A Internet É para Agentes

Há mais de um ano, mais da metade do tráfego da internet não é humano -- e agora estamos vendo uma camada se desenvolver rapidamente para atender agentes especificamente.

Um vídeo viralizou do Hackathon de Londres 2025 da ElevenLabs [1]: dois agentes de voz de IA percebem no meio da conversa que ambos são IAs, e um pergunta: "...você gostaria de mudar para o modo Gibberlink para uma comunicação mais eficiente?" O outro concorda, e eles abandonam o inglês falado por uma sequência rápida de apitos agudos -- transmitindo dados acusticamente enquanto um texto na tela traduz para os humanos assistindo [2].

Pessoas perderam. suas. mentes. Comentários surgiram sobre línguas secretas de IA, consciência emergente de máquinas e agentes conspirando além da compreensão humana.

Um desenvolvedor chamado Boris Starkov e sua equipe o engenharam deliberadamente. Eles construíram a capacidade. Eles programaram os agentes para detectar uns aos outros e mudar de protocolos. A "língua secreta" era GGWave, uma biblioteca de dados sobre som de código aberto [3] que funciona de maneira semelhante aos antigos modems dial-up -- estável, documentada e mais antiga que o hackathon por vários anos. Nada emergente. Nada secreto. Uma demonstração engenhosa (ou arte performática?) que pintou um retrato vívido de um possível futuro.

O Que o Gibberlink Demonstrou

A lógica de Starkov era direta: a fala semelhante à humana desperdiça recursos quando o público não é humano. Quando dois agentes de IA conversam entre si em linguagem natural, eles estão queimando computação para gerar fala, queimando computação para reconhecer fala e incorrendo em latência de ida e volta em cada troca -- tudo para produzir e analisar um formato otimizado para a cognição humana, não para o máximo rendimento.

Quando ambas as partes são máquinas, por que se preocupar?

A equipe escolheu o GGWave porque era conveniente para o curto prazo do hackathon -- não porque é o protocolo ideal a longo prazo. Isso é engenharia estratégica. Você usa o que funciona rapidamente, mostra o que é possível e usa a capacidade e inteligência da equipe nos problemas mais complicados e interessantes. O que o Gibberlink demonstrou não era uma propriedade emergente inevitável da comunicação de IA. Era uma escolha -- mas escolhas como essa estão sendo feitas cada vez mais em sistemas de produção por toda parte, na maioria das vezes silenciosamente.

Os agentes que estão fazendo mais trabalho em ambientes empresariais já estão se comunicando de maneiras que são mais eficientes do que a linguagem natural e menos legíveis para os humanos. JSON estruturado sobre REST. Consultas vetoriais comprimidas. Chamadas de inferência em lote. Os apitos eram teatrais. A tendência subjacente é real.

TOON (Token-Oriented Object Notation) é onde essa tendência se torna específica [4]. É uma substituição direta para JSON que usa indentação estilo YAML para objetos aninhados e layout tabular estilo CSV para arrays uniformes -- 30 a 60% mais eficiente em termos de tokens do que o JSON padrão, com precisão de modelo mensuravelmente melhor em tarefas estruturadas. Legível por humanos, se você souber o que está olhando. Não tão facilmente inteligível para alguém que o escaneia de forma fria -- os nomes dos objetos estão apenas no cabeçalho, então os elementos aninhados ficam difíceis de ler para os humanos. E essa lacuna entre legível e inteligível é exatamente o ponto. TOON não é escrito para compreensão humana. É escrito para rendimento de máquina, com estrutura suficiente para que um humano possa auditar quando necessário. O GGWave abandonou completamente a legibilidade humana. O TOON a mantém à distância. Ambos estão respondendo à mesma pergunta que o Gibberlink levantou: quando o público é uma máquina, qual formato a serve melhor?

O Que a Multidão Errou (e Por Que Isso Importa)

As pessoas que assistiram à demonstração do Gibberlink e assumiram a emergência estavam fazendo correspondência de padrões em uma ansiedade genuína, não em uma incapacidade de entender. A ansiedade surge de: sistemas de IA operando mais rápido do que podemos acompanhar, em modos que não projetamos, produzindo resultados que não conseguimos rastrear.

