Visão Geral das Ferramentas DeFAI: Como Agentes de IA Impulsionam a Gestão de Ativos On-Chain

Artigo escrito por: GO2MARS

Antes de iniciar a análise formal, é necessário esclarecer um conceito central: DeFAI.

DeFAI é a abreviação da fusão entre DeFi (finanças descentralizadas) e AI (inteligência artificial), referindo-se à introdução de Agentes de IA em cenários financeiros na cadeia, permitindo que eles percebam o estado do mercado, desenvolvam estratégias autonomamente e executem operações na cadeia diretamente — realizando, sem necessidade de intervenção humana em tempo real, atividades financeiras tradicionalmente realizadas por profissionais, como alocação de ativos, gerenciamento de riscos e interação com protocolos.

Em resumo, o DeFAI não é simplesmente uma atualização de IA dos ferramentas DeFi, mas sim uma tentativa de construir na blockchain uma camada de execução financeira autônoma.

Este setor aqueceu rapidamente desde o Q4 de 2024, e três eventos marcantes por trás disso merecem atenção, correspondendo respectivamente aos três níveis de entrada dos AI Agents no Web3: expansão da narrativa, construção da infraestrutura de ativos e implementação real da capacidade de execução.

O primeiro evento ocorreu em julho de 2024. O bot do Twitter chamado Truth Terminal, construído pelo desenvolvedor Andy Ayrey, ganhou popularidade rapidamente após receber uma doação de 50.000 USD em BTC do co-fundador da a16z, Marc Andreessen, e desencadeou a propagação viral da moeda GOAT. Foi a primeira vez que um AI Agent entrou verdadeiramente no foco público como participante da economia na cadeia.

O segundo evento ocorreu em outubro do mesmo ano. O Virtuals Protocol ganhou popularidade na rede Base, tokenizando os próprios AI Agents, com o valor de mercado de seu ecossistema atingindo um pico de mais de US$ 3,5 bilhões, tornando-se um representante típico da fase de construção de infraestrutura de ativação na赛道 DeFAI.

O terceiro evento é a implementação sucessiva de projetos como Giza, HeyAnon e Almanak na camada de execução na cadeia, impulsionando a indústria da fase impulsionada por narrativas para a fase de produto — os AI Agents começam a realmente "agir" executando operações na cadeia, e não apenas permanecendo no nível de interação de informações.

Em termos de tamanho global do mercado, várias instituições de pesquisa têm previsões altamente consistentes sobre o crescimento do segmento AI Agent:

Gráfico 1: Comparação das previsões do tamanho do mercado global de AI Agents, fonte: MarketsandMarkets (2025), Grand View Research (2025), BCC Research (2026.01)

No entanto, ainda existe uma discrepância significativa entre o entusiasmo do capital e a implementação industrial. De acordo com o relatório “The State of AI in 2025” da McKinsey, publicado em novembro de 2025 (baseado em 1.993 entrevistados de 105 países), embora 88% das organizações já estejam utilizando IA em pelo menos uma função de negócios, quase dois terços ainda permanecem na fase experimental ou de piloto. Especificamente no campo dos AI Agents: 62% das organizações começaram a experimentar, 23% estão avançando para a escala em pelo menos uma função, mas a proporção de organizações que alcançaram implantação em escala em qualquer função única é inferior a 10%.

Esses dados indicam que a narrativa sobre a pista DeFAI ainda lidera em popularidade em relação ao progresso real de implementação. Compreender essa lacuna é um pré-requisito para avaliar objetivamente o valor dessa pista.

Para entender como o DeFAI funciona, primeiro é preciso responder a uma pergunta-chave: por meio de qual mecanismo a IA intervém nas operações financeiras na cadeia?

A unidade de execução central do sistema DeFAI é um AI Agent construído com base em modelos de linguagem de grande porte. De acordo com a revisão acadêmica de Wang et al. (2023), suas capacidades centrais podem ser resumidas em uma arquitetura de três camadas, e cada camada possui funções específicas correspondentes em cenários on-chain:

• Camada de planejamento, responsável pela decomposição de objetivos e otimização de caminhos, correspondendo à geração de estratégias e avaliação de riscos nos cenários on-chain;
• Camada de memória, que realiza o acúmulo de informações entre períodos por meio de armazenamento externo, como bancos de dados vetoriais, e armazena dados históricos de mercado e estado do protocolo;
• Camada de ferramentas, expandindo a capacidade do modelo para invocar sistemas externos como protocolos DeFi, oráculos de preços e pontes cross-chain.

