Relatório aprofundado da DWF: A IA na DeFi supera os seres humanos na otimização do rendimento, mas as transações complexas continuam a ficar 5 vezes atrás

Título original: Será que os agentes vão dominar o DeFi?

Fonte original: DWF Ventures

Tradução original: Deep Tide TechFlow

Pontos-chave

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

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

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

À medida que os agentes são adotados em larga escala, surgem vários riscos relacionados com a confiança e a 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, a atividade dos corretores tem vindo a aumentar de forma constante, com o volume de transações e o número de transações a registarem um aumento. Temos assistido ao protocolo x402 da Coinbase a impulsionar desenvolvimentos significativos, com empresas como a Visa, a Stripe e a Google a juntarem-se também para lançar os seus próprios padrões. A maior parte da infraestrutura que está atualmente a ser construída destina-se a dar resposta a dois tipos de cenários: canais entre agentes ou chamadas de agentes desencadeadas por pessoas.

Embora a negociação de stablecoins tenha recebido um amplo apoio, a infraestrutura atual continua a basear-se em gateways de pagamento tradicionais como camada subjacente, o que significa que continua a depender de contrapartes centralizadas. Por conseguinte, o cenário final de «total autonomia», em que os agentes são capazes de se autofinanciar, autoexecutar e otimizar-se continuamente com base nas condições em constante mudança, ainda não se concretizou.

Os agentes não são uma novidade no mundo da DeFi. Há anos que se recorre à automação através de bots em protocolos on-chain, captando MEV ou obtendo rendimentos excedentários que não seriam possíveis sem código. Estes sistemas funcionam muito bem quando operam sob parâmetros claramente definidos que não mudam com frequência nem requerem supervisão adicional.

No entanto, o mercado tornou-se mais complexo ao longo do tempo. É aqui que vemos a próxima geração de agentes a entrar em cena, tendo as atividades na cadeia de blocos servido 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. Isto não é surpreendente, uma vez que se estima que mais de 76 % do volume de transferências de stablecoins seja gerado por bots. Isto indica que existe um potencial de crescimento significativo para as atividades dos agentes no setor DeFi.

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

Atualmente, a maioria dos agentes ainda se encontra no nível de analista ou co-piloto, uma vez que a maioria ainda está em fase de testes.

Otimização do rendimento: Os agentes têm um desempenho excecional

A provisão de liquidez é uma área em que a automatização tem sido frequentemente implementada, com um TVL total detido pelos agentes a ultrapassar os 39 milhões de dólares. Este valor mede principalmente os ativos depositados diretamente pelos utilizadores junto dos agentes, excluindo o capital canalizado através de cofres.

A Giza Tech é um dos maiores protocolos neste domínio, tendo lançado no final do ano passado a ARMA, a primeira aplicação de agente, com o objetivo de melhorar a captura de rendimentos para os principais protocolos DeFi. A empresa atraiu mais de 19 milhões de dólares em ativos sob gestão e gerou mais de 4 mil milhões de dólares em volume de negociação dos seus agentes.

A elevada relação entre o volume de transações 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 utilizadores uma experiência simples com um único clique que quase não requer supervisão.

O desempenho do ARMA é comprovadamente excecional, gerando um rendimento anualizado superior a 9,75% para o USDC. Mesmo tendo em conta as comissões adicionais de reequilíbrio e a comissão de desempenho de 10 % do agente, o rendimento continua a ser superior ao dos empréstimos normais na Aave ou na Morpho. No entanto, a escalabilidade continua a ser uma questão fundamental, uma vez que estes agentes ainda não foram testados em condições reais para gerir ou adaptar-se à dimensão dos principais protocolos DeFi.

Negociação: Os seres humanos estão significativamente à frente

No entanto, no caso de ações mais complexas, como a negociação, os resultados são muito mais variados. Os modelos de negociação atuais funcionam com base em dados introduzidos pelo utilizador e geram resultados de acordo com regras pré-definidas. A aprendizagem automática vai mais além, permitindo que os modelos atualizem o seu comportamento com base em novas informações sem necessidade de reprogramação explícita, elevando-os a um papel de copiloto. O panorama do comércio sofrerá mudanças significativas com a introdução de agentes totalmente autónomos.

Foram realizadas várias competições de negociação entre agentes e entre humanos e agentes, revelando diferenças substanciais entre os modelos. A Trade XYZ organizou uma competição de negociação na sua plataforma de ações, colocando a competição entre pessoas e agentes. Cada conta dispunha de um capital inicial de 10 000 dólares, sem restrições quanto à alavancagem ou à frequência de negociação. Os resultados favoreceram de forma esmagadora os seres humanos, com o desempenho dos melhores participantes humanos a superar o dos melhores agentes em mais de cinco vezes.

