A inteligência artificial rapidamente passará de agentes conversacionais a agentes autônomos que conduzem processos de negócios sofisticados. À medida que as empresas investigam sua implantação, a principal questão que ainda precisa ser resolvida é como avaliar com precisão se um agente de IA está preparado para uso operacional no mundo real. No cruzamento da inteligência artificial (IA) e finanças de mercado, a divisão de ativos digitais da <a href="https://crypto-economy.com/pantera-and-franklin-templeton-back-sentients-arena-to-stress-test-enterprise-ai-agents" rel="noopener noreferrer" target="_blank">Pantera Capital e da Franklin Templeton</a> se uniu à primeira coorte da Arena, um ambiente de teste de IA desenvolvido pela empresa de IA de código aberto <a href="https://www.sentient.xyz/arena" rel="noopener noreferrer" target="_blank">Sentient Labs.</a> A Arena não é simplesmente um registro público de resultados; ela também serve como um benchmark para comparar o estilo operacional de modelos de produção e o desempenho de cada modelo (por exemplo, um agente de IA que precisa processar muitas fontes de informação díspares, algumas das quais podem ser contraditórias), sobre como eles produziram racionalizações ramificadas. Muitas empresas estão mudando a forma como definem e avaliam a prontidão de sua IA para a produção. Os clientes estão mais focados do que nunca no desempenho da IA em condições operacionais reais. Por exemplo, os clientes avaliam o desempenho da IA se houver restrições de tempo ou degradação de dados desde o último teste de benchmark.<h2>O Problema do Benchmarking Empresarial</h2>A maioria das estruturas atuais de avaliação de IA depende de medições baseadas em conjuntos de dados de precisão, como avaliações de raciocínio, desafios de programação e tarefas de recuperação de informações. Esses conjuntos de dados servem a um propósito útil, mas, na maioria dos casos, falham em reproduzir configurações empresariais com precisão. As complexidades do mundo profissional criam um ambiente que testa e testa a capacidade do modelo de gerenciar as seguintes avaliações de fluxo de trabalho estruturado de recursos em vez de testes em ambiente de laboratório; milhares de páginas de documentação; diretivas ou instruções complexas; leis ou diretivas desatualizadas / inconsistentes; dados parciais / ausentes; preocupações legais / regulatórias. Os testes de benchmark no modelo geralmente não conseguem avaliar se uma avaliação em nível empresarial fornecerá uma conclusão defensável com documentação imperfeita. A Arena oferece a solução inicial ao desenvolver e introduzir uma avaliação de fluxo de trabalho estruturada que suportará o modelo com base no apoio aos processos de negócios existentes, em vez de testes de laboratório de pesquisa do(s) modelo(s) de IA.<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/62d613a2-0910-4444-9d1f-f5ca14bf3eed.jpeg">Fonte: Autor<h2>O Que Torna a Arena Diferente</h2>A <a href="https://sentient.xyz/" rel="noopener noreferrer" target="_blank">Sentient Labs</a> está criando um ambiente de benchmark para avaliar a produtividade da IA com uma abordagem de estilo de produção. Em vez de usar prompts isolados como avaliações para agentes, as avaliações usam tarefas padronizadas com base na forma como grandes empresas operam. As avaliações mimetizam as condições sob as quais as empresas operam hoje, tais como: -Comparação de múltiplos documentos-Extração de insights estruturados de documentos extensos-Reconciliação de múltiplas fontes de informação contraditórias-Operar em um estado de informação ausente/incompleta-Capacidade de produzir resultados auditáveis. Ao contrário de focar apenas na precisão ao avaliar agentes, esta metodologia oferece uma perspectiva operacional. Em termos práticos, se um agente pode criar raciocínio de forma consistente ao longo do tempo usando análise de formato longo, ele será capaz de replicar essa mesma lógica enquanto opera sob restrições do mundo real (excluindo as variáveis que afetam o desempenho a partir de um prompt isolado). O desenvolvimento de benchmarks através de fluxos de trabalho de negócios permitirá à Sentient Labs criar benchmarks que definam o que realmente é o “raciocínio pronto para produção”.<h2>Por Que o Envolvimento da Pantera Capital Sinaliza Interesse Institucional</h2>A Pantera Capital estabeleceu-se como investidora em infraestrutura blockchain, protocolos de finanças descentralizadas e tecnologias cripto emergentes. A sua participação na Arena representa o nível de interesse de empresas de capital de risco em monitorar a evolução de agentes de IA amadurecendo especificamente para operações financeiras intensivas em documentos. Empresas de investimento trabalham rotineiramente com: <ol><li data-list="bullet">White papers técnicos</li><li data-list="bullet">Modelos de tokenomics</li><li data-list="bullet">Estruturas de governança</li><li data-list="bullet">Avaliações de risco</li><li data-list="bullet">Registros regulatórios</li><li data-list="bullet">Documentos de due diligence</li></ol> Agentes de IA capazes de analisar e sintetizar esses documentos seriam uma enorme economia de tempo para as empresas; no entanto, há uma tolerância mínima para erros. A coorte inicial de participantes da Arena não implica um compromisso de capital associado ao programa, mas representa um compromisso em ajudar a definir a estrutura de benchmarking e o ecossistema de desenvolvedores. Para as empresas de capital de risco, ter influência precoce sobre os padrões usados para avaliar ferramentas de IA oferece a oportunidade de obter insights estratégicos sobre quais ferramentas de IA podem se juntar às operações de seus futuros portfólios.<h2>A Divisão de Ativos Digitais da Franklin Templeton e a IA Operacional</h2>Com o influxo de produtos de investimento baseados em blockchain e ativos tokenizados, a Franklin Templeton desenvolveu uma relação crescente entre o mundo dos gestores de investimento tradicionais e os processos de automação baseados em IA através da fusão da sua divisão de ativos digitais com a Arena. Ao fazer negócios com muitos gestores de ativos, a divisão de ativos digitais da Franklin Templeton deve abordar o trabalho com soluções de IA em ambientes altamente regulamentados. Os gestores de ativos lidam com um grande volume de documentos regulatórios, como: <ol><li data-list="bullet">Prospectos de fundos</li><li data-list="bullet">Divulgações de risco</li><li data-list="bullet">Documentos de conformidade</li><li data-list="bullet">Registros de auditoria</li><li data-list="bullet">Documentos de pesquisa de mercado</li></ol> Em um ambiente regulamentado, os gestores de ativos esperam extrema confiabilidade dos sistemas de IA. Se um gestor de ativos interpretar mal uma regra de conformidade ou perder um assunto regulatório, ele poderá incorrer em penalidades monetárias significativas.Trabalhando previamente com a Arena, a divisão de ativos digitais da Franklin Templeton está agora posicionada para estabelecer formalmente as diretrizes apropriadas para incorporar o raciocínio de IA em um ambiente extremamente regulamentado antes da implementação completa dos sistemas de IA.