Edição em Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# Zuckerberg diz que o Muse vai ajudar as pessoas a ganhar dinheiro. Quem ficará com os ganhos?

> O Muse, da Meta, pode agir em diferentes serviços, e Zuckerberg espera que ajude as pessoas a ganhar e economizar dinheiro. Analisamos o lançamento, as taxas propostas e as evidências por trás dessa aposta.

By BIG CHANGE Editorial

Published: 2026-09-22T02:10:07.229Z
Updated: 2026-09-22T02:10:07.229Z
Canonical: https://bigchange.ai/blog/meta-muse-zuckerberg-make-money-earnings-business-model

![Pencil sketch of a small-shop workbench with task cards, a laptop, a parcel and an unfinished receipt beside an open doorway.](https://bigchange.ai/api/media/file/muse-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE. Business preparation still needs a customer at the door.

A Meta lançou seu agente pessoal de IA, o Muse, em 8 de setembro de 2026. Ele oferece aos usuários um computador na nuvem capaz de trabalhar em diferentes serviços conectados, continuar tarefas em segundo plano e pedir aprovação antes de ações importantes. O lançamento inicial ocorre nos Estados Unidos. [Anúncio de lançamento da Meta](https://about.fb.com/news/2026/09/introducing-muse-personal-ai-agent/)

A proposta de Mark Zuckerberg vai além de limpar uma caixa de entrada. Em entrevista a Alex Heath, ele prevê que o Muse vai “ajudar as pessoas a ganhar e economizar dinheiro”. Ele descreve um modelo de negócios em que, com o tempo, a Meta ficaria com uma pequena parte das transações, possivelmente paga pelas empresas envolvidas. [Entrevista do Sources, 24:53](https://www.youtube.com/watch?v=Lx8lrn-cytc&t=1493s)

Essa possibilidade merece ser levada a sério. Um pequeno empresário que não pode pagar por ajuda administrativa talvez ganhe capacidade útil com um agente. Uma família poderia recuperar dinheiro perdido por causa de uma conta esquecida ou encontrar uma compra mais barata. Reduzir esses encargos seria relevante mesmo sem um avanço espetacular em inteligência artificial.

Mas, para alguém ganhar dinheiro, outra pessoa precisa pagar. Uma ferramenta que cria um produto, redige seu material de divulgação e veicula anúncios automatiza partes de um negócio. Isso não comprova que os clientes queiram o produto, que a publicidade seja lucrativa ou que sobre dinheiro suficiente para o proprietário.

O lançamento do Muse torna essa distinção ainda mais urgente, pois a mesma plataforma poderia ajudar uma pessoa a vender, outra a comprar e, no futuro, cobrar por conectar as duas. A questão econômica vai além de saber se o agente funciona: quanto valor chega ao usuário depois que os outros participantes recebem sua parte?

## O que Zuckerberg realmente propôs

A principal conversa sobre dinheiro na entrevista vai de aproximadamente 24:53 a 27:25. Zuckerberg relaciona a oportunidade a pequenas empresas e ao comércio, descreve uma franquia gratuita ampla junto com assinaturas e apresenta as taxas por transação como um modelo de negócios esperado “ao longo do tempo”. Ele diz que o Muse pode se conectar aos sistemas de publicidade da Meta e ajudar a criar produtos e administrar a empresa. [Assista à conversa completa](https://www.youtube.com/watch?v=Lx8lrn-cytc&t=1502s)

Essas declarações descrevem vários mecanismos que devem ser avaliados separadamente. Vender mais gera receita. Negociar uma conta menor gera economia. Concluir a papelada mais rápido libera tempo. Cada resultado pode beneficiar o usuário, mas são coisas diferentes, e apenas algumas colocam dinheiro a mais na conta.

O anúncio de lançamento e essa conversa não estabelecem um programa geral em que a Meta pague às pessoas para usar o Muse. Tampouco oferecem garantia de renda, percentual de participação nos lucros publicado ou evidência de que os usuários típicos já estejam obtendo retorno líquido. A proposta de taxa por transação diz respeito a como a Meta poderia receber, não a pagamentos programados aos usuários.

