Da a cooperação entre múltiplos agentes à previsão de mercados e à execução on-chain, um experimento sobre economias autônomas de IA está em andamento
julho de 2026
Nos últimos dois anos, a lógica competitiva da inteligência artificial vem mudando de forma notável.
No primeiro estágio, as pessoas discutiam se grandes modelos conseguem gerar textos, imagens e código melhores. No segundo estágio, o mercado passou a se concentrar no AI Copilot — a inteligência artificial consegue se tornar uma ferramenta de apoio para as pessoas?
E agora, um novo rumo está tomando forma: a IA não está mais apenas respondendo perguntas — ela começa a compreender objetivos, decompor tarefas, chamar ferramentas, tomar decisões e concluir a execução.
Esse também é o motivo pelo qual Agentes de IA estão recebendo cada vez mais atenção de empreendedores de tecnologia e investidores.
Mas, do ponto de vista do VC, as questões que realmente valem estudo não se resumem a “o Agente de IA vai virar o próximo segmento em alta?”. O mais importante é: quando o Agente de IA obtém ativos, identidade, capacidade de pagamento e um ambiente verificável de execução, no que ele se transforma?
O Web3 está oferecendo uma nova resposta para esse problema.
E a Vanguard está tentando explorar uma nova infraestrutura financeira autônoma na interseção entre Agentes de IA, mercado de previsões e execução on-chain.
Do chatbot ao agente: a IA está mudando de papel
A inteligência artificial do passado era mais como uma ferramenta. O usuário formula a pergunta, a IA dá a resposta; o usuário dá instruções, a IA fornece sugestões; no final, a operação e a execução de verdade ainda são feitas por pessoas.
Mas o surgimento dos Agentes de IA está mudando esse modelo. Um agente com verdadeiro significado não é apenas “saber conversar”. Ele também precisa ter capacidade de perceber o ambiente, entender tarefas, planejar de forma autônoma, chamar ferramentas, executar em múltiplas etapas, fornecer feedback dos resultados e otimizar continuamente.
Em poucas palavras: a IA tradicional é mais como “te dizer o que fazer”, enquanto o Agente de IA se aproxima de “entender o que você precisa concluir e ajudar a terminar a tarefa”.
Do ponto de vista da lógica de investimento, isso implica que o valor comercial da IA pode estar migrando de “assinatura de software” para “execução de tarefas”.
Quando a IA começa a participar diretamente do fluxo do negócio, seu valor deixa de depender apenas da capacidade do modelo. Ele também depende de haver dados em tempo real, de conseguir chamar sistemas externos, de conseguir executar de forma autônoma, de ter gerenciamento de permissões, de conseguir realizar pagamentos e liquidação e de o resultado da execução poder ser verificado.
É exatamente aqui que Agentes de IA e Web3 começam a se cruzar.
Por que Agentes de IA precisam de Web3?
Muitas pessoas enxergam IA e Web3 como dois segmentos totalmente diferentes: um representa inteligência; o outro representa blockchain e ativos digitais.
Mas, do ponto de vista da infraestrutura, na verdade existe uma complementaridade natural entre os dois.
Agentes de IA são bons em compreender informações, analisar o ambiente, gerar estratégias, tomar decisões e executar tarefas; o Web3 pode fornecer identidade digital, contas de carteira, propriedade de ativos, pagamentos programáveis, registros on-chain, protocolos abertos e execução verificável.
Em outras palavras: a IA é responsável por “pensar e agir”; o Web3 é responsável por “identidade, ativos, liquidação e comprovação”.
Se os Agentes de IA no futuro forem apenas para ajudar usuários a escrever e-mails, fazer PPTs, então pode não ser necessário Web3. Mas se os Agentes de IA começarem a gerenciar ativos digitais, chamar protocolos on-chain, participar de mercados de previsões, executar estratégias de automação, concluir pagamentos entre máquina e máquina e alocar recursos de forma autônoma, então carteiras, contas on-chain, ativos digitais e registros verificáveis podem se tornar uma infraestrutura importante.
Esse também é o motivo pelo qual IA × Web3 é realmente digno da atenção do VC. Não é apenas a soma simples de dois conceitos em alta; é uma questão mais profunda: quando o software começa a ter capacidade de agir, o software também precisa de sua própria conta, ativos e sistema de liquidação?
Do ponto de vista do VC de IA × Web3, há três questões realmente importantes
Para investidores, se um novo segmento merece atenção de longo prazo muitas vezes não depende de o conceito estar em alta; depende de ele criar novas capacidades, gerar novas relações econômicas e formar uma nova camada de infraestrutura.
Primeiro, criar novas capacidades?
Mudanças tecnológicas realmente valiosas normalmente não são apenas trocar o nome de um produto existente, e sim criar capacidades que antes eram impossíveis.
