A maioria das pessoas ao mencionar oráculos, pensa imediatamente num conceito de "fornecimento de preços", como se fosse apenas um pequeno papel secundário na ecologia DeFi. Mas ao olhar para o horizonte de 2024-2026, perceberá que os oráculos estão, na verdade, sendo puxados por três forças diferentes, evoluindo em direções distintas ao mesmo tempo.

A primeira é a aceleração da inovação em produtos de mercados preditivos, que precisam julgar os resultados de eventos do mundo real — o problema é que esses eventos muitas vezes têm zonas de fronteira ambíguas, não sendo simplesmente preto ou branco. A segunda é a lógica de RWA (ativos reais na blockchain), que passa de "contar uma história" para "apresentar relatórios de auditoria, cadeia de evidências, interfaces de conformidade"; a forma de dados também evolui de meros números de preços para incluir contratos, títulos, registros de cadastro, imagens, rastreamento logístico e todo esse conjunto. A terceira é o surgimento de AI Agents, que muda a forma de consumo de dados na cadeia — não mais contratos inteligentes simplesmente lendo um ponto de dado, mas agentes que entendem o mundo, fazem raciocínios e retornam as conclusões para a execução do contrato.

Olhando mais a fundo, esses três caminhos têm uma demanda comum na sua base: **explicabilidade**. Não se trata apenas de fornecer uma resposta rápida, mas de apresentar toda a lógica que sustenta a resposta e por que ela é válida.

Sob essa perspectiva, o APRO, na minha opinião, pelo menos acertou na direção. Ele coloca os dados não estruturados como o campo de batalha central, usando a capacidade de compreensão de LLMs, integrando-os em uma arquitetura de rede que pode ser verificada e restrita repetidamente. Uma análise de uma autoridade renomada resumiu sua abordagem arquitetônica: uma estrutura de três camadas — camada de julgamento, camada de submissão, contrato de liquidação na cadeia — combinando capacidades de análise de IA com mecanismos tradicionais de validação, permitindo que aplicações acessem tanto dados estruturados quanto dados não estruturados.

Por que esse design é importante? Porque aplicações de mercados preditivos e RWA frequentemente não enfrentam o problema de "falta de um ponto de dado", mas sim de "falta de uma cadeia de dados" — o que é necessário é uma capacidade completa de rastreamento, desde a informação original até a conclusão final.