A página [original da entrevista](https://sources.news/p/mark-zuckerberg-meta-muse-ai-podcast-interview) de Alex Heath foi publicada em 8 de setembro e informa que a conversa foi gravada na sexta-feira anterior, na sede da Meta. Analisamos as legendas completas disponíveis no YouTube e conferimos os materiais técnicos e de lançamento pertinentes. Esta é uma análise dessas evidências, não um teste prático da BIG CHANGE nem um experimento de renda.

## O que o agente muda na execução do trabalho

O Muse é o agente pessoal; o Muse Spark é o modelo que o alimenta. A descrição de design de produto da Meta menciona um sistema de arquivos, terminal e navegador, além de memória persistente e tarefas agendadas ou acionadas por eventos. O agente pode criar documentos e artefatos interativos, bem como executar ações por serviços conectados. [Como a Meta criou o Muse](https://introducing.muse.ai/)

Isso lhe dá um possível papel diferente do de um chatbot que apenas oferece conselhos. Um agente útil pode levar informações de uma tarefa para a próxima: recuperar uma consulta, preparar uma resposta, atualizar um registro e voltar quando o cliente responder. A economia potencial vem de eliminar coordenações repetidas, não apenas de produzir texto mais rápido.

Imagine uma oficina de conserto de móveis. À noite, o proprietário organiza fotos, confere medidas e marca horários. Um agente que prepare essas informações com confiabilidade poderia liberar mais tempo para consertos remunerados. A empresa já tem um serviço e clientes; o agente resolve uma limitação administrativa conhecida.

Um novo negócio que venda designs genéricos gerados por IA enfrenta outro problema. O Muse talvez ajude a montar um catálogo rapidamente, mas o catálogo ainda precisa ter uma razão para existir. Os compradores podem compará-lo com alternativas, inclusive designs que eles próprios gerem. A automação reduz o esforço para oferecer algo sem necessariamente aumentar a disposição das pessoas para pagar por isso.

Essa diferença deve orientar as expectativas. A demanda existente, combinada com uma tarefa rotineira cara, representa uma oportunidade mais concreta do que pedir a um agente que invente uma fonte de renda do zero. Isso pode dar certo, mas requer evidências de interesse dos clientes e uma margem viável.

![Three-part sketch linking a laptop and stopwatch to a shop, then to an accounting ledger under a magnifying glass.](/api/media/file/muse-economics-v1.png)

## A integração de pagamentos existe, mas movimenta dinheiro para fora

A Stripe confirma, de forma independente, a integração anunciada no lançamento. Consumidores nos Estados Unidos podem conectar o Link ao Muse; o agente pode usar métodos de pagamento salvos em estabelecimentos participantes ou um cartão virtual de uso único em outras compras. Segundo a Stripe, o consumidor aprova o valor de cada transação no chat, e o Muse não vê os dados subjacentes do pagamento. [Anúncio da Stripe de 8 de setembro](https://stripe.com/newsroom/news/stripe-helps-meta-muse-shop-with-link)

Essa é uma infraestrutura relevante. Se um agente pode pesquisar uma compra, mas não concluí-la, o usuário precisa refazer parte do trabalho. A conexão de pagamento pode eliminar essa lacuna e manter uma etapa de aprovação.

Ela também esclarece a direção do fluxo financeiro documentado. Essa integração permite que o usuário compre de um vendedor. Por si só, não mostra que o usuário ganhe dinheiro. Economizar em uma compra necessária pode melhorar as finanças; comprar algo desnecessário com desconto ainda reduz o saldo disponível.

Do outro lado, o vendedor pode ganhar uma venda. A lucratividade depende dos custos de atendimento do pedido, reembolsos, taxas de pagamento e custo de atração do comprador. Uma finalização de compra bem-sucedida demonstra que houve uma transação. Não mostra quanto benefício econômico cada participante reteve.

Por isso, futuras afirmações sobre renda devem explicitar o mecanismo. A renda veio de um cliente novo? Alguma despesa foi evitada? Um ativo foi vendido? O usuário apenas conseguiu concluir mais rápido uma tarefa que já existia? Misturar esses resultados pode fazer um assistente capaz parecer uma fonte automática de renda.

