Como usar um Agente de IA para impulsionar a gestão de ativos na cadeia de blocos

nulo

Para equipas com capacidade para dominar simultaneamente as duas dimensões, Web3 e IA, este é o momento certo para entrar — quer seja na camada de execução, construindo sistemas de agentes on-chain mais fiáveis, ou na camada de infraestruturas, ligando os elos críticos entre dados, permissões e confiança; existe ainda uma grande margem por preencher.

Antes de avançar para uma análise formal, é necessário clarificar primeiro um conceito central: DeFAI.

DeFAI é a sigla de DeFi (finanças descentralizadas) e AI (inteligência artificial), referindo-se à integração de agentes de IA em cenários financeiros on-chain, dotando-os da capacidade de percecionar o estado do mercado, definir estratégias de forma autónoma e executar diretamente operações on-chain — permitindo, assim, completar uma série de comportamentos financeiros tradicionalmente realizados por profissionais, como alocação de ativos e gestão de risco, sem depender de intervenção humana em tempo real.

Em poucas palavras, DeFAI não é uma simples atualização “AI” das ferramentas DeFi; é uma tentativa de construir uma camada de execução financeira que funcione de forma autónoma na cadeia.

Este setor aqueceu rapidamente desde o 4.º trimestre de 2024. Por trás disso, há três acontecimentos marcantes que vale a pena acompanhar, cada um correspondendo a um dos três níveis em que os agentes de IA entram no Web3: quebra de barreiras narrativas, construção de infraestruturas tokenizáveis e concretização real das capacidades de execução.

O primeiro acontecimento deu-se em julho de 2024. O bot do Twitter Truth Terminal, construído pelo programador Andy Ayrey, ganhou grande tração pública após receber uma doação de 50 mil dólares em BTC do cofundador da a16z, Marc Andreessen, e desencadeou a propagação viral da moeda GOAT. Este foi o primeiro momento em que os agentes de IA, como participantes económicos on-chain, entraram verdadeiramente no olhar do público.

O segundo acontecimento ocorreu no mesmo ano, em outubro. O Virtuals Protocol disparou na rede Base, tokenizando o próprio agente de IA. O valor de mercado da sua ecossistema ultrapassou, no máximo, 3,5 mil milhões de dólares, tornando-se um representante típico da fase de construção de infraestruturas tokenizáveis no setor DeFAI.

O terceiro acontecimento, foram projetos como Giza, HeyAnon e Almanak que, sucessivamente, se concretizaram na camada de execução on-chain, promovendo a transição da indústria de um modelo orientado por narrativa para uma fase de produto — os agentes de IA começam a “pôr mãos à obra” na execução de operações on-chain, e deixam de ficar apenas no nível de interação de informação.

Do ponto de vista do tamanho do mercado global, várias instituições de pesquisa alinham-se com grande consistência nas perspetivas de crescimento da área de agentes de IA:

Figura 1: Comparação de previsões do mercado global de agentes de IA

Fonte de dados: MarketsandMarkets (2025), Grand View Research (2025), BCC Research (2026.01)

No entanto, ainda existe uma diferença significativa entre o calor do capital e a materialização na indústria. No relatório “The State of AI in 2025”, publicado pela McKinsey em novembro de 2025 (com base em 105 países e 1993 entrevistados), embora 88% das organizações já usem IA em pelo menos uma função do negócio, quase dois terços ainda permanecem em fase experimental ou piloto. Especificamente na área de agentes de IA: 62% das organizações começaram a experimentar, 23% já estão a avançar para escala em pelo menos uma função, mas a proporção de implementações em escala em qualquer função única permanece abaixo de 10%.

Estes dados sugerem-nos isto: a “febre” narrativa no setor DeFAI, ainda está, neste momento, à frente do progresso real de implementação. Compreender essa diferença é o pressuposto para avaliar objetivamente o valor deste setor.

II. Base técnica do DeFAI: como os agentes de IA interagem com o mundo on-chain

Para compreender como o DeFAI funciona, é necessário, primeiro, responder a uma questão-chave: através de que mecanismo é que a IA se envolve nas operações financeiras on-chain?