A maior mudança ao combinar Agentes de IA e Web3 é que o software deixa de ser apenas uma fonte de informação: ele passa a ter capacidade de perceber o ambiente continuamente, julgar de forma autônoma, chamar capital e protocolos e executar fluxos complexos.
Isso significa que o software pode deixar de ser apenas “uma ferramenta” e se transformar em “um participante”.
Segundo, criar novas relações econômicas?
Na internet tradicional, o software serve principalmente às pessoas. Já na era dos Agentes, pode aparecer um número crescente de transações entre agentes e pessoas, transações entre agentes e plataformas e até transações entre agentes.
Se a inteligência artificial conseguir comprar dados de forma autônoma, pagar taxas de APIs, chamar poder computacional, configurar ativos e executar tarefas on-chain, então a própria máquina pode se tornar um novo agente econômico.
Esse também é o chamado “Agent Economy”, ou seja, o espaço central de imaginação para a economia de agentes.
Terceiro, formar uma nova camada de infraestrutura?
O que o VC costuma observar não é uma aplicação de curto prazo, e sim quem tem chance de se tornar a infraestrutura-base da próxima geração de ecossistema.
Na era da internet móvel, a infraestrutura inclui sistemas operacionais, serviços de nuvem, pagamentos e app stores.
Na era dos Agentes de IA, a nova infraestrutura fundamental pode incluir identidade de agente, carteira de agente, escalonamento de modelos, acesso a dados, execução de tarefas, controle de riscos e liquidação on-chain.
A direção escolhida pela Vanguard está justamente nessa área de interseção.
Ponto de entrada da Vanguard: fazer com que a IA saia da etapa de julgamento e entre na execução
De acordo com os materiais do projeto, a Vanguard não se definiu como um mero chatbot ou ferramenta de sinais de negociação. Seu núcleo de tecnologia gira em torno do mecanismo inteligente da VGQuant.
O sistema tenta conectar dados em tempo real, análise de IA, julgamento de estratégia, controle de riscos, processo de execução, feedback de resultados e iteração do modelo.
Os materiais do projeto apresentam uma arquitetura em quatro camadas: a camada inferior é o núcleo inteligente da VGQuant; a camada de interação é a central de AI Agent; a camada de aplicação é o VGMatrix DApp; e a camada do usuário é uma interface personalizada.
Essa arquitetura tenta conectar, juntas, os dados da camada base, as capacidades do modelo, a colaboração dos agentes e as aplicações on-chain.
Do ponto de vista do VC, o foco desse design não é “quanto de IA foi usada”. O que realmente vale observar é: se ele consegue formar um ciclo técnico completo de dados percebidos até execução final.
Porque na era dos agentes, o maior abismo tecnológico talvez não seja mais “quem consegue responder mais perguntas com o modelo”, e sim “quem consegue fazer a IA concluir tarefas de forma confiável em ambientes reais”.
Seis agentes: o experimento multiagente da Vanguard
Outro design importante da Vanguard é não tentar fazer com que um único modelo de IA conclua todo o trabalho. Nos materiais do projeto, o sistema é composto por seis agentes inteligentes profissionais em colaboração, e cada um deles é responsável por tarefas diferentes.
RECON: agente de inteligência
O RECON é responsável por escanear notícias globais, tendências em mídias sociais, dados on-chain, eventos macro e mudanças no mercado de previsões. O papel dele é mais parecido com um sistema de inteligência 24/7.
No processo tradicional, uma notícia precisa passar por “alguém vê — alguém entende — alguém analisa — alguém decide se deve agir”. Já em um sistema de Agentes, o objetivo é comprimir esse fluxo para: o evento acontece — a máquina percebe — análise estruturada — decisão de estratégia — entrar no processo de execução.
RAPTOR: agente de identificação de oportunidades
O RAPTOR é responsável por identificar possíveis falhas de precificação no mercado de previsões.
A particularidade do mercado de previsões é que ele não negocia commodities tradicionais, e sim probabilidades de eventos futuros. A velocidade de disseminação de informações no mundo real é diferente, os julgamentos dos diferentes participantes também diferem e a profundidade do mercado também não é a mesma; por isso, podem existir desvios de precificação no curto prazo.
O papel do RAPTOR é tentar identificar essas relações anômalas de preços.
Sob o ponto de vista técnico, isso não é simplesmente “prever alta ou baixa”, e sim buscar inconsistências lógicas entre diferentes preços.
AEGIS: agente de controle de riscos
Qualquer sistema de IA orientado à execução não pode buscar apenas oportunidades. Ele também precisa saber quando não deve executar.
A AEGIS monitora anomalias, realiza julgamentos de limiares de risco, gerencia limites de posição, executa proteção e, quando necessário, dispara circuit breaker (interrupção).
