a16z: 5 maneiras pelas quais a Blockchain ajuda a infraestrutura de agentes de IA

Autor: a16z

Compilado por: Hu Tao, ChainCatcher

Agentes de IA se transformaram rapidamente de "co-pilotos" para participantes econômicos, superando a infraestrutura ao redor.

Embora os agentes agora possam realizar tarefas e conduzir transações, eles carecem de métodos padronizados para provar sua identidade, autoridade e mecanismos de recompensa em diferentes ambientes. Informações de identidade não podem ser compartilhadas entre plataformas, métodos de pagamento ainda não alcançaram a programabilidade padrão e o trabalho de coordenação é conduzido de forma independente.

A blockchain resolve essa questão na camada de infraestrutura. Os registos públicos fornecem recibos para cada transação, que qualquer pessoa pode auditar. As carteiras oferecem aos utilizadores informações de identidade portáteis. As stablecoins fornecem um método alternativo de liquidação. Estas não são tecnologias do futuro distante; podem ser utilizadas agora e podem ajudar os utilizadores a operar como verdadeiras entidades económicas sem permissão.

1. Identidade Não Humana

O atual gargalo na economia de agentes não é mais a inteligência, mas a identidade.

Só no setor de serviços financeiros, o número de identidades não humanas (sistemas de negociação automatizados, motores de risco, modelos de fraude) é aproximadamente 100 vezes maior do que o de funcionários humanos. Com a implantação em grande escala de frameworks de agentes modernos (usando ferramentas como LLMs, fluxos de trabalho autônomos, orquestração de múltiplos agentes), essa proporção deve continuar a aumentar em várias indústrias.

No entanto, esses agentes ainda não têm contas bancárias. Eles podem interagir com o sistema financeiro, mas a interação carece de portabilidade, verificabilidade e não é inerentemente confiável. Eles não possuem métodos padronizados de comprovação de autoridade, não podem operar de forma independente entre plataformas e não podem ser responsabilizados por suas ações.

O que está faltando atualmente é uma camada de identidade universal - equivalente a um protocolo SSL para agentes - que possa padronizar a coordenação entre plataformas. Embora tenham havido tentativas significativas, os métodos permanecem fragmentados: de um lado está uma pilha verticalmente integrada, baseada em fiat; do outro lado estão os padrões abertos nativos de criptomoedas (como x402 e propostas emergentes de identidade de agente); e existem frameworks de desenvolvedores como extensões do MCP (Model Context Protocol) tentando unir a identidade na camada de aplicação.

Atualmente, não existe uma maneira amplamente adotada e interoperável para um agente provar a outro: quem ele representa, o que ele está autorizado a fazer e como ele será compensado. Essa é a ideia central do KYA (Know Your Agent).

Assim como os humanos dependem do histórico de crédito e do KYC (Conheça Seu Cliente), os agentes também precisam de assinaturas criptográficas como credenciais que vinculam o agente ao seu principal, autoridade, restrições e reputação. A Blockchain fornece uma camada de coordenação neutra para tudo isso: identidades portáteis, carteiras programáveis e provas verificáveis que podem ser analisadas em aplicativos de chat, APIs e mercados.

Já vimos implementações iniciais: registros de agentes on-chain, agentes nativos de carteiras usando USDC, padrões ERC para "agentes com minimização de confiança" e kits de ferramentas para desenvolvedores que combinam identidade com pagamentos embutidos e controles de fraude.

Mas, até que um padrão de identidade universal surja, os comerciantes continuarão a bloquear agentes no firewall.

2. Governança de Sistemas Operacionais de IA

Os agentes estão começando a operar sistemas reais, levantando novas questões.