A unidade central de execução de um sistema DeFAI é um agente de IA construído com base em grandes modelos de linguagem. De acordo com uma revisão académica de Wang et al. (2023), as suas capacidades centrais podem ser resumidas numa arquitetura em três camadas, sendo que cada camada tem uma função específica correspondente em cenários on-chain:

Camada de planeamento: responsável pela decomposição de objetivos e otimização de rotas, correspondendo à geração de estratégias e à avaliação de risco em cenários on-chain;

Camada de memória: através de armazenamento externo como bases de dados vetoriais, permite acumular informação ao longo de vários períodos, suportando dados históricos do mercado e o estado de protocolos;

Camada de ferramentas: expande as capacidades do modelo, permitindo-lhe chamar sistemas externos como protocolos DeFi, price oracles e pontes cross-chain.

Mas aqui há um ponto que precisa de ser clarificado: o modelo de IA, por si só, não consegue interagir diretamente com uma blockchain. Quase todos os sistemas DeFAI atuais adotam uma arquitetura que separa inferência off-chain e execução on-chain — o agente de IA calcula a estratégia off-chain e, em seguida, converte o resultado em sinais de transação on-chain, que são enviados por um módulo de execução. Esta conceção arquitetónica é, por um lado, uma escolha realista face às condições técnicas atuais, e por outro lado conduz também a uma série de questões de segurança, como autorização de chave privada e gestão de permissões (ver Capítulo V).

Na essência, um agente de IA é um sistema de decisão autónoma baseado em grandes modelos de linguagem que realiza execução em ciclo fechado através da decomposição de tarefas, gestão de memória e chamadas a ferramentas; e, atualmente, a interação do agente de IA com a ponta dos ativos on-chain já tem também algum formato inicial.

Figura 2: Arquitetura em três camadas de agentes de IA e modelo de execução on-chain

III. Evolução do DeFAI: de interações de informação para um ciclo fechado de execução

Depois de clarificar a base técnica do DeFAI, surge uma questão natural: como é que este sistema chegou, passo a passo, ao estado atual?

Segundo a investigação da The Block, a evolução do DeFAI não aconteceu de uma só vez; passou por dois estágios distintos — desde agentes de interação precoces, centrados principalmente no processamento de informação, até aos sistemas atuais capazes de se envolverem verdadeiramente em operações on-chain.

Há diferenças essenciais entre os dois, ao nível da definição de objetivos, meios técnicos e nível de risco.

Figura 3: Comparação das duas vias de evolução do DeFAI

O encadeamento de evolução em dois momentos pode ser entendido assim:

A primeira vaga é a de agentes de interação, com foco na construção de uma estrutura de agentes que seja conversável e analisável. Projetos representativos incluem o framework Eliza de ElizaOS (antigo ai16z), assim como o G.A.M.E. da Virtuals, entre outros. O essencial desta fase é ainda uma ferramenta de informação — o agente lê, fala e analisa —, mas os seus limites funcionais terminam na camada de informação, não tocando em qualquer operação de execução de ativos.

A segunda vaga são os agentes de DeFAI orientados à execução, que é o que realmente entra no ciclo fechado decisão-execução. Projetos representativos incluem HeyAnon, Wayfinder, Giza (ARMA Agent) e Almanak, entre outros. As caraterísticas comuns destes sistemas são: a IA corre off-chain, produz sinais estruturados de estratégias e completa transações através de um módulo de execução on-chain — não substitui os protocolos DeFi existentes, mas introduz, sobre eles, uma camada de mecanismo de decisão por IA, passando todo o encadeamento de operação de “instrução humana” para “execução autónoma pelo agente”.

A diferença essencial entre as duas vagas não reside na complexidade técnica, mas sim em saber se toca, de facto, nos ativos. Isto também determina que os sistemas da segunda vaga enfrentem desafios mais complexos na vertente de mecanismos de confiança, desenho de permissões e arquitetura de segurança, muito mais do que na primeira vaga — que será precisamente o foco da próxima secção.

IV. Cenário de implantação do DeFAI: quatro principais cenários de aplicação

Do ponto de vista da arquitetura técnica à via de evolução, o “que é que o DeFAI consegue fazer” ficou progressivamente mais claro. Então, ao nível do produto, que problemas reais está a resolver?

No panorama geral, as explorações de aplicações do DeFAI têm-se organizado de forma relativamente madura em torno de quatro direções centrais, correspondendo a quatro dores principais na operação on-chain: “eficiência de rendimento, execução de estratégias, limiar de interação e gestão de risco”.

