O artigo apresenta o modelo Dynamic Verifiable Multi-Agent Human Agentic Loyalty Loop (DVM-HALL) para abordar como os paradigmas tradicionais de lealdade do cliente falham quando agentes de IA executam decisões de compra de forma autônoma. Ele propõe um framework onde a escolha da marca é determinada pela equidade emocional humana, utilidade agêntica, confiança calibrada e riscos de execução verificável em ambientes de finanças descentralizadas.
- O modelo DVM-HALL utiliza formulação de probabilidade softmax para determinar conjuntamente a seleção com base na equidade emocional humana, utilidade da experiência da máquina e autoridade delegada.
- Ele apresenta mecanismos de atualização recursiva para calibrar dinamicamente a confiança e a delegação após cada interação.
- O framework integra uma camada de execução verificável para DeFi e lealdade tokenizada, incorporando riscos como custos de gas, slippage, exposição ao MEV e vulnerabilidades em contratos inteligentes.
- Os autores introduzem o Net Human-Agent Score (NHAS), uma métrica auditável e ponderada por risco que mede o alinhamento humano-agente usando feedback, logs e recibos verificáveis.
- É proposto um plano de validação empírica em três etapas, abrangendo experimentos controlados de compras, simulações de mercado multiagente e testbeds DeFi.
Este framework fornece a teoria fundamental necessária para que as marcas naveguem na transição em direção aos clientes máquinas.