作者：Lucas Shin，来源：Artemis，编译：Shaw 金色财经

Resumen

• Para 2030, los agentes inteligentes (AI Agents) se convertirán en la forma principal en que las personas usan Internet.

• La nueva red basada en agentes requerirá nuevos canales de pago, sistemas monetarios y componentes base.

• El valor se concentrará en tres niveles: la capa de interfaz, la entidad que controla las interacciones con los usuarios; la capa de pago, la entidad que interviene en el flujo de fondos; y la capa de cómputo y custodia, la entidad que opera la infraestructura base.

• La actividad comercial de agentes inteligentes en los extremos de larga cola se ejecutará sobre protocolos abiertos.

Primero, pintemos una escena.

Es 2030. Tienes 24 años, vives en Burlington, Vermont, y te encanta invertir: inviertes principalmente en acciones de EE. UU., y también participas en Kalshi en algunas operaciones de criptomonedas y en mercados de predicción. Hace dos meses, creaste a tiempo parcial una consultora de tecnología financiera.

Hay ciertos días, como el de hoy, en los que la apertura siempre es repentina.

¡Bzz—

El timbre del teléfono te despierta; es como un balde de agua fría en la cara. Es un mensaje de tu agente inteligente privado, Nexus:

Buenos días, Joe. He completado el siguiente trabajo durante la noche ——

Actualización de la cartera: reduje en un 15% la posición en $WMT durante la noche. Los datos de satélite muestran que el flujo de clientes en las tiendas disminuyó, y el sentimiento del informe financiero se ha desplazado hacia el pesimismo; ya se confirmó mediante verificación cruzada.

Actualización del calendario: hoy por la tarde tengo 3 reuniones ya agendadas; el briefing ya está fijado en las notas de la reunión.

Optimización de gastos: encontré un nuevo proveedor de servidores en la nube — rendimiento similar, la cuota anual bajó de 840 dólares a 290 dólares. Se puede migrar en cualquier momento.

Gasto total: 0.67 dólares

¿En realidad qué ocurrió mientras dormías?

1. Nexus envió un subagente de investigación, gastó 0.24 dólares, y durante la noche recuperó información de 40 proveedores de datos distintos; comparó el contenido de la última llamada de resultados de Walmart con imágenes satelitales del estacionamiento de tiendas en todo EE. UU., y actualizó tu lógica de inversión. Cuando los datos de satélite indicaron que el flujo de clientes de Walmart caía, el agente de tu cartera contrastó el mercado de sentimiento de resultados de Kalshi, confirmó la señal de pesimismo y completó la reducción de posiciones antes de que te despertaras. Hace cuatro años, este tipo de estrategia de trading era solo un territorio exclusivo de Citadel (Citadel) y de muy pocos fondos cuantitativos: tenían que pagar suscripciones de millones de dólares por las imágenes satelitales. Incluso un terminal Bloomberg de 30k dólares al año no podía cubrir toda la información; aun así, tenías que suscribirte por separado a imágenes satelitales, datos alternativos y dedicar horas a integrar y analizar. Y ahora, un joven de 24 años en Vermont puede obtener la misma ventaja de información que un analista cuantitativo de Citadel a un costo menor que el de una taza de café.

2. El subagente de ventas de Nexus filtró 200 pistas que encajan con el perfil de tu cliente objetivo — empresas de tecnología financiera en el sureste de EE. UU., Serie B o posterior, que aún no usan proveedores de servicios de datos — y completó la reposición de información a un costo de 0.002 dólares por pista. Las interfaces llamadas fueron desarrolladas por otro agente y publicadas en un mercado abierto. Filtró las 3 pistas con mayor intención y, de inmediato, se puso en contacto con su agente de calendario para negociar la hora de las reuniones. Antes de cada conversación, recuperó la escuela de la que se graduó el potencial cliente, contactos en común, noticias de la empresa e historial de financiamiento, y te organizó un briefing de una página, fijándolo en las notas de la reunión. Solo con completar la información de las pistas; si se hace mediante suscripción SaaS, cada cuenta costaría 200 dólares al mes.

3. El subagente de operaciones de Nexus comparó tu sitio web de consultoría con pruebas en 6 proveedores de servidores: Vercel, Render, Railway, Fly.io, Netlify y Cloudflare. Llamó a las APIs de prueba de cada servicio a un costo extremadamente bajo, desplegó un entorno de prueba y midió latencia, disponibilidad y rendimiento (throughput). Al final, Railway logró el mismo rendimiento con solo un tercio del costo. Nexus negoció la tarifa mensual a través del agente de precios de Railway, montó una copia espejo del sitio en un nuevo servidor y completó un conjunto completo de pruebas para garantizar que funcionara bien. Si no hubiera agentes, eso al menos requeriría una semana: buscar en Internet, coordinar solicitudes de cotización, y además pasar por migraciones manuales que generan ansiedad. Solo tienes que confirmar la ejecución con Nexus.

Tu agente completó todo esto por solo 0.67 dólares.

Ahora, multiplica esta escena por cada trabajador del conocimiento del planeta, por cada empresa y por cada agente inteligente que esté en funcionamiento.

¡Bzz—

Nexus: saldo insuficiente; quedan 1.87 dólares.