Entretanto, 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 à 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 as posições durante uma média de 2 a 3 horas apresentam um desempenho significativamente superior ao dos que trocam frequentemente de posição.

Valor esperado: Isto mede se os modelos geram lucro, em média, por transação. Curiosamente, apenas os três melhores modelos apresentaram um valor esperado positivo, o que indica 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, revelou-se mais eficaz 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 prioridade à gestão de riscos e recorrer a menos fontes externas conduz a um melhor desempenho.

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

Outros fatores, tais como preferências por posições longas ou curtas, volumes de negociação e índices de confiança, não dispunham de dados suficientes ou não se verificou que tivessem qualquer correlação positiva com o desempenho do modelo. Em geral, os resultados indicam que os agentes tendem a ter um melhor desempenho quando operam dentro de limites claramente definidos, o que sugere que os seres humanos continuam a ser absolutamente indispensáveis na definição de objetivos.

Como avaliar os agentes

Dado que os agentes ainda se encontram numa fase inicial, não existe, neste momento, um quadro de avaliação abrangente. O desempenho histórico é frequentemente utilizado como referência para avaliar os agentes, mas é influenciado por fatores subjacentes que fornecem sinais mais claros de um desempenho robusto dos agentes.

Desempenho sob diferentes níveis de volatilidade: Isto inclui um controlo rigoroso das perdas quando as condições se deterioram, o que indica que os agentes são capazes de identificar fatores externos que afetam a rentabilidade das transações.

Transparência vs. Privacidade: Ambos os lados têm as suas vantagens e desvantagens. Os agentes transparentes, se puderem ser copiados ativamente nas transações, não têm, essencialmente, qualquer vantagem estratégica. Os agentes privados enfrentam o risco de extração interna por parte dos criadores, que podem facilmente antecipar-se aos seus próprios utilizadores.

Fontes de informação: As fontes de dados a que os agentes têm acesso são fundamentais para determinar a forma como estes tomam decisões. É fundamental garantir que as fontes sejam fiáveis e não dependam exclusivamente de uma única fonte.

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

Próximos passos para os agentes

Para alcançar a adoção em larga escala dos agentes, ainda há muito trabalho a fazer no que diz respeito às infraestruturas. Isto resume-se a questões fundamentais relacionadas com a confiança e a execução dos agentes. Os agentes autónomos operam sem mecanismos de controlo, e já se registaram casos de má gestão de fundos.

O ERC-8004 deverá ser lançado em janeiro de 2026, tornando-se o primeiro registo na cadeia de blocos que permite que agentes autónomos se identifiquem mutuamente, estabeleçam reputações verificáveis e colaborem de forma segura. Este é um elemento fundamental para a composibilidade da DeFi, uma vez que os índices de confiança estão integrados nos próprios contratos inteligentes, permitindo atividades sem autorização prévia entre agentes e protocolos.

Isto não garante que os agentes atuem sempre de forma não maliciosa, uma vez que ainda podem ocorrer vulnerabilidades como reputações de conluio e ataques de bruxa. Por conseguinte, ainda há muito por fazer em áreas como os seguros, a segurança e a participação económica dos agentes.

À medida que as atividades dos agentes se expandem no setor DeFi, a sobreposição de estratégias torna-se um risco estrutural. O yield farming é o exemplo mais evidente, uma vez que os rendimentos diminuem com a proliferação de estratégias. A mesma dinâmica pode aplicar-se à negociação por intermediários. 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 a CoinAlg publicado pela Universidade de Cornell em janeiro de 2026 formaliza uma versão desta questão. Os agentes transparentes podem ser alvo de arbitragem, uma vez que as suas transações são previsíveis e podem ser antecipadas. Os agentes privados evitam este risco, mas introduzem outro, em que os criadores mantêm vantagens informativas sobre os seus próprios utilizadores e podem extrair valor, através da opacidade, a partir de conhecimentos internos que deveriam ser protegidos.

As atividades dos agentes vão continuar a acelerar, e a infraestrutura criada hoje determinará o modo como as finanças na cadeia de blocos funcionarão na próxima fase. À medida que a utilização dos agentes for aumentando, estes irão aperfeiçoar-se e tornar-se-ão mais hábeis a adaptar-se às preferências dos utilizadores. Por conseguinte, o principal fator diferenciador resumir-se-á a uma infraestrutura fiável, que conquistará a maior quota de mercado.