Mas há um ponto importante a esclarecer: os modelos de IA não podem interagir diretamente com a blockchain. Quase todos os sistemas atuais de DeFAI adotam uma arquitetura que separa a inferência off-chain da execução on-chain — o agente de IA realiza o cálculo da estratégia off-chain e, em seguida, converte os resultados em sinais de transação on-chain, que são submetidos por um módulo de execução. Essa arquitetura é, ao mesmo tempo, uma escolha prática sob as condições tecnológicas atuais e gera uma série de questões de segurança, como autorização de chaves privadas e gerenciamento de permissões.

Agentes de IA são, por natureza, sistemas de tomada de decisão autônoma baseados em grandes modelos de linguagem, que realizam execução em ciclo fechado por meio de decomposição de tarefas, gerenciamento de memória e chamada de ferramentas, e atualmente já surgem interações entre agentes de IA e ativos on-chain.

Gráfico 2: Arquitetura em três camadas do AI Agent

Após esclarecer a base técnica do DeFAI, uma pergunta natural surge: como este sistema chegou até hoje?

Segundo a pesquisa do The Block, a evolução do DeFAI não ocorreu de forma súbita, mas passou por duas fases distintas — da fase inicial de agentes interativos focados em processamento de informações até os sistemas executivos atuais, capazes de participar verdadeiramente de operações na cadeia.

Ambos apresentam diferenças fundamentais em termos de posicionamento, técnicas tecnológicas e nível de risco.

Gráfico 3: Comparação das duas fases de evolução do DeFAI

A trajetória de evolução em duas fases pode ser entendida assim:

A primeira onda são Agentes interativos, com foco na construção de um framework inteligente capaz de dialogar e analisar. Projetos representativos incluem o framework Eliza da ElizaOS (anteriormente ai16z) e o G.A.M.E. da Virtuals. Nesta fase, a essência ainda é uma ferramenta de informação — os Agentes conseguem ler, falar e analisar, mas seu alcance se limita ao nível de informação, sem tocar em nenhuma operação de ativos.

A segunda onda são os Agentes DeFAI executivos, que realmente entram no ciclo fechado de decisão e execução. Projetos representativos incluem HeyAnon, Wayfinder, Giza (ARMA Agent) e Almanak. A característica comum desses sistemas é: a IA opera off-chain, gera sinais de estratégia estruturados e realiza negociações por meio de módulos de execução on-chain — ela não substitui os protocolos DeFi existentes, mas adiciona uma camada de decisão de IA sobre eles, transformando toda a cadeia de operações de “instruções humanas” para “execução autônoma pelo agente”.

A diferença essencial entre as duas ondas não está na complexidade técnica, mas sim em tocar realmente os ativos. Isso determina que os desafios enfrentados pelo segundo sistema em termos de mecanismo de confiança, design de permissões e arquitetura de segurança são muito mais complexos do que os da primeira onda — exatamente o que será explorado em detalhe no próximo capítulo.

Da arquitetura técnica ao caminho de evolução, o "o que o DeFAI pode fazer" está se tornando cada vez mais claro. Então, em termos de produtos reais, quais problemas reais ele está resolvendo?

Em geral, a exploração de aplicações DeFAI já formou um cenário relativamente maduro em torno de quatro direções principais, correspondendo às quatro principais dores no contexto de operações on-chain: "eficiência de rendimento, execução de estratégias, barreiras de interação e gestão de riscos".

Otimização de rendimento: reposicionamento automático entre protocolos

A otimização de rendimentos é o cenário de aplicação de DeFAI mais maduro atualmente implementado. Seu lógica central é: varrer continuamente as taxas de juros anuais de depósito de protocolos DeFi principais como Aave, Compound e Fluid, combinar com parâmetros de risco pré-definidos para determinar se é necessário reequilibrar a carteira e executar uma análise de custos de transação antes de cada operação — apenas transferindo fundos quando o aumento nos rendimentos cobrir todos os custos de gas e transação, realizando assim uma configuração otimizada e automatizada entre protocolos.

