Como a NVIDIA criou o Modelo de Fundação de Pagamentos para o PayPal

Na edição 5 de "Agentic Commerce", Simon Taylor (Diretor de Desenvolvimento de Mercado na Tempo) e Bam Azizi (CEO e Fundador da Mesh) convidaram Pahal Patangia (Diretor de Desenvolvimento de Negócios Globais e Pagamentos na NVIDIA) para discutir temas como modelos de código aberto nos serviços financeiros, fluxos de trabalho agentificados como propriedade intelectual nos negócios e muito mais.

Linha do tempo:

00:00 Introdução
05:03 Modelo de Fundação de Pagamento baseado na arquitetura Transformer
10:44 Adoção de modelos de código aberto em serviços financeiros
17:53 Comparações entre custos e latência na inferência de IA
20:24 Economia de tokens e eficiência em sistemas de IA
23:21 Fluxos de trabalho agenciados como propriedade intelectual nos negócios
25:45 Tendências na integração de protocolos no Comércio Agentivo
30:17 Runtime de código aberto OpenSHIELD para segurança de agentes
33:33 Vantagens das stablecoins em micropagamentos de agente para agente
35:36 Em comparação com os pagamentos, a pesquisa está a ser implementada mais rapidamente nos agentes

Takeaways:

1. A essência do Comércio Agentivo é a "outsourcing de contexto": o contexto da tomada de decisão do consumidor, anteriormente detido por humanos, está agora a ser transferido para agentes através da integração de modelos de base + modelos de fundação, tornando as capacidades de pagamento parte da cadeia de decisão e não apenas da camada de execução.
2. O Modelo de Fundação de Pagamento é uma variável central: a introdução de dados financeiros tradicionais em tabelas em Transformadores gera incorporações de comportamento do utilizador, que é a infraestrutura chave para os agentes "consumirem como humanos".
3. A pesquisa amadureceu, enquanto os pagamentos ainda estão em estágios iniciais: a implementação real do Comércio Agentivo está atualmente focada na pesquisa e recomendação, enquanto os pagamentos permanecem em fases de sandbox e experimentais.
4. A razão fundamental para a explosão do código aberto na indústria financeira não é a tecnologia, mas a regulamentação e o controlo: a explicitação, a controlabilidade e as capacidades de ajuste fino são mais importantes do que o desempenho.
5. A lacuna de desempenho entre os modelos de código aberto e de código fechado estreitou-se para uma "faixa negligenciável", tornando o custo, a conformidade e a flexibilidade de implementação os fatores dominantes na tomada de decisão corporativa.
6. A economia de tokens está a tornar-se a nova geração de "economia de pagamentos": as restrições fundamentais dos sistemas de IA deixaram de ser apenas as taxas de transação, passando a incluir a otimização abrangente do consumo de tokens, custos de inferência, latência e consumo de energia.
7. Os sistemas multi-agente são o futuro campo de batalha: emissores, adquirentes, comerciantes e sistemas empresariais internos evoluirão para agentes, completando processos comerciais através de interações máquina-a-máquina.
8. Os fluxos de trabalho dos agentes estão a tornar-se novos ativos centrais para as empresas: anteriormente eram as APIs e SaaS, agora os caminhos de decisão, a lógica de execução e os loops de feedback dos agentes constituem o novo "IP empresarial".
9. As stablecoins têm vantagens estruturais em cenários de agente para agente: micropagamentos, liquidação em tempo real e disponibilidade global são coisas que as redes de cartões tradicionais não conseguem suportar.
10. O crescimento do volume de transações trazido pelos agentes é exponencial: os humanos realizam cerca de 2 transações por dia, enquanto os agentes podem realizar 2000, e os modelos de TPS de sistemas de pagamento tradicionais não conseguem acomodar esta mudança de paradigma.
11. Os caminhos de pagamento não serão substituídos, mas coexistirão em camadas: as redes de cartões são adequadas para interações humanas, enquanto as stablecoins são mais adequadas para interações com máquinas, e ambas funcionarão em paralelo em diferentes cenários.
12. A camada de protocolo está atualmente na "fase inicial de LLM": a coexistência de múltiplos protocolos promove a inovação e, a longo prazo, inevitavelmente convergirá para alguns padrões.
13. A segurança tornou-se uma questão de infraestrutura na era dos agentes: são necessários ambientes de execução como o OpenSHIELD para isolar os agentes em sandboxes e prevenir a propagação de riscos sistémicos.
14. Os principais casos de uso da IA nos pagamentos não mudaram: a prevenção de fraudes, a verificação de identidade e a personalização permanecem como os valores mais centrais, com a implementação evoluindo de regras para modelos e, por fim, para agentes.
15. O verdadeiro avanço do Agentic Commerce não está nos pagamentos, mas na "automação de decisões": quando a pesquisa + recomendação + execução estiverem totalmente automatizadas, os pagamentos serão apenas a etapa final da invocação de capacidades.

