por capacidade de computação está a crescer em ambas as pontas: por um lado mais agentes processam mais tarefas; por outro lado mais serviços continuam a ser lançados para satisfazer essas necessidades.

Provedores de cloud em hiper-escala (AWS, Google Cloud, Nvidia) são obviamente os principais intervenientes, e a AWS e o Google Cloud também estão a simplificar continuamente processos de deploy de backends de agentes e de APIs nas suas próprias infraestruturas. A Cloudflare foca-se em edge computing, fornecendo capacidade de computação serverless de baixa latência para serviços voltados para agentes. Plataformas descentralizadas de capacidade de computação, como Akash, Bittensor, Nous, etc., satisfazem necessidades de capacidade de computação em excesso integrando recursos globais de GPU e vendendo a preços muito baixos.

Modelos base

Os modelos base são o “cérebro” de todo o sistema. Anthropic, OpenAI, Google e Meta, como laboratórios de ponta, expandem continuamente os limites das capacidades dos agentes inteligentes, e os custos para executar esses modelos estão a cair rapidamente. No final de 2022, o custo de executar um modelo no nível GPT4 era cerca de 20 dólares por milhão de tokens; e no início de 2026, com desempenho equivalente, o custo do mesmo tipo de modelo baixou para cerca de 0.05 dólares por milhão de tokens — uma queda de até 600 vezes num pouco mais de três anos. Atualizações de hardware, competição entre fornecedores e otimizações como caching de prompts e batching atuam em conjunto para reduzir continuamente os custos de inferência. Em simultâneo, à medida que a lógica de inferência é refinada para modelos de código aberto com pesos menores e custos de execução muito baixos, o custo de construir inteligência também diminui bastante. Em alguns benchmarks, a diferença de desempenho entre modelos com pesos open-source e modelos com código fechado já foi reduzida para apenas 1.7%.

Isto é uma grande notícia para a economia das máquinas.

Inteligência mais barata significa agentes mais baratos, o que permite a um fundador independente de 24 anos no Vermont suportar facilmente custos de funcionamento — e isso, por sua vez, impulsiona mais uma vez a atividade transacional em todas as camadas acima no ecossistema. Se modelos base entrarem em guerra de preços, como acontece com fornecedores de serviços cloud atualmente, o valor pode acabar por se concentrar nas partes a montante e a jusante da camada de modelos, em vez de no próprio modelo.

Quem vai ganhar?

Até 2030, a maioria das tuas interações digitais já não precisará de navegador, motor de busca ou app store. Tu só precisas de dizer as tuas necessidades, e os agentes inteligentes tratam tudo: encontrar os serviços adequados, negociar os termos, concluir pagamentos e entregar o resultado final. A Internet irá mostrar um aspeto completamente diferente.

Podes pensar nisto como uma era de otimização de pesquisa para agentes. Haverá cada vez mais interfaces de API e cada vez menos interfaces de interação para humanos.

Num mundo assim, quem consegue capturar valor?

O Sam・Ragsdale da Merit Systems escreveu um artigo comparando o atual ecossistema de transações de agentes com a Internet inicial. Ele argumenta que os mercados de serviços curados de agentes (ACP, UCP, TAP) construídos pelas plataformas seguem o caminho velho da AOL dos anos 90 — uma experiência refinada e um sistema fechado, mas com a limitação central de que todos os fornecedores de serviços têm de ser filtrados e aprovados manualmente. Já protocolos abertos como x402 e MPP são mais “crus”, mas têm uma característica sem permissão: qualquer pessoa pode montar uma interface, sem equipas comerciais ou auditorias jurídicas, e ganhar dinheiro através de agentes. Nos anos 90, a experiência fechada de jardim funcionava melhor; mas a Internet aberta tinha possibilidades infinitas.

No fim, a Internet aberta vence.

A mesma lógica está a repetir-se. ACP, UCP e TAP irão conectar-se aos melhores laboratórios de IA, servindo muito bem cenários mainstream, mas ficam limitados a agentes que só conseguem operar com listas pré-aprovadas de fornecedores. Só os agentes capazes de se integrar a todo o ecossistema de protocolos abertos terão limites de capacidade muito mais amplos.

Vejamos: a parte mais dinâmica da Internet hoje existe devido à gigantesca cauda de tráfego aberta por sites graças ao protocolo HTTP.

