Relatório Aprofundado da DWF: A IA na DeFi supera os seres humanos na otimização de rendimentos, mas as operações complexas ainda ficam 5 vezes atrás

Título original: Os agentes vão dominar o DeFi?

Fonte original: DWF Ventures

Tradução original: Deep Tide TechFlow

Pontos principais

Atualmente, a automação e as atividades dos agentes representam cerca de 19% de todas as atividades na cadeia, mas a verdadeira autonomia de ponta a ponta ainda não foi alcançada.

Em casos de uso específicos e bem definidos, como a otimização de rendimento, os agentes têm demonstrado um desempenho superior ao dos seres humanos e dos bots. No entanto, em ações complexas como a negociação, os seres humanos superam os agentes.

Entre os agentes, a seleção de modelos e a gestão de riscos são os fatores que mais influenciam o desempenho das negociações.

À medida que os agentes são adotados em larga escala, surgem vários riscos relacionados à confiança e à execução, incluindo ataques de bruxaria, aglomeração de estratégias e compromissos em matéria de privacidade.

Crescimento contínuo das atividades dos agentes

Ao longo do último ano, as atividades dos corretores têm aumentado de forma constante, com o volume de negociações e o número de transações em ascensão. Temos visto o protocolo x402 da Coinbase liderar avanços significativos, com empresas como Visa, Stripe e Google também aderindo à iniciativa para lançar seus próprios padrões. A maior parte da infraestrutura que está sendo construída atualmente visa atender a dois tipos de cenários: canais entre agentes ou chamadas de agentes acionadas por pessoas.

Embora a negociação de stablecoins tenha recebido amplo apoio, a infraestrutura atual ainda se baseia em gateways de pagamento tradicionais como camada subjacente, o que significa que continua dependendo de contrapartes centralizadas. Portanto, o cenário final de "total autonomia", em que os agentes podem se autofinanciar, agir de forma autônoma e otimizar-se continuamente com base nas condições em constante mudança, ainda não se concretizou.

Os agentes não são uma novidade total no DeFi. Há anos, vem ocorrendo a automação por meio de bots em protocolos on-chain, capturando MEV ou obtendo retornos adicionais que não poderiam ser alcançados sem o uso de código. Esses sistemas funcionam muito bem sob parâmetros claramente definidos que não mudam com frequência nem exigem supervisão adicional.

No entanto, o mercado tornou-se mais complexo com o passar do tempo. É aqui que vemos a próxima geração de agentes entrando em cena, com as atividades na cadeia de blocos servindo de campo de testes para esses desenvolvimentos nos últimos meses.

Desempenho real dos agentes

Segundo relatos, as atividades dos agentes cresceram exponencialmente, com mais de 17.000 agentes lançados desde 2025. Estima-se que o volume total de atividades de automação/agentes represente mais de 19% de todas as atividades na cadeia de blocos. Isso não é surpreendente, já que estima-se que mais de 76% do volume de transferências de stablecoins seja gerado por bots. Isso indica que há um potencial de crescimento significativo para as atividades dos agentes no setor de DeFi.

A autonomia dos agentes abrange um amplo espectro, desde experiências semelhantes a chatbots, que exigem um alto nível de supervisão humana, até agentes capazes de formular estratégias com base em objetivos definidos e se adaptar às condições do mercado. Em comparação com os bots, os agentes apresentam várias vantagens importantes, incluindo a capacidade de responder e processar novas informações em milissegundos, bem como a capacidade de ampliar a cobertura para milhares de mercados, mantendo o mesmo rigor.

Atualmente, a maioria dos agentes ainda se encontra no nível de analista ou copiloto, já que a maioria ainda está em fase de testes.

Otimização do rendimento: Os agentes têm um desempenho excepcional

A provisão de liquidez é uma área em que a automação tem sido amplamente adotada, com um TVL total detido pelos agentes ultrapassando US$ 39 milhões. Este valor mede principalmente os ativos depositados diretamente pelos usuários nas agências, excluindo o capital encaminhado por meio de cofres.