Simon Taylor:
Bem-vindo ao Tokenized, um programa focado em stablecoins e na adoção da tokenização de ativos do mundo real. Eu sou Simon Taylor, o seu anfitrião hoje, e também o autor do Fintech Brain Food, bem como o Diretor de Desenvolvimento de Mercado na Tempo.

Hoje continuamos a série Agentic Commerce, e o meu convidado é Bam Azizi, CEO da Mesh. Como tem estado, Bam?

Bam Azizi:
Estou bem, obrigado Simon por nos ter convidado novamente.

Simon Taylor:
Esta série está realmente a decolar. Sinto que o Agentic Commerce se tornou um dos temas mais quentes do mundo neste momento, verdadeiramente a captar a atenção de todos.

Hoje temos também um convidado de uma empresa que também está muito em destaque — provavelmente uma das maiores empresas do mundo — mas que fez algumas coisas para apoiar o Agentic Commerce que a maioria das pessoas não sabe.

Portanto, hoje damos as boas-vindas a Pahal Patangia, Chefe de Desenvolvimento de Negócios Globais da Indústria e Pagamentos na NVIDIA. Pahal, como tem estado?

Pahal Patangia:
Estou bem, Simon, obrigado pelo convite. Estou entusiasmado por estar no programa e aguardo com expectativa a nossa conversa.

Simon Taylor:
De facto, tudo está a encaixar-se — isto é tudo o que adoro: pagamentos, acumulação da NVIDIA no espaço dos videojogos, negócios, stablecoins... todas estas coisas boas.

Mas antes de começarmos, quero lembrar aos nossos espetadores e ouvintes: as opiniões dos nossos convidados representam as suas opiniões pessoais e não refletem necessariamente as das suas empresas. Além disso, nada do que discutimos constitui aconselhamento fiscal, jurídico ou financeiro, pelo que, por favor, faça a sua própria investigação.

Muito bem, numa perspetiva macro, o que significa o Agentic Commerce para uma empresa como a NVIDIA? Uma empresa de GPUs, uma empresa de computação acelerada, uma empresa de IA, uma empresa de hardware — por que está envolvida em pagamentos e negócios?

Pahal Patangia:
Claro, Simon, essa é uma ótima pergunta. Fico feliz que você esteja a perguntar do ponto de vista de uma empresa de GPUs, de hardware e de computação acelerada, pois essa tem sido, de facto, a perceção da NVIDIA durante décadas.

Mas quero dizer que esta perceção tem vindo a evoluir ao longo dos últimos 20 anos.

Ao longo das últimas décadas, a NVIDIA transformou-se numa plataforma de computação acelerada completa, fornecendo capacidades para aplicações de IA em todo o ecossistema.

Antes de mergulharmos no Agentic Commerce ou na IA, é importante compreender o posicionamento da NVIDIA a nível de plataforma e as capacidades que fornecemos — estas capacidades estão, na verdade, a impulsionar a explosão da IA que vê todos os dias.

Normalmente, descrevemos as capacidades da NVIDIA para a construção de aplicações de IA no ecossistema utilizando um conceito de "bolo de cinco camadas".

Este "bolo de cinco camadas" é composto por diferentes "ingredientes" que permitem construir aplicações de IA e fábricas de IA de forma escalável hoje em dia.

A camada inferior é a terra, a energia e a eletricidade — esta é a base para fazer qualquer coisa relacionada com IA.

Acima está a camada do chip, que inclui hardware, GPUs, CPUs e sistemas de rede relacionados.

Em seguida, está a camada do sistema, ou camada do centro de dados, que organiza a forma como estes chips são montados; vemos-os como diferentes unidades que, em última análise, se combinam num "computador massivo".

No passado, entendíamos os computadores como dispositivos pessoais, mas agora o próprio centro de dados é um computador, que é a camada do sistema.

Acima disso está a camada do modelo de base. Estes modelos de base contêm conhecimento, compreensão da indústria e várias capacidades. Existem muitos parceiros no ecossistema, como a OpenAI, a Meta, a Mistral, etc., a construir estes modelos de base.

Mas estes modelos de base precisam de ser refinados para indústrias específicas, cenários específicos e problemas específicos, o que é a quinta camada — a camada de aplicação.

A plataforma da NVIDIA abrange estas cinco camadas, combinando todo este conjunto de capacidades. Os programadores podem aproveitar esta plataforma de cinco camadas para criar aplicações para os seus casos de utilização.

No setor dos pagamentos, uma aplicação fundamental é o Agentic Commerce.