Como la semana pasada, recargas 5 dólares mediante la tarjeta de crédito vinculada con Apple Pay, y sigues cepillándote los dientes. En la capa inferior, esos 5 dólares se cambian de la tarjeta de crédito a stablecoins; pero tú no ves el monedero en absoluto, no tienes que preocuparte por la entrada de fondos, y tampoco tienes que tocar la blockchain.

Así es un vistazo a la economía de las máquinas: un escenario comercial totalmente nuevo en el que los agentes de IA gastan de forma continua en cosas por las que los humanos nunca habían pagado; el tamaño y la velocidad de las transacciones superan con creces los límites de lo que hacen los humanos. Puedes imaginar que todos los días se generan decenas de miles de millones de transacciones.

Pero hoy, Internet aún no está preparado para sostener todo esto.

Actualmente, Internet está diseñado para humanos. Filtra el comportamiento no humano mediante limitación de tráfico, CAPTCHA y claves de API, y se monetiza para los usuarios humanos a través de publicidad. Sin embargo, con la aparición masiva de agentes autónomos, este modelo de negocio dejará de funcionar por completo.

El tráfico se dispara y la atención efectiva se reduce.

Los servidores de red que se sostienen a largo plazo con ingresos publicitarios se enfrentarán a solicitudes que aumentarán en órdenes de magnitud, y de cuyas fuentes jamás influirá la publicidad.

Los pagos por parte de agentes resuelven de manera natural este problema, y los pagos pequeños se convertirán en la llave del acceso.

Acceso con pago, uso con pago, acceso con pago, uso con pago.

Las empresas que construyan la infraestructura final que será ampliamente adoptada por agentes, capturarán el mayor nuevo “pool” de actividad económica que nuestra generación podrá ver. Los gigantes actuales ya están ocupando posiciones, pero la economía de las máquinas también dará origen a sus propios nuevos gigantes. En la ronda anterior de la nueva ola de Internet nacieron Google, Amazon, Facebook, PayPal y Salesforce.

Se acerca la era de Internet con agentes inteligentes.

Perspectiva del tamaño del mercado

Para 2030, la gran mayoría de las interacciones de red ya no se completarán mediante navegadores. Nuestros agentes inteligentes navegarán, probarán, negociarán, formarán equipos de subagentes y ejecutarán transacciones en su nombre. Cada tarea que realicen generará una cadena de pagos pequeños. Estos costos por uso único parecen un gasto adicional, pero en realidad están reemplazando costos mucho mayores de herramientas y mano de obra. Cuanto más avanzadas sean las herramientas disponibles, mejor funcionarán los agentes, y también les otorgaremos mayores niveles de autonomía.

Demanda y velocidad de adopción

Hagamos una estimación aproximada.

En el caso anterior, la ejecución de las transacciones de la agencia de Joe generó cientos de operaciones gastando solo 0.67 dólares. Si escalamos esta escala a una empresa mediana de 500 personas — con agentes personales para cada empleado, y además cientos de agentes compartidos para departamentos como ventas, finanzas, legal, operaciones, etc. —, a diario se pueden generar fácilmente 100k transacciones iniciadas por agentes.

Hay más de 1,000 millones de trabajadores del conocimiento en el mundo; el 88% ya usa IA en el trabajo. La magnitud de la demanda es enorme y sigue creciendo. Pero hoy, este uso se limita en gran medida a tareas básicas, como búsqueda en la web, resumen de documentos o escritura de correos. La transformación completa hacia agentes inteligentes aún no ha llegado; pero una vez que arranque, la velocidad será extremadamente alta.

Instagram tardó 30 meses en llegar a 100 millones de usuarios, TikTok tardó 9 meses y ChatGPT solo 2 meses (datos de Reuters / UBS). Una de las razones del rápido crecimiento de ChatGPT es que la interfaz de conversación ya era familiar para todos y no requiere aprender software nuevo ni cambiar hábitos: solo describes lo que necesitas, y el agente se las arreglará para lograrlo.

El único obstáculo es la confianza, y la velocidad con la que se construye la confianza supera con creces las expectativas de las personas. En la actualidad, Claude Code ya ha aportado el 4% de todas las contribuciones públicas de código en GitHub (más de 135k veces al día); según la tasa de crecimiento actual, para finales de 2026 superará el 20%. Esto significa que en 13 meses se logra un crecimiento de 42,896 veces. Los desarrolladores, en poco más de un año, pasaron de dudar a delegar código de nivel “producción” a la IA a gran escala.

A medida que los modelos se vuelven más inteligentes, las interfaces más sencillas, y que cada vez se abstrae y oculta más complejidad técnica, creo que la velocidad de adopción de agentes inteligentes seguirá acelerándose.

Para 2030, incluso si solo el 60% de los trabajadores del conocimiento usa agentes, el gasto diario será de 3 a 5 dólares (esto ya es una estimación conservadora — después de todo, Joe completó tres tareas antes del desayuno gastando solo 0.67 dólares), y la escala anual de transacciones de agentes solo en el lado individual alcanzará entre 800,000 millones y 1.4 billones de dólares.

Mercado empresarial

Robbie Peterson de Dragonfly señaló en un artículo que los agentes inteligentes comerciales son una evolución razonable del modelo SaaS. Estoy totalmente de acuerdo. Ya no son solo asistentes de flujos de trabajo; reemplazarán por completo los flujos existentes. Así como hoy más del 95% del gasto de software proviene de empresas e instituciones gubernamentales, es muy probable que el volumen y el gasto del uso de agentes inteligentes en el lado empresarial superen con creces al mercado individual.

