Pagamento de agente por um ano de observação: a fria realidade por trás da narrativa quente

Título original: um ano dentro de pagamentos agentic: a verdade desconfortável

Autor original:律动BlockBeats

Fonte original:

Reprodução: Mars Finance

Prefácio: Este artigo oferece uma perspectiva relativamente calma de um construtor: no último ano, os pagamentos de agentes tornaram-se uma narrativa popular na interseção de IA, pagamentos e criptomoedas, com empresas como Stripe, Visa, Coinbase, Google e dezenas de startups avançando nesse campo. Conceitos como micro pagamentos com stablecoins, x402, liquidações entre máquinas, comércio eletrônico com agentes também estão em alta. Mas, após realmente entrar na produção de produtos, interagir com comerciantes e desenvolvedores, o autor descobriu que as necessidades reais ainda não surgiram em grande escala.

O artigo analisa alguns cenários típicos: compras com agentes na maioria das categorias não são melhores do que o comércio eletrônico tradicional, pois os usuários ainda precisam de imagens, comparações e navegação; pagamentos via API entre máquinas parecem adequados para micro pagamentos com stablecoins, mas atualmente a maioria dos desenvolvedores já resolve isso com assinaturas, recargas de pontos e sistemas de faturamento existentes; pagamentos entre agentes, embora seja uma visão de longo prazo, ainda está na fase inicial, com volume de transações real ausente.

Em comparação, o setor financeiro de agentes é uma das poucas áreas com necessidades existentes. Fundos, equipes financeiras e usuários de DeFi já pagam por ferramentas financeiras, e IA pode oferecer melhorias práticas como monitoramento em tempo real e reequilíbrio automático de carteiras. Mas esse mercado também favorece instituições tradicionais que já possuem licenças, conformidade e relacionamento com clientes.

A conclusão do autor é: a verdadeira carência na economia de agentes não é apenas uma camada de pagamento, mas uma capacidade de coordenação mais complexa — como fazer agentes colaborarem com humanos, verificar a conclusão de tarefas e liquidar resultados. Pagamentos são apenas uma parte disso. Para os gigantes, avançar nesse campo é uma estratégia defensiva; para startups, o mais importante é encontrar mercados já existentes.

A seguir, o texto original:

No último ano, tenho trabalhado na construção de infraestrutura para a economia de agentes, além de trocar ideias com equipes de empresas como Stripe, Visa, Coinbase, Google e dezenas de startups que estão promovendo negócios com agentes. Organizei esse campo, lancei produtos e tentei encontrar um mercado real.

Mas a realidade é: as necessidades reais ainda não surgiram. Para startups que querem entrar nesse campo, há muitas questões estruturais pendentes.

No mês passado, a Stripe lançou 288 novos produtos na conferência Sessions, e o acesso à documentação relacionada a agentes já se aproxima de 40% do total de leitura de toda a documentação. Seu mercado de negócios com agentes já conecta mais de 1000 comerciantes. Mas, na própria conferência, o número de agentes registrados e que realizaram transações é de apenas alguns dígitos.

A Visa mencionou que seu token de agente atualmente leva de 3 a 9 meses para aprovação KYC, e geralmente exige que a receita anual da empresa seja de pelo menos 250 milhões de dólares para acesso. Hoje, apenas empresas do nível Amazon ou Walmart têm capacidade de fechar toda a cadeia de verificação de identidade.

A Coinbase relatou que, até abril, havia 69 mil agentes ativos e 165 milhões de transações na x402. Mas análises independentes na cadeia mostram que o volume diário real de transações é de cerca de 17 mil dólares, sendo que aproximadamente metade são testes (CoinDesk, março de 2026).

O que aprendemos ao construir shop.fast.xyz

De agentes para comerciantes, ou seja, negócios baseados em agentes

Construímos o shop.fast.xyz com o objetivo de validar positivamente o comércio baseado em agentes. Produtos reais, comerciantes reais, transações reais.

Mas, para a maioria das categorias de produtos, a experiência de compra com IA atualmente é claramente inferior ao comércio eletrônico tradicional. Ao comprar roupas, eletrônicos ou móveis, os usuários querem ver imagens, navegar por opções e fazer comparações lado a lado. Diálogos com chatbots, ao contrário, representam uma regressão: você troca uma interface visual rica por uma conversa de texto. O ato de comprar, para humanos, começa com o olho.

