a16z：A economia de agentes de IA carece de infraestrutura? Os cinco principais apoios do blockchain

AI agentes (AI agents) passando rapidamente de copilotos (co-pilotos) a entidades econômicas, muito além da velocidade de desenvolvimento da infraestrutura ao seu redor.

Embora os agentes já possam executar tarefas e realizar transações, eles ainda carecem de uma forma padronizada em diferentes ambientes para provar quem são, o que estão autorizados a fazer e como receberem recompensas. A identidade não pode migrar entre ambientes, e por padrão ainda não suportam pagamentos programáveis, além de que a colaboração ocorre apenas em ilhas isoladas.

A blockchain resolve essas questões na camada de infraestrutura. O livro-razão público fornece recibos auditáveis de cada transação. Carteiras conferem identidades portáteis aos agentes. Stablecoins tornam-se uma camada de liquidação alternativa. Esses componentes não são do futuro — já estão disponíveis hoje e podem ajudar os agentes a operarem sem permissão, com uma verdadeira identidade econômica.

1. Identidade para não-humanos

(Identity for non-humans)

A limitação da economia de agentes atualmente é a identidade, não a inteligência.

Somente na indústria de serviços financeiros, a quantidade de identidades não-humanas — sistemas de negociação automatizados, motores de risco, modelos de fraude — já é aproximadamente 100 vezes maior que o número de funcionários humanos. Com a implantação em larga escala de frameworks modernos de agentes (modelos de linguagem de grande porte com chamadas de ferramentas, fluxos de trabalho autônomos, orquestração de múltiplos agentes), essa proporção continuará a crescer em todos os setores.

No entanto, esses agentes ainda estão em um estado de “sem conta bancária”. Podem interagir com sistemas financeiros, mas não de forma portável, verificável ou confiável por padrão. Falta-lhes uma forma padronizada de provar suas permissões, operar de forma independente entre plataformas ou assumir responsabilidade por suas ações.

O que falta é uma camada de identidade universal — equivalente a um certificado SSL para agentes, capaz de coordenar de forma padronizada entre plataformas. Embora já existam algumas tentativas notáveis, essas abordagens são fragmentadas: de um lado, pilhas verticalizadas, com prioridade para moeda fiduciária; do outro, padrões abertos nativos de criptografia (como x402 e propostas emergentes de identidade de agentes); além de extensões de frameworks de desenvolvedores, como o MCP (Protocolo de Contexto de Modelo), que tenta fazer a ponte entre camadas de aplicação.

Ainda não há uma forma amplamente adotada e interoperável que permita a um agente provar a outro quem representa, o que está autorizado a fazer e como receber recompensas.

Essa é a ideia central por trás do KYA (Know Your Agent — Conheça seu Agente). Assim como os humanos dependem de histórico de crédito e KYC (Know Your Customer — Conheça seu Cliente), os agentes precisarão de credenciais assinadas criptograficamente, que conectem o agente ao seu mandatário, permissões, restrições e reputação. A blockchain fornece uma camada de coordenação neutra: identidades portáteis, carteiras programáveis e provas verificáveis que podem ser interpretadas em chats, APIs e mercados.

Já vimos algumas práticas iniciais: registro de agentes na cadeia, carteiras nativas que usam USDC, padrões ERC para “agentes de confiança mínima”, e ferramentas de desenvolvedor que combinam identidade com pagamentos embutidos e controle de fraude.

Porém, antes do surgimento de um padrão universal de identidade, comerciantes ainda irão bloquear agentes por firewalls.

2. Governança de sistemas operados por IA

(Governing AI-run systems)

Agentes começam a operar sistemas reais, trazendo novas questões sobre “quem realmente controla”. Imagine uma comunidade ou empresa onde um sistema de IA coordena recursos críticos — seja na alocação de capital ou na gestão da cadeia de suprimentos. Mesmo que as pessoas votem em mudanças de política, se a camada de IA subjacente for controlada por um único provedor (que pode empurrar atualizações de modelos, ajustar restrições ou sobrepor decisões), esse poder é bastante frágil. A camada de governança formal pode ser descentralizada, mas a operação ainda é centralizada; quem controla o modelo, controla o resultado final.

Quando os agentes assumem papéis de governança, eles introduzem uma nova camada de dependência. Em teoria, isso pode tornar a democracia direta mais viável: cada pessoa pode ter um representante de IA, ajudando a entender propostas complexas, modelar trade-offs e votar de acordo com suas preferências declaradas. Mas essa visão só se realiza se o agente for realmente responsável perante seus representados, puder migrar entre provedores e cumprir tecnicamente as instruções humanas. Caso contrário, o sistema parece democrático na superfície, mas na prática é dominado por comportamentos de modelos não transparentes, sem controle real.