Ya estamos presenciando este cambio. Klarna usó sistemas internos de IA para reemplazar Salesforce y ahorró aproximadamente 2 millones de dólares. ZoomInfo construyó agentes de IA para reemplazar su departamento de aprobación de transacciones, ahorrando más de 1 millón de dólares al año. Estos son solo casos tempranos en los que flujos de trabajo individuales se “agentizaron” y se ahorraron costos de millones. Cada empresa tiene cientos de flujos de este tipo en ventas, finanzas, legal, operaciones y I+D. Una vez que los agentes inteligentes se desplieguen en toda la empresa, la escala de gasto será extremadamente sorprendente.

Todo el mundo puede convertirse en un comerciante

Con la fuerte reducción de costos de desarrollo provocada por los agentes de código, las barreras de entrada para comerciantes en Internet se acercan a cero. Un planificador de bodas que sepa filtrar lugares puede empaquetar y vender los mejores flujos de trabajo. Un desarrollador independiente en Lagos puede desarrollar una API para un nicho vertical y empezar a ganar ingresos desde agentes de todo el mundo en cuestión de horas. Solo necesitas tener conocimientos profesionales y, a través de prompts, generar una interfaz de API para empezar a cobrar.

Pero, ¿qué sucede si los agentes empiezan a vender servicios a otros agentes?

Supongamos que el Joe mencionado antes quiere entrar en un nuevo campo: una empresa médica mediana en el Medio Oeste de EE. UU. con infraestructura de pagos antigua. Si su agente razona desde cero y completa el proceso, los costos en tokens se acumularían rápidamente:

• Filtrar 200 compañías que encajan con un perfil específico (razonamiento + llamadas a API): aproximadamente 500k tokens

• Completar información de cada pista (stack tecnológico, financiamiento, datos de contratación): 200 pistas × aproximadamente 5,000 tokens = 1M tokens

• Asegurar a quienes toman decisiones de los clientes principales: aproximadamente 200k tokens

• Puntuación de señales de intención (ritmo de contratación, duración del contrato): aproximadamente 300k tokens

• Investigar el historial de cada decisor: 20 pistas × aproximadamente 10k tokens = 200k tokens

• Redactar mensajes de alcance personalizados: 20 pistas × aproximadamente 3,000 tokens = 60k tokens

Total de aproximadamente 2.3 millones de tokens; calculado usando el modelo de vanguardia como Opus 4.6, el costo estaría entre 8 y 15 dólares.

Espera, ¿la subagente de ventas de Joe no hacía un flujo similar antes gastando solo unos pocos centavos?

Sí. Porque la mayoría de los pasos ya estaban resueltos por otros agentes. Completar pistas, puntuación de intención, agendamiento: en el mercado abierto existen interfaces empaquetadas, con precios de solo unas centésimas de dólar.

Este tipo de modelo crea un escenario comercial totalmente nuevo. El lado de la oferta del mercado crece en ambas direcciones: los humanos construyen servicios y, a la vez, los agentes también construyen servicios. Un problema de alto consumo de tokens que resuelve un agente puede convertirse en una herramienta barata que todos los agentes posteriores puedan usar. En un mundo así, los agentes pueden convertir su experiencia en flujos de trabajo y venderlos a otros agentes, subsidiando así sus propios costos operativos.

Cada cambio de paradigma dará origen a nuevos comerciantes. Shopify empoderó a los vendedores de comercio electrónico, Stripe empoderó a las empresas en línea, y la economía de las máquinas empoderará a los desarrolladores improvisados y a los agentes inteligentes autónomos.

Mirada realista

Entonces, ¿qué tan cerca estamos de un comercio verdaderamente comercial de agentes inteligentes?

Mi equipo de Artemis ha estado siguiendo el avance de dos protocolos de pago de agentes principales: el protocolo x402 de Coinbase, de código abierto, y el Machine Payment Protocol (MPP) lanzado conjuntamente por Stripe y Tempo. En términos simples, estas dos clases de protocolos persiguen objetivos completamente consistentes: permitir que un usuario o agente pague cualquier servicio de red en una sola solicitud (por ejemplo, datos, extracción de páginas web, inferencia de modelos u otros servicios de API), evitando los engorrosos pasos como registrarse, claves de API y la liquidación de facturas.

Actualmente todavía estamos en una fase temprana.

El volumen de transacciones del protocolo x402 a finales de 2025 está inflado por la especulación de memecoins y el “rascado” de volumen mediante rankings. La imagen de arriba muestra la “actividad real” ajustada después de filtrar transacciones falsas mediante un algoritmo propietario. Al eliminar el ruido generado por transacciones falsas y la especulación de memecoins, se puede observar claramente que la economía de agentes aún no ha llegado de verdad. La mayor parte de la actividad actual solo consiste en que desarrolladores prueban APIs y herramientas de IA de pago, en lugar de que los agentes económicos auténticos estén funcionando.

Antes de que este modelo realmente despegue, hay dos problemas fundamentales que resolver:

1. El lado de la oferta aún no está formado: la cantidad de interfaces de API útiles que puedan generar una intención de pago real por parte de agentes es seriamente insuficiente.

2. Falta una capa madura de descubrimiento y agregación: incluso si existen interfaces de alto valor, los agentes no tienen una vía confiable para descubrirlas hoy.