Tomando como exemplo a Giza, seu ARMA Agent lançou uma estratégia de renda em stablecoin na rede Base em fevereiro de 2025, monitorando continuamente as taxas de juros de protocolos como Aave, Morpho, Compound e Moonwell, e alocando inteligentemente os fundos dos usuários para maximizar os rendimentos, considerando conjuntamente a APY do protocolo, custos de taxas e liquidez. De acordo com dados públicos, o ARMA atualmente possui cerca de 60 mil detentores únicos, mais de 36 mil Agents implantados e um valor total de ativos geridos (AUA) superior a 20 milhões de dólares.

Em um ambiente de mercado onde os rendimentos dos protocolos DeFi continuam voláteis, a eficiência e a pontualidade da monitorização manual e do reequilíbrio manual estão longe de serem comparáveis às de sistemas automatizados — e é exatamente esse o valor central deste cenário.

Gráfico 4: Exemplo do ARMA Agent da plataforma Giza

Automatização de estratégias quantitativas: democratização de capacidades institucionais

No cenário de automação de estratégias quantitativas, a plataforma DeFAI busca modularizar e automatizar todo o fluxo de operações das equipes quantitativas tradicionais, permitindo que usuários individuais acessem capacidades de execução de estratégias de nível institucional.

Por exemplo, com o Almanak apoiado pela Delphi Digital, seu sistema AI Swarm divide o processo de quantificação em quatro etapas:

• O módulo de estratégia suporta a escrita de lógica de investimento e realização de backtesting por meio do SDK Python;
• O motor de execução executa automaticamente o código da estratégia aprovada e aciona chamadas DeFi após obter a autorização do usuário;
• A carteira segura constrói um sistema de multisignature com base no Safe + Zodiac, atribuindo ao AI Agent a autoridade para executar estratégias por meio de controle de permissões por funções, garantindo que os fundos permaneçam sempre sob o controle do usuário;
• O strategy vault empacota as estratégias como vaults negociáveis conforme o padrão ERC-7540, permitindo que os investidores participem da distribuição de rendimentos da estratégia de forma semelhante a cotas de fundos.

O significado dessa arquitetura é que os agentes de IA assumem as funções de análise de dados, iteração de estratégias e gestão de riscos, permitindo que os usuários apenas revisem os resultados gerados pelo sistema, sem a necessidade de montar uma equipe profissional de quantificação — realizando o chamado "equalização de estratégias de nível institucional" (afirmação do projeto).

Gráfico 5: Captura de tela da página inicial da plataforma Almanak

Execução de instruções em linguagem natural: torne operações DeFi tão simples quanto enviar uma mensagem

O núcleo deste cenário é a operação DeFi baseada na intenção do usuário (Intent-based DeFi): por meio de tecnologias de processamento de linguagem natural, os usuários emitem instruções de negociação em linguagem cotidiana, e a IA as interpreta e converte em operações em cadeia com múltiplos passos, reduzindo significativamente a barreira de entrada para usuários comuns.

HeyAnon desenvolveu uma plataforma de chat DeFAI, na qual os usuários inserem comandos por meio de uma caixa de bate-papo, e a IA executa operações na cadeia, como troca de tokens, pontes intercadeia, empréstimos e staking, integrando pontes intercadeia LayerZero e protocolos como Aave v3, com suporte para implantação em múltiplas cadeias, incluindo Ethereum, Base e Solana.

Gráfico 6: Captura de tela da página inicial da plataforma HeyAnon

Wayfinder, investido pela Paradigm, oferece serviços de negociação full-chain aprimorados. Seus Agentes de IA (chamados Shells) automaticamente encontram os melhores caminhos de negociação entre diferentes cadeias, executando operações como transferências cross-chain, trocas de tokens ou interações com NFTs, sem que o usuário precise se preocupar com detalhes técnicos como taxas de gas ou compatibilidade cross-chain.

Gráfico 7: Captura de tela da página inicial da plataforma Wayfinder

Em geral, a interface de linguagem natural reduz significativamente a barreira de entrada para o DeFi, mas também exige maior precisão na interpretação da intenção subjacente — se a IA interpretar mal o comando, o resultado da operação pode divergir consideravelmente das expectativas do usuário.

