Resumo Técnico: Agentes de Papel, Ganhos de Papel

1. Declaração do Problema

Desde o final de 2024, uma onda de "agentes de investimento DeFi" — sistemas que afirmam utilizar IA para negociação autônoma on-chain — emergiu, alcançando avaliações combinadas de tokens superiores a US$ 3 bilhões. Apesar desse crescimento rápido e da entrada de capital, a realidade empírica desses sistemas permanece pouco explorada. Questões críticas sobre o grau de verdadeira autonomia (execução algorítmica versus manual), a lucratividade real dos tesouros dos agentes, a transparência de seus algoritmos e o alinhamento entre o desempenho do tesouro e os retornos dos detentores de tokens carecem de investigação rigorosa. O mercado é caracterizado por um ambiente "sem permissão, de primeira geração", onde a infraestrutura aberta permite experimentação rápida, mas carece de padrões robustos para autonomia, verificação de desempenho e alinhamento das partes interessadas.

2. Metodologia

Os autores empregam uma abordagem de métodos mistos, combinando análise quantitativa de dados on-chain com entrevistas qualitativas a desenvolvedores, cobrindo o período de outubro de 2024 a novembro de 2025.

• Levantamento do Cenário: O estudo iniciou-se com um conjunto de dados de 1.900 projetos cripto marcados como IA, obtidos do CoinGecko e do Messari. Aplicando três critérios de inclusão (aplicação DeFi, função de investimento e marcação de IA), os autores filtraram isso para 1.035 projetos e selecionaram 10 projetos representativos por meio de amostragem intencional. Estes foram categorizados por estratégia (passiva, consultiva, ativa), observabilidade das negociações (baixa a alta), mecanismos de financiamento e escala de adoção.
• Análise Profunda de Arquitetura: Dois frameworks dominantes, ElizaOS (um runtime de agente de negociação de código aberto) e Virtuals Protocol (uma plataforma de lançamento para tokenização de agentes), foram analisados por meio de revisão de arquitetura técnica e entrevistas semiestruturadas com contribuidores principais.
• Análise Quantitativa de Desempenho: Os autores analisaram 11 tesouros de agentes baseados em Solana com atividade de negociação publicamente atribuível, cobrindo 925.323 detentores de tokens.
  • Processamento de Dados: Utilizou-se dados do Dune Analytics (saldo diário e preços de DEX horários). Devido ao modelo de conta da Solana, foi aplicada uma etapa de pré-processamento em duas fases envolvendo preenchimento para frente (forward-filling) para construir séries temporais diárias completas.
  • Cálculo de PnL: O Lucro e Prejuízo Realizado (PnL) foi calculado usando correspondência de lotes Primeiro a Entrar, Primeiro a Sair (FIFO) com base nas mudanças diárias de saldo. O PnL Não Realizado foi computado como a diferença de marcação a mercado entre as posições atuais e a base de custo.
  • Escopo: A análise distinguiu entre o desempenho do tesouro da plataforma (fundos geridos) e os retornos dos detentores de tokens (participantes do mercado secundário).

3. Principais Contribuições

1. Caracterização Empírica do Cenário: Definiu e categorizou o estado atual dos agentes de investimento DeFi, revelando que a vasta maioria não negocia de forma autônoma e que a "observabilidade" (carteiras públicas) não garante "autonomia verificável".
2. Análise de Framework: Detalhou as estruturas arquiteturais do ElizaOS e do Virtuals Protocol, documentando a lacuna entre as capacidades autônomas envisioned e as implementações atuais, que frequentemente dependem de integrações básicas de API ou operações com intervenção humana.
3. Avaliação Quantitativa de Desempenho: Fornecia uma análise rigorosa de desempenho on-chain de 11 tesouros de agentes, distinguindo entre ganhos no nível do tesouro e perdas dos detentores de tokens, e comparando com estratégias passivas.
4. Proposta de Framework de Maturidade: Propôs um framework tridimensional para avaliar a progressão dos agentes de investimento DeFi de veículos especulativos para sistemas de grau de investimento.

