A Internet Agêntica: Quando Máquinas Se Tornam Seus Clientes

A Web Tem Novos Usuários Primários — E Eles Não São Humanos

Em abril de 2024, a Imperva divulgou uma descoberta que deveria ter sido manchete: o tráfego automatizado superou o tráfego humano na web pela primeira vez, representando 51% de todas as requisições web. Desses, 37% era tráfego de bots maliciosos — scrapers, credential stuffers, redes de fraude — e 14% era tráfego de bots benignos: crawlers de motores de busca, serviços de monitoramento e, cada vez mais, agentes de recuperação de IA.

Até o Q1 2025, a composição havia mudado ainda mais. O tráfego de bots de recuperação — agentes de IA buscando informações em nome de usuários e outros sistemas — cresceu 49% trimestre a trimestre. Estes não são crawlers tradicionais indexando páginas para resultados de busca. São agentes recuperando dados estruturados, comparando opções, iniciando transações e reportando de volta para sistemas orquestradores.

As implicações são difíceis de exagerar. Por trinta anos, a internet foi construída para olhos humanos. Cada pixel, cada caminho de clique, cada funil de conversão foi otimizado para uma pessoa sentada diante de uma tela, tomando decisões com sua atenção e seu mouse. Essa arquitetura agora encontra um usuário fundamentalmente diferente: um que não vê pixels, não se cansa, não responde a design emocional e processa informações na velocidade de máquina.

A web está se tornando um meio máquina-a-máquina com supervisão humana. E a maioria dos modelos de negócio construídos sobre ela assume o oposto.

De Prompt→Resposta para Intenção→Execução

O modelo de interação com IA está evoluindo através de uma transição de fase crítica. A primeira geração — ChatGPT, Perplexity, Claude — operava num paradigma de prompt→resposta. Um humano faz uma pergunta. A IA retorna texto. O humano lê, avalia e decide o que fazer em seguida. A IA é uma ferramenta. O humano retém a agência.

A segunda geração — agora emergente — opera num paradigma de intenção→execução. Um humano expressa uma intenção (“encontre os três melhores fornecedores de CRM para uma empresa B2B SaaS de 50 pessoas, agende demos com todos os três e prepare uma matriz comparativa após cada demo”). Um agente orquestrador decompõe isso em subtarefas, distribui agentes especializados para cada uma, gerencia dependências, trata erros e retorna resultados concluídos.

O humano não escolhe quais sites visitar. O agente escolhe. O humano não compara páginas de preços. O agente compara. O humano não preenche formulários de contato. O agente preenche. Todo o caminho de cliques — a jornada que a equipe de growth de toda empresa SaaS passou anos otimizando — é contornado.

Isso não é teórico. O Model Context Protocol (MCP) da Anthropic está habilitando agentes a interagir com sistemas externos através de interfaces de ferramentas padronizadas. O function calling da OpenAI e os frameworks de agentes do Google fazem o mesmo. A infraestrutura para comércio e operações mediados por agentes está sendo construída agora.

O Que Quebra

Precificação SaaS por Assento

A vítima mais óbvia é o modelo de precificação por assento que definiu a economia SaaS por duas décadas. Quando uma empresa paga US$50/assento/mês por uma ferramenta de gerenciamento de projetos, está pagando pelo acesso humano a uma UI. Quando um agente pode criar tarefas, alocar recursos, acompanhar progresso e gerar relatórios de status via API — sem jamais renderizar um único pixel — o assento não tem usuário.

Isso não significa que o sistema subjacente não tem valor. O modelo de dados, o motor de workflow, o sistema de permissões, a camada de integração — esses continuam essenciais. Mas o modelo de precificação que os empacota numa UI e cobra por acesso humano está fundamentalmente desalinhado com o consumo agêntico.

