Seu agente de IA já pode comprar por você. Mas dá para confiar nele?

Principais destaques:

• A compra já começou: agentes de IA estão deixando de apenas usar softwares e passam a operar infraestrutura financeira diretamente.
• O golpe mudou de lugar: para empresas de IA, fraude muitas vezes acontece antes do pagamento, com contas falsas, créditos gratuitos e uso de computação sem pagar.
• Confiança ainda tem limite: compras pequenas e pré-autorizadas já podem ser automatizadas, mas sofá, assinaturas novas e outras decisões caras continuam exigindo supervisão humana.

A ideia parece simples: você manda um agente comprar alguma coisa e ele resolve tudo sozinho.

Só que comprar não é apenas clicar em “pagar”. Existe identidade, autorização, limite de gasto, fraude, confiança entre comprador e vendedor e, principalmente, a pergunta que aparece quando a decisão fica cara: quem responde se a máquina escolher errado?

É justamente aí que empresas como a Stripe estão tentando construir uma nova camada de infraestrutura.

A IA deixou de ser apenas uma ferramenta 👀

Durante anos, agentes de IA foram tratados como uma espécie de assistente digital. Eles escrevem e-mails, resumem documentos, criam apresentações e até programam.

Agora começa uma mudança mais profunda: o agente pode se tornar um participante da economia.

Emily Glassberg Sasson, executiva da Stripe responsável por dados e infraestrutura de agentes, descreve um momento de forte aceleração no comércio impulsionado por IA.

Novas empresas abertas pela plataforma Atlas, da Stripe, estavam dobrando ano a ano. Os novos cadastros de empresas na Stripe também cresceram 50% em relação ao ano anterior.

E há outro dado curioso: empresas criadas em 2026 estavam começando a monetizar mais rapidamente. Na comparação apresentada por Sasson, a coorte de 2026 monetizava cerca de 50% mais, na mediana, que a anterior.

Mas o sinal mais interessante talvez tenha aparecido em um lugar bem menos glamouroso.

💻 Os próprios agentes começaram a usar a infraestrutura:

A interface de linha de comando da Stripe existia havia aproximadamente sete anos e tinha uma base relativamente pequena de desenvolvedores.

Então seu uso disparou.

Não houve uma grande mudança no produto. Quem mudou foi o usuário.

Agentes de programação começaram a encontrar e utilizar a ferramenta diretamente.

💡 A mudança importante não é apenas a IA ajudar alguém a usar um software. É a IA começar a ser, ela própria, uma usuária da infraestrutura financeira.

E isso cria uma pergunta inevitável: se máquinas vão comprar e vender, quem garante que elas são confiáveis?

Como um agente pode gastar seu dinheiro? 💳

A resposta da Stripe passa principalmente pelo Link, sua carteira de pagamentos para consumidores.

O produto começou como uma maneira de armazenar informações de pagamento e acelerar o checkout. Hoje, é usado por aproximadamente 300 milhões de consumidores e está sendo ampliado para permitir que agentes gastem em nome dessas pessoas.

O detalhe decisivo é a identidade.

Quando uma compra passa pelo Link, a transação continua vinculada à identidade do consumidor. O comerciante não precisa simplesmente confiar em uma máquina anônima que apareceu no checkout.

Há uma pessoa por trás dela.

E, do outro lado, o comerciante recebe sinais de confiança e controles de prevenção a abuso que já fazem parte da infraestrutura de pagamentos.

Isso torna possível um cenário relativamente simples: você autoriza um agente a comprar um café, estabelece um limite e deixa a máquina executar a tarefa.

☕ O café é fácil. O sofá, nem tanto:

Uma compra pequena, com orçamento definido e identidade verificável, é um problema relativamente limitado.

Comprar um sofá de milhares de reais é outra história.

O agente precisa avaliar alternativas, qualidade, preço, entrega e talvez até decidir se aquela compra realmente faz sentido. Uma assinatura nova também pode criar um compromisso recorrente que não estava previsto inicialmente.

