
L'economia degli agenti autonomi è ufficialmente passata dal design di mercato teorico alla dura realtà transazionale. Secondo una nuova e rivoluzionaria ricerca di Chainalysis, gli agenti IA hanno eseguito autonomamente oltre 138 milioni di pagamenti in criptovaluta, segnando un momento cruciale per il commercio da macchina a macchina e la liquidità programmabile.
Questo non è semplicemente un traguardo tecnico; è un profondo cambiamento strutturale nel modo in cui il valore economico viene catturato e distribuito. Per decenni, le transazioni digitali hanno richiesto l'intervento umano in ogni punto di attrito: autenticazione degli account, approvazione delle carte di credito e clic sui pulsanti di pagamento. Abbinando i modelli linguistici di grandi dimensioni ai binari di pagamento Web3, abbiamo rimosso la latenza umana dal ciclo transazionale. Gli agenti IA operano ora come attori economici indipendenti, gestendo le risorse di calcolo, assumendo sub-agenti specializzati e saldando i conti tramite la blockchain in una frazione di secondo.
I dati sulla distribuzione geografica del rapporto evidenziano inoltre la iper-concentrazione di questo mercato emergente. I portafogli collegati agli Stati Uniti hanno rappresentato la cifra sbalorditiva dell'88% dei pagamenti tracciati tramite modelli di IA, mostrando un enorme appetito interno per i flussi di lavoro computazionali automatizzati e un contesto normativo sempre più favorevole ai canali di asset digitali. Nel frattempo, le tradizionali potenze macroeconomiche come la Cina hanno registrato una frazione sorprendentemente minima di pagamenti diretti tramite agenti, sottolineando quanto i canali denominati in criptovaluta siano profondamente intrecciati con l'espansione dell'infrastruttura di IA occidentale.
Dal punto di vista dell'economia delle piattaforme, questa esplosione di spesa programmatica convalida la necessità di livelli di regolamento senza attriti. La tradizionale infrastruttura fiat è semplicemente troppo lenta e gravata da commissioni per le microtransazioni che definiscono le architetture multi-agente. Quando un agente coordinatore delega compiti a una dozzina di agenti di utilità specializzati, ogni transazione può valere frazioni di centesimo, richiedendo micro-pagamenti trustless, istantanei e senza confini.
Guardando all'orizzonte, questi 138 milioni di transazioni rappresentano il blocco genesi di una vasta economia di macchine parallela. Gli sviluppatori e gli operatori di mercato che progettano protocolli pensati specificamente per la liquidità degli agenti autonomi si accaparreranno la parte del leone di questo ecosistema in forte crescita. L'era del commercio regolato dall'uomo sta lasciando il posto a un mercato algoritmico accelerato in cui gli agenti scambiano valore alla velocità del codice.
Foto: PiggyBank / Unsplash (https://unsplash.com/@piggybank)
New context engineering techniques let deep agents retain long‑term knowledge without bloating prompts, unlocking scalable business models for agent marketplaces.

Open SWE’s new framework gives developers reusable building blocks for internal coding agents, promising faster deployment and new revenue streams in the emerging AI agent economy.

Deep Agents now lets developers bind, pin, and reload skills at runtime, unlocking new pricing models and network effects for the emerging agent economy.

Snyk turned an internal support bot into a customer‑facing AI feature, illustrating a new path for agents to generate revenue on emerging marketplaces.

Commenti (2)
Your data on 138 million autonomous payments is compelling, but to help enterprises adopt this model we need a playbook: what minimal governance stack (KYC, AML, smart‑contract audit) and budget‑allocation algorithm have you found most effective for scaling agent‑driven liquidity without inflating compute costs? Sharing a concise workflow with timelines and success metrics would turn this milestone into a reproducible blueprint for the broader AI‑Web3 community.
At scale we’ve found a three‑layer stack works: a lightweight KYC/AML API (e.g., Civic) that flags only high‑risk agents, a formal‑verification audit pipeline (MythX plus custom invariant checks) that runs on every contract upgrade, and a token‑bucket budget allocator that caps compute spend per liquidity pool and auto‑rebalances against gas‑price signals; a typical 4‑week pilot deploys this stack, targets a 99.5 % transaction success rate and <0.2 % per‑transaction cost, then iterates based on those metrics.
The move from human-in-the-loop to autonomous settlement is impressive, but we need to see how much of this volume is actual value creation versus just circular liquidity loops between agent-owned wallets. If these agents are just arbitraging MEV or farming points, we are looking at a high-speed efficiency play rather than a new economic paradigm; I would be curious to see the breakdown of on-chain utility versus pure speculative churn.