Dado que todo el ecosistema aún se encuentra en desarrollo, usar el volumen de transacciones como métrica principal aún es prematuro. Un indicador más razonable es el crecimiento del lado de la oferta: el número de comerciantes que ofrecen servicios para agentes. Denominaremos a estos comerciantes como “proveedores de servicios”.

La figura muestra el cambio acumulado a lo largo del tiempo del número de proveedores de servicios (vendedores) que cumplen con los estándares. Los vendedores que cumplen los criterios deben haber completado al menos dos “transacciones reales” y tener al menos dos compradores independientes. En octubre del año pasado, esta cifra aún era inferior a 100; ahora supera los 4,000. Se espera que esta tasa de crecimiento se acelere, impulsada principalmente por tres tendencias:

1. La inteligencia artificial está reduciendo el umbral de creación de productos digitales (como se describió antes), lo que significa que más personas y agentes de IA se convertirán en comerciantes.

2. Los servicios nuevos se diseñarán con prioridad para agentes. Los agentes se están convirtiendo en el cliente principal, por lo que las formas de producto diseñadas para ellos serán totalmente diferentes: usar API en lugar de páginas web, acceso inmediato en lugar de procesos de registro, y pago por demanda en lugar de modelos de suscripción.

3. Los proveedores de servicios existentes se verán forzados a transformarse. A medida que cada vez más usuarios interactúen mediante interfaces de IA en lugar de navegar manualmente páginas web, el modelo de negocio dependiente de publicidad fallará por completo, porque no hay atención humana monetizable que vender. Las empresas no tendrán otra opción que cobrar directamente por el contenido y los servicios.

Estas fuerzas formarán un ciclo de retroalimentación positivo: amplificarán la oferta y la demanda; y finalmente encenderán toda la economía de agentes.

Panorama de la industria

La arquitectura del ecosistema de transacciones de agentes se está formando rápidamente. Están apareciendo numerosas startups una tras otra, enfocadas en resolver cada vacío dentro de esta arquitectura; al mismo tiempo, empresas en crecimiento del sector fintech y de servicios de software (SaaS) también están transitando hacia transacciones nativas de agentes. En los últimos 12 meses, casi todos los grandes proveedores de pagos y laboratorios de IA dominantes han lanzado o anunciado protocolos relacionados con transacciones de agentes.

Hemos identificado más de 170 empresas que cubren cinco niveles: interfaz de interacción, agentes inteligentes, sistemas de cuentas, infraestructura de pagos y motores de IA. Aquí lo resumimos a alrededor de 80 instituciones núcleo：

Desglosamos capa por capa de arriba hacia abajo.

Capa de interfaz

La capa de interfaz es la que está más cerca del usuario y se encarga de dirigir la intención del usuario (la necesidad) hacia las herramientas o servicios necesarios (la oferta). Quien pueda definir cómo los agentes inteligentes descubren, evalúan y eligen servicios, tendrá un control enorme sobre todos los niveles por debajo. Nos centraremos en dos categorías más importantes dentro de esta capa:

Interfaz de usuario

Este es el punto de entrada con el que la mayoría de las personas interactúan directamente con agentes inteligentes. Apple, Google, OpenAI, Anthropic, xAI y Perplexity están construyendo este tipo de interfaces de interacción, y su forma está evolucionando rápidamente más allá del simple modo de chat. Aparecen continuamente nuevas formas: asistentes de voz, asistentes de escritorio, copilotos embebidos, agentes en el navegador, etc., acercándose a los escenarios reales en los que los usuarios usan estas tecnologías. La plataforma que se convierta en la interfaz de IA predeterminada para los usuarios será el punto de partida de todas las transacciones iniciadas por agentes; el ganador de este camino obtendrá una ventaja adicional enorme.

Los laboratorios de IA ya han rastreado y entrenado datos de todo Internet; hoy, el mejor conjunto de datos de entrenamiento restante es la retroalimentación guiada por humanos. Cada vez que aceptas o rechazas una respuesta, haces correcciones, o proporcionas preferencias a Claude o ChatGPT, las interfaces de interacción que usas capturan esos datos para venderlos o usarlos para entrenar modelos. Controlar la interfaz equivale a controlar el bucle de retroalimentación que optimiza tanto la experiencia del usuario como el propio modelo. Por eso Anthropic lanzó Claude Code, Google compró Windsurf y OpenAI intentó comprar Cursor. En cuanto tu agente acumule información contextual sobre tus preferencias, flujos de trabajo y herramientas de uso frecuente, el costo de migración del usuario se volverá extremadamente alto.

Descubrimiento de servicios

Cuando el agente de Joe necesita una interfaz para completar pistas o un proveedor de datos satelitales, ¿cómo encontrará el servicio adecuado? Este podría ser el mayor problema aún no resuelto en toda la arquitectura del ecosistema. Las soluciones actuales en su mayoría son listados de herramientas codificados de forma rígida o mercados seleccionados de servicios. Las principales plataformas ya están construyendo sus propios sistemas: OpenAI y Stripe lanzaron ACP, Google y Shopify lanzaron UCP, y Visa lanzó TAP. En esencia, todas son directorios de comerciantes; requieren que la plataforma y los comerciantes se integren de forma proactiva para funcionar. Este tipo de modelo funciona bien en escenarios comunes, pero a medida que baja drásticamente el umbral para crear y vender servicios digitales, surgirán numerosas aplicaciones de nicho altamente personalizadas, y el modelo de selección no puede satisfacer estas necesidades de larga cola.