4.1 Otimização de rendimento: rebalanceamento automático entre protocolos

A otimização de rendimento é, de momento, o cenário de aplicação DeFAI com implementação mais madura. A lógica central é: monitorizar continuamente as taxas anuais de depósitos de protocolos DeFi de referência como Aave, Compound, Fluid, combinando parâmetros de risco pré-definidos para decidir se é necessário rebalancear, e executar análise de custos de transação antes de cada operação. Só quando o aumento do rendimento conseguir cobrir todos os custos de gas e taxas de transação é que, de facto, se transferem fundos, alcançando uma configuração ótima automatizada entre protocolos.

Por exemplo, no caso da Giza, o seu ARMA Agent foi lançado na rede Base em fevereiro de 2025 com uma estratégia de rendimento em stablecoins. Ele monitora continuamente variações de taxas em protocolos como Aave, Morpho, Compound e Moonwell, e, após considerar de forma integrada o APY dos protocolos, os custos de comissões e a liquidez, faz um escalonamento inteligente dos fundos do utilizador para maximizar o rendimento. De acordo com dados públicos, o ARMA já conta com cerca de 60 mil detentores independentes, mais de 36 mil agentes implantados e gere um volume de ativos (AUA) superior a 20 milhões de dólares.

Num contexto de mercado em que os rendimentos dos protocolos DeFi oscilam continuamente, a eficiência e a pontualidade do controlo manual e do rebalanceamento manual são muito inferiores às de sistemas automatizados. É precisamente este o valor central deste cenário.

Figura 4: Exemplo de imagem do ARMA Agent na plataforma Giza

Fonte de dados:

4.2 Automação de estratégias quantitativas: democratização de capacidades ao nível institucional

No cenário de automação de estratégias quantitativas, as plataformas DeFAI procuram modularizar e automatizar os módulos de ponta a ponta que antes eram utilizados por equipas de quant, permitindo que utilizadores individuais também acedam a capacidades de execução de estratégias ao nível institucional.

Por exemplo, no Almanak suportado pela Delphi Digital, o seu sistema AI Swarm decompõe o fluxo quantitativo em quatro etapas:

O módulo de estratégia suporta a escrita de lógica de investimento via Python SDK e a realização de backtesting;

O motor de execução, após obter a autorização do utilizador, executa automaticamente o código de estratégia revisto e aciona chamadas DeFi;

A carteira de segurança é construída com base em Safe + Zodiac para um esquema de multisig, controlando por papéis as autorizações para atribuir ao agente de IA a capacidade de executar estratégias, garantindo que os fundos permanecem sempre dentro do controlo do utilizador;

O cofre de estratégias empacota as estratégias num cofre negociável em padrão ERC-7540, permitindo que os investidores participem na repartição dos rendimentos da estratégia de forma semelhante a ações/quotas de fundos.

O significado desta arquitetura reside no facto de que os agentes de IA assumem funções de análise de dados, iteração de estratégias e gestão de risco; o utilizador apenas precisa de fazer uma revisão final dos resultados produzidos pelo sistema, sem necessidade de montar uma equipa profissional de quant — realizando a chamada “igualdade de acesso a estratégias ao nível institucional” (conforme a declaração do projeto).

Figura 5: Demonstração no ecrã inicial da plataforma Almanak

Fonte de dados:

4.3 Execução de instruções em linguagem natural: tornar as operações DeFi tão simples como enviar mensagens

O núcleo deste cenário é a operação DeFi baseada em intenções (Intent-based DeFi): com recurso a tecnologias de processamento de linguagem natural, o utilizador em linguagem do dia-a-dia emite instruções de transação, a IA as interpreta e converte em operações on-chain de múltiplos passos, reduzindo significativamente o limiar de operação para utilizadores comuns.

HeyAnon construiu uma plataforma de chat DeFAI. O utilizador introduz instruções através de uma caixa de diálogo, e a IA executa operações on-chain como troca de tokens, ponte cross-chain, empréstimos e staking, entre outras. Integra pontes cross-chain LayerZero e protocolos como Aave v3, suportando a implantação em múltiplas cadeias como Ethereum, Base e Solana.

Figura 6: Demonstração no ecrã inicial da plataforma HeyAnon

Fonte de dados:

Wayfinder, por sua vez, apoiado pelo investimento da Paradigm, fornece um serviço de transações de cadeia completa ainda mais avançado. O seu agente de IA (chamado Shells) encontra automaticamente o melhor caminho de transação entre cadeias, executando operações como transferências cross-chain, swaps de tokens ou interações de NFTs, sem que o utilizador precise de se preocupar com detalhes técnicos como custos de gas subjacentes e compatibilidade cross-chain.