O que o agente faz bem, mesmo na parte que achávamos mais difícil, é entender o que o usuário quer e lidar bem com demandas como “algo parecido, mas mais barato”. A camada de modelos funciona bem. Mas ela não substitui a experiência de “ver dez produtos ao mesmo tempo e escolher um”. Um carrossel de produtos e uma exibição interativa podem ser adicionados ao chat, mas, nesse ponto, você está basicamente reconstruindo uma interface de e-commerce dentro de uma janela de chat. Para cenários de compra que dependem de comparação visual, ainda não encontramos uma resposta convincente para explicar por que uma interface de chat seria melhor do que a interface original de e-commerce.

Vimos que há demanda do lado do comerciante, mas essa demanda é mais defensiva. Os comerciantes querem que suas lojas possam ser consultadas por agentes, não porque já há muitos consumidores comprando assim, mas porque temem que, se os agentes se tornarem canais principais no futuro, fiquem para trás. Essa é a oportunidade de Agentic Engine Optimization (Otimização do Motor de Agentes), mas ela ainda é “algo melhor”, não “algo obrigatório”. Os comerciantes estão se preparando para uma onda que ainda não chegou.

O verdadeiro avanço na experiência de negócios conversacionais ocorre em cenários de alta frequência, baixo custo de decisão e onde o usuário já sabe o que quer. O exemplo mais claro é o pedido de comida. Mercado grande, alta frequência, decisão rápida, como “peça para mim o pad thai que eu gostei na última vez”. Nesses casos, um agente conversacional pode vencer. Mas as principais plataformas de delivery não oferecem APIs abertas. A única alternativa é usar a visão, ou seja, fazer a IA operar o app como um humano, visualmente. Esse processo é lento, frágil e, para uma refeição de 15 dólares, o custo de raciocínio não compensa.

Outra oportunidade está em lojas online muito complexas, que realmente causam dor ao usuário, como descontos acumulados, cupons, pontos de fidelidade e processos de checkout confusos. Um agente que entenda comandos como “use meu cupom, aplique meus pontos, encontre a opção de entrega mais barata e finalize em minha língua” pode simplificar uma experiência de compra que já está quebrada. Isso é especialmente importante para idosos, usuários que não falam a língua nativa, compras internacionais ou cenários com necessidades muito específicas e complexas.

Mas essas oportunidades exigem uma enorme capacidade de distribuição B2C. Você está competindo com DoorDash, Amazon e outros gigantes pelo acesso ao usuário. A escala de distribuição de consumidores é uma vantagem dos atuais líderes. A oferta de agentes do lado da oferta já está pronta, mas a demanda é limitada por experiência do usuário e canais de distribuição, e muitas infraestruturas ainda não resolvem esses problemas.

O que aprendemos com x402 e MPP

De agentes para Web/API, ou seja, negócios entre máquinas

Conversamos com dezenas de desenvolvedores sobre suas necessidades reais de pagamento. O padrão é quase idêntico: hoje, o uso de APIs de agentes é basicamente consumo recorrente, como computação, inferência ou fontes de dados. Os desenvolvedores já têm assinaturas, chaves de API, contas vinculadas e modelos de cobrança com provedores principais.

O argumento clássico para pagamentos com stablecoins é que o custo efetivo de pagamento com cartão na Stripe é cerca de 2,9% mais 30 centavos por transação, tornando inviável chamadas de API abaixo de um dólar. Mas, na prática, com volumes baixos, recarregar pontos resolve. Os desenvolvedores fazem pré-pagamentos, e esse problema desaparece.

O problema mais profundo está no mercado de fornecedores. A maioria das grandes SaaS não quer oferecer acessos dispersos por alguns centavos. Seus modelos de negócio envolvem contratos corporativos de longo prazo. Empresas que dependem de receitas de grandes compromissos resistirão a novos modelos de precificação que tentem contornar isso.

Negócios entre máquinas são, por definição, um mercado de cauda longa. Atendem pequenos serviços, fontes de dados verticais, desenvolvedores independentes, servidores MCP, etc. Protocolos como MPP e x402 são muito adequados para esse segmento. Mas, por definição, é um mercado voltado a necessidades profissionais; e os desenvolvedores, historicamente, são os menos dispostos a pagar.

Quando o Stripe Projects foi lançado, integrou 32 parceiros de serviços, incluindo Vercel, Supabase, Cloudflare, Twilio, cobrindo a maioria dos serviços essenciais usados por desenvolvedores na construção e implantação de software, todos acessíveis via sistemas de cobrança existentes. A camada superior do stack técnico dos desenvolvedores já está bem atendida. A oportunidade de novos pagamentos está além desses 30 principais provedores: ela existe, mas é naturalmente menor do que o mercado amplo que as narrativas maiores sugerem.