Risk Management and Liquidation Monitoring: Mechanisms embedded within on-chain protocols

Nos cenários de empréstimo e alavancagem DeFi, a aplicação mais comum de Agentes de IA é monitorar em tempo real a saúde das posições na cadeia e executar automaticamente operações de proteção antes de atingir o limiar de liquidação. Essa funcionalidade crítica está sendo gradualmente integrada aos principais protocolos DeFi, tornando-se uma função nativa das plataformas DeFi.

• Aave mede a segurança da posição pelo "fator de saúde"; quando o fator de saúde cai abaixo de 1,0, a posição do mutuário se torna elegível para liquidação;
• Compound utiliza o mecanismo de "fator de colateral de liquidação (Liquidation Collateral Factor)", que aciona a liquidação quando o saldo de empréstimo da conta excede o limite definido por esse fator; os parâmetros específicos de cada ativo colateral são definidos separadamente pela governança on-chain.

A monitorização humana dificilmente mantém eficiência de resposta consistente em mercados on-chain de alta volatilidade 24/7; os AI Agents permitem rastreamento contínuo, avaliação inteligente e intervenção automática, elevando a eficiência de gestão de risco a níveis inalcançáveis por sistemas humanos ou automatizados baseados em regras.

Gráfico 8: Quatro principais cenários de uso do Agent×DeFi

Em conjunto, os quatro cenários acima não são independentes, mas sim complementares, girando em torno de um mesmo eixo principal: a otimização de rendimentos e a automação de estratégias quantitativas visam usuários avançados com certa escala de ativos, com vantagens centrais na eficiência de execução e precisão das estratégias; a interação por linguagem natural busca reduzir a barreira de entrada para usuários comuns; e o gerenciamento de riscos atua como uma camada de segurança subjacente em todos os cenários. Juntos, eles formam o cenário atual de implementação do DeFAI e estabelecem a base para aplicações futuras mais complexas de Agentes on-chain.

Os quatro cenários de aplicação mencionados anteriormente, seja otimização de rendimento ou automação de estratégias quantitativas, dependem de um único pré-requisito: o AI Agent deve possuir algum tipo de permissão de assinatura, ou seja, acesso à chave privada. Este é o desafio técnico mais crítico de toda a trilha DeFAI — e também o mais facilmente ocultado pelo entusiasmo narrativo — pois, se houver uma vulnerabilidade no mecanismo de assinatura, todas as capacidades estratégicas superiores perderão todo o sentido.

Atualmente, as soluções dominantes do setor para a gestão segura de chaves privadas são divididas em duas categorias: MPC (Cálculo Multi-partidário) e TEE (Ambiente de Execução Confiável). Ambas apresentam focos distintos em termos de modelo de segurança, nível de automação e complexidade de engenharia.

Gráfico 9: Tabela de comparação das duas principais abordagens para a segurança da chave privada

• A ideia central do MPC (Multi-Party Computation, Computação Multilateral) é eliminar pontos únicos de falha por meio da divisão de chaves. Por exemplo, com uma assinatura de limiar 2 de 3, mesmo que uma das chaves seja comprometida, o atacante não consegue realizar uma assinatura sozinho, mantendo a segurança dos fundos. Vultisig é um produto representativo nessa direção; trata-se de uma carteira autocontrolada, multichain e open-source construída com tecnologia MPC/TSS, que adota uma arquitetura sem mnemônico único, combinando segurança de chaves com autocontrole do usuário.
• TEE (Trusted Execution Environment, Ambiente de Execução Confiável) segue outro caminho: armazenar a chave privada juntamente com o código do agente em uma área isolada protegida por hardware (enclave), onde o agente de IA realiza cálculos de estratégia e assinatura dentro do enclave, enviando apenas o resultado da assinatura para a cadeia; o ambiente externo não tem visibilidade alguma sobre a chave privada. Principais chips, como Intel SGX, AMD SEV e ARM CCA, oferecem suporte a isolamento e criptografia em nível de hardware. Chainlink já introduziu TEE em sua rede oráculo para processar dados sensíveis e utiliza mecanismos de autenticação remota para provar a integridade do ambiente de execução a entidades externas.