Do ponto de vista do VC, sistemas de risco tendem a ser mais importantes do que apenas estratégias de negociação. Porque o que realmente determina se um sistema automatizado consegue operar por muito tempo não é quanto ele ganha nos melhores momentos, e sim se ele consegue sobreviver nos piores momentos.
NEXUS: agente de inteligência de liquidez
A oportunidade teórica não significa que possa ser executada necessariamente na prática. O mercado real também é influenciado por fatores como profundidade, volume negociado, slippage, uso de capital e custos de execução.
O papel do NEXUS é determinar como o capital é alocado entre diferentes mercados e pools de liquidez.
PULSE: agente de timing
PULSE é responsável por executar no momento oportuno.
Em mercados de mudanças rápidas, a diferença de custos pode ser total dependendo se a mesma estratégia é executada um segundo antes ou um segundo depois. Portanto, o sistema não precisa apenas saber “o que fazer”, mas também “quando fazer”.
ANCHOR: agente de rebalanceamento
ANCHOR é responsável por ajustar dinamicamente a alocação de ativos. Mesmo que uma estratégia única funcione, se houver excesso de concentração por muito tempo, pode surgir um novo risco.
Assim, o sistema precisa processar continuamente a concentração de capital, o equilíbrio da carteira, mudanças do mercado e exposições de risco.
O verdadeiro significado dos seis Agentes não está no nome em si, mas no fato de que eles representam um novo modo de projetar software: no futuro, sistemas complexos talvez não sejam mais concluídos por um único supermodelo, e sim por vários agentes especializados trabalhando em conjunto.
Por que o mercado de previsões pode se tornar um campo de testes importante para Agentes de IA?
Do ponto de vista do VC, o mercado de previsões é um cenário muito interessante. Porque ele reúne, ao mesmo tempo, dados em tempo real, resultado claro, mudanças frequentes de informação, probabilidades negociáveis e liquidação de ativos digitais.
Isso o torna um ambiente natural para testar Agentes de IA. Um sistema de agentes precisa concluir tarefas como obter notícias, entender eventos, avaliar o impacto, identificar mudanças de precificação, avaliar riscos, escolher o momento de execução e registrar o resultado final.
Os materiais do projeto descrevem esse processo como um ciclo fechado de oito etapas: coleta de dados, julgamento de decisão, execução de transações, registro de resultados, análise de atribuição, atualização de estratégia, iteração do modelo e otimização da próxima vez.
Isso é o que há de mais diferente da IA tradicional: as tarefas da IA tradicional terminam depois de gerar uma resposta; já as tarefas de um agente começam de verdade depois da execução.
Porque o sistema também precisa saber se o resultado está correto, por que teve sucesso, por que falhou e como ajustar na próxima vez.
O valor do Web3: permitir que os resultados da execução sejam rastreados
Um dos maiores problemas dos Agentes de IA é a confiança.
Quando uma IA diz “executei a tarefa”, como provar isso?
Na internet tradicional, muitos registros de execução são salvos nos próprios bancos de dados da plataforma. A plataforma controla os dados, permissões, registros e resultados.
E sistemas on-chain oferecem outra possibilidade: registros de execução podem se tornar rastreáveis, ter carimbo de tempo, serem difíceis de adulterar e poderem ser verificados publicamente.
Isso não significa que todos os sistemas de IA precisem ser on-chain. Mas em cenários envolvendo ativos, pagamentos, transações e liquidação, a verificabilidade se torna cada vez mais importante.
Esse também é um dos fundamentos centrais pelos quais a Vanguard combina Agentes de IA com aplicações on-chain. Segundo os materiais do projeto, o sistema de dados da VGQuant conecta várias fontes, como dados on-chain, dados de exchanges, informações de mercado de previsão, oráculos e notícias/volume de informações.
Do ponto de vista do capital, o valor potencial dessa concepção não é apenas “trading automático”. Mais importante, ela tenta criar um sistema que a IA consiga perceber, decidir e executar e que, ao mesmo tempo, possa ser verificado.
A verdadeira vantagem competitiva não será apenas “usamos IA”
Nos próximos anos, cada vez mais projetos vão alegar que têm IA, Agentes, Web3 e automação. Portanto, o conceito em si não se tornará uma barreira de longo prazo.
A verdadeira concorrência se concentrará em cinco aspectos: dados, execução, controle de riscos, verificabilidade e aprendizado contínuo.
Primeiro, dados
O sistema possui fontes de dados estáveis, em tempo real, de alta qualidade e sustentáveis?
Segundo, execução
As decisões feitas pelo modelo conseguem realmente se transformar em execução confiável? Muitos problemas de produtos de IA não estão em não saber analisar, e sim em não conseguir concluir a última milha.
Terceiro, controle de riscos
O sistema consegue identificar anomalias, limitar perdas, interromper execução errada e lidar com cenários extremos?