## O acesso gratuito reduz uma barreira, não todos os custos

Zuckerberg diz que a franquia gratuita no lançamento é de cerca de 100 milhões de tokens por semana, com assinaturas disponíveis. Considere isso uma descrição datada do acesso, não uma promessa permanente de trabalho ilimitado. [Entrevista, 25:02](https://www.youtube.com/watch?v=Lx8lrn-cytc&t=1502s)

A página de assinaturas da Meta, consultada em 22 de setembro, informa que o plano Power custa US$ 20 por mês e inclui 500 milhões de tokens do Muse por semana; o plano Max custa US$ 100 e inclui 3 bilhões. Os benefícios variam conforme a região e a conta, e a disponibilidade continua limitada. Essas são franquias do produto, não uma contagem de tarefas concluídas nem tokens de API diretamente comparáveis. [Detalhes oficiais das assinaturas do Muse](https://www.meta.com/help/subscriptions/1021145227643680/)

Uma franquia de tokens não informa a uma empresa quantos pedidos úteis, faturas conciliadas ou entregas aceitas ela obterá. A tarefa, o contexto e o número de tentativas importam. O trabalho também pode consumir recursos externos ao agente: publicidade, hospedagem, estoque, entrega e a atenção do proprietário.

O maior custo inicial talvez seja aprender quais tarefas merecem ser delegadas. Alguém precisa explicar o objetivo, conectar as contas certas, reconhecer um resultado implausível e decidir quando vale aprovar uma ação. Um design de produto melhor pode reduzir esse esforço. Não pode eliminar as prioridades do usuário nem as exigências dos clientes.

Também é preciso contabilizar honestamente o tempo economizado. Uma hora liberada para trabalho remunerado pode aumentar a renda se houver trabalho disponível. Uma hora passada com a família tem valor sem se transformar em renda. Converter cada minuto poupado em um salário-hora presumido exageraria o retorno financeiro para muitos usuários.

Para quem está começando um negócio, o resultado relevante é o dinheiro adicional que sobra após custos e obrigações, em comparação com o que teria ocorrido sem o agente. Em uma empresa existente, pode ser menos consultas perdidas, conclusão mais rápida ou menor gasto administrativo. Esses resultados são mensuráveis, sem fingir que toda tarefa concluída é uma venda.

## Uma taxa por transação pode sustentar o produto e alterar seus incentivos

Um agente financiado por taxas de transação tem uma fonte plausível de receita. Se ajudar clientes a encontrar produtos adequados e reduzir o trabalho necessário para concluir a compra, os vendedores talvez paguem por esse serviço. A taxa poderia financiar o acesso de usuários para quem uma assinatura seria cara demais.

O acordo também levanta questões sobre quais interesses moldam as recomendações. O Muse recomendaria a melhor opção disponível quando ela não gerasse comissão? Um vendedor poderia participar sem pagar? O usuário saberia da relação comercial antes de aprovar a compra? Como as ofertas concorrentes seriam comparadas?

Os materiais analisados não respondem a essas perguntas com uma tabela completa de taxas por transação do Muse nem com uma política de classificação das ofertas. Não devemos preencher essa lacuna afirmando que o Muse já favorece vendedores que pagam comissão. O ponto é que um eventual modelo de taxas precisa de regras que usuários e empresas possam consultar.

Cobrar do vendedor não elimina automaticamente o custo econômico para o comprador. O vendedor pode absorver a cobrança, compensá-la com um custo menor de aquisição de clientes ou repassá-la aos preços. O que ocorrer depende do mercado. Uma taxa que substitua um custo existente maior pode beneficiar ambos os lados; uma cobrança adicional pode reduzir a margem disponível.

Essa é uma forma mais útil de avaliar a proposta de Zuckerberg do que tratar um agente gratuito como presente ou armadilha. O produto pode criar valor e capturar parte dele. A questão em aberto é como esse valor será dividido e se os usuários manterão opções significativas ao depender do serviço.