Devemos reconhecer com humildade que não conseguimos imaginar a totalidade da Internet de agentes abertos. Assim como, em 1995, ninguém conseguia prever o surgimento de carsharing (Uber) ou redes sociais, quando fornecemos as ferramentas necessárias para os agentes, também não conseguimos prever que coisas eles criarão e por quais serviços as pessoas acabariam por pagar.

Tal como discutimos antes, os modelos base estão a caminhar rapidamente para uma homogeneização; o valor pode transferir-se para outras camadas na arquitetura técnica. As ferramentas de desenvolvimento, carteiras e infraestruturas de identidade são importantes, mas à medida que os standards se tornam unificados, esses domínios também podem tornar-se homogéneos. Por isso, acredito que o valor se concentrará em três áreas: interfaces de interação, pagamentos e capacidade de computação.

Interfaces de interação

A interface de interação determina limites de gasto, fluxos de aprovação e mecanismos de delegação de confiança. Uma plataforma que consiga criar a experiência mais personalizada para os utilizadores vai carregar o maior volume de tráfego de transações.

A Apple é um dos intervenientes mais subestimados nesta área. Os seus dispositivos estão profundamente integrados na vida quotidiana das pessoas, e o custo de migração é extremamente alto. Se a Siri evoluir para uma interface de interação de agentes madura, a Apple não precisará construir o modelo mais topo — apenas terá de controlar o ponto de partida para dezenas de milhares de milhões de transações. O que precisam é manter a melhor interface de acesso.

A transição da Google, por outro lado, é ainda mais difícil. Ao passar da navegação manual por humanos para a triagem inteligente por agentes, isso irá corroer a sua fonte central de receitas publicitárias. Mas a Google tem uma vantagem que outras empresas não têm: acumulou décadas de dados pessoais nos domínios de pesquisa, correio eletrónico, calendário, mapas e documentos. E também há de considerar os custos de migração no lado empresarial: o Google Workspace já está embutido em milhões de empresas, e o email dos funcionários, arquivos e fluxos de trabalho operam sobre a infraestrutura da Google. Se existe alguma empresa capaz de construir os agentes mais personalizados para consumidores e empresas, certamente é a Google. O problema é se ela consegue monetizar serviços de agentes com a mesma eficiência com que monetiza o tráfego de pesquisas.

A Merit Systems é a minha dark horse. Elas estão tanto a construir a infraestrutura de descoberta de serviços para a economia de agentes abertos (AgentCash, scanning x402, scanning MPP) como a desenvolver interfaces para o lado do consumidor (Poncho). A sua lógica central é: quem controla o canal de descoberta de serviços dos agentes e se integra na componente de fluxo de fundos vai ocupar a posição que a Google ocupou no início da Internet. É uma aposta ambiciosa; mas se a guerra de transações de agentes abertos vencer o modo curado e fechado, a Merit vai tornar-se a camada de agregação com maior vantagem. Atualmente ainda está na fase inicial, como quando a Google competiu com o ecossistema fechado da AOL, que na altura valia o equivalente a cerca de 350 biliões de dólares.

Pagamentos

Quem controla o fluxo de fundos, fica com uma parte de cada transação. Estou mais confiante no futuro desta camada, porque a sua dimensão vai crescer em paralelo com o volume de transações.

Stripe e Tempo estão melhor posicionadas em pagamentos nativos de máquinas. A Stripe já tem um ecossistema maduro de developers e uma grande rede de comerciantes. O Tempo, por sua vez, tem pagamentos em fluxo (streaming), finalização de transações em cerca de 500 milissegundos, pagamentos em fluxo em canais, suporte nativo para cartões e stablecoins, pagamento de Gas em dólares (sem risco de volatilidade do token), e transações em que servidores pagam por outrem. Tudo isto foi desenhado para o volume massivo de transações da economia das máquinas. Se o MPP se tornar o canal de pagamento nativo por defeito para máquinas, a Stripe e a Tempo ficarão com uma parte de cada transação entre agentes.