A chave é saber quem realmente controla tudo. Imagine uma comunidade ou empresa onde os sistemas de IA são responsáveis por coordenar recursos críticos, seja a alocação de fundos ou a gestão da cadeia de suprimentos. Mesmo que as pessoas votem para decidir sobre mudanças de políticas, se a camada de IA subjacente for controlada por um único fornecedor que pode impulsionar atualizações de modelos, ajustar restrições ou reverter decisões, então esse poder é muito fraco. A camada de governança formal pode ser descentralizada, mas a camada operacional permanece centralizada; quem controla o modelo controla, em última análise, o resultado.

Quando os agentes assumem papéis de governança, eles introduzem uma nova camada de dependência. Em teoria, isso poderia tornar a democracia direta mais fácil de implementar: todos poderiam ter um representante de IA responsável por entender propostas complexas, ponderar prós e contras e votar de acordo com suas preferências declaradas.

Mas essa visão só pode ser realizada se esses agentes forem verdadeiramente responsáveis perante as pessoas que representam, puderem operar em diferentes provedores de serviços e forem tecnicamente constrangidos a seguir instruções humanas. Caso contrário, o sistema resultante pode parecer democrático na superfície, mas na verdade é impulsionado por comportamentos de modelos opacos que ninguém pode controlar.

Se a realidade atual é que os agentes são construídos a partir de um pequeno número de modelos fundamentais, então precisamos de maneiras de provar que os comportamentos dos agentes estão alinhados com os interesses dos usuários e não com os interesses das empresas dos modelos. Isso pode exigir garantias criptográficas em várias camadas: (1) os dados de treinamento exatos, processos de ajuste fino ou processos de aprendizado por reforço dos quais a instância do modelo se origina; (2) os comandos e instruções exatos que controlam agentes específicos; (3) registros dos comportamentos reais dos agentes no mundo real; e (4) garantias confiáveis de que, uma vez implantados, os provedores não podem alterar instruções ou reeducar agentes para operar sem o conhecimento do usuário. Sem essas garantias, a governança dos agentes acabará se degradando para a governança pela parte que controla os pesos do modelo.

É aqui que a criptomoeda entra em jogo. Se as decisões coletivas forem registradas na cadeia e executadas automaticamente, os sistemas de IA podem ser obrigados a executar resultados verificados. Se os agentes tiverem identidades criptográficas e logs de execução transparentes, as pessoas poderão verificar se seus agentes estão seguindo as regras. Além disso, se a camada de IA for de propriedade do usuário e portátil, em vez de estar bloqueada em uma única plataforma, nenhuma empresa poderá alterar as regras por meio de atualizações de modelo.

Em última análise, a governança de sistemas de IA é fundamentalmente um desafio de infraestrutura, não um desafio de política. A verdadeira autoridade depende da construção de mecanismos de garantia executáveis no próprio sistema.

3. Preenchendo a Lacuna dos Sistemas de Pagamento Tradicionais em Empresas Nativas de IA

Os agentes de IA estão começando a fazer compras — coleta de dados da web, sessões de navegação, geração de imagens —, enquanto as stablecoins estão se tornando uma camada de liquidação alternativa para essas transações. Enquanto isso, uma nova classe de mercados focados em agentes está se formando. Por exemplo, o mercado MPP da Stripe e da Tempo agrega mais de 60 serviços projetados especificamente para agentes de IA. Em sua primeira semana de operação, ele processou mais de 34.000 transações, com taxas tão baixas quanto $0.003, e stablecoins como um dos métodos de pagamento padrão.

A diferença está em como esses serviços são acessados. Não há página de checkout. Os agentes leem esquemas, enviam solicitações, pagam e recebem saídas em uma única troca. Eles representam uma nova classe de comerciantes "sem cabeça": apenas um servidor, um conjunto de pontos de extremidade e um preço para cada chamada. Não há interface do usuário - nem loja física nem equipe de vendas.