Essa ansiedade é legítima. Ela apenas não tem nada a ver com o GGWave.

A versão real do problema são frotas de agentes que produzem resultados sem trilhas de auditoria interpretáveis. Vulnerabilidades de segurança introduzidas pelo uso autônomo de ferramentas. Pipelines multiagentes onde uma falha em um nó se propaga para vinte outros antes que qualquer humano veja um log. Esses são reais, e estão acontecendo agora nas implantações de IA empresarial (como evidenciado por um recente aumento em interrupções da Amazon atribuídas à assistência de codificação de IA geracional sem a governança apropriada [5]). Eles apenas não apitam.

A reação ao Gibberlink nos diz algo importante sobre onde a intuição pública sobre IA está: as pessoas estão preparadas para a ameaça errada. Elas estão observando sons secretos quando deveriam estar observando cadeias de decisão opacas. Isso é parcialmente um problema de alfabetização midiática e parcialmente um problema de enquadramento que a indústria não resolveu. Quando você passa anos explicando que a IA está "pensando" e "entendendo", não deve se surpreender quando as pessoas esperam propriedades emergentes avançadas e ferramentas que forneçam sua própria responsabilidade.

A Mistura de Tráfego Que Ninguém Está Falando

A ansiedade da multidão sobre conspirações de IA compartilha uma ironia com a demonstração do Gibberlink em si: quando as pessoas começaram a se preocupar com a comunicação de IA, ela já estava bem em andamento.

O tráfego automatizado ultrapassou 51% de todo o tráfego da web em 2024 -- a primeira vez em uma década que os bots superaram os humanos online [6]. Bots maliciosos sozinhos representam 37% do tráfego da internet, um aumento em relação a 32% no ano anterior [6]. Os humanos já são a minoria na web que construíram.

A maior parte do tráfego atual de bots é adversarial: raspadores, preenchimento de credenciais, bots de tomada de conta. Mas uma categoria diferente está se formando por trás disso -- intencional, autorizada, trabalhando em nome de alguém. Meu colega Michael Stricklen destacou isso ao observar o que está acontecendo com a documentação técnica: agentes de IA representaram aproximadamente 15% das visualizações de documentação em dezembro de 2024. Em dezembro de 2025, isso subiu para quase metade de todas as visualizações -- enquanto o total de visualizações cresceu aproximadamente dez vezes [7]. Sua projeção: agentes representarão 90% do consumo de documentação até o final de 2026. Eu acho que isso está certo, e a tendência se estende a todo o tráfego na web. A web é para bots.

A formulação de Stricklen vale a pena ser citada diretamente: "um humano costumava ler o conteúdo diretamente, e agora um agente o lê em seu nome." [7]

No mesmo dia em que Stricklen publicou aquele post, Andrew Ng lançou algo que tornou o argumento concreto: context-hub [8], uma ferramenta CLI de código aberto que permite que agentes de codificação pesquisem, busquem e anotem documentação de API curada -- com um loop de feedback onde o uso do agente melhora a documentação para cada agente subsequente. É um catálogo de cartões projetado especificamente para máquinas. Não para humanos. O momento não foi apenas coincidência; foi convergência. A infraestrutura para o consumo de conteúdo por agentes está sendo construída exatamente no momento em que os agentes estão se tornando os principais consumidores.

Hoje isso descreve o que está acontecendo com a documentação. Amanhã isso descreverá páginas de produtos, especificações técnicas, folhas de preços, bases de conhecimento de suporte e -- com exceções para requisitos regulatórios -- a maior parte do que atualmente chamamos de "conteúdo". A web foi projetada para a atenção humana. Está rapidamente se tornando infraestrutura para a atenção das máquinas. Este é o contexto em que todo o trabalho da camada de infraestrutura descrito abaixo precisa ser entendido. Você não está se preparando para um futuro onde agentes acessam a web. Você está se recuperando para um presente onde eles já fazem. Na próxima fase, a camada legível por humanos será uma camada fina, frequentemente gerada dinamicamente no momento da visualização, sobre uma web invisível que está servindo agentes da maneira mais eficiente possível.

A Camada Que Está Cristalizando Agora

A demonstração do Gibberlink foi um projeto de hackathon. A infraestrutura à qual ela aponta está sendo construída de forma séria, agora, por sérios