O nosso objetivo é integrar o nosso hardware, software e capacidades de modelo nestes intervenientes do ecossistema, permitindo-lhes criar estas aplicações em grande escala. É esta a nossa posição e a forma como estamos a impulsionar o desenvolvimento de todo o ecossistema.

Simon Taylor:
Um ponto interessante para mim é que, quando falamos com muitas pessoas sobre o Agentic Commerce, todos assumem que há muito software e hardware a gerir estas coisas em segundo plano, mas você está nesta indústria há muito tempo e realmente entende como funcionam estas bases. Qual é a sua opinião?

Bam Azizi:
Sim, é interessante. Na verdade, publiquei algo no LinkedIn sobre esta estrutura em camadas que recebeu bastante atenção.

É muito semelhante ao que o Pahal acabou de descrever. Falei sobre a camada fundamental, camada de distribuição, camada de orquestração e camada de conexão. O meu ponto de vista era que a camada de conexão é a mais importante — claro, um pouco "egoísta", uma vez que a Mesh opera nessa camada.

Mas estou realmente curioso, da perspetiva da NVIDIA, qual camada acham que é a mais importante? Onde estão a investir atualmente mais tempo e recursos?

Pahal Patangia:
Sim, essa é uma ótima pergunta. Penso que, da nossa perspetiva, existem dois fenómenos muito importantes a acontecer na indústria de pagamentos neste momento.

Estamos a introduzir a IA na indústria de pagamentos em grande escala e, normalmente, um fenómeno leva a outro.

O primeiro fenómeno é o surgimento do "Modelo de Fundação de Pagamentos".

Se analisar todo o processo de Comércio Agentivo, verá que este processo foi, na verdade, "comprimido". Por exemplo, o processo de finalização da compra foi comprimido.

No mundo anterior, você, como pessoa, detinha o contexto. Você sabia o que queria comprar, sabia como concluir o processo de compra e esse contexto existia na sua mente.

Mas agora a questão é: de onde o agente obtém esse contexto?

O agente deve aprender o comportamento do utilizador, os perfis de utilizador, as preferências do utilizador e as várias restrições que definiu para a transação (do SKU às regras de transação finais) para adquirir esse contexto.

Então, como é que o agente adquire estas capacidades?

Isto leva a uma nova tendência, que eu diria que é um pouco "underground", mas que está rapidamente a ganhar atenção — o "Modelo de Fundação de Pagamentos".

Porque, na indústria dos serviços financeiros, especialmente em pagamentos e bancos, historicamente todos os dados existiam em formas tabulares estruturadas.

No passado, você alimentaria esses dados com algoritmos de aprendizado de máquina para construir modelos de propensão, como prever o que os usuários poderiam comprar ou quais transações eles poderiam fazer.

No entanto, com o surgimento de uma nova geração de algoritmos, particularmente a arquitetura Transformer — é a base da IA generativa — agora há uma nova tendência de expor esses dados estruturados aos modelos Transformer.

Este é o conceito do "Modelo de Fundação de Pagamentos".

Estes modelos geram algo chamado "embedding".

Em termos simples, o embedding é uma representação semântica do comportamento do utilizador. Por exemplo:

• O que o Pahal provavelmente vai fazer

• Quais são as suas preferências dinâmicas recentes

• Quais são os seus padrões de comportamento a longo prazo

Os modelos de transformação podem integrar esta informação para formar esta incorporação.

Em seguida, estas incorporações são introduzidas no agente, que executa ações com base nesta informação, como a conclusão de transações.

É aqui que os dois mundos começam a fundir-se: a IA e os pagamentos.

Estas incorporações tornam-se a "camada de contexto" para o agente, permitindo que o agente execute melhor, itere melhor e garanta que todas as ações permaneçam dentro das regras estabelecidas, ao mesmo tempo que aprende e otimiza continuamente.

Esta é uma tendência importante que está atualmente a impulsionar o desenvolvimento do Agentic Commerce.

Além disso, quero enfatizar outra tendência que observamos no Agentic Commerce:

Se dividirmos todo o processo em "pesquisa" e "pagamento",

a parte que está a desenvolver-se mais rapidamente e está mais madura é o componente de "pesquisa".

O problema da pesquisa tem sido estudado durante muitos anos e agora existem algoritmos melhores para o resolver, pelo que esta onda tecnológica é muito eficaz na "pesquisa".

É também por isso que a experiência do utilizador está a tornar-se mais personalizada e mais aderente.

Estamos também a colaborar muito com o PayPal. O PayPal pretende trazer as capacidades do Agentic Commerce para o seu ecossistema de comerciantes, que é composto por cerca de 19 milhões de comerciantes.

