Numa sexta-feira à noite de novembro de 2025, Peter Steinberger criou a primeira versão do OpenClaw.
O protótipo levou apenas cerca de uma hora, mas em poucas semanas o OpenClaw ultrapassou 145.000 estrelas no GitHub, tornando-se o projeto de software open source que mais cresceu na história do GitHub.
A plataforma foi construída em grande parte por agentes de IA, e marcou uma mudança de chatbots para uma IA autônoma e orientada a tarefas.
E essa mudança está se acelerando. A IA agora gera 75% do novo código do Google e até 30% do novo código da Microsoft. Os commits diários do Claude Code no GitHub ultrapassaram 134.000 no início de 2026, partindo de perto de zero em seu lançamento em março de 2025.
Esta é uma mudança estrutural na forma como o software, e cada vez mais o trabalho do conhecimento, é executado.
Os agentes de IA estão construindo a fronteira dessa mudança.
Afinal, o que é exatamente um agente de IA e como ele difere de um chatbot ou de um LLM? O que torna isso estrutural, e não apenas um modismo passageiro? E à medida que a pilha amadurece, onde o valor se acumula e onde ele se torna commodity?
Essas são as perguntas que buscamos responder.
O resultado é uma estrutura de cinco camadas para o que realmente é um agente, para onde a tecnologia está caminhando e quem está posicionado para vencer em cada camada.
Algumas das respostas já estão visíveis nos números. A Anthropic passou de US$ 1 bilhão para US$ 44 bilhões em receita anualizada em dezessete meses, quase inteiramente impulsionada por agentes de código. Ao mesmo tempo, plataformas de agentes open source estão agora processando dezenas de trilhões de tokens por mês. Ambos os números parecem apontar para o mesmo lugar: a camada de orquestração (harness).
Mas os agentes ainda cometem erros óbvios com frequência. Em dezembro de 2025, um agente de código da Amazon excluiu e recriou autonomamente um ambiente de produção ativo, deixando a AWS na China offline por 13 horas. Em abril de 2026, um agente Cursor baseado no Claude excluiu todo o banco de dados de uma empresa em 9 segundos.
Quatro modos de falha aparecem repetidamente em produção, e a maioria nunca consta na tabela de preços de nenhum fornecedor.
A pesquisa State of AI 2025 da McKinsey descobriu que menos de 10% das organizações têm agentes implantados em escala significativa. A maioria não os utiliza de forma alguma.
A lacuna entre o que é tecnicamente possível e o que está operacionalmente implantado é a oportunidade.
O guia de 84 páginas em nosso Substack é nosso esforço para, esperamos, fornecer um mapa. Aqui está o que você encontrará lá dentro:
- As cinco camadas de um agente e como elas se encaixam
- Seis estudos de caso de como os primeiros adotantes estão implantando agentes hoje, incluindo minha empresa, 8090
- As quatro maneiras pelas quais os agentes inevitavelmente quebram em produção
- A camada onde esperamos que o valor mais duradouro se acumule à medida que os modelos se tornam commodity
- Quem está posicionado para controlar cada uma das cinco camadas
Assine para ler e me conte o que você achou no grupo: https://chamath.substack.com/p/ai-agents-primer
