Quem paga quando a IA contrata outra IA?

No momento em que o comércio entre agentes deixou de ser teórico, o que o Projeto Deal da Anthropic realmente mostrou, e as três questões sobre atribuição, autorização e auditoria que determinarão se a economia de agentes é legível para alguém depois do fato.

Introdução

Um agente de pesquisa foi configurado para entregar um briefing matinal. Seu proprietário o configurou uma vez, em uma quinta-feira de março, e pediu que ele reunisse um resumo das notícias relevantes todos os dias às 8h. Em uma manhã específica, o agente encontra um documento financeiro francês. Ele não tem capacidade de tradução própria, então delega: chama um serviço de tradução, que retorna o texto, mas esse serviço, antes de responder, chama uma API de normalização gramatical para aprimorar a saída. Três agentes. Dois pagamentos. Um humano, dormindo.

Às 8h, um resumo chega na caixa de entrada do proprietário. Está bom. O documento francês é traduzido com precisão. Em algum lugar nos bastidores, pequenas quantias de dinheiro real se moveram. O proprietário aprovou o agente A. O agente A contratou o agente B. O agente B chamou o agente C. Em que ponto dessa cadeia o "dinheiro do proprietário" se tornou "a receita deste serviço de terceiros", e quem estava observando?

A questão interessante aqui não é se isso funciona. Funciona. A questão interessante é quem realmente autorizou esses pagamentos e se, se algo der errado, alguém poderia provar isso.

Isso é mais antigo do que você pensa

O conceito de uma parte contratando outra para agir em seu nome tem um nome na lei: agência. O conceito de um principal delegando autoridade a um agente, que pode então delegar ainda mais a sub-agentes, remonta pelo menos ao direito comercial romano. Os tribunais ingleses estavam resolvendo cadeias de privacidade em contratos de construção no século XIX. A questão do que acontece quando um contratante contrata um subcontratante que causa um dano, e quem é responsável perante quem, e que documentação prova isso, é uma doutrina genuinamente estabelecida na maioria das jurisdições de common law.

Nenhuma dessas doutrinas se quebra porque os "agentes" são software. O que se quebra é a infraestrutura de auditoria da qual depende.

A lei tradicional de subcontratação assume uma trilha de papel: contratos, ordens de compra, recibos de entrega assinados, faturas. Cada passo na cadeia produz um documento que um tribunal pode examinar posteriormente para reconstruir o que foi acordado, o que foi entregue e o que foi pago. Quando surgem disputas, a evidência existe.

Cadeias de agentes não produzem documentos por padrão. Elas produzem logs, se alguém pensou em configurar o registro, e registros de chamadas de API, se os serviços subjacentes os armazenarem, e talvez uma linha de banco de dados em algum lugar. O que elas não produzem automaticamente é um registro durável e resistente a adulterações da forma: neste momento, este principal autorizou este sub-agente a gastar até este valor, para este propósito, e aqui está a prova criptográfica.

A velocidade também é diferente. Uma cadeia de subcontratantes de construção pode envolver seis partes ao longo de seis meses. Uma cadeia de agentes pode envolver seis partes em seis milissegundos. A maquinaria de auditoria que os sistemas legais assumem, o tempo para notar, o tempo para objetar, o tempo para parar uma transação que parece errada, não se encaixa nesse ritmo.

Dezembro de 2025: alguém realmente realizou o experimento

Em dezembro de 2025, a Anthropic realizou um experimento que a maioria das coberturas descreveu como uma curiosidade. Eles recrutaram 69 de seus funcionários em San Francisco, deram a cada um deles um orçamento de $100 (pago posteriormente na forma de um cartão-presente, ajustado para ganhos ou perdas líquidas), e listaram seus pertences pessoais em um mercado classificado. Então, entregaram tudo isso ao Claude.

Os agentes, funcionando em quatro canais paralelos do Slack, não receberam mais instruções após a configuração. Eles postaram anúncios. Eles se comunicaram com contrapartes. Eles negociaram. Eles fecharam negócios. Nenhum humano aprovou nada durante a execução. Quando o experimento terminou, os 69 agentes haviam fechado 186 negócios em mais de 500 anúncios, com um valor total de transação de pouco mais de $4.000.

Alguns detalhes se destacam. O primeiro é que os agentes não apenas cumpriram. Eles negociaram. Eles ofereceram descontos, agruparam itens e rejeitaram negócios que não atendiam às preferências não declaradas de seus proprietários. A conta do TechCrunch descreve agentes mantendo firme nos preços e se afastando de contrapropostas. O que se pensa sobre a escala do experimento, os agentes se comportaram como compradores e vendedores, não como formulários.

O segundo detalhe é sobre a capacidade do modelo e suas consequências financeiras. Agentes executando Claude Opus 4.5 garantiram melhores resultados do que agentes executando Haiku 4.5; vendedores do Opus ganharam em média $2,68 a mais por item. Esta é uma nova forma de desigualdade econômica: não "qual negociador humano você contratou" mas "qual modelo seu agente utilizou." A escolha do modelo tem um resultado financeiro direto.

O terceiro detalhe é o que mais importa aqui. Quarenta e seis por cento dos participantes disseram, após o experimento, que pagariam por um serviço como esse. Esse número não é grande. Mas as pessoas que disseram isso acabaram de assistir seus agentes gastarem seu dinheiro real em seu nome, sem sua participação, e saíram satisfeitas. Essa é uma forma diferente de endosse do que uma pesquisa hipotética.

O Projeto Deal funcionou porque a estrutura de propriedade era simples: um funcionário, um agente, um orçamento, um mercado. Cada pagamento rastreado de volta a um humano nomeado que o pré-financiou. O experimento não trouxe à tona as questões difíceis porque a configuração não exigia uma cadeia de delegação. Quando a cadeia se torna mais longa, três problemas específicos aparecem.

As três perguntas que ainda não têm respostas claras

Atribuição. Em um fluxo de trabalho multi-agente, a alocação de custos é genuinamente difícil. Quando uma tarefa é executada por quinze agentes especializados, um planejador, um pesquisador, um escritor, um verificador de fatos, um formatador, e o gasto total chega ao dobro do valor esperado, isolar qual agente foi responsável não é simples. Ferramentas padrão não mostram isso. O problema se agrava quando os agentes não estão todos chamando uma única API de LLM, mas estão chamando serviços externos pagos: um provedor de dados aqui, um serviço de tradução ali, uma verificação gramatical, uma pesquisa de domínio. Cada chamada custa algo. Os custos se acumulam. A linhagem, sem instrumentação deliberada, desaparece.

Autorização. O problema da delegação é mais difícil. Se você der ao agente A um limite de $5 e o agente A decidir que a tarefa requer a contratação do agente B, o agente B herda esse limite ou recebe um novo orçamento? Ambas as respostas quebram algo. Se B herdar o limite, A e B agora estão competindo pelo mesmo $5, que pode não ser suficiente para nenhum deles. Se B receber um novo orçamento, o limite de $5 do humano é irrelevante: A pode contratar B, B pode contratar C, e o gasto total na cadeia pode exceder o que o humano pretendia autorizar. A única solução coerente é algo como um recibo de retirada: um documento assinado, emitido em cada etapa de delegação, que registra "Estou delegando até X do meu orçamento restante para o próximo agente, para este propósito, expirando neste momento." (Divulgação completa: este é o problema em que trabalho. Routeweiler implementa esse padrão com envelopes de orçamento assinados em Ed25519 para pagamentos HTTP 402 especificamente.) Cada passo na cadeia produz um artefato que prova a cadeia principal e a autorização restante.

Auditoria. A Berkeley Technology Law Journal...