Figura 7: Demonstração no ecrã inicial da plataforma Wayfinder

Fonte de dados:

Em resumo, as interfaces de linguagem natural reduzem de forma evidente o limiar de operação do DeFi, mas também exigem maior precisão na interpretação da intenção subjacente — uma vez que a IA compreenda mal uma instrução, o resultado da operação pode ficar muito distante do que o utilizador esperava.

4.4 Gestão de risco e monitorização de liquidações: mecanismos embutidos nos protocolos on-chain

Em cenários de empréstimo DeFi e de alavancagem, a aplicação mais comum de agentes de IA é monitorizar em tempo real a saúde das posições on-chain e executar automaticamente operações de proteção antes de o limiar de liquidação estar próximo. Esta camada de aplicação está a ser gradualmente integrada em vários dos principais protocolos DeFi, tornando-se uma função nativa das plataformas DeFi.

O Aave mede a segurança da posição através de “fator de saúde”. Quando o fator de saúde fica abaixo de 1,0, a posição do mutuário é imediatamente elegível para liquidação;

O Compound utiliza o mecanismo de “fator de colateral de liquidação (Liquidation Collateral Factor)”. Quando o saldo de empréstimo de uma conta excede o limite definido por esse fator, a liquidação é acionada; os parâmetros específicos de cada ativo colateral são definidos separadamente por governação on-chain.

A monitorização manual é difícil de manter uma eficiência consistente de resposta em mercados on-chain voláteis 24/7. O agente de IA, neste cenário, pode fazer acompanhamento contínuo, avaliação inteligente e intervenção automática, elevando a eficiência de gestão de risco para um nível que sistemas manuais ou de automatização por regras dificilmente alcançam.

Figura 8: Quatro principais cenários de aplicação de Agent×DeFi

Em conjunto, os quatro cenários acima não são independentes entre si; antes, formam um sistema complementar em torno da mesma linha principal: a otimização de rendimento e a automação de estratégias quantitativas destinam-se a utilizadores avançados com algum volume de ativos. As vantagens centrais estão na eficiência de execução e na precisão da estratégia; a interação em linguagem natural procura reduzir o limiar de operação para utilizadores comuns; a gestão de risco, por sua vez, é a salvaguarda de segurança de base que atravessa todos os cenários. A coordenação destas três frentes forma, em conjunto, o panorama básico de implementação do ecossistema DeFAI atual e estabelece também a base para aplicações futuras mais complexas de agentes on-chain.

V. Linha de segurança do DeFAI: gestão de chaves privadas e controlo de permissões

Os quatro cenários de aplicação descritos acima — sejam a otimização de rendimento ou a automação de estratégias quantitativas — assentam num único pré-requisito: o agente de IA deve possuir algum tipo de permissão de assinatura, isto é, capacidade de acesso à chave privada. Este é o desafio técnico mais crítico de todo o setor DeFAI e também o que é mais facilmente encoberto pelo calor da narrativa: se o mecanismo de assinatura tiver uma vulnerabilidade, toda a capacidade de estratégias na camada superior perderá significado.

Atualmente, as soluções principais de gestão segura de chaves privadas da indústria dividem-se em duas categorias: MPC (cálculo multipartido) e TEE (ambiente de execução confiável). Ambas têm prioridades diferentes no modelo de segurança, no nível de automatização e na complexidade de engenharia.

Figura 9: Tabela de comparação de duas soluções principais para gestão de segurança de chaves privadas

A ideia central do MPC (Multi-Party Computation, cálculo multipartido) é eliminar pontos únicos de falha através da divisão das chaves. Por exemplo, num esquema de assinatura por limiar 2-de-3 comum, mesmo que uma parte da chave vaze, o atacante não consegue completar a assinatura de forma independente, e a segurança dos fundos não é afetada. Vultisig é um produto representativo nesta direção: é uma carteira multisig de self-custody open-source construída com tecnologia MPC/TSS, que adota uma arquitetura sem uma única frase mnemónica; integra a segurança da chave com a auto custódia do utilizador.