Nesse ponto, executar uma autorização deixa de ser suficiente.

É preciso tomar uma decisão.

O curioso é que o maior problema pode acontecer antes do pagamento 🔎

Fraude tradicional costuma ser pensada em torno da transação. Você chega ao checkout, tenta pagar e um sistema avalia: esse pagamento parece legítimo?

Ferramentas como o Radar, da Stripe, foram construídas em grande parte para esse tipo de problema. Só que as empresas de IA descobriram que seus maiores prejuízos podem aparecer muito antes.

Para uma empresa tradicional de software, criar milhares de contas gratuitas pode ser incômodo, mas o custo marginal de atender cada usuário costuma ser relativamente baixo.

Para uma empresa de IA, cada usuário pode consumir uma quantidade significativa de computação.

E computação custa dinheiro.

🪙 O novo alvo são os tokens:

Sasson descreve os tokens como algo que ainda não é uma moeda, mas que já possui valor econômico considerável.

Fraudadores podem criar contas descartáveis, coletar créditos de testes gratuitos e consumir capacidade computacional sem nunca chegar a uma transação legítima.

O dinheiro, nesse caso, nem precisa ser roubado diretamente.

O criminoso rouba uso de infraestrutura.

O caso Cursor mostrou o tamanho do problema ⚠️

A Cursor, ferramenta de programação com IA, encontrou exatamente esse cenário.

Segundo Sasson, a equipe da empresa explicou à Stripe que o Radar era “world class”, mas não resolvia o problema principal.

O motivo era simples: o abuso acontecia antes da cobrança.

Contas fraudulentas capturavam créditos gratuitos. Usuários consumiam recursos. O uso acumulava.

E a conta podia desaparecer antes que uma transação legítima acontecesse.

Para uma plataforma de IA, isso transforma um simples cadastro gratuito em uma possível despesa.

A pergunta deixa de ser: “Essa transação é fraudulenta?”

E passa a ser: “Essa conta provavelmente vai abusar do serviço?”

A Stripe mudou a pergunta

A resposta foi deslocar a análise para o comportamento da conta.

Em vez de esperar o pagamento, o sistema pode avaliar sinais de risco no momento do cadastro, durante um teste gratuito ou quando o consumo começa a crescer rapidamente.

É uma mudança pequena na frase e enorme na arquitetura.

• Antes: avaliar a probabilidade de fraude de uma transação.

• Agora: avaliar a probabilidade de abuso de uma conta e de seu comportamento.

Para fazer isso em escala, existe outra peça importante: a rede.

O que uma empresa consegue enxergar sozinha? 🌐

Uma única plataforma pode perceber que determinada conta está criando cadastros suspeitos.

Mas ela talvez não saiba que o mesmo comportamento apareceu em outras empresas.

A Stripe, por outro lado, atua como infraestrutura de pagamentos para uma grande quantidade de negócios. Sasson cita sua presença em uma parcela significativa das empresas da lista Forbes AI 50 e integrações com plataformas de desenvolvimento como Vercel, Replit e Manus.

Isso cria uma espécie de visão transversal do ecossistema.

Se um mesmo padrão de comportamento aparece em vários serviços, o sinal pode ser percebido antes de cada empresa sofrer o prejuízo isoladamente.

É a rede funcionando como mecanismo de confiança.

No caso da Cursor, a solução teria saído do problema relatado pela equipe até uma API funcional em questão de dias, sem passar por um processo tradicional de especificação de produto.

A infraestrutura já existia.

O que faltava era expor aquela inteligência de uma maneira diferente.

E se o agente for o comprador? 🛒

Aqui a questão fica ainda mais interessante.

Um agente não precisa necessariamente apenas executar uma compra que você determinou. Ele pode comparar produtos, negociar preços e conversar com vendedores.

Em teoria, isso parece ótimo para o consumidor.