## As evidências de utilidade cotidiana estão mais avançadas que as de geração de renda

Em um relato prático de 14 de setembro, Eric Hal Schwartz, da TechRadar, descreve como o Muse o ajudou a fazer compras e preparou uma resposta a um e-mail de uma empresa de serviços públicos para aprovação. Ele considerou útil delegar a tarefa, embora se sentisse desconfortável com o nível de acesso envolvido. É a experiência de um avaliador com tarefas rotineiras, não um estudo sobre lucros empresariais. [Avaliação prática da TechRadar](https://www.techradar.com/ai-platforms-assistants/i-tried-metas-new-muse-ai-agent-its-incredibly-useful-but-handing-it-my-digital-life-felt-deeply-uncomfortable)

Pesquisas anteriores são um motivo para ter cautela ao transformar assistência útil em promessa de renda. Um experimento de campo randomizado com empreendedores quenianos não encontrou melhora média estatisticamente significativa com o acesso a um consultor empresarial baseado em GPT-4. Os resultados variaram conforme o desempenho inicial das empresas e a maneira como os proprietários selecionaram e implementaram os conselhos. [Resumo do artigo de trabalho dos pesquisadores](https://business.columbia.edu/faculty/research/uneven-impact-generative-ai-entrepreneurial-performance)

Uma análise da Universidade Columbia, publicada em agosto de 2026, descreve um estudo com 640 empreendedores. Ela destaca o papel do julgamento para decidir quais recomendações se aplicam a cada negócio. [Análise da pesquisa pela Columbia](https://business.columbia.edu/insights/ai-widening-gap-between-high-and-low-performers)

Esse experimento não testou o Muse. Ele envolveu um modelo mais antigo que oferecia conselhos, enquanto este agente executa tarefas. O estudo não pode prever os resultados do Muse. Sua relevância é mais limitada: dar acesso à IA a proprietários de empresas não comprova que todos terão ganhos financeiros, e uma média pode ocultar experiências muito diferentes.

A execução pode melhorar o cenário se o principal obstáculo for colocar em prática uma decisão acertada. Pode piorá-lo se ficar mais fácil agir com base em um conselho ruim. Um agente que implemente automaticamente uma estratégia de preços equivocada pode causar danos mais rápido do que um chatbot cuja sugestão é ignorada.

As próximas evidências devem incluir, portanto, tentativas malsucedidas, custos e diferenças entre usuários. Casos de sucesso selecionados mostrariam o que é possível, mas não o que um novo usuário típico deveria esperar.

## Um agente empresarial precisa de acesso, e o acesso tem um custo

A descrição técnica da Meta destaca dois pontos relevantes. O Sentinel controla ações externas separadamente do agente principal, e o Muse ainda pode cometer erros ou encontrar ataques nos dados que lê. O sistema foi projetado para limitar as consequências, não para eliminar a possibilidade de falha. [Design de segurança da Meta](https://research.meta.ai/blog/security-and-safety-for-ai-agents-our-approach-with-muse)

Para uma pequena empresa, isso significa que o valor da automação depende, em parte, de onde termina a autoridade do agente. Preparar uma campanha publicitária é diferente de gastar seu orçamento. Redigir uma oferta a um cliente é diferente de assumir um compromisso de desconto ou prazo de entrega. O processo pode ser útil mesmo que o proprietário precise aprovar esses compromissos.

Também é preciso ter cuidado com o cronograma de privacidade. A versão lançada usa a Muse Secure VM. A Meta diz que suas políticas operacionais limitam o acesso da equipe, mas não impedem tecnicamente o acesso necessário para operar o serviço. A Muse Confidential VM, que pretende impedir criptograficamente o acesso da Meta aos dados da máquina virtual, está prevista para mais tarde neste ano. [Arquitetura atual e modo confidencial planejado](https://research.meta.ai/blog/security-and-safety-for-ai-agents-our-approach-with-muse)

Uma empresa não deve avaliar o serviço atual como se o modo confidencial prometido já tivesse sido lançado. Uma lista de clientes, um contrato com fornecedor ou um cálculo de margem pode ser comercialmente sensível mesmo sem ser uma senha. As informações de que um agente precisa para negociar bem podem ser as mesmas que o proprietário mais deseja controlar.