A maioria destes comerciantes são pequenas e médias empresas e estão relativamente "no escuro" sobre a IA, não compreendendo totalmente o que está a acontecer.

A abordagem do PayPal é fornecer estas capacidades a estes comerciantes através da sua plataforma.

O seu método é:
Ajustar modelos de código aberto para os adaptar ao ambiente e aos casos de utilização específicos do PayPal.

Desta forma, os comerciantes podem utilizar naturalmente estas capacidades sem terem de compreender a tecnologia subjacente por si mesmos.

Simon Taylor:
Acabei de ouvir muito de si e quero tentar resumir para ver se entendi corretamente, ao mesmo tempo que facilitarei a compreensão para o público.

Muitas pessoas ignoram um ponto: além de modelos como Anthropic, ChatGPT e Gemini, existem muitos modelos de código aberto, e a NVIDIA é um interveniente importante nesta área.

Modelos como o seu NeMo e Neotron têm sido consistentemente na vanguarda do desempenho.

Em seguida, empresas como o PayPal irão disponibilizar estas capacidades aos comerciantes.

Criar valor para os comerciantes é tudo na indústria de pagamentos. Os comerciantes são o núcleo das operações mundiais. Se não conseguir servir os comerciantes, então não é essencialmente nada.

São eles que vendem os produtos, são os seus clientes, pagam-lhe. Portanto, deve criar valor para eles.

A Stripe lançou anteriormente um Modelo de Fundação de Pagamento que teve um bom desempenho na luta contra a fraude.

Mas estou curioso, além da luta contra a fraude, o que mais pode o Modelo de Fundação de Pagamento fazer?

Se agora tenho uma incorporação muito rica e multidimensional que pode compreender várias preferências do utilizador, como é que estas capacidades podem ajudar os comerciantes a vender mais e a servir melhor os clientes?

E os comerciantes provavelmente não estão dispostos a partilhar estes dados com grandes laboratórios de IA.

Por isso, tendem a utilizar modelos de código aberto.

Além disso, a diferença entre os modelos de código aberto e os modelos de ponta é agora de cerca de 6 meses, e é uma diferença de desempenho.

Para a maioria dos usos do dia-a-dia, a diferença é quase impercetível.

Para muitos comerciantes de pequena e média dimensão, estes modelos são já muito superiores à versão gratuita do ChatGPT que estão a utilizar atualmente.

Assim, o PayPal pode oferecer-lhes uma experiência muito boa, enquanto as capacidades subjacentes são, na realidade, da NVIDIA.

Acho que muitas pessoas não têm conhecimento disso.

Além disso, vi uma pesquisa que indica que 65% das instituições financeiras já utilizam IA, enquanto 84% afirmam que os modelos de código aberto são importantes para a sua estratégia de IA.

Por isso, quero perguntar-lhe: por que é que os modelos de código aberto se tornaram tão importantes na indústria financeira?

Pahal Patangia:
Sim, essa é uma ótima pergunta.

A indústria financeira tem sido sempre "lenta a adotar" novas tecnologias.

As razões para esta "adoção lenta" incluem:
Regulamentação
Requisitos de explicitação
E desconfiança de "modelos de caixa preta"

As instituições financeiras querem entender o que está acontecendo dentro do modelo para que possam usá-lo com confiança em ambientes de produção.

Portanto, tendem a preferir modelos que possam ser controlados e ajustados.

Ao mesmo tempo, como mencionaste, o desempenho dos modelos de código aberto está agora muito próximo do dos grandes modelos de código fechado.

Esta "proximidade de desempenho" desvia o foco da discussão do "desempenho do modelo" para outras dimensões, como:

• Custo

• Controlo

• Conformidade

• Resiliência do sistema

As empresas querem mais opções ao construir estas aplicações, em vez de dependerem de um único fornecedor.

Claro que também consideramos os fornecedores de modelos de base como clientes e parceiros importantes.

Mas, ao mesmo tempo, quando as empresas precisam de mais flexibilidade, os modelos de código aberto tornam-se mais adequados.

Por exemplo, o modelo Neotron e a ferramenta NeMo da NVIDIA podem ajudar as empresas a ajustar os modelos mais facilmente.

E esta capacidade tornar-se-á cada vez mais importante no Agentic Commerce.

Simon Taylor:
Esta compensação é de facto interessante.

Bam, também quero perguntar-lhe, da perspetiva de construir uma empresa no espaço das stablecoins e pagamentos, como vê a fonte aberta versus a fonte fechada? Os seus clientes preocupam-se com esta questão?

Bam Azizi:
Penso que, da perspetiva do cliente, eles realmente não se importam se é de código aberto ou de código fechado.

Essa é uma preocupação para a comunidade tecnológica, o que é importante para o desenvolvimento científico e tecnológico.

