Numa sexta-feira à noite de novembro de 2025, Peter Steinberger construiu 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 de crescimento mais rápido na história do GitHub.
A plataforma foi amplamente construída por agentes de IA, e marcou uma mudança de chatbots para 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 no 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 feito.
Os agentes de IA estão construindo a fronteira dessa mudança.
Afinal, o que é exatamente um agente de IA e como ele é diferente de um chatbot ou de um LLM? O que torna isso estrutural, e não uma fase passageira? E à medida que a pilha amadurece, onde o valor se acumula e onde ele se commoditiza?
Estas são as perguntas que nos propusemos a responder.
O resultado é uma estrutura de cinco camadas para o que realmente é um agente, para onde a tecnologia está indo 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 com agentes de codificação. Ao mesmo tempo, harnesses 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 harness.
Mas os agentes ainda cometem erros óbvios rotineiramente. Em dezembro de 2025, um agente de codificação da Amazon excluiu e recriou autonomamente um ambiente de produção ativo, tirando a AWS na China do ar por 13 horas. Em abril de 2026, um agente Cursor alimentado por Claude excluiu um banco de dados inteiro de uma empresa em 9 segundos.
Quatro modos de falha aparecem repetidamente em produção, e a maioria nunca aparece na tabela de preços de um 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 está usando 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 no nosso Substack é o 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 quebram de forma confiável em produção
- A camada onde esperamos que o valor mais duradouro se acumule à medida que os modelos se commoditizam
- Quem está posicionado para controlar cada uma das cinco camadas
Assine para ler e me diga o que você acha no grupo: https://chamath.substack.com/p/ai-agents-primer