Ferramentas Só-UI

Produtos cuja proposta de valor primária é uma interface bem projetada enfrentam pressão existencial. Se a função central é “facilitar para humanos fazerem X”, e um agente pode fazer X sem qualquer interface, o moat do produto evapora. Ferramentas de design que ajudam humanos a arranjar pixels. Ferramentas de dashboard que ajudam humanos a visualizar dados. Ferramentas de comunicação que ajudam humanos a coordenar. Todas assumem um humano no loop que se beneficia da apresentação visual.

Agentes não se beneficiam de apresentação visual. Beneficiam-se de dados estruturados, APIs claras e execução confiável.

O Complexo Publicidade-Atenção

Todo o ecossistema de publicidade digital assume atenção humana como moeda. CPM (custo por mil impressões) requer impressões em olhos humanos. CPC (custo por clique) requer cliques humanos. Quando agentes são os que recuperam informações e tomam decisões, impressões e cliques perdem significado. A Cloudflare reportou o bloqueio de 416 bilhões de requisições de bots de IA em um único período — requisições que, se tivessem alcançado seus destinos, teriam consumido recursos sem gerar qualquer valor publicitário.

A parceria do Washington Post com a TollBit representa uma tentativa inicial de adaptação: licenciar conteúdo para sistemas de IA por uma taxa, em vez de depender de leitores humanos sustentados por publicidade. Isso aponta para uma economia de “leitores de IA” onde conteúdo é monetizado pelo consumo de máquinas, não pela atenção humana.

O Que Persiste

Sistemas de Ação

Enquanto camadas de UI enfrentam pressão, os sistemas por baixo delas — os que realmente fazem coisas — tornam-se mais valiosos, não menos. Sistemas de banco de dados, motores de workflow, processadores de transações, provedores de identidade, sistemas de permissão: são a fundação que agentes precisam para operar. Um agente pode contornar um dashboard, mas não pode contornar o banco de dados que o dashboard consulta.

As empresas que possuem sistemas de ação — não sistemas de apresentação — estão posicionadas para prosperar na internet agêntica. Seu valor não está em como exibem informações para humanos. Está no que habilitam máquinas a fazer.

Ambientes de Execução Confiáveis

À medida que agentes ganham a capacidade de tomar ações consequentes — gastar dinheiro, assinar contratos, modificar sistemas de produção, comunicar em nome de organizações — a questão da confiança se torna primordial. Quem autorizou este agente? Quais são suas permissões? Que trilha de auditoria existe? O que acontece quando ele comete um erro?

Ambientes de execução confiáveis — sistemas que fornecem identidade verificável, permissões com escopo definido, logs de auditoria imutáveis e capacidades de rollback para ações agênticas — não existem como categoria madura hoje. Mas serão infraestrutura essencial. Todo agente agindo em nome de uma empresa precisa operar dentro de um framework de governança que a empresa controla, audita e pode explicar aos reguladores.

Infraestrutura Agent-Native

A tese de workloads “agent-speed” da a16z identifica uma lacuna crítica: a maior parte da infraestrutura existente foi projetada para interação em velocidade humana. Bancos de dados esperam padrões de consulta que refletem workflows humanos. APIs têm rate limits calibrados para padrões de uso humano. Sistemas de autenticação assumem um humano inserindo credenciais.

Workloads em velocidade de agente são fundamentalmente diferentes. Milhares de requisições concorrentes. Ciclos de decisão abaixo de um segundo. Execução paralela em dezenas de sistemas simultaneamente. Infraestrutura que pode lidar com isso — mantendo governança, trilhas de auditoria e controles de custo — é uma oportunidade greenfield.