Mas os clientes preocupam-se com uma coisa:
Existe a melhor solução que pode ajudá-los a gerir o seu negócio.

No entanto, o código aberto é muito importante para a indústria, e ainda precisamos de promovê-lo o máximo possível.

Outro ponto que me impressionou foi o que Pahal mencionou sobre a posição da NVIDIA.

No passado, a NVIDIA era mais como a camada de hardware, depois haveria uma camada intermediária, como o ChatGPT, fornecedores de nuvem, etc., e depois a camada de aplicação.

Mas agora vocês estão colaborando diretamente com empresas como o PayPal, isso significa que vocês estão "ignorando a camada intermediária"?

Isso significa mais rápido, mais barato e mais eficiente?

Isso representaria uma ameaça para empresas como a OpenAI?

Pahal Patangia:
De forma alguma.

A nossa filosofia é "apoiar os programadores onde estão".

Se os programadores quiserem utilizar os nossos grandes parceiros, como fornecedores de modelos de base, apoiamos totalmente essa opção e ajudamos-nos a alcançar os melhores resultados.

Se quiserem utilizar modelos de código aberto, também fornecemos ferramentas e suporte de plataforma.

Depende realmente das necessidades e decisões internas da empresa.

Fornecemos uma plataforma completa que lhes permite escolher livremente.

Simon Taylor:
Acho esta compensação muito interessante.

Pahal, como aconselha empresas de pagamento como o PayPal a tomar estas decisões? Por exemplo, quando querem fornecer estas capacidades aos comerciantes, como os ajuda a ponderar diferentes casos de utilização? Que feedback recebe destas empresas de pagamento?

Pahal Patangia:
Essa é uma ótima pergunta.

Neste campo, à medida que você começa a executar modelos cada vez mais complexos, dos modelos atuais para futuros agentes, para sistemas multi-agente, há muitos fatores a considerar.

Primeiro, é claro, é a precisão. Mas uma vez que você otimiza a precisão até certo ponto, o que realmente determina o resultado são vários outros fatores.

O primeiro é o custo.

Por exemplo, se você está atendendo 19 milhões de comerciantes, isso gera um número enorme de chamadas de inferência todos os dias. Você precisa pensar em como otimizar o custo dessas chamadas de inferência para o menor possível no seu caso de uso.

O segundo é a latência.

Ninguém quer esperar, assim como aquele pequeno jogo de cobra no navegador quando a rede cai (jogo offline do Chrome).

Você precisa de respostas em nível de milissegundos.

O modelo precisa pensar, inferir, recolher informações de diferentes fontes de dados, combinar o contexto e tomar decisões dentro das regras estabelecidas — tudo isso em milissegundos.

Para conseguir tudo isso, é necessário consumir muitos tokens, tomar muitas decisões, executar processos complexos e tudo isso deve ser dinâmico e inteligente.

Se o agente for ajustado corretamente e operar sob as restrições certas, ele pode conseguir isso.

Você executa uma vez e, em seguida, há um ciclo de feedback.

Este ciclo de feedback cria um "volante de dados":
Obtém continuamente novos dados, compara os "resultados reais" com os "resultados ideais" e, em seguida, otimiza continuamente o modelo.

Simon Taylor:
E, em seguida, quando estende esta lógica de um único agente para um sistema de vários agentes, as coisas tornam-se ainda mais complexas.

Por exemplo:

• Agentes no lado da rede

• Agentes no lado do emissor

• Agentes no lado do adquirente

Estes agentes comunicar-se-ão entre si.

Ou dentro da empresa:

• Um agente de compras no sistema SAP

• Precisa de falar com o sistema de inventário

• Também precisa de falar com o sistema financeiro

Como é que todo o sistema realiza a inferência? Como é que se torna mais eficiente?

Isto leva a um problema: os tokens vão crescer exponencialmente.

É por isso que a "economia de tokens" se torna muito importante.

Não se trata apenas de reduzir o uso de tokens, mas de alcançar a eficiência ótima entre o custo, o poder de computação e a latência.

Pode até ser entendido como:
"Quantos outputs de tokens de alta qualidade podem ser gerados por quilowatt-hora."

Há, na verdade, um modelo económico por trás disto.

Se não o gerir bem, é fácil gastar muito dinheiro.

Quem já jogou no OpenClaw sabe que é fácil gastar 1000 USD num mês apenas a chamar algumas APIs, e depois cai em vários buracos de coelho.

Para as empresas, esta questão é ainda mais grave.

No passado, você poderia ter executado alguns modelos de aprendizado de máquina, como modelos no Snowflake, CNNs, etc., mas agora a estrutura de custos desses modelos de IA é completamente diferente.

