A procura de AI por serviços e recursos está a crescer rapidamente, impulsionando uma nova economia de agentes. Antes de pagar por um serviço, um agente precisa encontrá-lo; para isso, a descoberta eficiente é fundamental. Atualmente, a maioria dos sites é otimizada para humanos, com layouts, anúncios e elementos que representam “ruído” para máquinas. Quando um agente solicita uma página, recebe HTML bruto, que pode conter cerca de 16.000 tokens, mas ao convertê-lo para Markdown limpo, esse número cai para aproximadamente 3.000 tokens, reduzindo o processamento em 80%. Essa economia é crucial, pois solicitações em larga escala podem gerar atrasos, custos elevados e maior complexidade de raciocínio.
@Cloudflare
Para acessar informações essenciais, os agentes gastam muita energia removendo elementos de interface, esforço que não melhora a qualidade da saída, apenas compensa a estrutura de rede não projetada para eles. Com o crescimento do tráfego dirigido por agentes, essa ineficiência torna-se mais evidente. Sites de comércio e software têm aumentado significativamente a atividade de rastreamento por IA, representando grande parte do tráfego da web.
Além disso, cerca de 79% dos principais sites de notícias e conteúdo bloqueiam pelo menos um rastreador de IA. Essa reação é compreensível, pois agentes não interagem com anúncios ou funis de conversão tradicionais, sendo bloqueados para proteger receitas. O problema é que a web não possui métodos confiáveis para distinguir entre rastreadores maliciosos e agentes legítimos, ambos aparentando tráfego automatizado de infraestrutura em nuvem.
Mais profundamente, os agentes não estão tentando “consumir” páginas, mas sim descobrir possibilidades de ação. Uma busca por “passagens abaixo de 500 dólares” exige que o agente saiba quais serviços aceitam reservas, formatos de entrada, cálculos de preço e possibilidades de pagamento programático. Poucos serviços tornam essas informações claras e acessíveis.
@TowardsAI
Por isso, a descoberta de serviços está migrando de SEO para uma abordagem orientada por agentes (Agent-Oriented Discoverability, AEO). Se o usuário final for um agente, a classificação nas páginas de busca torna-se menos relevante. O que importa é se o serviço consegue descrever suas capacidades de forma que o agente possa interpretá-las sem adivinhações. Caso contrário, ele pode se tornar “invisível” na crescente economia de agentes.
Os agentes precisam de identidade
@Hackernoon
Depois de descobrir um serviço e iniciar uma transação, o próximo passo é garantir que a outra ponta saiba com quem está a interagir — ou seja, a identidade. Atualmente, os sistemas financeiros usam muitas identidades de máquina, numa proporção de cerca de 96:1 em relação às humanas. APIs, contas de serviço, scripts automatizados e agentes internos dominam a infraestrutura institucional, muitas vezes sem capacidade de decidir sobre capital ou negociar. Eles executam comandos predefinidos, sem capacidade de negociação ou de iniciar pagamentos na rede aberta.
Agentes autônomos mudam esse paradigma. Se um agente pode mover stablecoins ou disparar processos de liquidação sem intervenção manual, a questão central passa a ser: quem autoriza esse pagamento? É aqui que a identidade se torna fundamental, dando origem ao conceito de “Conheça seu Agente” (Know Your Agent).
Assim como as instituições financeiras verificam clientes antes de permitir transações, os serviços que interagem com agentes autônomos devem validar três aspectos antes de conceder acesso a capital ou operações sensíveis:
- Autenticidade criptográfica: esse agente controla realmente as chaves que afirma possuir?
- Permissões de delegação: quem concedeu permissões ao agente e quais são seus limites?
- Ligação ao mundo real: o agente está associado a uma entidade legal responsável?
Essas verificações formam uma pilha de identidade:
- Base: chaves criptográficas e assinaturas, com padrões como ERC-8004 formalizando o registro verificável na blockchain.
- Camada intermediária: provedores de identidade conectando chaves a entidades reais, como empresas registradas, instituições financeiras ou indivíduos verificados. Sem essa ligação, a assinatura apenas prova controle, não responsabilidade.
- Infraestrutura de validação: processadores de pagamento, CDN ou servidores que verificam assinaturas, checam credenciais e aplicam limites de permissão em tempo real. Protocolos como o Trusted Agent Protocol do Visa ou o ACP da Stripe exemplificam essa validação programável.
Simultaneamente, protocolos de negócios como UCP, liderados por Google e Shopify, permitem que comerciantes publiquem “listas de capacidades” descobertas por agentes, que podem ser negociadas e integradas ao Google Search e Gemini.
@FintechBrainfood
Importante notar que sistemas sem permissão e com permissão coexistirão. Em blockchains públicas, agentes podem transacionar sem intermediários centralizados, aumentando velocidade e composição, mas elevando desafios regulatórios. A aquisição do Bridge pela Stripe evidencia essa tensão: stablecoins facilitam transferências instantâneas, mas as obrigações regulatórias permanecem, mesmo com liquidações na cadeia.