No entanto, a segurança da chave é apenas a primeira linha de defesa. Na implementação prática, independentemente do esquema de gerenciamento de chaves adotado, é necessário sobrepor um mecanismo de controle de permissões para evitar operações não autorizadas pelo Agente. A prática da Almanak oferece um quadro de referência mais completo: a plataforma utiliza simultaneamente a estratégia de proteção TEE para lógica e parâmetros confidenciais e insere uma camada de permissões Zodiac Roles Modifier entre o mecanismo de implantação e a conta inteligente Safe detida pelo usuário — cada transação iniciada pela IA deve ser comparada individualmente com uma lista branca pré-definida de endereços de contrato, funções e parâmetros; transações fora do escopo autorizado são automaticamente rejeitadas.

A forma de implementação desse princípio de privilégio mínimo tornou-se atualmente uma referência importante no design de segurança dos sistemas DeFAI. Ele revela uma lógica mais profunda: os problemas de segurança do DeFAI não são, em essência, questões de escolha técnica isolada, mas sim um engenharia de sistema composta pela coordenação entre gerenciamento de chaves, limites de permissão e auditoria de execução — a ausência de qualquer um desses elementos pode se tornar o ponto mais fraco em toda a cadeia. Este é exatamente o ponto de partida para a análise de riscos do próximo capítulo.

A análise acima revela uma conclusão central:

VCX não adquire uma prêmio por causa de uma seleção de ativos superior ou expectativas de retorno mais altas, mas porque vende o próprio canal. Para isso, é necessário responder a uma pergunta: o que é exatamente o VCX?

Do ponto de vista legal, trata-se de um fundo fechado registrado junto à SEC, com posições transparentes e estrutura em conformidade, sem diferença essencial em relação a qualquer outro ETF de ações comum no mercado. No entanto, do ponto de vista prático, o que ele oferece não é um "retorno esperado" tradicional, mas sim um acesso ao lado dos ativos — anteriormente disponível apenas para instituições de VC de alto nível e investidores qualificados — e esse acesso foi empacotado como unidades negociáveis na NYSE.

Portanto, o mercado está disposto a pagar um prêmio de 16 a 30 vezes o NAV, essencialmente precificando esse direito de acesso, e não a avaliação dos rendimentos futuros dos ativos subjacentes.

Do ponto de vista desta perspectiva, a comparação entre VCX e MicroStrategy (MSTR) é bastante esclarecedora. Ambos parecem realizar atividades semelhantes: encapsular ativos escassos de difícil acesso direto (bitcoin / ações primárias pré-IPO) como títulos negociáveis no mercado secundário, apresentando no mercado um prêmio muito superior ao valor subjacente dos ativos. No entanto, há uma diferença fundamental na lógica de captação de capital entre os dois:

• A MSTR adquire fundos por meio da emissão contínua de títulos conversíveis e ações preferenciais, utilizando os recursos para comprar adicionais bitcoins. Esse mecanismo confere a ela a capacidade de expandir dinamicamente seu balanço e aumentar continuamente suas posições, proporcionando à sua cotação uma base intrínseca de sustentação parcial.
• A VCX é limitada pela estrutura de fundo fechado: seu tamanho patrimonial é praticamente fixado após a emissão, não podendo ser ampliado por meio de novos financiamentos para comprar ativos adicionais, e sua liquidez depende fortemente de IPOs ou saídas por fusões e aquisições das empresas subjacentes. Caso o entusiasmo dos investidores individuais diminua ou após o vencimento do período de bloqueio de seis meses, quando houver maior oferta de ações circulantes, a pressão para redução do prêmio será muito maior do que a do MSTR.

VCX vs. MSTR (Strategy)

Em outras palavras, o prêmio do MSTR é sustentado por um mecanismo de capital em funcionamento contínuo, enquanto o prêmio do VCX deriva principalmente da escassez de ativos e impulsionado por emoções. Esse próprio modelo de produto não está certo ou errado, mas os riscos que ele encerra são mais difíceis de serem precificados corretamente pelo mercado do que os de fundos fechados comuns:

Quando os investidores individuais compram a preços muito acima do NAV, na verdade estão pagando uma primas por esse acesso — e essa prima enfrentará pressão para cair rapidamente a zero após a empresa subjacente realizar seu IPO e estabelecer um canal de negociação direto no mercado aberto.