A Meta também afirma que os usuários podem baixar arquivos e memória e optar por não permitir o uso dos dados no treinamento de modelos. Segundo a empresa, conversas e dados da máquina virtual ficam fora dos sistemas de publicidade, embora a navegação do agente possa influenciar anúncios indiretamente. Esses controles importam, mas poder baixar arquivos, por si só, não demonstra que um agente completo e funcional possa ser transferido para outro fornecedor. [Explicação da Meta sobre o uso de dados](https://research.meta.ai/blog/security-and-safety-for-ai-agents-our-approach-with-muse)

Isso deixa uma dependência prática a acompanhar. Quando um agente passa a conhecer as rotinas e os fluxos de trabalho conectados de uma empresa, uma mudança de preço, acesso ou comportamento do produto pode gerar trabalho para trocar de serviço. Manter registros utilizáveis fora do agente e entender de quais serviços ele depende ajuda a tornar essa dependência visível.

## A concorrência pode repassar a economia aos clientes

Se o Muse reduzir o esforço necessário para oferecer determinado serviço, os concorrentes talvez obtenham a mesma vantagem. Um vendedor que inicialmente fique com a economia poderá enfrentar preços de mercado mais baixos depois. Os clientes podem receber boa parte do benefício, enquanto os fornecedores precisam concluir mais trabalho ou oferecer algo mais difícil de copiar.

Ainda assim, essa seria uma mudança econômica expressiva. Serviços mais acessíveis podem ampliar o acesso. Uma pequena organização talvez finalmente contrate um trabalho de que antes precisava abrir mão. O erro seria presumir que custos de produção menores se transformam necessariamente em lucros maiores para todos que produzem o serviço.

Empresas com relações de confiança, conhecimento especializado ou capacidade de entrega física talvez estejam em melhor posição para usar o agente de forma produtiva. O software pode reduzir a coordenação necessária para aproveitar esses pontos fortes. Um novo concorrente ainda precisa desenvolver uma oferta confiável e convencer alguém a comprá-la.

Há uma tensão semelhante para os trabalhadores. Eliminar tarefas administrativas rotineiras pode melhorar o trabalho de alguém ou permitir que a organização redistribua as funções. As evidências do lançamento não estabelecem quantos empregos o Muse criará ou substituirá. Esses efeitos dependem da adoção, das tarefas delegadas e do que as organizações fizerem com a capacidade liberada.

Zuckerberg também descreve futuras interações entre agentes, embora diga que a maior parte disso não faz parte deste lançamento. [Entrevista, 29:00.](https://www.youtube.com/watch?v=Lx8lrn-cytc&t=1740s) Se, no futuro, agentes negociarem e coordenarem atividades entre empresas, as regras da plataforma sobre identidade, acesso e preferências comerciais serão ainda mais importantes. Esse é um desenvolvimento a avaliar, não uma rede existente cujos benefícios já possam ser contabilizados.

## O que tornaria convincente a promessa de renda

O impacto do Muse deve ser avaliado por resultados que resistam a uma análise mais rigorosa. Evidências úteis incluiriam:

- Uma referência clara do que a pessoa ou empresa fazia antes de usar o agente.
- Receita adicional e economias verificadas apresentadas separadamente, contabilizando assinaturas, publicidade, atendimento dos pedidos, reembolsos e esforço de revisão.
- Resultados entre usuários comuns, incluindo projetos malsucedidos e pessoas que deixaram de usar o serviço.
- Uma explicação de quais tarefas o agente concluiu, o que o proprietário ainda fez e se os ganhos persistiram.
- Taxas por transação publicadas e regras para as recomendações que esclareçam os incentivos comerciais.

Esses requisitos não pressupõem que o produto vá fracassar. Eles tornam o sucesso compreensível. Uma melhora modesta, repetida em muitas empresas, pode ser mais importante do que uma captura de tela impressionante de renda sem nenhuma prestação de contas dos custos.

A BIG CHANGE plausível é ampliar o acesso à assistência prática: mais pessoas capazes de colocar ideias em prática, administrar um negócio e dar conta do trabalho doméstico. O Muse oferece um produto concreto para testar essa possibilidade.