Para uma empresa focada na lealdade do cliente ou na prevenção de fraudes, essa diferença de custo é enorme.

E entre diferentes funções como organizações de cartões, comerciantes e emissores, cada função tem diferentes requisitos para agentes e diferentes necessidades de tokens.

Portanto, a complexidade de todo o sistema é muito alta.

Não só precisa de controlar os custos, como também precisa de um sistema que melhore continuamente ao longo do tempo, aprendendo como um ser humano:
"Acabou de cometer um erro, não faça isso novamente da próxima vez."

Mas se realmente utilizou o OpenClaw, saberá que manter o sistema consistentemente estável a fazer as coisas certas é realmente muito difícil.

Portanto, resolver este problema em cenários empresariais é muito valioso para a NVIDIA.

Simon Taylor:
Vamos voltar ao tema do comércio eletrónico.

Que impacto está o Agentic Commerce a ter atualmente nos negócios?

Os utilizadores conseguem realmente sentir estas mudanças no checkout? Onde é que este valor se manifesta?

Pahal Patangia:
O nosso objetivo é apoiar os intervenientes que realmente criam valor para os utilizadores finais, como as plataformas de pagamento como o PayPal.

Simultaneamente, colaborarão com grandes retalhistas para implementar agentes voltados para o consumidor.

Do ponto de vista da indústria, algumas tendências que estamos a observar incluem:

Por exemplo, a Mastercard já implementou transações totalmente geridas por agentes em alguns países.

Estes são sinais iniciais de sucesso.

Isto dá-nos confiança de que estas tecnologias acabarão por se tornar predominantes.

Claro que ainda há muitas questões a resolver, como:
Estes agentes podem realmente melhorar as taxas de conversão no checkout?
São eles suficientemente estáveis?

Atualmente, são necessários mais ajustes e mecanismos de restrição para permitir que os agentes completem tarefas de forma autónoma.

Simon Taylor:
Quero mencionar especificamente a Sardine, pois eles fizeram muito no espaço antifraude.

Eles têm uma rede de dados de 7 mil milhões de dispositivos, criaram os seus próprios modelos e registaram o desempenho dos agentes.

Estes dados históricos e fluxos de trabalho de agentes são, por si só, uma forma de propriedade intelectual.

No comércio eletrónico, o seu fluxo de trabalho de agente é a sua principal propriedade intelectual.

Penso que este é um ponto muito importante.

Simon Taylor:
Muito obrigado, agradecimentos à Mesh e a todos os patrocinadores por tornarem este programa possível.

Bam, não sei se é como eu, mas agora ouço tantos nomes de protocolos diferentes que não consigo acompanhar todos.

Como está a discutir estes protocolos com os clientes agora? Que perguntas faz à NVIDIA?

Bam Azizi:
Acho que a pergunta mais crítica agora é: o futuro irá evoluir para a integração ou continuará a fragmentar-se?

Esta é uma "pergunta de mil milhões de dólares". Se alguém conseguir responder a esta pergunta, pode construir uma enorme empresa neste campo.

Se me perguntares, eu inclinar-me-ia para a integração, tal como o desenvolvimento da internet.

No passado, havia muitos protocolos diferentes, mas, em última análise, unificámos para o HTTP.

Havia também muitos protocolos para a comunicação entre dispositivos, mas, no final, eles basicamente unificaram-se para o Wi-Fi e o Bluetooth.

Até nas interfaces de carregamento, passou-se de várias interfaces diferentes para uma ou duas padronizadas.

Portanto, acho que algo semelhante acontecerá aqui.

Especialmente com os recentes progressos no x402, por exemplo, estão a pressionar para entrar na Fundação Linux, hospedada por uma organização neutra, com o apoio de empresas como Stripe e Coinbase.

Trabalho em verificação de identidade e segurança, e temos visto um processo de integração semelhante nos protocolos de autenticação.

Portanto, o meu julgamento é que haverá integração.

Mas também estou muito curioso sobre a perspetiva da Pahal.

Outra questão é:
Haverá protocolos diferentes no futuro?

Por exemplo:

• Interação entre humanos e agentes

• Interação entre agentes

A UI/UX e os protocolos para estes dois cenários podem ser completamente diferentes.

O que pensa sobre os desenvolvimentos atuais do mercado?

Simon Taylor:
Lembro-me de uma banda desenhada clássica do XKCD:

"Agora existem 14 padrões de autenticação; precisamos de um padrão unificado."
Depois tornou-se: "Agora existem 15 padrões."

Já está neste campo há tanto tempo, como vê esta questão?

Pahal Patangia:
Sim, se eu tivesse uma bola de cristal, adoraria saber a resposta (risos).

Mas, da nossa perspetiva, concordo com o ponto de vista do Bam:

Em última análise, estes protocolos irão convergir para algumas soluções dominantes.