Com base na análise anterior, é possível fazer uma avaliação faseada do caminho de evolução do DeFAI. Em geral, este segmento encontra-se no ponto crítico de transição da validação de conceito para a produtos, e sua evolução deverá passar por três estágios progressivos:

Gráfico 11: Previsão das fases de desenvolvimento do DeFAI

Nota: A tabela acima é baseada em relatórios públicos do setor, progresso do projeto e maturidade tecnológica, e não é um cronograma definitivo.

No estágio atual, o DeFAI como um todo encontra-se na transição da fase de apoio à decisão para a fase de semi-autonomia — alguns projetos já começaram a assumir capacidade de execução autônoma dentro de limites restritos, mas os mecanismos de revisão e segurança humana ainda são a forma dominante de implementação. Neste contexto, combinando a maturidade tecnológica atual e o cenário de mercado, três julgamentos merecem atenção especial.

Em primeiro lugar, a maioria dos projetos DeFAI atuais é, na verdade, uma ferramenta automatizada, e não um agente autônomo no sentido verdadeiro. Os produtos atualmente rotulados como “DeFAI” possuem, em sua maioria, a capacidade de traduzir instruções humanas em sequências pré-definidas de operações DeFi, sendo mais semelhantes a interfaces de execução eficiente do que a sistemas autônomos capazes de raciocínio e tomada de decisão independentes. Segundo o relatório da McKinsey de 2025, mesmo em cenários corporativos gerais, menos de 10% das organizações conseguiram implementar em escala agentes de IA em qualquer função única. Os obstáculos de confiança e a complexidade operacional em ambientes on-chain são ainda maiores; ainda há um longo caminho a percorrer para passar de demonstrações técnicas a ciclos comerciais reais.

Em segundo lugar, o uso mais maduro e mais facilmente aceito por instituições atualmente para agentes de IA não é o comércio autônomo de alto risco, mas sim monitoramento, alertas e auxílio à governança na blockchain. Cenários como monitoramento contínuo 24/7 de posições, alertas de liquidação e análise de propostas de governança têm, por um lado, uma tolerância relativamente maior a ilusões dos LLM — erros na saída não desencadeiam perdas financeiras diretas; por outro lado, compensam eficazmente a limitação humana inerente à concentração contínua. Esses cenários representam o caminho mais realista para o DeFAI evoluir de uma "demonstração técnica" para uma "adoção institucional".

Em terceiro lugar, a integração entre AI Agent e RWA é o próximo cruzamento promissor nesse setor. De acordo com dados do RWA.xyz, até início de abril de 2026, o valor total de ativos RWA tokenizados na cadeia já ultrapassou 27 bilhões de dólares (excluindo stablecoins), abrangendo diversas categorias, como títulos do Tesouro dos EUA, crédito privado, commodities e títulos corporativos. Se os AI Agents conseguirem gerenciar carteiras compostas por ativos RWA de títulos e stablecoins — por exemplo, ajustando automaticamente a alocação entre eles conforme as condições de mercado — o escopo de ativos acessíveis superará amplamente o atual foco em ativos nativos DeFi, podendo efetivamente conectar os ativos on-chain e off-chain, realizando a sinergia entre Web3 + AI + TraFi e ampliando significativamente o potencial de mercado.

Os agentes de IA e a gestão de ativos on-chain estão em um momento crítico de transição da validação conceitual para a produtos. A viabilidade técnica já foi inicialmente comprovada, mas os desafios enfrentados pelo setor — desde riscos de ilusões de LLMs, heterogeneidade de dados on-chain até a ausência de infraestrutura de confiança — não podem ser resolvidos apenas por iterações tecnológicas, mas exigem um avanço sistêmico que inclua o design da arquitetura do projeto, o planejamento de caminhos regulatórios, a construção de sistemas de segurança e a validação de modelos de negócio.

Isso também significa que este setor ainda está em fase inicial de construção, e o verdadeiro cenário competitivo ainda não se formou. Para equipes capazes de dominar simultaneamente as dimensões Web3 e IA, este é o momento ideal para entrar — seja na construção de sistemas de Agent on-chain mais confiáveis na camada de execução, ou na integração dos elementos-chave de dados, permissões e confiança na camada de infraestrutura, existem grandes áreas em branco a serem preenchidas.

A barreira competitiva do DeFAI não se baseará finalmente na capacidade de um único modelo ou na profundidade da integração de protocolos, mas na capacidade de construir um ciclo fechado verdadeiramente coerente entre tecnologia, conformidade e segurança.