<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/3f3edff9-8f8c-4926-8598-e0317060e05e.jpeg">Fonte: Autor<h2>Definindo Raciocínio Pronto para Produção</h2>De acordo com Oleg Golev, diretor de produto da Sentient Labs, os desenvolvedores da Arena continuam a apoiar a Arena trabalhando juntos para moldar o que é um processo de raciocínio de IA pronto para produção para cargas de trabalho intensivas em documentos, como análise, conformidade e processos operacionais.&nbsp; Prontidão para Produção de IA trata-se de ter as seguintes capacidades:&nbsp; - Consistência ao realizar tarefas semelhantes repetidamente&nbsp;- Caminhos de raciocínio rastreáveis&nbsp;- Resistência à geração de resultados/suposições imprecisas&nbsp;- Reconhecimento de que há incerteza em cada decisão&nbsp;- Retenção de informações de contexto em entradas extensas&nbsp; Como podemos ver acima, as verificações de como as empresas criam uma solução baseada em IA não podem se basear apenas na fluência. As empresas também devem fornecer provas de que existe uma cadeia de raciocínio rastreável por trás de cada solução baseada em IA.&nbsp; Em muitos casos (por exemplo, finanças), uma empresa exigirá provas documentadas que possam corroborar as decisões. A estrutura da Arena busca garantir que não apenas medirá a saída do agente e/ou solução, mas também medirá como o agente chegou à sua solução; permitindo assim a auditabilidade dentro da empresa.<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/e9e664ea-7b0d-44c5-b228-6ccadad8a7b1.jpeg">Fonte: Autor<h2>Por Que Documentos Longos e Fontes Conflitantes São Testes Críticos</h2>Muitos projetos empresariais envolvem a união de vários documentos que nem sempre estão alinhados. Por exemplo, se você estiver fazendo uma revisão de conformidade, pode precisar comparar: <ol><li data-list="bullet">A estrutura regulatória.</li><li data-list="bullet">As políticas internas da sua empresa.</li><li data-list="bullet">O acordo de divulgação do cliente.</li><li data-list="bullet">A interpretação legal externa.</li></ol> Cada um desses documentos pode conter informações inconsistentes, mas todos também podem ter alguma semelhança em seu conteúdo. Para trabalhar em uma área tão ambígua, os agentes de IA precisarão fazer o seguinte: <ol><li data-list="bullet">Identificar quaisquer contradições.</li><li data-list="bullet">Identificar quaisquer riscos que possam estar presentes.</li><li data-list="bullet">Evitar fazer suposições excessivamente confiantes.</li><li data-list="bullet">Escalar quaisquer interpretações pouco claras.</li></ol> A Arena construiu sua estrutura de benchmarking para incluir documentos longos com uma fonte de informação concorrente como uma ocorrência padrão nas operações diárias de uma empresa. Testes também podem ser realizados contra esses tipos de situações para verificar se os sistemas de IA podem gerenciar responsavelmente situações ambíguas; e não apenas para criar texto convincente.<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/163aab34-b093-4b8b-aa8b-a3fdbcd9ea15.jpeg">Fonte: Autor<h2>Participação Estratégica Sem Compromisso de Capital</h2>Um dos elementos-chave desta iniciativa é que as empresas participantes não estão fazendo declarações públicas de investimento financeiro relacionadas à Arena. Em vez disso, o que mais importa é o seu envolvimento na criação do ecossistema de avaliação. Isso aponta para uma abordagem intencional por parte das instituições na adoção de tecnologias de IA. Em vez de implementá-las rapidamente, as instituições estão focando em: - Desenvolver padrões- Avaliar riscos- Parceria com desenvolvedores- Realizar experimentos controladosA estratégia minimiza os riscos, ao mesmo tempo em que permite o acesso oportuno a informações sobre o desempenho dos sistemas de IA em ambientes operacionais.A estratégia também confirma a crença de que as próprias estruturas de benchmarking estão sendo desenvolvidas como infraestrutura estratégica. <h2>Agentes de IA e o Futuro dos Fluxos de Trabalho Financeiros</h2>A convergência de ativos digitais e a inteligência artificial continuam a acelerar a um ritmo extremamente rápido. Os mercados financeiros estão constantemente se movendo em direção a serem mais orientados a dados, pesados em documentos e globalmente conectados. O advento da tecnologia blockchain adiciona mais um nível de sofisticação a essas entidades, fornecendo contratos inteligentes, valores mobiliários tokenizados e estruturas de governança descentralizadas. Agentes de inteligência artificial (IA) que podem analisar com precisão os ambientes mencionados acima seriam capazes de realizar muitas tarefas, incluindo: <ol><li data-list="bullet">Monitorar propostas de governança</li><li data-list="bullet">Avaliar as divulgações de contratos inteligentes</li><li data-list="bullet">Automatizar a comparação de conformidade entre jurisdições</li><li data-list="bullet">Elaborar memorandos de investimento estruturados</li><li data-list="bullet">Identificar inconsistências de risco em conjuntos de dados</li></ol> Para poder implementar esses sistemas de IA, devemos primeiro nos sentir confortáveis com sua capacidade de raciocinar.A Arena está sendo desenvolvida como um local para a avaliação prática de sistemas de IA dentro de um ambiente seguro antes de qualquer integração no mundo real.<h2>Um Ponto de Virada para a Avaliação de IA Empresarial</h2>À medida que os agentes de IA transitam da fase experimental para o uso operacional no mundo real, é necessário uma mudança na forma como os avaliamos. Os benchmarks usados pela Arena para avaliar as capacidades de produção são projetados com uma nova compreensão do que significa “pronto para empresas”; o que constitui “pronto para empresas” não pode mais depender apenas de métricas acadêmicas como as definimos tradicionalmente. Para realmente se qualificar como “pronto para empresas”, os agentes de IA devem demonstrar: - Resiliência à ambiguidade- Consistência em fluxos de trabalho organizacionais estendidos- Raciocínio transparente e claro- Resistência à desinformação- Disponibilidade auditável em indústrias regulamentadas O fato de a Pantera Capital e o grupo de ativos digitais da Franklin Templeton<a href="https://crypto-economy.com/pantera-and-franklin-templeton-back-sentients-arena-to-stress-test-enterprise-ai-agents" rel="noopener noreferrer" target="_blank"> </a>terem escolhido a Arena como parte de sua primeira coorte indica que a IA de nível empresarial exige uma avaliação de nível empresarial. Em anos passados, a categoria mais eficaz de agentes de IA não serão aqueles com os atributos conversacionais mais avançados, mas sim aqueles capazes de suportar as complexidades adicionais e as responsabilidades associadas à realização de operações financeiras no mundo real. A Arena deu um primeiro passo importante para alcançar esse objetivo através desta estrutura.