Se atualmente os agentes são construídos a partir de poucos modelos base, então precisamos provar que eles agem pelos interesses de seus usuários e não das empresas de modelos. Isso provavelmente exige garantias criptográficas em múltiplos níveis: (1) de onde vêm os dados de treinamento, fine-tuning ou reforço; (2) quais prompts e instruções específicas o agente segue; (3) registros de suas ações no mundo real; (4) garantias confiáveis de que, uma vez implantado, o provedor não pode alterar suas instruções ou re-treinar o agente. Sem essas garantias, a governança de agentes se reduz a uma gestão por quem controla os pesos do modelo.

É aqui que a tecnologia criptográfica se mostra especialmente útil. Se decisões coletivas forem registradas na cadeia e executadas automaticamente, o sistema de IA pode ser obrigado a cumprir resultados verificados. Se os agentes tiverem identidades criptografadas e logs de execução transparentes, é possível verificar se seus representantes estão agindo dentro dos limites. E, se a camada de IA for de propriedade do usuário e portável, e não fixa em uma única plataforma, nenhuma empresa poderá alterar regras por meio de atualizações de modelo.

No final, governar sistemas de IA é uma questão de infraestrutura, não de política. A autoridade real depende de construir garantias executáveis robustas dentro do próprio sistema.

3. Preenchendo lacunas no sistema de pagamento tradicional na economia nativa de IA

(Filling gaps in traditional payment systems for AI-native businesses)

Agentes de IA começam a comprar coisas — web scraping, sessões de navegador, geração de imagens — e stablecoins surgem como uma camada de liquidação alternativa para essas transações. Ao mesmo tempo, um novo mercado voltado para agentes está se formando. Por exemplo, o mercado MPP da Stripe e Tempo agrega mais de 60 serviços feitos sob medida para agentes de IA. Na primeira semana, processou mais de 34.000 transações, com taxas tão baixas quanto US$ 0,003, e stablecoins como método de pagamento padrão.

A diferença está na forma de acesso a esses serviços. Sem páginas de checkout. O agente lê schemas, envia requisições, paga e coleta informações em uma única transação. Eles representam uma nova categoria de “comerciantes sem cabeça”: apenas um servidor, um conjunto de endpoints e preços por chamada. Sem front-end — seja loja física ou equipe de vendas.

As formas de pagamento que tornam tudo isso possível já estão em operação. O x402 da Coinbase e o MPP usam abordagens diferentes, mas ambos embutem pagamentos diretamente nas requisições HTTP. A Visa também está expandindo pagamentos com cartão nesse sentido, oferecendo uma ferramenta CLI que permite aos desenvolvedores pagar pelo terminal, com os comerciantes recebendo stablecoins imediatamente no backend.

Esses dados ainda estão em fase inicial. Após filtrar atividades não naturais (como fraudes), o x402 processa cerca de US$ 1,6 milhão por mês em pagamentos dirigidos por agentes, bem abaixo dos US$ 24 milhões reportados recentemente pela Bloomberg (dados do x402.org). Mas a infraestrutura ao redor está crescendo rapidamente: Stripe, Cloudflare, Vercel e Google já integraram o x402 às suas plataformas.

Ferramentas de desenvolvedor representam uma grande oportunidade: com o “vibe coding” (programação de atmosfera) expandindo quem pode criar software, o mercado de soluções para novos tipos de desenvolvedores também cresce. Empresas como Merit Systems estão construindo o AgentCash — uma carteira CLI e um mercado que conecta MPP e x402. Esses produtos permitem que agentes usem stablecoins de um saldo único para comprar dados, ferramentas e capacidades necessárias. Assim, agentes de vendas podem enriquecer potenciais clientes ao chamar um endpoint único, usando dados do Apollo, Google Maps e Whitepages, sem sair do terminal.

Esse tipo de atividade de agentes (A2A) tende a migrar para soluções criptográficas (e novas soluções de cartão) por alguns motivos: primeiro, o underwriting — ao aceitar um comerciante, o provedor assume o risco. Um comerciante sem site ou entidade legal é difícil de ser segurado por processadores tradicionais. Segundo, stablecoins na rede aberta são permissionadas e programáveis: qualquer desenvolvedor pode habilitar um terminal para pagar, sem precisar de integração com processadores ou assinatura de contratos comerciais.

Já vimos esse padrão antes. Cada mudança de modelo de negócio gera uma nova categoria de comerciantes que os sistemas existentes inicialmente não conseguem atender. As empresas que constroem essa infraestrutura não apostam nos US$ 1,6 milhão mensais — apostam em quanto esse número pode crescer quando agentes se tornarem compradores padrão.