A Giza Tech é um dos maiores protocolos nessa área, tendo lançado no final do ano passado o ARMA, o primeiro aplicativo de agente, com o objetivo de aumentar a captura de rendimento para os principais protocolos DeFi. A empresa atraiu mais de US$ 19 milhões em ativos sob gestão e gerou mais de US$ 4 bilhões em volume de negociação.

A elevada relação entre o volume de negociação e o total de ativos sob gestão indica que os agentes reequilibram frequentemente o capital, o que permite obter rendimentos mais elevados. Assim que o capital é depositado no contrato, a execução é automatizada, proporcionando aos usuários uma experiência simples com um único clique que praticamente não requer supervisão.

O desempenho do ARMA é comprovadamente excepcional, gerando um rendimento anualizado superior a 9,75% para o USDC. Mesmo levando em conta as taxas adicionais de reequilíbrio e a taxa de desempenho de 10% do agente, o rendimento ainda supera o dos empréstimos comuns na Aave ou na Morpho. No entanto, a escalabilidade continua sendo uma questão fundamental, já que esses agentes ainda não foram testados em condições reais para gerenciar ou se adaptar à escala dos principais protocolos DeFi.

Negociação: Os seres humanos estão significativamente à frente

No entanto, no caso de ações mais complexas, como negociações, os resultados são muito mais variados. Os modelos de negociação atuais operam com base em dados definidos por pessoas e geram resultados de acordo com regras pré-definidas. O aprendizado de máquina amplia isso ao permitir que os modelos atualizem seu comportamento com base em novas informações, sem a necessidade de reprogramação explícita, elevando-os a um papel de copiloto. O panorama do comércio sofrerá mudanças significativas com a introdução de agentes totalmente autônomos.

Várias competições de negociação foram realizadas entre agentes e entre humanos e agentes, revelando diferenças substanciais entre os modelos. A Trade XYZ organizou uma competição de negociação em sua plataforma de ações, colocando pessoas contra robôs. Cada conta contava com um capital inicial de US$ 10.000, sem restrições quanto à alavancagem ou à frequência de negociação. Os resultados foram esmagadoramente favoráveis aos humanos, com o melhor desempenho humano superando o dos melhores agentes em mais de cinco vezes.

Enquanto isso, a Nof1 organizou uma competição de negociação entre modelos, permitindo que vários modelos (Grok-4, GPT-5, Deepseek, Kimi, Qwen3, Claude, Gemini) competissem entre si, testando diferentes configurações de risco, desde a preservação do capital até a alavancagem máxima. Os resultados revelaram vários fatores que poderiam ajudar a explicar as diferenças de desempenho:

Tempo de espera: Existe uma forte correlação, sendo que os modelos que mantêm posições por uma média de 2 a 3 horas apresentam um desempenho significativamente superior ao dos que trocam de posição com frequência.

Valor esperado: Isso avalia se os modelos geram lucro, em média, por operação. Curiosamente, apenas os três melhores modelos apresentaram um valor esperado positivo, indicando que a maioria dos modelos teve mais operações com prejuízo do que com lucro.

Alavancagem: Um nível médio de alavancagem mais baixo, de 6 a 8 vezes, demonstrou apresentar melhor desempenho do que os modelos com alavancagem superior a 10 vezes, uma vez que níveis elevados aceleram as perdas.

Estratégias de prompt: O Monk Mode é o modelo com melhor desempenho até agora, enquanto o Situational Awareness apresentou o pior desempenho. Com base nas características dos modelos, verifica-se que dar ênfase à gestão de riscos e recorrer a menos fontes externas leva a um melhor desempenho.

Modelos básicos: O Grok 4.20 superou significativamente os outros modelos em mais de 22% em diferentes estratégias de prompt e foi o único modelo a apresentar lucro médio.