Pantera Capital e Franklin Templeton ingressam na primeira turma da Sentient Arena para estabelecer critérios de avaliação de agentes de IA corporativa quanto à prontidão para produção em fluxos de trabalho financeiros regulados e com grande volume de documentos.

Pantera Capital e Franklin Templeton se Unem à Sentient Arena para Redefinir o Teste de Agentes de IA Empresariais

/media/contribution/carb265f42771b94a009f4171dd21d6ef04/elw_0315104628619.stxt

Propriedade Fracionada de Arte e Colecionáveis: Como os RWAs Tornam Peças Milionárias Acessíveis

/media/contribution/car69e2c0c3a41f4e2b808c6d703e8911ca/cnf_0315103716112.stxt

O Impacto das Regulamentações MiCA nos Mercados Cripto Europeus: O Que os Traders Precisam Saber

/media/contribution/car81576cf7abd049b7b15b2bf7be5e5a92/8ce_0315101150823.stxt

Tokeny e Securitize: Infraestrutura Conformidade para RWAs em Cripto 2026

/media/contribution/car4b21cc8d46714f89aed7c049905a9e53/nmf_0315100821799.stxt

BlackRock BUIDL: Liderando a Tokenização Institucional de RWA em Blockchain 2026

/media/contribution/carde246a23442d45fb9ace7a54d658e5c6/jdy_0315100254064.stxt

Centrifuge RWA: Tokenizando Crédito Privado em Escala — Guia Blockchain 2026

/media/contribution/car9b3fcef8d39745ffb947df2557f7c256/hlx_0315095923366.stxt