Empresas como Coinbase, Merit Systems, Orthogonal y Sapiom están construyendo soluciones de reemplazo abiertas: crean agregadores e infraestructura de base para que los agentes puedan, en tiempo de ejecución, localizar y pagar servicios de forma autónoma, sin integración previa ni acuerdos comerciales. A medida que crece exponencialmente la oferta (es decir, recursos en la red), la dificultad de resolver esto se vuelve enorme. Pero quien logre atacar los sistemas de ordenamiento y recomendaciones, y hacer que el agente se empareje con el servicio correcto en el momento correcto, obtendrá una gran voz en la industria.

Las transacciones de agentes eventualmente irán hacia un modo de selección/cerrado, o hacia un modo de ecosistema abierto; y cómo ese patrón determinará la distribución del valor: este es uno de los debates más centrales del campo. Exploraremos este tema más adelante.

Agentes inteligentes y capa de cuentas

Para que nos ayuden a completar tareas, los agentes inteligentes no pueden limitarse a ser “inteligentes”. El subagente de ventas de Joe completó todo el flujo: filtró 200 pistas, completó información y agendó tres reuniones; Joe no tuvo que configurar ninguna herramienta, gestionar claves de API, ni aprobar paso a paso cada acción. La mayor parte de la infraestructura que hace posible esto es invisible para el usuario final; pero sin estas infraestructuras, el agente es solo un gran modelo de lenguaje sin capacidad de ejecución. A continuación, un resumen de los componentes básicos principales necesarios para lograrlo:

Herramientas y estándares

Estos protocolos y marcos otorgan a los agentes inteligentes la capacidad de interactuar con el mundo exterior. MCP (Machine Communication Protocol, iniciado por Anthropic y gestionado ahora por la Linux Foundation) permite que los agentes se conecten a datos y herramientas externas: llamar APIs que nunca se habían tocado, leer bases de datos o invocar un servicio al instante. A2A (propuesto por Google) define cómo los agentes desarrollados en diferentes plataformas pueden descubrirse y colaborar entre sí. Frameworks como LangChain, los lanzados por Nvidia y Cloudflare, ofrecen bloques base para que los desarrolladores creen y desplieguen agentes sobre estos protocolos. Recientemente adquirida por OpenAI, OpenClaw integra gestión de contexto y llamadas a herramientas en un marco único priorizando lo local, reduciendo en gran medida la dificultad para que los desarrolladores construyan agentes capaces de descubrirse y pagar por servicios de forma autónoma.

El problema central de este campo es: ¿estos estándares terminarán unificándose o se fragmentarán? Si se construyen marcos comerciales sobre estos estándares, ¿se puede capturar valor antes de que las herramientas se vuelvan homogéneas?

Autenticación de identidad

Después de que los agentes puedan comunicarse entre sí, también hay que construir confianza. Antes de que un agente realice transacciones o venda servicios, debe demostrar su entidad autorizada y los permisos de operación, y guardar registros de acciones que otros agentes puedan verificar.

Hay múltiples rutas tecnológicas actuales, incluyendo: verificación de identidad biométrica (Worldcoin, Civic), sistemas de reputación de agentes en cadena (ERC-8004) y credenciales verificables (Dock, Reclaim).

El espacio de diseño en este campo es amplio y los riesgos son extremadamente altos: ¿cuánto dinero como máximo puede gastar tu agente antes de que lo apruebes? ¿Puede representar tu firma para contratos? ¿Puede delegar permisos a subagentes? Estas reglas y fronteras de seguridad probablemente se definirán finalmente en la capa de cuentas.

Cartera (wallet)

Está claro que para que un agente realice pagos, debe contar con un monedero. Coinbase, Safe, MetaMask, Phantom, MoonPay, Privy y muchos otros proveedores ya están posicionándose en este terreno, ofreciendo funciones que incluyen acceso y creación programáticos, delegación de permisos, límites de gasto por transacción, lista blanca de receptores, y capacidad de operar en múltiples cadenas sin que el usuario tenga que confirmar manualmente cada operación. Este es uno de los sectores con competencia más feroz dentro de todo el ecosistema, y también plantea una cuestión clave: ¿dónde estará el foso de protección de una empresa? ¿Este campo terminará volviéndose homogéneo?

Capa de pagos

La capa de pagos está más profunda en toda la arquitectura y, para el usuario final, debería ser invisible; pero en la economía de las máquinas, cada unidad de dinero fluirá por aquí. Cuando el agente de Joe paga 0.24 dólares durante la noche para recuperar datos de 40 proveedores de servicios, él no tiene que elegir tarjeta, moneda ni cadena de liquidación para cada transacción.

La dificultad central es que los canales de pago tradicionales están diseñados para el clic humano en un botón “comprar”, no para adaptarse a miles de llamadas de API por minuto desde agentes, con importes por transacción inferiores a un centavo. La red de tarjetas tiene un costo fijo por transacción de aproximadamente 0.03–0.04 dólares, además de una tarifa de 2.3%–2.9%. Esto es viable para una orden de hotel de 400 dólares, pero no puede adaptarse en absoluto a nuevas transacciones de agentes con múltiples pasos.

De ahí surge un conjunto de protocolos nuevos y sistemas monetarios diseñados específicamente para transacciones de agentes, mientras que los gigantes tradicionales también están modificando la infraestructura existente para adaptarse a estas necesidades.