Os Arquétipos SaaS Sob Pressão

Nem todas as categorias SaaS enfrentam pressão igual da mudança agêntica. O impacto varia conforme quanto valor reside na UI versus no sistema subjacente:

Arquétipo SaaS	Dependência de UI	Pressão Agêntica	Resultado Provável
UI-Heavy (ferramentas de design, dashboards)	Muito Alta	Severa	Precisa reconstruir como API-first ou virar tooling para agentes
API-First (Stripe, Twilio, AWS)	Baixa	Mínima	Já é agent-native; precificação alinhada com uso
Compliance-Heavy (GRC, auditoria, identidade)	Média	Oportunidade	Demanda por governança aumenta com proliferação de agentes
Plataformas de Conteúdo (CMS, mídia, publishing)	Alta	Severa	Precisa monetizar leitura por máquinas ou perder distribuição

O padrão é claro: valor migra da apresentação para execução, da interface para infraestrutura, do legível-por-humano para o executável-por-máquina.

A Previsão Sóbria do Gartner

As projeções do Gartner pintam um quadro nuançado da transição agêntica. Por um lado, preveem que 40% das aplicações empresariais integrarão agentes de IA até o final de 2026 — uma curva de adoção notavelmente rápida. Por outro, preveem que mais de 40% dos projetos de IA agêntica serão cancelados até 2027, principalmente por estouros de custo e falhas de governança.

Isso não é contraditório. É a forma natural de uma transição tecnológica onde as ferramentas avançam mais rápido que a governança. Empresas correrão para implantar agentes porque a promessa de produtividade é irresistível. Muitas descobrirão que agentes sem guardrails adequados — controles de custo, escopo de permissões, tratamento de erros, capacidades de auditoria — criam mais problemas do que resolvem.

Os projetos cancelados não provarão que IA agêntica não funciona. Provarão que IA agêntica sem infraestrutura de governança não funciona. E criarão demanda massiva pela própria camada de governança.

A Economia de “Leitores de IA”

O acordo do Washington Post com a TollBit sinaliza a emergência de um modelo econômico fundamentalmente novo: conteúdo monetizado não por leitores humanos, mas por consumidores-máquina. Quando um agente de IA recupera um artigo para sintetizar um briefing de pesquisa para seu usuário, essa recuperação tem valor econômico — mas o modelo publicitário tradicional não captura nada dele.

Novos modelos de monetização estão emergindo:

• Taxas de licenciamento para acesso de IA a conteúdo proprietário (TollBit, licensing.ai)
• Acesso API em camadas com precificação diferente para consumo humano versus máquina
• Prêmios de proveniência onde sistemas de IA pagam mais por fontes verificadas e de alta qualidade
• Feeds de dados estruturados otimizados para consumo por máquinas em vez de leitura humana

Isso representa uma mudança profunda em como valor flui pela economia da informação. Conteúdo que é autoritativo, estruturado e acessível por máquinas torna-se mais valioso — não menos — à medida que agentes de IA se tornam consumidores primários.

Governance-First, Não Feature-First

A abordagem convencional para construir produtos de software é feature-first: entregar funcionalidade, adquirir usuários, iterar na interface, otimizar conversão. Num mundo agêntico, essa sequência se inverte. A primeira pergunta não é “que features os usuários querem?” É “que framework de governança permite que agentes operem de forma segura, responsável e dentro de limites definidos?”

É por isso que a Basalt constrói governance-first. Cada venture em nosso portfólio é projetada com interação de agentes como caso de uso primário, não como extensão tardia. Modelos de permissão, trilhas de auditoria, controles de custo e frameworks de responsabilidade são arquitetura fundacional — não complementos de compliance adicionados após o lançamento.

A internet agêntica não recompensa o produto com a melhor UI ou mais features. Recompensa o produto com o ambiente de execução mais confiável. Quando seu cliente é uma máquina agindo em nome de um humano, confiança não é algo bom de ter. É a proposta de valor inteira.

As empresas que entendem isso — que constroem para clientes-máquina com responsabilidade humana — definirão a próxima era da infraestrutura empresarial. As que continuarem otimizando caminhos de cliques para olhos humanos se verão servindo uma audiência que encolhe a cada trimestre.

Os novos usuários primários da web chegaram. A questão é se sua infraestrutura está pronta para atendê-los.