Mas, no processo, a diversidade atual é realmente uma coisa boa.

Porque estes protocolos estão a ativar mais programadores e a fazer com que mais pessoas comecem a construir.

A fase atual é, na verdade, a "fase de democratização", semelhante ao desenvolvimento dos LLM ao longo dos últimos três anos.

Diferentes modelos continuam a surgir, impulsionando a adoção em toda a indústria.

A mesma coisa acontecerá com estes protocolos.

Estes protocolos atrairão cada vez mais participantes — programadores, empresas, utilizadores — todos construirão sobre estas bases.

Isto promoverá o desenvolvimento da interoperabilidade, levando, em última análise, à integração.

Além disso, à medida que mais agentes são criados, as questões de segurança tornam-se cada vez mais importantes.

Todos estão a criar os seus próprios sistemas de agentes, mas é essencial garantir que estes sistemas operem num ambiente seguro.

É por isso que lançámos algo chamado OpenSHIELD na GTC.

O OpenSHIELD é um runtime de código aberto que é reforçado em termos de segurança, posicionado entre agentes e infraestruturas.

Pode fornecer um ambiente de sandbox para que os agentes operem num ambiente controlado.

Desta forma, mesmo que surjam problemas, o impacto pode ser contido.

Simon Taylor:
Sim, isto é muito crítico.

Muitas pessoas não percebem:

Quando está a criar agentes e também tem um ambiente de produção, deve colocar os agentes em produção?

Se não houver isolamento, se algo der errado, o impacto será significativo.

Portanto, mecanismos de sandbox como o OpenSHIELD são muito importantes.

Simon Taylor:
Também pensei num exemplo: nos primeiros dias da internet móvel, havia o WAP, que as pessoas tentaram usar para pagamentos antes dos smartphones aparecerem.

O Agentic Commerce, até certo ponto, ainda pode estar numa fase muito inicial.

Portanto, estou curioso:

Como está a alocar o seu foco agora?

Está focado principalmente em stablecoins?
Ou em interações humano-agente?
Ou em interações agente-agente?

Está a fazer tudo isto, ou tem um foco?

Pahal Patangia:
Essa é uma ótima pergunta.

Da minha perspetiva, estamos principalmente focados nas tendências mais importantes neste momento:

• Modelos de Fundação de Pagamento

• Comércio Agentivo

Mas, dentro destes, novas sub-tendências continuarão a surgir.

Por exemplo, as stablecoins.

Vemos as stablecoins como um complemento ao sistema de moeda fiduciária existente, trazendo novos utilizadores e novos ecossistemas.

A próxima geração de utilizadores pode estar mais habituada a utilizar stablecoins em vez de cartões de crédito.

Mas, ao mesmo tempo, haverá integração entre os dois.

No entanto, fundamentalmente, os principais casos de utilização da IA nos pagamentos não mudaram:

• Combate à fraude

• Verificação de identidade

• Personalização

Estes permanecem os mais importantes.

Simon Taylor:
Sim, essencialmente, ainda é o valor acrescentado dos pagamentos.

Seja qual for a moeda estável ou a rede de cartões que utilize, estes problemas existirão.

Simon Taylor:
Bam, estou curioso para saber a sua opinião. Está a construir uma rede no espaço das stablecoins; como vê a relação entre o Agentic Commerce e as stablecoins?

Bam Azizi:
Acredito que o Agentic Commerce pode utilizar diferentes vias de pagamento.

Por exemplo, agora os utilizadores procuram produtos como sapatos ou T-shirts no ChatGPT, Anthropic ou Perplexity, e depois os agentes podem ajudar os utilizadores a concluir os pagamentos.

Este pagamento pode ser feito com cartões de crédito ou stablecoins.

Neste cenário, ambos são paralelos.

Mas, nos pagamentos transfronteiriços e nas transações internacionais, as stablecoins terão mais vantagens.

Em cenários de agente para agente, acredito que as stablecoins têm uma vantagem distinta.

O motivo é:

Estas transações são geralmente micropagamentos.
Por exemplo, valores como $0.00005.

Tais montantes não podem ser processados por sistemas Visa ou bancários tradicionais.

Ao mesmo tempo, estas transações precisam de ser:
Em tempo real
Globais
Online

As stablecoins atendem perfeitamente a estas condições.

Outro ponto é a frequência de transação.

Uma pessoa pode fazer 2 transações por dia, em média, mas um agente pode fazer 2000 transações por dia.

Este tipo de TPS (throughput) só pode ser suportado por blockchain.

Os sistemas de pagamento tradicionais não são projetados para agentes; eles falharão.

Portanto, sou muito otimista em relação à aplicação de stablecoins no Agentic Commerce.