Os trilhos de pagamento para alcançar isso já estão ativos. O x402 e o MPP da Coinbase adotam abordagens diferentes, mas ambos incorporam pagamentos diretamente em solicitações HTTP. A Visa também está expandindo seus trilhos de cartão em uma direção semelhante, fornecendo uma ferramenta CLI que permite que os desenvolvedores gastem a partir do terminal, com os comerciantes recebendo stablecoins instantaneamente no backend.

Os dados atuais ainda estão em estágios iniciais. Após filtrar atividades não orgânicas como wash trading, o x402 processa cerca de US$ 1,6 milhão em pagamentos impulsionados por agentes mensalmente, muito abaixo dos US$ 24 milhões recentemente relatados pela Bloomberg (citando dados do x402.org). No entanto, a infraestrutura ao redor está se expandindo rapidamente: A Stripe, a Cloudflare, a Vercel e a Google integraram o x402 em suas plataformas.

O espaço de ferramentas para desenvolvedores oferece enormes oportunidades, com o surgimento da Vibe Coding expandindo o grupo de desenvolvedores de software e ampliando o mercado potencial para ferramentas de desenvolvedores. Empresas como a Merit Systems estão trabalhando em soluções voltadas para o futuro, lançando o AgentCash, uma carteira e plataforma de mercado CLI que se conecta aos protocolos MPP e x402. Esses produtos permitem que os agentes comprem os dados, ferramentas e funcionalidades de que precisam usando stablecoins de uma única conta. Por exemplo, os agentes da equipe de vendas podem simplesmente chamar um endpoint para enriquecer as informações dos leads com dados do Apollo, do Google Maps e do Whitepages sem sair da interface de linha de comando.

Essa inclinação do comércio entre agentes para pagamentos em criptomoedas (e soluções emergentes baseadas em cartões) decorre de vários motivos. O primeiro é a subscrição. Quando os processadores de pagamento integram os comerciantes, eles assumem o risco desse comerciante. Um comerciante sem cabeça, sem um site ou entidade jurídica, é difícil de ser subscrito pelos processadores tradicionais. Em segundo lugar, as stablecoins podem ser programadas em redes abertas sem permissão: qualquer desenvolvedor pode habilitar pontos de extremidade para suportar pagamentos sem integrar processadores de pagamento ou assinar acordos comerciais.

Já vimos esse modelo antes. Cada mudança nos modelos de negócios gera uma nova classe de comerciantes, enquanto os sistemas existentes inicialmente lutam para atendê-los. As empresas que estão construindo essa infraestrutura não estão apostando em uma receita mensal de 1,6 milhão de dólares, mas em quais serão os níveis de receita quando os agentes se tornarem os compradores padrão.

4. Repricing Trust in the Agent Economy

Por 300.000 anos, a cognição humana foi o gargalo do progresso. Hoje, a IA está reduzindo o custo marginal de execução para zero. À medida que os recursos escassos se tornam abundantes, os fatores limitantes mudam. Quando a inteligência se torna barata, o que se torna caro? Verificação.

Na economia de agentes, a verdadeira limitação para a escalabilidade são as limitações de nosso instinto biológico - nossa capacidade de auditar e avaliar as decisões das máquinas. A capacidade de processamento dos agentes ultrapassou em muito a capacidade de supervisão humana. Devido aos altos custos da supervisão e ao tempo que leva para que as falhas se manifestem, os mercados tendem a reduzir investimentos em supervisão. A "colaboração entre humanos e máquinas" está rapidamente se tornando uma realidade impossível.

Mas a implantação de agentes não verificados introduz riscos agravados. Os sistemas otimizam impiedosamente as métricas dos "agentes" enquanto silenciosamente divergem da intenção humana, criando uma falsa ilusão de produtividade que oculta o enorme acúmulo de dívida de IA. Para delegar a economia com segurança às máquinas, a confiança não pode mais depender de auditorias humanas — a confiança deve ser codificada na própria arquitetura.