Outros fatores, como preferências por posições compradas/vendidas, tamanhos das operações e índices de confiança, não contavam com dados suficientes ou não demonstraram qualquer correlação positiva com o desempenho do modelo. De modo geral, os resultados indicam que os agentes tendem a apresentar melhor desempenho dentro de restrições claramente definidas, sugerindo que os seres humanos ainda são extremamente necessários na configuração de objetivos.

Como avaliar agentes

Como os agentes ainda se encontram em fase inicial, não existe, no momento, um quadro de avaliação abrangente. O desempenho histórico é frequentemente utilizado como referência para avaliar agentes, mas é influenciado por fatores subjacentes que fornecem sinais mais claros de um desempenho robusto dos agentes.

Desempenho sob diferentes níveis de volatilidade: Isso inclui um controle rigoroso das perdas quando as condições se deterioram, indicando que os agentes são capazes de identificar fatores externos à cadeia que afetam a rentabilidade das negociações.

Transparência vs. Privacidade: Ambos os lados têm suas vantagens e desvantagens. Os agentes transparentes, caso possam ser copiados ativamente nas negociações, não apresentam, essencialmente, nenhuma vantagem estratégica. Os agentes privados correm o risco de sofrerem extração interna por parte dos criadores, que podem facilmente antecipar-se aos seus próprios usuários.

Fontes de informação: As fontes de dados acessadas pelos agentes são fundamentais para determinar como os agentes tomam decisões. É fundamental garantir que as fontes sejam confiáveis e não dependam exclusivamente de uma única fonte.

Segurança: É essencial contar com auditorias de contratos inteligentes e estruturas adequadas de custódia de fundos para garantir medidas de contingência em caso de eventos de cisne negro.

Próximos passos para os agentes

Para que os agentes sejam amplamente adotados, ainda há muito trabalho a ser feito em termos de infraestrutura. Isso se resume a questões fundamentais relacionadas à confiança e à execução dos agentes. Os agentes autônomos operam sem limites, e já surgiram casos de má gestão de fundos.

O ERC-8004 está previsto para ser lançado em janeiro de 2026, tornando-se o primeiro registro na cadeia de blocos que permite que agentes autônomos se identifiquem mutuamente, estabeleçam reputações verificáveis e colaborem com segurança. Essa é uma chave para a composibilidade da DeFi, já que os índices de confiança estão incorporados nos próprios contratos inteligentes, permitindo atividades sem permissão entre agentes e protocolos.

Isso não garante que os agentes sempre atuem de forma não maliciosa, já que vulnerabilidades como reputações de conluio e ataques de bruxa ainda podem ocorrer. Portanto, ainda há muito a ser feito em áreas como seguros, segurança e a participação econômica dos agentes.

À medida que as atividades dos agentes se expandem no setor de DeFi, a concentração de estratégias torna-se um risco estrutural. O yield farming é o exemplo mais evidente, já que os retornos diminuem com a proliferação de estratégias. A mesma dinâmica pode se aplicar à negociação por meio de corretores. Se um grande número de agentes for treinado com dados semelhantes e otimizado para objetivos semelhantes, eles convergirão para posições semelhantes e sinais de saída semelhantes.

O artigo sobre CoinAlg publicado pela Universidade de Cornell em janeiro de 2026 formaliza uma versão dessa questão. Os agentes transparentes podem ser alvo de arbitragem, pois suas negociações são previsíveis e podem ser antecipadas. Os agentes privados evitam esse risco, mas introduzem outro: os criadores mantêm vantagens informacionais sobre seus próprios usuários e podem extrair valor, por meio da opacidade, a partir de conhecimentos internos que deveriam ser protegidos.

As atividades dos agentes só tendem a se intensificar, e a infraestrutura estabelecida hoje determinará como as finanças na cadeia de blocos funcionarão na próxima fase. À medida que o uso dos agentes aumentar, eles irão se aperfeiçoar e se tornarão mais hábeis em se adaptar às preferências dos usuários. Portanto, o principal fator de diferenciação se resumirá a uma infraestrutura confiável, que conquistará a maior fatia do mercado.