Los puntos clave son los siguientes：

Canales de pago

Estos protocolos y estándares definen cómo los agentes inteligentes inician, enrutan y completan la liquidación de pagos. Actualmente, se han consolidado principalmente dos rutas técnicas:

1. x402 (Coinbase/Cloudflare) y MPP (Stripe/Tempo) diseñados para transacciones nativas de máquinas: el agente llama a la interfaz, obtiene una cotización, firma el pago y recibe los datos, todo completado en una sola solicitud HTTP, con liquidación en stablecoins; el costo por transacción es solo de unas cuantas centésimas de dólar.

2. ACP (OpenAI/Stripe), AP2 (Google/PayPal) y el TAP de Visa adoptan otra idea: adaptar la infraestructura existente de pagos con tarjetas para escenarios de agentes. Estas soluciones son más adecuadas para transacciones de alto valor; en comparación con la velocidad y el costo de liquidación, la protección del comprador y la cobertura de aceptación del comerciante son más importantes.

Stablecoins y liquidación

Los agentes inteligentes necesitan una moneda programable, rápida, de bajo costo y global. Las stablecoins cumplen perfectamente con estos requisitos, por lo que se convierten en la elección natural para las transacciones de x402 y MPP. Al mismo tiempo, los canales de pago con tarjetas aún pueden proporcionar protección del comprador, y la costumbre de uso del comerciante está madura; esto sigue siendo importante para transacciones de alto valor. Las blockchains subyacentes (como Base, Solana, Tempo) plantean otra capa de problema clave: ¿qué cadenas pueden soportar el throughput requerido por transacciones masivas a nivel de agente, la finalización de transacciones y la estructura de costos?

Proveedores de servicios

Estas instituciones son intermediarios entre el agente inteligente y el comerciante, encargados de manejar procesos complejos como revisión de cumplimiento, integración con comerciantes y autenticación de permisos. Coinbase, Stripe y PayPal están expandiendo su ecosistema existente para admitir transacciones de agentes, apostando a que su red de comerciantes y la infraestructura de cumplimiento crearán una ventaja competitiva. Otras instituciones, como Sponge y Sapiom, abordan el problema del “arranque en frío” desde el lado emergente de los comerciantes, permitiendo que cualquier negocio basado en API acepte pagos de agentes de forma sencilla. A medida que crecen los canales de pago, los protocolos y el número de comerciantes, los coordinadores podrían convertirse en el eslabón clave que evite la fragmentación de todo el sistema.

Capa del motor de IA

Esta capa no requiere demasiadas presentaciones: todas las interacciones de agentes, pasos de razonamiento y llamadas a herramientas son impulsadas por ella. Pero la velocidad de cambio del modelo de negocio de esta capa supera con creces otras partes de la arquitectura, y el flujo del valor final no es tan claro como parece. Nos enfocamos en dos categorías principales:

Cómputo y custodia

Cada vez que el agente inteligente de Joe realiza inferencia para una tarea, llama herramientas o crea subagentes, se consume cómputo. Pero la inferencia del modelo es solo una parte. Con el crecimiento explosivo de aplicaciones de bajo código/desarrollo improvisado y el surgimiento de servicios construidos por agentes, aparecen muchas interfaces nuevas que requieren un medio de custodia (hosting). A mayo de 2025, el número de páginas web accesibles creció un 45% en solo dos años; y a medida que los agentes de código hacen que el lanzamiento de nuevos servicios sea extremadamente fácil, esta tasa solo se acelerará aún más. Esto significa que la demanda de cómputo está creciendo de manera simultánea desde ambos lados: por un lado, más agentes manejan más tareas; por otro lado, más servicios se publican para satisfacer su demanda.

Los hiperescalares cloud (AWS, Google Cloud, Nvidia) son participantes obvios, y AWS y Google Cloud también siguen simplificando los procesos de despliegue de backends de agentes y de APIs en su infraestructura. Cloudflare se enfoca en edge computing y ofrece cómputo serverless de baja latencia para servicios dirigidos a agentes. Plataformas de cómputo descentralizadas como Akash, Bittensor, Nous, etc., satisfacen la necesidad de exceso de cómputo mediante la integración de recursos GPU globales y la venta a precios muy bajos.

Modelos base

Los modelos base son el “cerebro” de todo el sistema. Anthropic, OpenAI, Google y Meta, como laboratorios de vanguardia, amplían continuamente los límites de capacidad de los agentes inteligentes, y el costo de ejecutar estos modelos está cayendo rápidamente. A finales de 2022, ejecutar un modelo de nivel GPT4 costaba aproximadamente 20 dólares por cada millón de tokens; y a principios de 2026, con un rendimiento equivalente, el costo de un modelo baja a aproximadamente 0.05 dólares por millón de tokens: en poco más de tres años, la caída es de hasta 600 veces. El costo de inferencia se reduce de manera continua gracias a la actualización de hardware, la competencia entre fabricantes y optimizaciones como caché de prompts y batch processing. Al mismo tiempo, a medida que la lógica de inferencia se destila hacia modelos de pesos abiertos más pequeños, y el costo de ejecución es muy bajo, el costo de construir inteligencia también baja significativamente. En algunas pruebas de referencia, la brecha de rendimiento entre modelos de pesos abiertos y modelos cerrados se ha reducido a solo 1.7%.

Esto es una gran noticia para la economía de las máquinas.