Quarto, verificabilidade
O sistema afirma que fez o quê, e se isso pode ser verificado externamente?
Quinto, aprendizado contínuo
O resultado da execução consegue entrar em um novo modelo e estratégia? Se não conseguir formar um ciclo de feedback, o Agente de IA pode facilmente se degradar para um simples script de automação.
A competitividade de longo prazo da Vanguard também depende, em última instância, dessas capacidades — e não apenas de quantos agentes existem, quantos parâmetros os modelos têm ou quão novas são as ideias divulgadas.
De uma narrativa de capital para validação real
A história de IA × Web3 é grande, mas quanto maior a história, mais precisa de validação real.
Para a Vanguard, as questões que o mercado futuro realmente vai observar incluem: se o sistema funciona de fato, se os seis agentes conseguem colaborar de forma estável, se as fontes de dados são confiáveis, se os mecanismos de risco são eficazes, se os resultados da execução podem ser rastreados, se a estratégia consegue se adaptar por muito tempo a diferentes mercados e se os indicadores técnicos podem ser verificados independentemente.
Os materiais do projeto mostram o sistema de dados multi-fonte da VGQuant, os seis agentes e um ciclo fechado completo de execução.
Mas, para qualquer nova infraestrutura financeira de IA, a verdadeira confiança não vem de um PPT; vem de uma entrega contínua, transparente e verificável.
Esse também é o desafio comum que todos os projetos de Agentes de IA no futuro precisarão enfrentar.
Sobre empresa e base de conformidade
De acordo com os materiais do projeto da Vanguard, a Vanguard Crypto Intelligence já concluiu o registro da empresa na Califórnia, nos Estados Unidos.
Os materiais também mostram o FinCEN Money Services Business, ou seja, as informações de registro do MSB.
A seguir, é importante esclarecer: o registro do FinCEN MSB faz parte do sistema de supervisão, registro e arquivamento, e não é o mesmo que a aprovação e endosso do governo dos EUA ou do FinCEN a qualquer modelo de negócios, produto de investimento, estratégia de negociação, token ou desempenho de retornos.
Do ponto de vista do VC e do desenvolvimento empresarial de longo prazo, o mais importante continua sendo: conformidade contínua, capacidade real de negócio, entrega técnica, controle de riscos e transparência.
A próxima geração da internet talvez não seja apenas “pessoas usando software”
A lógica central da internet nos últimos trinta anos foi: pessoas usam software, clicam em botões, e pessoas concluem transações.
E o surgimento de Agentes de IA pode trazer mudanças novas. O futuro pode ser um software que entende ativamente objetivos, decompõe tarefas, chama ferramentas, realiza pagamentos, executa negociações e aprende continuamente.
Nesse cenário, os participantes na internet deixarão de ser apenas humanos; também podem incluir muitos Agentes de IA que têm contas, ativos, conseguem chamar serviços e conseguem concluir transações.
Web3 fornece ativos e liquidação; IA fornece inteligência e tomada de decisão.
Quando ambos começam a se combinar, surge um novo problema: no futuro da economia digital, o Agente de IA se tornará um novo participante econômico?
É exatamente aqui que IA × Web3 é mais digno de observação de longo prazo pelo mercado de capitais.
A posição da Vanguard
O que a Vanguard escolheu não é apenas uma história simples de “IA + cripto”. Pelo menos na direção da arquitetura técnica, ela tenta explorar a combinação de: Agentes de IA, colaboração entre múltiplos agentes, mercado de previsões, execução on-chain, feedback de dados e iteração contínua.
Do ponto de vista do investimento, o valor real dessa direção está em tentar responder a uma pergunta de longo prazo: como a IA, de um software que pensa, se torna um software capaz de agir na economia digital?
A resposta ainda não está totalmente formada, e esse segmento ainda está em estágio inicial.
Mas justamente por isso, a interseção entre Agentes de IA e Web3 pode se tornar um dos experimentos tecnológicos mais valiosos para observar continuamente nos próximos anos.
E a Vanguard deseja ser uma participante da infraestrutura nesse experimento.
Sobre a Vanguard
A Vanguard é uma plataforma tecnológica construída em torno de Agentes de IA, do mecanismo inteligente VGQuant, do mercado de previsões e da execução on-chain.
De acordo com os materiais do projeto, o sistema multiagente inclui: agente inteligente de RECON (inteligência de informação), agente de oportunidades RAPTOR, agente de controle de riscos AEGIS, agente de liquidez NEXUS, agente de timing PULSE e agente de rebalanceamento ANCHOR.
A direção central da tecnologia do projeto é impulsionar a IA, de uma ferramenta tradicional de análise de informação, para um sistema autônomo capaz de perceber, julgar, cooperar, executar, fornecer feedback e iterar.