4. Reprecificando a confiança na economia de agentes

(Repricing trust in an agentic economy)

Há 300.000 anos, a cognição foi a limitação do progresso humano. Hoje, o custo marginal de execução de tarefas por IA se aproxima de zero. Quando recursos escassos se tornam abundantes, as restrições se deslocam. Quando a inteligência se torna barata, o que fica caro? A validação.

Na economia de agentes, a verdadeira limitação de escalabilidade é nossa capacidade biológica limitada de auditoria e de assumir decisões de máquina. A capacidade de processamento de agentes já supera em muito a supervisão humana. Como a supervisão é cara e os erros são atrasados na detecção, o mercado tende a ignorar isso intencionalmente. “Sincronizar humanos em tempo real” está rapidamente se tornando fisicamente impossível.

Por outro lado, implantar agentes não verificados traz riscos compostos. O sistema irá otimizar implacavelmente as intenções do “agente”, enquanto silenciosamente se desvia das intenções humanas, criando uma ilusão de produtividade que mascara a dívida de uma adoção em larga escala de IA. Para delegar nossa economia de forma segura às máquinas, a confiança não pode mais depender de inspeções humanas — ela deve estar codificada na arquitetura.

Quando qualquer pessoa pode gerar conteúdo gratuitamente, o mais importante é a origem verificável — saber de onde veio e se é confiável. Blockchain, provas na cadeia e sistemas de identidade digital descentralizados mudaram os limites de uma economia que pode ser segura. Você não precisa mais tratar IA como uma caixa preta, mas obter um histórico claro e auditável.

À medida que mais agentes de IA começam a trocar entre si, a liquidação e a verificação se tornam complementares. Sistemas de fluxo de fundos — como stablecoins e contratos inteligentes — também podem carregar recibos criptográficos, mostrando quem fez o quê e quem é responsável em caso de erro.

A vantagem comparativa dos humanos se move para cima: detectar pequenos erros, definir estratégias e assumir responsabilidades quando algo dá errado. Vantagem sustentável pertence a quem consegue verificar, endossar e assumir responsabilidade por suas saídas de forma criptográfica.

Crescimento sem verificação será uma dívida acumulada ao longo do tempo.

5. Preservando o controle do usuário

(Preserving user control)

Por décadas, novas camadas de abstração definiram como os usuários interagem com a tecnologia. Linguagens de programação abstraíram o código de máquina. Interfaces gráficas substituíram comandos de terminal, depois aplicativos móveis e APIs. Cada mudança oculta mais complexidade subjacente, enquanto mantém o usuário preso a ela.

No mundo dos agentes, o usuário define o resultado, não a ação; o sistema decide como alcançá-lo. Os agentes não apenas abstraem como a tarefa é feita, mas também quem a realiza. O usuário configura parâmetros iniciais e depois deixa o sistema rodar por conta própria. O papel do usuário passa de interagir a supervisionar; na ausência de intervenção, o estado padrão é “agente ativado”.

À medida que os usuários delegam mais tarefas a agentes, surgem novos riscos: entradas ambíguas podem levar o agente a agir com base em suposições incorretas, sem que o usuário perceba; falhas podem não ser reportadas, sem um caminho claro de diagnóstico; uma única aprovação pode desencadear fluxos de trabalho múltiplos e não previstos.

É aqui que a tecnologia criptográfica entra. Ela sempre buscou minimizar a confiança cega. À medida que os usuários entregam mais decisões ao software, os sistemas de agentes tornam esse problema mais agudo, elevando o padrão de rigor no design — estabelecendo limites mais claros, aumentando a visibilidade e impondo garantias mais fortes sobre o que o sistema pode fazer.

Ferramentas nativas de criptografia de nova geração estão surgindo. Frameworks de delegação limitados — como o Delegation Toolkit do MetaMask, AgentKit da Coinbase, carteiras de agentes e o AgentCash da Merit Systems — permitem que o usuário defina, na camada de contratos inteligentes, o que o agente pode ou não fazer. Arquiteturas baseadas em intenções, como o NEAR Intents (que desde o quarto trimestre de 2024 já processou mais de US$ 15 bilhões em negociações DEX), permitem que o usuário defina resultados esperados — por exemplo, “bridging tokens e staking” — sem precisar especificar como fazer.

A IA torna a escala barata e acessível, mas difícil de confiar. A criptografia restaura a confiança em escala.

A infraestrutura de internet que permite a participação direta de agentes na economia está sendo construída. A questão aberta é: ela será projetada para máxima transparência, responsabilidade e controle do usuário, ou será sobreposta a sistemas que originalmente não suportam comportamentos não-humanos.