Simon Taylor:
Esta é, de facto, uma explosão exponencial, certo?

Lembro-me de que são enviados cerca de 4 milhões de e-mails na internet por segundo, e isso são apenas e-mails, sem contar os vídeos.

Num mundo assim, a capacidade dos sistemas de pagamento tradicionais para processar dezenas de milhares de transações por segundo é claramente insuficiente.

Mas vamos voltar à realidade um pouco, Pahal, da sua perspetiva, onde está a procura real do utilizador? Onde está o verdadeiro volume de transações?

Costumo brincar que agora há mais protocolos no Agentic Commerce do que em protocolos de pagamento.

Você pode estar mais próximo da infraestrutura subjacente — até mesmo da "infraestrutura da infraestrutura da infraestrutura".

Então, onde você vê a verdadeira demanda? Onde estão os casos de uso reais?

Pahal Patangia:
Eu acho que esta pergunta pode ser respondida a partir de duas perspetivas.

A primeira é a perspetiva de todo o ecossistema.

Como mencionei anteriormente, podemos dividir todo o processo em duas partes:

• Pesquisa

• Pagamento

Atualmente, a parte de pesquisa está relativamente madura, a ponto de poder dizer-se que está maioritariamente resolvida.

A parte de pagamento, no entanto, ainda está em muitas fases experimentais.

Muitos testes em ambiente de testes estão em curso.

É também por isso que sou muito otimista em relação a ferramentas como o OpenSHIELD, pois podem ajudar o ecossistema a construir estes agentes num ambiente seguro e permitir-lhes ter capacidades de transação.

A segunda perspetiva é a de longo prazo.

Sou muito otimista em relação ao desenvolvimento de sistemas multi-agente.

No futuro, diferentes agentes irão interagir e colaborar uns com os outros.

O nosso papel é ajudar a melhorar estes sistemas:

• Através de ciclos de feedback

• Através de ambientes operacionais seguros

• Através de vários mecanismos de restrição (guardrails)

Claro que também será necessário fazer muitos ajustes para garantir que estes agentes possam executar conforme o esperado sem desviarem.

Estas são todas as direções em que nos vamos concentrar no futuro.

Simon Taylor:
Acho que um tema muito importante na discussão de hoje é a "economia de tokens".

De facto, quando falámos sobre tokens há pouco, eu e o Bam rimos porque, no espaço das stablecoins, a nossa compreensão da economia de tokens é uma lógica diferente.

Mas agora vai encontrar:

Tudo se transformou em "tokens".

Existem tokens na verificação de identidade
Tokens em cibersegurança
Visa e Mastercard têm tokens de rede
Tokens no open banking
As stablecoins são tokens
Também os tokens em IA

O termo "token" em inglês pode ser bastante confuso porque, originalmente, significava apenas "um substituto", mas agora quase tudo pode ser chamado de token.

Mas, em qualquer caso, deve compreender o modelo económico por trás disso.

Em última análise, seja na IA ou nas redes de pagamento, o que determina a experiência do utilizador ainda é:

• Velocidade

• Custo

Estes dois fatores continuarão a trazer-nos de volta à realidade.

Simon Taylor:
Pahal, muito obrigado pelas suas perceções hoje. Como alguém que tem acompanhado a NVIDIA há muito tempo e que também faz parte da indústria de pagamentos, esta conversa foi muito interessante. Se as pessoas quiserem saber mais sobre si ou sobre o trabalho da NVIDIA em pagamentos, onde podem ir?

Pahal Patangia:
As pessoas podem contactar-me no LinkedIn ou através do meu e-mail.

Se quiserem saber mais sobre o trabalho da NVIDIA em serviços financeiros, podem visitar o site oficial da NVIDIA, onde temos uma página dedicada à indústria que detalha o nosso trabalho em pagamentos, bancos e mercados de capitais.

Esperamos trazer as capacidades da IA para todo o ecossistema e estamos felizes por sermos o seu parceiro.

Simon Taylor:
Ótimo, obrigado. Bam, se as pessoas quiserem ligar-se à rede Mesh ou entrar em contacto consigo, como devem fazê-lo?

Bam Azizi:
Pode visitar meshpay.com ou procurar o Mesh Pay no Twitter ou no LinkedIn. Se quiserem encontrar-me, podem procurar Bam Azizi no Telegram ou no Twitter.

Simon Taylor:
Também me podem encontrar em várias plataformas ou visitar finttechbrainfood.com. Escrevi recentemente um artigo sobre "comércio invisível", discutindo alguns problemas potenciais com o Agentic Commerce. Se gostou deste programa, lembre-se de subscrever, curtir e partilhá-lo com amigos para que mais pessoas possam ver este conteúdo. Até à próxima.