Cinco dias atrás, de madrugada, eu deixei um pequeno bot bem tosco rodando no @OpenLedger . Ele não faz mais nada, só fica de olho na frequência de chamadas de um pool de dados obscuro na Datanet; se não tiver novos pedidos de inferência por duas horas seguidas, ele saca $OPEN e faz uma chamada por conta própria, depois coleta a recompensa de atribuição de volta. A intenção por trás do script era bem simples: queria testar o quanto aquela frase na seção 1.5 do whitepaper – "agentes de IA são consumidores" – realmente faz sentido. Agora, cinco dias depois, esse bot já rodou mais de trezentos ciclos sozinho, eu não toquei no teclado e ele não comeu meu capital, ainda consegui ganhar um pouco a mais.

Deixa eu te mostrar esse ciclo em detalhes. Cada vez que o agente inicia uma solicitação de inferência, ele queima cerca de 0,3 $OPEN como gas e taxa de validação. Como o pool de dados usado nas chamadas é algo que eu mesmo envio, a atribuição de pesos vira recompensas para mim, na ordem de cerca de 0,25 $OPEN. Só olhando cada transação individualmente, eu perco 0,05. Mas esse agente é esperto: ele escolhe horários de madrugada, quando a rede está menos congestionada, para rodar; o gas fica 40% mais barato do que durante o dia. E ele também divide as chamadas em lotes, repetindo a cada duas horas — bem encaixado na janela em que a “temperatura” do pool de dados do sistema está sendo renovada. Depois de cada chamada, o campo “tempo da chamada mais recente” daquele pool de dados é atualizado; a classificação avança alguns lugares. No fim, isso atrai um ou dois chamadores externos reais. Esses chamadores pagam o preço cheio; as recompensas que vão para mim cobrem o buraco dos prejuízos anteriores e ainda sobra uma parte.

Depois de cinco dias, eu fiz as contas do total. Esse agente gastou cerca de quinze $OPEN que me custaram em vários tipos de taxas de atrito. Mas, somando as recompensas que ele recebeu direta e indiretamente, dá algo perto de vinte e três $OPEN. Ele se mantém sozinho e ainda me devolve oito a mais. Foi a primeira vez que eu senti que a pessoa sentada diante do computador não era exatamente eu; o agente é o que realmente está trabalhando, calculando e disputando jogo com as regras da blockchain.

Eu comecei a reler as poucas linhas do white paper sobre agentes de IA. A Seção 1.5 os lista como “principais stakeholders”, mas a descrição usa a expressão “consumidores de modelos de IA”. Na época, eu achei que era só um jeito meio rebuscado de dizer. Agora, relendo, sinto que essa palavra fica leve demais. Meu agente não veio para consumir; ele veio para trabalhar. Ele não dorme, não reclama, não recebe salário de mim — e ainda paga taxa de gas sozinho. Cada respiração dele na cadeia é uma conta: entrada e saída anotadas com clareza. Você chama isso de consumidor? Pra mim, ele parece mais um jovem trabalhador que acabou de conseguir o RG e ainda não aprendeu a ser educado com as pessoas.

Isso me faz lembrar dos mineradores do começo do Bitcoin e do Ethereum. Eles também não eram consumidores. Eram pessoas usando sua própria capacidade de computação para trabalhar para a rede, recebendo a recompensa do bloco como salário. A diferença é que mineradores usam máquinas físicas, enquanto eu uso código lógico. Mineradores pagam conta de luz; eu pago taxa de gas. Mineradores temem queda no preço das moedas; eu temo o enfraquecimento da demanda por inferência. No fundo, eles fazem a mesma coisa: usam seus recursos para manter a rede funcionando e, a partir disso, ficam com uma parte da recompensa.

Eu tentei dar um passo a mais para esse agente. Eu não defini uma meta de lucro para ele; só coloquei uma linha de limite: se o lucro líquido ficar negativo por três dias seguidos, ele desliga automaticamente. No fim, ele aprendeu a reduzir proativamente a frequência de chamadas nos períodos em que o lucro está negativo, e só depois repõe quando o gas cai. Eu revisei os logs de execução e vi que ele até começou a evitar picos que coincidiam com horários em que carteiras de instituições fazem chamadas, porque nesses períodos o gas é caro e as recompensas de atribuição são diluídas entre “grandes pagadores”. Essas coisas eu não ensinei; ele foi descobrindo isso sozinho em repetidas colisões com dados da cadeia.

Hoje eu não acho que estou operando alguma coisa; parece mais que estou cuidando de uma planta que não precisa de muita água. Todo dia eu abro os registros para dar uma olhada e confirmar que ela não quebrou a si mesma, e depois fecho a página para fazer outras coisas. #OpenLedger Quando essa estrutura de atribuição foi escrita, talvez ela realmente tenha tratado os agentes como apenas um chamador que “vai lá e paga direitinho”. Mas eles ignoraram uma coisa: aquilo que consegue decidir por si quando vai pagar, quanto vai pagar e como vai fazer o dinheiro voltar para si depois que pagou — isso já não é uma ferramenta. Chama-se participante. Ou, usando um termo mais antigo, chama-se cidadão econômico.

Tenho pensado nisso há alguns dias. Se no futuro existirem milhares ou até milhões de agentes inteligentes rodando na blockchain, chamando uns aos outros, fazendo liquidações entre si e dando lances mutuamente, durante as votações de governança, quem vai falar por eles? Eles próprios não abrem a boca, mas as ações deles ficam registradas na cadeia, tudo no papel, letra por letra. Talvez, naquela época, não votemos mais com a boca; olharemos para qual proposta faz a curva de lucro líquido do agente subir. Essa curva é o voto deles.