A Circle vai crescer em paralelo com a expansão da economia dos agentes. Tenho a convicção de que stablecoins se tornarão a camada de liquidação da economia das máquinas; então, a Circle irá capturar receitas através dos rendimentos das reservas, ficando com uma parte de cada dólar na carteira do agente. O USDC é a stablecoin com maior aceitação em exchanges, carteiras, mainchains e protocolos de pagamento; os novos developers vão escolhê-la primeiro, o que aprofunda ainda mais a integração do seu ecossistema e dificulta a entrada dos concorrentes.

A Visa fará a adaptação. Lembras-te quando o Joe recarregou o seu cartão de crédito via Apple Pay e, em baixo, foi convertido automaticamente em stablecoins enquanto ele não conseguia ver a carteira e nem precisava de se preocupar com blockchain? É isso que vai ser o padrão no futuro. Os consumidores vão continuar a usar cartões bancários conhecidos, enquanto a liquidação em baixo é feita com stablecoins. À medida que os canais de pagamento evoluem, a Visa vai conseguir ancorar-se na confiança de marca que tem com consumidores e comerciantes.

Capacidade de computação e custódia

O crescimento do número de agentes implica aumento da procura por inferência. O aumento de serviços desenvolvidos oportunistamente implica expansão da procura por custódia. Qualquer que seja o modelo, protocolo ou interface que se torne dominante, os provedores de capacidade de computação irão beneficiar. AWS e Cloudflare são as duas empresas com maior vantagem nesta área, e a razão é semelhante.

Primeiro, já suportam a maior parte do tráfego da Internet. A AWS ocupa cerca de 30% da quota de infraestrutura cloud em 37 regiões globais. A Cloudflare fornece serviços de segurança e desempenho para mais de 20% dos sites, o que significa que todos os pedidos desses sites passam pela sua rede. Quando surgirem em massa novas interfaces voltadas para agentes, os developers vão escolher por defeito a plataforma de deploy que já conhecem.

Segundo, estão a construir a infraestrutura de monetização para a nova geração da Internet. Com a queda do modelo de publicidade e o surgimento do modelo de acesso pago, as duas empresas já suportam nativamente esta transição. A Cloudflare já lançou serviços de raspagem paga, permitindo que quaisquer sites na sua rede cobrem raspagem de IA via x402 (Stack Overflow já está a usar). E a AWS é membro fundador do fundo x402 e publicou uma arquitetura de referência serverless x402 de código aberto. Qualquer serviço a correr nas duas grandes plataformas consegue ativar facilmente a monetização nativa de agentes.

Autenticação de identidade

Sou pessimista em relação a empresas como Worldcoin; os seus sistemas exigem validação humana em cada interação. Este ideal de extremismo pressupõe que as pessoas se importam se o interlocutor online é humano ou agente, mas já estamos habituados a isso. Na minha visão, um futuro mais provável é: a grande maioria da triagem do tráfego na rede baseia-se em pagamentos pequenos, e não em credenciais de identidade humana.

Acesso pago será mais útil do que “provar que és humano”.

Sistemas de identidade só são importantes em algumas interações de alto risco; mas na esmagadora maioria das transações de agentes, (pagamentos pequenos) são, por si só, uma credencial de confiança.

Conclusão

Quando Joe acorda, não vai pensar em canais de pagamento ou protocolos de identidade de agentes. Ele só olhou para o telemóvel: ficou a saber que o agente tinha concluído transações, agendado reuniões e encontrado servidores mais baratos. Todas as camadas de arquitetura técnicas discutidas neste artigo foram perfeitamente abstraídas; ele não precisa de se preocupar com nada.

Estamos ainda a caminhar na direção deste futuro. Os protocolos relevantes já entraram em funcionamento, mas a adoção ainda é insuficiente; o lado da oferta está a crescer mas ainda é frágil; o problema da descoberta de serviços ainda não está resolvido; e a camada de identidade está fragmentada de forma séria. A maior parte das transações atuais são testes de developers, não transações reais de agentes. Mas a velocidade de completar o puzzle do ecossistema é mais rápida do que a evidência mostrada por indicadores de dados. Quem olha para o pessimismo sobre infraestruturas iniciais está apenas a olhar para a curva descendente; mas a questão que eu considero é: quando cada pessoa tiver um ou um conjunto de agentes realmente capazes de ação económica, como será esta paisagem.

Se ainda não agiste, é altura de fazer a transição para o modo de economia de agentes.