O TEE (Trusted Execution Environment, ambiente de execução confiável) segue uma via diferente: encapsula a chave privada e o código do agente no interior de uma região isolada protegida por hardware (enclave). O agente de IA realiza o cálculo da estratégia e a assinatura dentro do enclave, e apenas a saída do resultado da assinatura é fornecida à cadeia; o ambiente externo não consegue ver a chave privada. Intel SGX, AMD SEV, ARM CCA e outros chips principais oferecem isolamento e capacidades de encriptação ao nível do hardware. A Chainlink já introduziu o TEE na rede de oráculos para lidar com dados sensíveis e, através de mecanismos de autenticação remota, comprova ao exterior a integridade do ambiente de execução.

No entanto, a segurança da chave não é apenas a primeira linha de defesa. Na implantação real, independentemente de qual solução de gestão de chaves for utilizada, é necessário sobrepor um mecanismo de controlo de permissões para impedir operações não autorizadas pelo agente. A prática do Almanak fornece um enquadramento de referência relativamente completo: a plataforma utiliza tanto TEE para proteger a lógica da estratégia e parâmetros privados, como insere uma camada de permissões Zodiac Roles Modifier entre o motor de implantação e as contas Safe detidas pelo utilizador. Cada transação iniciada pela IA é comparada, uma a uma, com uma lista branca de endereço de contrato, funções e parâmetros predefinidos; transações que não se enquadrem no âmbito de autorização são automaticamente rejeitadas.

O modo de materializar o princípio do menor privilégio tornou-se atualmente uma referência importante para o desenho de segurança de sistemas DeFAI. Isto revela uma lógica mais profunda: o problema de segurança do DeFAI não é, na essência, uma questão de escolha técnica isolada; é uma engenharia de sistema que combina, em conjunto, gestão de chaves, limites de permissões e auditoria de execução. A falta de qualquer uma das partes pode tornar-se o elo mais fraco em toda a cadeia de operações. Este é também o ponto de partida da análise de risco do próximo capítulo.

VI. Diferença entre realidade e narrativa: análise dos riscos centrais do DeFAI

A expansão rápida da narrativa costuma preceder a maturidade real da tecnologia. Entre 2024 e 2025, o mercado tem, em geral, precificado o DeFAI acima do seu ritmo real de implementação. Avaliar objetivamente o valor deste setor exige uma perceção clara dos seguintes riscos estruturais.

Figura 10: Tabela de comparação de identificação de riscos centrais do DeFAI

Entre os riscos acima, três categorias merecem uma explicação mais detalhada.

Em primeiro lugar, as alucinações do modelo são o tipo de risco mais difícil de resolver fundamentalmente. Em cenários de serviços de informação, o custo das alucinações do LLM é apenas uma resposta errada; mas em cenários de ativos on-chain, o mesmo erro pode desencadear perdas irreversíveis de fundos. Desde que a inferência subjacente dependa de LLM, este risco não pode ser completamente eliminado; no máximo, pode ser gerido através de validação da saída e mecanismos de retrocesso, e não por cura definitiva.

Em segundo lugar, os ataques MEV têm uma caraterística estrutural: quando os padrões de transação do agente de IA se tornam estáveis e previsíveis, robôs “front-running” vão intervir de forma direcionada. A utilização de TEE com execução privada pode reduzir a exposição de certas estratégias em alguma medida, mas ainda não se formou uma solução sistémica.

Por fim, o fosso de implantação comercial também não deve ser subestimado: segundo o relatório da McKinsey de 2025, em cenários empresariais generalistas, menos de 10% das organizações conseguem implementar o agente de IA em escala numa única função. Em cenários on-chain, os limiares de confiança e a complexidade operacional são ainda maiores — portanto este fosso é ainda mais pronunciado. Muitos produtos rotulados como “DeFAI” ainda estão, na prática, na fase de prova de conceito; da demonstração técnica até ao verdadeiro ciclo fechado comercial, ainda existe uma distância considerável.

VII. Prognóstico de tendências

Com base na análise acima, podem ser feitas avaliações por fases sobre a via de evolução do DeFAI. Em termos globais, este setor está num ponto crucial de transição de prova de conceito para produto. A evolução deverá passar por três fases progressivas:

Figura 11: Previsão de fases de desenvolvimento do DeFAI

Nota: A tabela acima é uma avaliação integrada com base em relatórios públicos da indústria, progresso dos projetos e maturidade técnica; não é uma calendarização determinística

No ponto atual, o DeFAI encontra-se no período de transição entre “fase de apoio à decisão” e “fase semi-autónoma”. Alguns projetos já começaram a assumir capacidades limitadas de execução autónoma, mas a auditoria humana e os mecanismos de fallback continuam a ser a forma de implantação dominante. Neste contexto, considerando a maturidade tecnológica atual e a realidade do mercado, há três pontos de avaliação que merecem destaque.