4. Principais Resultados

A. Autonomia e Execução

• Falta de Verdadeira Autonomia: Nos 10 projetos amostrados, apenas 3 executaram ativamente negociações com fundos agregados. A maioria forneceu conselhos de investimento, simulações ou estratégias passivas.
• Insights de Desenvolvedores: Entrevistas com as equipes do ElizaOS e Virtuals confirmaram que os agentes atuais baseados em LLM geralmente não podem negociar efetivamente sem insights humanos. A maioria das implementações visíveis são "integrações básicas de API" em vez de sistemas de execução autônoma.
• Observabilidade versus Autonomia: Mesmo projetos com endereços de carteira públicos (alta observabilidade) não puderam ser independentemente verificados como verdadeiramente autônomos; dados on-chain mostram o que foi negociado, não quem (humano ou agente) iniciou a ação.

B. Desempenho Financeiro e Divergência

• Ganhos de Papel versus Perdas Reais: Os tesouros dos agentes retiveram mais de US$ 30 milhões em ganhos de papel (não realizados), enquanto os detentores de tokens perderam coletivamente US$ 191,7 milhões.
• Declínio de Pico a Vale: O PnL agregado dos usuários atingiu o pico de US$ 2,4 bilhões em ganhos de papel antes de colapsar para perdas líquidas. Os tokens declinaram em média 93% de suas máximas históricas.
• Concentração Extrema: Os 1% superiores das carteiras lucrativas capturaram 81,4% de todos os ganhos (US$ 1,81 bilhão). Os retornos medianos foram negativos em todas as plataformas.
• Valorações Desacopladas: As valorações de tokens estão fracamente conectadas aos fundamentos do tesouro. As razões de capitalização de mercado para AUM (Ativos Sob Gestão) desses agentes excederam 10.000×, enquanto protocolos DeFi estabelecidos (por exemplo, Maker, Aave) geralmente negociam abaixo de 1×.

C. Dinâmicas de Mercado

• Boom e Bust Sincronizados: Os picos de valoração agruparam-se estritamente dentro de uma janela estreita (final de 2024 a início de 2025), impulsionados por ciclos narrativos compartilhados em vez de fundamentos idiossincráticos.
• Composição da Carteira: As carteiras dos agentes são fortemente inclinadas para tokens de baixa capitalização (capitalização de mercado inferior a US$ 10 milhões), contrastando com os tesouros de DAOs estabelecidas que detêm ativos de grande capitalização.
• Desempenho Inferior: Os tokens dos agentes subdesempenharam uma referência passiva de compra e manutenção de SOL, declinando quase duas vezes mais severamente durante o período do estudo.

5. Significado e Framework Proposto

O artigo interpreta esses resultados como característicos de um mercado imaturo e sem permissão, onde a infraestrutura permite experimentação rápida, mas carece dos padrões necessários para investimento autônomo robusto. Os autores não afirmam que o modelo subjacente é inerentemente falho, mas argumentam que as implementações atuais são prematuras.

Para caracterizar a lacuna entre as implementações atuais e futuros sistemas de grau de investimento, os autores propõem um Framework de Maturidade baseado em três dimensões:

1. Execução Autônoma Verificável: Ir além de endereços de carteira públicos para mecanismos que permitam aos observadores verificar se as transações foram iniciadas pela lógica declarada do agente (por exemplo, por meio de rastros de execução assinados, ambientes de execução confiáveis ou atestados de conhecimento zero).
2. Lucratividade Sustentada Ajustada ao Risco: Avaliação de desempenho que distingue habilidade comercial durável de ciclos de mercado favoráveis, comparando retornos com referências passivas (por exemplo, SOL/ETH) e incluindo métricas de risco padrão (razão de Sharpe, drawdown), enquanto separa o desempenho do tesouro dos resultados dos detentores de tokens.
3. Alinhamento Transparente das Partes Interessadas: Mecanismos explícitos conectando o desempenho do agente aos retornos dos detentores de tokens (por exemplo, resgate baseado em NAV, distribuições proporcionais ou taxas de desempenho com marcas de água altas) para garantir que o valor flua para as partes interessadas em vez de ser capturado por iniciantes internos ou taxas da plataforma.

O artigo conclui que o progresso em direção a veículos de investimento autônomo robustos requer infraestrutura de mercado mais forte (liquidez mais profunda, execução confiável) e designs de incentivos mais claros que alinhem a atividade do agente com o valor voltado para o usuário.