A lógica se aplica ao acesso a conteúdo também. Os agentes já estão continuamente coletando e resumindo artigos, e os editores começam a reagir. Mas, quando a monetização de conteúdo realmente atingir escala, provavelmente acontecerá por meio de provedores de CDN já existentes entre editores e a internet, como a Cloudflare, que lançou uma ferramenta de auditoria com IA; ou por meio de acordos de licenciamento em massa entre editores e laboratórios de IA. As infraestruturas de distribuição ficarão com os players que já possuem capacidade de distribuição.

O que aprendemos com pagamentos entre agentes

Negócios entre agentes representam uma visão de longo prazo, mas atualmente estão quase totalmente na fase teórica. Ainda não há volumes relevantes de transações. Os desafios reais estão sendo impulsionados por startups que trabalham com descoberta de agentes, confiança, negociação de termos e resolução de disputas.

Quando essa estrutura de transações realmente se consolidar, ela será completamente diferente do que conhecemos hoje. Os dois lados não terão identidade humana; a latência será inferior a um segundo; os valores podem variar de frações de centavo a milhões de dólares; envolverá liquidações múltiplas, não o modelo tradicional de comprador e vendedor bilateral. Quando isso acontecer, acreditamos que ocorrerá de forma rápida e em grande escala.

Esse é o grande investimento de longo prazo em infraestrutura de liquidação dedicada, e é um investimento real. Mas “o verdadeiro longo prazo” e “o mercado atual” não são a mesma coisa. Também já afirmamos por meses que esse mercado chegaria, e nos últimos anos construímos toda uma infraestrutura, incluindo nossa rede distribuída. Teoricamente, ela pode escalar para mais de 1 bilhão de TPS, com latência abaixo de 50 ms e consenso em 10 ms. Mas é preciso voltar ao momento presente do mercado.

O que aprendemos com Agent Finance

Este é, de fato, o único setor com necessidades reais já existentes. Clientes já existem e já pagam. Gestores de fundos, equipes de gestão de capital e usuários de DeFi já gastam com ferramentas financeiras. Inserir IA nesses fluxos de trabalho é uma evolução natural de produto.

Agent Finance também criará novos comportamentos. Agentes capazes de monitorar e reequilibrar centenas de posições de forma autônoma, operando de maneiras que humanos não conseguem replicar. Aqui há uma verdadeira melhoria de capacidade, não apenas automação.

O desafio está na dinâmica competitiva. O setor financeiro é altamente regulado e depende de relacionamentos existentes. As instituições atuais possuem licenças, infraestrutura de conformidade e relacionamento com clientes. Startups podem atuar em áreas menos reguladas, como DeFi, ou buscar setores onde as instituições atuais são mais lentas, ou onde IA pode criar capacidades que os gigantes ainda não possuem. Mas, de modo geral, a dinâmica competitiva favorece os players tradicionais, pois é mais fácil para eles acrescentar IA a produtos e clientes já existentes do que partir do zero.

Resumo honesto

Então, por que todos continuam investindo nisso? Por dois motivos.

Primeiro, o incentivo. Grandes empresas têm fluxo de caixa suficiente para apostar em um futuro que leva anos para se concretizar. Para elas, entrar cinco anos antes é uma questão de pequenas diferenças; entrar um ano depois, pode ser desastroso. Por isso, precisam fazer.

Segundo, a cegueira de percepção. Quando seu negócio é pagamento, cada problema parece um problema de pagamento. A economia de agentes precisa de uma camada de pagamento, então todos constroem uma camada de pagamento.

Mas o pagamento é apenas uma parte de um problema maior. A verdadeira dificuldade não é fazer o dinheiro fluir entre agentes, mas coordenar o trabalho entre agentes e humanos, verificar se as tarefas foram concluídas e liquidar os resultados. Pagamentos são apenas uma parte da liquidação. Liquidação é apenas uma parte da coordenação. E coordenação é o verdadeiro prêmio.

Coordenação em larga escala naturalmente criará a necessidade de mecanismos de liquidação. Pagamentos serão uma ferramenta nesse concerto, não a obra toda. As empresas que realmente resolverem o problema da coordenação acabarão por incorporar o pagamento, e não o contrário — que os pagamentos dominem a coordenação.

A maioria dos gigantes atuais está construindo de forma defensiva um futuro de “grande volume de transações entre máquinas”. Para eles, o cronograma não importa, pois possuem uma reserva quase infinita de recursos.

Mas startups não têm esse luxo. Precisamos encontrar onde o mercado realmente está agora. Não podemos esperar a próxima onda chegar.

Um ano de construção nos levou a um caminho inesperado. Há atividade ali, e ela cresce rapidamente, com serviços insuficientes. Ela existe fora das quatro categorias que organizamos.