Imagine uma máquina comparando dezenas de ofertas enquanto você faz outra coisa.

Mas existe uma consequência econômica menos óbvia.

🤝 Agentes podem negociar sem se cansar:

Um humano normalmente abandona uma negociação depois de algumas tentativas. Um agente pode continuar insistindo.

• Pode voltar ao vendedor.
• Pode fazer outra contraproposta.
• Pode comparar novamente.

E continuar.

Isso pode alterar a dinâmica de preços do comércio eletrônico, especialmente porque a negociação deixa de ser limitada pela paciência humana.

Para o consumidor, isso pode significar mais poder de barganha em determinadas situações. Para vendedores, pode pressionar as margens e mudar a maneira como preços e ofertas são estruturados.

O equilíbrio atual pressupõe, em parte, que ninguém tem tempo infinito para negociar.

Agentes não têm esse problema.

Então já dá para deixar a IA com o cartão? 💰

Em situações muito específicas, a resposta é próxima de sim.

O cenário mais sólido é aquele em que existem três coisas bem definidas:

Elemento	Exemplo
Limite	Até determinado valor
Identidade	Compra vinculada ao consumidor
Escopo	Produto ou serviço previamente autorizado

Uma compra pequena dentro de um orçamento estabelecido é muito diferente de entregar ao agente liberdade total para gastar.

E essa diferença importa.

Onde a automação já faz sentido

1️⃣ Pequenas compras: o agente pode executar uma tarefa simples e de baixo risco dentro de um limite.

2️⃣ Renovações controladas: serviços previamente autorizados podem ser pagos automaticamente dentro das regras estabelecidas.

3️⃣ Orçamento rígido: o agente pode agir sem pedir confirmação a cada etapa, desde que não consiga ultrapassar o teto.

Onde a coisa complica

4️⃣ Compras caras: o problema passa a envolver julgamento e consequências maiores.

5️⃣ Novas assinaturas: além do preço inicial, existe o compromisso futuro.

6️⃣ Escolhas subjetivas: preço, qualidade, preferência e adequação não são questões que um sistema de pagamento resolve sozinho.

É por isso que a infraestrutura financeira pode tornar um agente capaz de pagar sem necessariamente torná-lo capaz de decidir bem o que comprar.

A confiança virou parte do produto 🧩

Essa talvez seja a principal mudança.

Quando agentes passam a movimentar dinheiro, identidade e infraestrutura deixam de ser detalhes técnicos escondidos nos bastidores.

Viraram parte da experiência.

• O comerciante quer saber quem está por trás do agente.
• O consumidor quer saber exatamente o que autorizou.
• A plataforma quer impedir que créditos e computação sejam drenados por contas fraudulentas.
• E o próprio agente precisa operar dentro de limites que façam sentido.

No fim, não basta construir uma IA que saiba clicar no botão de compra.

É necessário construir um sistema capaz de responder a perguntas muito mais humanas: quem autorizou isso, quanto pode gastar, em quem devemos confiar e o que acontece se der errado?

O próximo teste não será comprar um café ☕

Hoje, o café é um ótimo exemplo porque reúne quase tudo que torna uma compra automatizada relativamente simples: valor baixo, tarefa objetiva, identidade conhecida e pouco risco.

O desafio começa quando o agente precisa fazer escolhas que você normalmente faria sozinho.

• Um sofá.
• Uma viagem.
• Uma assinatura.
• Um contrato recorrente.

A partir daí, o problema deixa de ser apenas financeiro. Ele passa a ser comportamental.

A infraestrutura está avançando para permitir que agentes participem do comércio. Mas construir o encanamento para o dinheiro circular é uma coisa. Decidir quando uma máquina merece permissão para abrir a torneira é outra.

E talvez seja justamente essa a fronteira que vai definir a próxima fase dos agentes: não se eles conseguem comprar, mas quanto de autonomia estamos dispostos a lhes dar quando a conta deixa de ser pequena.