Essa tensão inevitavelmente atrairá reguladores. Quando agentes autônomos podem iniciar transações financeiras sem supervisão humana direta, a responsabilização torna-se imprescindível. Sistemas financeiros não podem permitir fluxo de capital por atores não identificados ou não autorizados, mesmo que sejam fragmentos de software.
Regulamentações já estão sendo adotadas. A lei de IA do Colorado, vigente desde 1 de fevereiro de 2026, impõe requisitos de responsabilização para sistemas automatizados de alto risco, com legislações similares em andamento globalmente. À medida que agentes assumem decisões financeiras em larga escala, a identidade deixa de ser opcional. Se a descoberta torna os agentes visíveis, a identidade é o certificado de sua credibilidade.
Verificando a execução e reputação do agente
Quando um agente realiza tarefas envolvendo dinheiro, contratos ou informações sensíveis, possuir identidade não é suficiente. Um agente verificado ainda pode gerar ilusões, distorcer resultados, vazar dados ou atuar de forma inadequada.
A questão central é: como provar que o agente realmente realizou o que afirma? Se um agente declara ter analisado 1.000 arquivos, detectado fraudes ou executado estratégias de trading, deve haver uma forma de verificar que esse cálculo ocorreu de fato e que a saída não foi falsificada ou corrompida. Para isso, precisamos de uma camada de desempenho.
Atualmente, há três abordagens:
- TEEs (Trusted Execution Environments): usam hardware como AWS Nitro ou Intel SGX para gerar provas de execução segura. O agente roda em uma enclave protegida, que emite certificados criptográficos confirmando que o código específico foi executado em dados específicos sem adulteração. O overhead é de cerca de 5-10% de latência adicional, aceitável para aplicações financeiras de alta integridade.
- ZKML (Zero-Knowledge Machine Learning): métodos matemáticos que permitem ao agente gerar provas criptográficas de que uma saída foi produzida por um modelo específico, sem revelar pesos ou entradas privadas. A DeepProve-1 da Lagrange Labs, por exemplo, demonstrou inferência GPT-2 com provas de conhecimento zero, sendo 54-158 vezes mais rápidas que métodos anteriores.
- Segurança de Staking (Restake Security): modelos econômicos que forçam a correção por meio de staking. Protocolos como EigenLayer introduzem segurança baseada em staking, onde validadores apostam capital por trás das saídas do agente. Se a saída for contestada e provada falsa, o stake é penalizado (Slashing). Assim, o sistema não prova cada cálculo, mas torna comportamentos desonestos economicamente inviáveis.
Esses mecanismos abordam o problema de diferentes ângulos, mas a prova de execução é pontual. O mercado precisa de algo cumulativo, uma reputação que agregue desempenho ao longo do tempo.
A reputação transforma provas isoladas em um histórico de confiabilidade. Sistemas emergentes buscam tornar o desempenho do agente portátil e criptograficamente ancorado, evitando avaliações específicas de plataformas ou dashboards opacos.
A Ethereum Attestation Service (EAS) permite que usuários ou serviços publiquem provas assinadas e verificáveis na blockchain sobre o comportamento do agente. Uma tarefa concluída com sucesso, uma previsão precisa ou uma transação conforme as regras podem ser registradas de forma imutável e transferidas entre aplicações.
@EAS
Ambientes de benchmark competitivos também estão surgindo. Os Agent Arenas avaliam agentes com tarefas padronizadas, usando sistemas de classificação como Elo. O Recall Network reporta mais de 110 mil participantes gerando 5,88 milhões de previsões, criando dados de desempenho mensuráveis. Com a expansão desses sistemas, eles se assemelham a mercados de avaliação de agentes de IA.
Assim, a reputação pode ser portável entre plataformas. No setor financeiro tradicional, agências como Moody’s avaliam títulos para sinalizar risco de crédito. A economia de agentes precisará de uma camada equivalente para avaliar atores não humanos. O mercado precisará julgar se um agente é confiável para delegar capital, se seus resultados são estatisticamente consistentes e se seu comportamento é estável a longo prazo.
Conclusão
À medida que agentes assumem autoridade real, o mercado precisará de métodos claros para avaliar sua confiabilidade. Agentes transportarão registros verificáveis de desempenho, com avaliações ajustadas à sua qualidade, e permissões rastreáveis até autorizações explícitas. Seguradoras, comerciantes e sistemas regulatórios dependerão desses dados para decidir quem pode acessar capital, dados ou fluxos regulados.
Em suma, essas camadas formam a infraestrutura fundamental da economia de agentes:
- Descoberta (Discoverability): agentes precisam encontrar serviços de forma que possam interpretá-los automaticamente, caso contrário, não encontrarão oportunidades.
- Identidade (Identity): agentes devem provar quem são e quem os autorizou, para poderem participar do sistema.
- Reputação (Reputation): agentes precisam construir registros verificáveis que demonstrem sua confiabilidade, conquistando confiança contínua na economia.