A resposta sobre o Muse ajudar os usuários a ganhar dinheiro virá mais adiante, quando o cliente pagar, o trabalho for entregue e os custos forem descontados. O registro de atividade do agente pode mostrar quanto ele fez. Os registros do proprietário precisam mostrar quanto sobrou.

## Sources

- [Meta apresenta o agente pessoal Muse](https://about.fb.com/news/2026/09/introducing-muse-personal-ai-agent/) — 8 de setembro de 2026. Confirma o lançamento, a disponibilidade inicial nos Estados Unidos e as afirmações sobre o produto. O agente pessoal é diferente do modelo Muse Spark e dos produtos de geração de mídia Muse.
- [Mark Zuckerberg explica como o agente de IA Muse, da Meta, vai ajudar as pessoas a ganhar dinheiro](https://www.youtube.com/watch?v=Lx8lrn-cytc) — Podcast Sources, 8 de setembro de 2026. A conversa sobre dinheiro começa por volta de 24:53. As taxas por transação propostas descrevem o modelo de negócios pretendido pela Meta, não um compromisso de pagamento aos usuários.
- [Página original da entrevista de Alex Heath](https://sources.news/p/mark-zuckerberg-meta-muse-ai-podcast-interview) — 8 de setembro de 2026. A introdução do entrevistador contextualiza a gravação e suas primeiras impressões. O episódio inclui patrocínios; as afirmações promocionais não são adotadas neste artigo.
- [Como criamos o Muse](https://introducing.muse.ai/) — Setembro de 2026. Os designers de produto da Meta descrevem tarefas persistentes, artefatos, acesso ao navegador e controles de aprovação. Esses recursos explicam mecanismos possíveis, mas não comprovam retornos financeiros típicos.
- [Stripe conecta o Muse à carteira do Link para agentes](https://stripe.com/newsroom/news/stripe-helps-meta-muse-shop-with-link) — 8 de setembro de 2026. Confirmação do provedor de pagamentos sobre os recursos de compra e aprovação. Trata-se de uma integração para gastar, não de evidência de pagamentos aos usuários do Muse ou de lucros para suas empresas.
- [Sobre as assinaturas do Muse](https://www.meta.com/help/subscriptions/1021145227643680/) — Consultado em 22 de setembro de 2026. Preços oficiais dos planos Power e Max, franquias semanais do Muse e limites de disponibilidade. As franquias de tokens do produto não devem ser equiparadas a tarefas ou a orçamentos de tokens de API.
- [Avaliação prática do Muse pela TechRadar](https://www.techradar.com/ai-platforms-assistants/i-tried-metas-new-muse-ai-agent-its-incredibly-useful-but-handing-it-my-digital-life-felt-deeply-uncomfortable) — Eric Hal Schwartz, 14 de setembro de 2026. Relata a experiência de um avaliador com ajuda para compras e e-mails. Não é um teste controlado de receita, lucro ou resultados típicos para os usuários.
- [O impacto desigual da IA generativa no desempenho de empreendedores](https://business.columbia.edu/faculty/research/uneven-impact-generative-ai-entrepreneurial-performance) — Resumo de artigo de trabalho, datado de 1.º de julho de 2024. Pesquisa randomizada sobre aconselhamento empresarial no Quênia contextualiza a variação dos resultados. O estudo testou um consultor baseado em GPT-4, não o Muse; suas estimativas não são previsões para usuários do Muse.
- [Columbia: IA e a diferença entre empreendedores de alto e baixo desempenho](https://business.columbia.edu/insights/ai-widening-gap-between-high-and-low-performers) — 20 de agosto de 2026. A instituição dos pesquisadores explica o experimento e a importância de selecionar e implementar os conselhos. As versões apresentam estimativas diferentes para subgrupos; por isso, este artigo não transfere percentuais para uma previsão sobre usuários do Muse.
- [Como incorporamos segurança ao Muse](https://research.meta.ai/blog/security-and-safety-for-ai-agents-our-approach-with-muse) — 8 de setembro de 2026. A descrição técnica da Meta diferencia os controles atuais da Secure VM da proteção planejada para a Confidential VM. Os controles de segurança não comprovam que as recomendações comerciais sejam imparciais.