La inteligencia más barata significa agentes más baratos, lo que permite que incluso un fundador independiente de 24 años en Vermont pueda costear fácilmente los gastos de ejecución; y esto impulsa aún más la actividad de transacciones en los niveles superiores del ecosistema. Si los modelos grandes entraran en una guerra de precios como los proveedores de servicios cloud actuales, el valor podría concentrarse finalmente en los eslabones aguas arriba y aguas abajo de la capa de modelos, en lugar de en el propio modelo.

¿Quién será el ganador?

Para 2030, la mayor parte de tus interacciones digitales ya no necesitarán navegador, motor de búsqueda o tienda de aplicaciones. Solo tienes que describir lo que necesitas, y los agentes inteligentes se encargan de todo: encontrar el servicio adecuado, negociar los términos, completar el pago y entregar el resultado final. Internet mostrará una apariencia completamente distinta.

Puede entenderse como la era de SEO (optimización de motores de búsqueda) para agentes. Habrá cada vez más interfaces API y cada vez menos interfaces de interacción para humanos.

En un mundo así, ¿quién captura el valor?

Sam Lagesdale de Merit Systems comparó en un artículo la economía actual de transacciones de agentes con el Internet temprano. Creyó que los mercados de servicios de agentes tipo “selección” construidos por los grandes actores (ACP, UCP, TAP) siguen el camino de los viejos tiempos de America Online (AOL) en los 90: una experiencia pulida, un sistema cerrado, pero con la limitación central de que todos los proveedores de servicios deben pasar por selección y auditoría manual. Los protocolos abiertos como x402 y MPP, aunque más “toscos”, tienen características sin permisos: cualquiera puede montar interfaces, sin equipo comercial ni revisión legal, y ganar ingresos a través de agentes. En los 90, la experiencia de productos tipo “jardín cerrado” era mejor, pero el Internet abierto tenía posibilidades infinitas.

Al final, gana Internet abierto.

La misma lógica se está repitiendo. ACP, UCP y TAP se conectarán con laboratorios de IA punteros, y funcionarán bien para escenarios masivos; sin embargo, quedarán limitados a agentes que solo puedan completar tareas predefinidas por la plataforma, basadas en catálogos de servicios precalificados. Los agentes que pueden conectarse al sistema completo de protocolos abiertos tendrán límites de capacidad mucho más amplios.

Recuerda que hoy, la parte más vital de Internet se debe a las enormes colas largas de tráfico abierto que HTTP permite en la web.

Debemos ser humildes al admitir que no podemos imaginar el panorama completo del Internet de agentes abiertos. Así como en 1995 nadie podía predecir la aparición de los servicios de transporte compartido o de las redes sociales, cuando les proveemos a los agentes las herramientas necesarias, tampoco podemos predecir qué crearán, a qué servicios pagarán y cuáles serán.

Tal como discutimos antes, los modelos base avanzan rápidamente hacia la homogeneización; el valor podría moverse hacia otros niveles dentro de la arquitectura tecnológica. Las herramientas de desarrollo, wallets y la infraestructura de identidad son importantes, pero a medida que los estándares se unifiquen, estos campos también podrían volverse homogéneos. Por lo tanto, creo que el valor se concentrará en tres áreas: la interfaz de interacción, los pagos y el cómputo.

Interfaz de interacción

La interfaz de interacción determina límites de gasto, flujos de aprobación y mecanismos de delegación de confianza. Una plataforma que pueda crear la experiencia más personalizada para los usuarios cargará la mayor cantidad del flujo de transacciones.

Apple es el participante más subestimado en este campo. Sus dispositivos están profundamente integrados en la vida diaria de las personas, y el costo de migración del usuario es extremadamente alto. Si Siri evoluciona hasta convertirse en un punto de entrada maduro para la interacción con agentes, Apple no necesita construir los mejores modelos para controlar el punto de partida de miles de millones de transacciones. Solo necesitan mantener el mejor punto de entrada de interacción.

La transformación que enfrenta Google es aún más difícil. Pasar del navegador manual por humanos a la selección inteligente por agentes erosionará sus ingresos centrales por publicidad. Pero Google tiene ventajas que otras empresas no pueden igualar: acumula durante décadas datos personales en la búsqueda, correo, calendario, mapas y documentos. Además, está el costo de migración empresarial: Google Workspace ya está incrustado en millones de empresas, y el correo, los archivos y los flujos de trabajo de los empleados corren sobre la infraestructura de Google. Si hay alguna empresa capaz de crear agentes más personalizados para consumidores y empresas, esa es Google. La pregunta es si será capaz de monetizar los servicios de agentes de manera tan eficiente como monetiza el tráfico de búsquedas.

Merit Systems es el comodín que me gusta. Construyen infraestructura de descubrimiento de servicios para la economía de agentes abiertos (AgentCash, exploración de x402, exploración de MPP) y también desarrollan interfaces para el lado del consumidor (Poncho). Su lógica central es: quien controle el canal de descubrimiento de servicios de agentes y entre en la parte del flujo de fondos, podrá ocupar la posición que Google tenía en el Internet temprano. Es una apuesta ambiciosa, pero si la guerra de transacciones de agentes abiertos supera el modo de selección/cerrado, Merit se convertirá en la capa agregadora con más ventaja. Todavía está en fase temprana, como en la competencia entre Google y el ecosistema cerrado de AOL valorado (en capitalización) en los “350 mil millones de dólares” de entonces.