Quando qualquer pessoa pode gerar conteúdo gratuitamente, o fator mais importante se torna fontes verificáveis — entender de onde o conteúdo vem e se é confiável. A blockchain, juntamente com a certificação on-chain e sistemas de identidade digital descentralizados, altera os limites econômicos da implantação segura. A IA não é mais vista como uma caixa preta, mas tem um histórico claro e auditável.

À medida que mais agentes de IA começam a negociar uns com os outros, os mecanismos de liquidação e os sistemas de proveniência tornam-se inextricavelmente ligados. Sistemas de transferência de fundos — como stablecoins e contratos inteligentes — também podem carregar recibos criptográficos que registram quem fez o quê e quem deve ser responsabilizado quando surgem problemas.

As vantagens comparativas humanas são continuamente aprimoradas: desde a descoberta de pequenos erros até o estabelecimento de direções estratégicas, até assumir a responsabilidade quando ocorrem problemas. As vantagens duradouras pertencem àqueles que podem certificar criptograficamente os resultados, segurá-los e assumir a responsabilidade em caso de falha.

A falta de verificação em escala é um risco que se acumula ao longo do tempo.

5. Retendo o Controle do Usuário

Por décadas, camadas de abstração mudaram continuamente a forma como os usuários interagem com a tecnologia. Linguagens de programação abstraíram o código da máquina. Linhas de comando foram substituídas por interfaces gráficas do usuário, que então evoluíram para aplicativos móveis e interfaces de programação de aplicativos (APIs). Cada transformação escondeu mais complexidade subjacente, ao mesmo tempo em que permitia que os usuários mantivessem um entendimento geral.

No mundo dos agentes, os usuários especificam resultados em vez de ações, e o sistema decide como alcançar esses resultados. Os agentes abstraem não apenas como as tarefas são concluídas, mas também quem as executa. Uma vez que os usuários definem os parâmetros iniciais, eles se afastam e o sistema funciona de forma autônoma. O papel do usuário muda de interação para supervisão; o sistema é ativado por padrão, a menos que o usuário intervenha.

À medida que os usuários delegam mais tarefas aos agentes, novos riscos surgem: entradas ambíguas podem levar os agentes a agir com base em suposições incorretas sem o conhecimento do usuário; falhas podem não ser relatadas, resultando em nenhuma via de diagnóstico clara; uma única aprovação pode acionar fluxos de trabalho de várias etapas que ninguém antecipou.

A tecnologia criptográfica desempenha um papel aqui. O cerne da tecnologia criptográfica sempre foi minimizar a confiança cega. À medida que os usuários delegam mais poder de tomada de decisão ao software, os sistemas de agentes destacam essa questão e aumentam nossas demandas por rigor no design do sistema — precisamos definir limites mais claros, aumentar a transparência e fornecer garantias mais sólidas sobre as funcionalidades desses sistemas.

Para enfrentar esse desafio, surgiu uma nova geração de ferramentas cripto-nativas. Por exemplo, o Kit de Delegação da MetaMask, o AgentKit e as carteiras de agentes da Coinbase, e os frameworks de delegação baseados em escopo como o AgentCash da Merit Systems permitem que os usuários definam o que os agentes podem e não podem fazer no nível do contrato inteligente. Arquiteturas baseadas em intenção como o NEAR Intents (que acumularam mais de $15 bilhões em volume de negociação em exchanges descentralizadas (DEX) desde o Q4 de 2024) permitem que os usuários definam resultados esperados — como "ponte de tokens e estaca" — sem especificar o método de implementação exato.

A IA torna a escalabilidade economicamente viável, mas tem dificuldades para estabelecer confiança. A criptomoeda pode reconstruir a confiança em grande escala.
A infraestrutura da Internet está em construção, onde os indivíduos podem participar diretamente das atividades econômicas. A questão agora é se ela será projetada com transparência máxima, responsabilidade e controle do usuário em mente, ou se será construída em sistemas que são inerentemente inadequados para atores não humanos.