Em primeiro lugar, a essência da maioria dos projetos DeFAI atuais continua a ser ferramentas de automação, e não agentes autónomos verdadeiramente significativos. Os produtos atualmente rotulados como “DeFAI” têm, em geral, capacidades centrais em traduzir instruções humanas em sequências predefinidas de operações DeFi; em essência, aproximam-se mais de interfaces de execução eficientes do que de sistemas autónomos com capacidade de raciocínio e decisão independentes. Mesmo em cenários empresariais generalistas, segundo o relatório da McKinsey de 2025, menos de 10% das organizações conseguem implementar em escala o agente de IA numa única função. Em cenários on-chain, os limiares de confiança e a complexidade de operação são maiores; ainda existe uma distância considerável entre as demonstrações técnicas e um verdadeiro ciclo fechado comercial.

Em segundo lugar, a direção de implementação do agente de IA que é mais madura e mais fácil de obter confiança institucional não é o trading autónomo de alto risco, mas sim a monitorização on-chain, alertas e apoio à governação. Em cenários como monitorização de posições 7×24, alertas de liquidação e análise de propostas de governação, por um lado há uma tolerância relativamente maior a alucinações do LLM — saídas incorretas não acionam diretamente perdas de fundos; por outro lado, conseguem compensar de forma eficaz as limitações intrínsecas dos humanos em continuidade de atenção. Este tipo de cenário constitui um caminho mais realista para o DeFAI avançar de “demonstração técnica” para “adoção institucional”.

Em terceiro lugar, a fusão do agente de IA com RWA é uma direção de intersecção que merece ser acompanhada com atenção neste setor. De acordo com dados de RWA.xyz, até ao início de abril de 2026, o valor total dos ativos RWA tokenizados on-chain ultrapassou 27 mil milhões de dólares (excluindo stablecoins), abrangendo múltiplas categorias, como títulos do Tesouro dos EUA, crédito privado, commodities e obrigações corporativas. Se o agente de IA conseguir intervir na gestão de uma carteira de ativos que inclua uma combinação de RWA de títulos do Tesouro e stablecoins — por exemplo, ajustando automaticamente as proporções de alocação de acordo com o contexto de mercado — o volume de ativos que consegue abranger será muito superior ao âmbito atual dominado por ativos nativos de DeFi. Há também a perspetiva de conectar de forma verdadeira as camadas on-chain e off-chain do lado dos ativos, estabelecendo uma ligação entre Web3+IA+TraFi e ampliando significativamente a imaginação do mercado.

VIII. Conclusão

O agente de IA e a gestão de ativos on-chain estão num período crucial de transição de prova de conceito para produto. A viabilidade técnica já foi validada em fases iniciais, mas, desde o risco de alucinações do LLM, à heterogeneidade de dados on-chain, até à falta de infraestruturas de confiança, os desafios enfrentados pela indústria não podem ser resolvidos apenas com iteração tecnológica; exigem avanços sistemáticos, incluindo desenho de arquitetura do projeto, planeamento de caminhos de conformidade, construção de um sistema de segurança e validação de modelos de negócio.

Isto também significa que este setor ainda se encontra numa fase inicial de construção, e o verdadeiro quadro competitivo ainda não se formou. Para equipas com capacidade de dominar simultaneamente as dimensões Web3 e IA, este é o momento certo para entrar — quer seja na camada de execução, construindo sistemas de agentes on-chain mais fiáveis, ou na camada de infraestruturas, ligando os elos críticos entre dados, permissões e confiança, existe ainda uma grande margem por preencher.

As barreiras competitivas do DeFAI não acabarão por recair numa capacidade isolada de modelos ou na profundidade da integração de protocolos, mas sim na capacidade de construir um ciclo verdadeiramente coerente entre tecnologia, conformidade e segurança.

— Estamos continuamente a aprofundar esta zona de intersecção e, ao mesmo tempo, esperamos explorar em conjunto com projetos e investidores institucionais alinhados em valores os limites e possibilidades deste domínio.