Pagos

Quien controle el flujo de fondos, se quedará con parte del reparto en cada transacción. Tengo mucha confianza en esta capa, porque su escala crecerá en sincronía con el volumen de transacciones.

Stripe y Tempo son las que más ventaja tienen en pagos nativos para máquinas. Stripe ya tiene un ecosistema de desarrolladores maduro y una red enorme de comerciantes. Tempo, por su parte, tiene características como pagos en streaming, finalización de transacciones de aproximadamente 500 milisegundos, pagos en streaming a través de canales de pago, soporte nativo de tarjetas y stablecoins, pagar el costo Gas en dólares (sin riesgo de volatilidad de tokens), y transacciones con pago por servidor, todo diseñado específicamente para el enorme volumen de transacciones de la economía de máquinas. Si MPP se convierte en el canal de pago nativo por defecto, Stripe y Tempo obtendrán un porcentaje de cada transacción de agente.

Circle crecerá en sincronía con la expansión de la economía de agentes. Tengo una firme convicción: las stablecoins se convertirán en la capa de liquidación de la economía de máquinas. Entonces, Circle repartirá ganancias a través del rendimiento de sus reservas, obteniendo una parte de cada dólar en el monedero del agente. USDC es la stablecoin con mayor aceptación en exchanges, monederos, cadenas públicas y protocolos de pago. Los nuevos desarrolladores tenderán a elegirla primero, profundizando la integración de su ecosistema, lo que dificulta aún más la entrada de competidores.

Visa completará la adaptación. Recuerda a Joe recargando con tarjeta de crédito mediante Apple Pay: en la capa inferior, se convierte automáticamente a stablecoins, y él no ve el monedero en todo el proceso ni necesita preocuparse por la blockchain. Ese es el estado futuro. Los consumidores seguirán usando tarjetas bancarias familiares, mientras que la liquidación se completará en stablecoins. Con la actualización de los canales de pago, Visa aprovechará la confianza de su marca tanto en consumidores como en comerciantes para afianzarse.

Cómputo y custodia

El crecimiento en el número de agentes significa un aumento en la demanda de inferencia. A medida que aumentan los servicios creados de forma improvisada, crece la demanda de custodia. Independientemente de qué modelo, protocolo o interfaz se vuelva dominante, los proveedores de cómputo se beneficiarán. AWS y Cloudflare son las dos empresas con mayor ventaja en este campo, por razones similares.

Primero, ya han sustentado la mayor parte del tráfico de Internet. AWS posee aproximadamente el 30% de la cuota de infraestructura cloud en 37 regiones globales. Cloudflare ofrece servicios de seguridad y rendimiento a más del 20% de los sitios web, lo que significa que las solicitudes de esos sitios pasan por su red. Cuando explota el crecimiento de nuevas interfaces dirigidas a agentes, los desarrolladores elegirán por defecto plataformas de despliegue que ya conocen.

Segundo, están construyendo la infraestructura de monetización para la nueva generación de Internet. A medida que el modelo publicitario decae y surge el acceso de pago, ambas empresas soportan nativamente esta transición. Cloudflare ya lanzó servicios de pago por crawling, permitiendo que cualquier sitio web dentro de su red cobre a través de x402 a los “AI crawlers” (Stack Overflow ya lo usa). Y AWS es miembro fundador del fondo x402, además de publicar una arquitectura de referencia open source serverless x402. Cualquier servicio desplegado sobre ambas plataformas puede habilitar fácilmente funciones nativas de monetización para agentes.

Autenticación de identidad

Me siento pesimista sobre empresas como Worldcoin: su sistema exige verificación humana en cada interacción. Este concepto de “extremismo” supone que la gente se preocupará por si el interlocutor en línea es humano o un agente; pero ya estamos acostumbrados a ello. En mi opinión, es más probable que el futuro sea que: la mayoría de los criterios para filtrar el tráfico de red sean los pagos pequeños, no credenciales de identidad humana.

El acceso de pago será más práctico que “demuestra que eres humano”.

El sistema de identidad solo importa en ciertas interacciones de alto riesgo, pero en la mayoría de las transacciones de agentes, (los pagos pequeños) por sí mismos son un certificado de confianza.

Conclusión

Cuando Joe despierta, no piensa en canales de pago ni en protocolos de identidad de agentes. Solo mira el teléfono y sabe que el agente ya completó transacciones, agendó reuniones y encontró un servidor más barato. Todas las capas de arquitectura técnica discutidas en este artículo están perfectamente abstraídas; él no necesita preocuparse.

Seguimos acercándonos a este futuro. Los protocolos relacionados ya están en línea, pero su adopción aún es insuficiente; el lado de la oferta crece, pero sigue siendo escaso; el problema del descubrimiento de servicios aún no se ha resuelto; y la capa de identidad está fragmentada en exceso. La mayor parte de las transacciones actuales son pruebas de desarrolladores, no transacciones reales de agentes. Pero la velocidad con la que se completa el rompecabezas del ecosistema será mayor que la que muestran los indicadores de datos. Quienes hoy miran con pesimismo la infraestructura temprana solo ven la curva bajista; pero yo pienso en lo que ocurrirá cuando cada persona tenga uno o un grupo de agentes verdaderamente capaces de realizar acciones económicas.

Si todavía no has actuado, es momento de hacer la transición hacia el modelo económico de los agentes.