La IA y el sector cripto se han encontrado — ¿Y ahora qué?

Era probablemente inevitable. Dos tecnologías que hasta hace poco habían logrado trastornar las finanzas globales, provocar a los gobiernos, inspirar una devoción casi de culto y atemorizar al sistema establecido en igual medida, ahora se han encontrado. La inteligencia artificial y las criptomonedas —anteriormente dos narrativas de disrupción separadas que surgían en paralelo— se están fusionando en una sola gran historia sobre el futuro de cómo se mueve el valor, quién lo controla y si "quién" es siquiera la palabra adecuada.

Esta convergencia no es teórica. Está ocurriendo en mercados reales, en las salas de juntas de capital de riesgo y en las cámaras legislativas de Bruselas y Washington; está teniendo lugar en las granjas de servidores de empresas de las que nunca ha oído hablar, pero cuyas decisiones impulsarán la forma que tendrá la próxima iteración de internet. La fusión de la IA y las criptomonedas está produciendo cosas que realmente no existían antes, y planteando interrogantes legales, éticos y económicos para los cuales nadie tiene respuestas suficientes en este momento.

La respuesta del público, como es de imaginar, abarca desde un entusiasmo incuestionable hasta una antipatía visceral, con poca sutileza de por medio. Aquellos que ya desconfiaban de las criptomonedas han encontrado más razones para preocuparse. Solo falta que esa nueva dimensión de alarma se sume a la de quienes ya están alarmados por la IA. Y en algún punto intermedio, la integración real está ocurriendo de todos modos, impulsada por la misma lógica que ha movido cualquier otro caso de convergencia tecnológica: las cosas se conectan, hay dinero por ganar y quienes lo están haciendo no están esperando permiso.

Lo que las criptomonedas ya hacen por la IA — y viceversa

Resulta útil conocer cómo se ve la integración práctica sobre el terreno antes de abordar preguntas más complejas.

Porque la intersección entre la IA y las criptomonedas no es una sola cosa; son muchas cosas que suceden a la vez y en diferentes capas de la pila tecnológica.

Pero en un nivel, la aplicación de la IA a los datos de blockchain refleja la de cualquier otro conjunto de datos masivos: encontrar patrones, detectar anomalías y generar inteligencia procesable. Las empresas de análisis de blockchain han integrado el aprendizaje automático en sus plataformas para sacar a la luz transacciones sospechosas, detectar clústeres de monederos vinculados a actores criminales conocidos y rastrear el flujo de fondos a través de distintas cadenas en tiempo real. Se ha vuelto fundamental para las formas en que las fuerzas del orden persiguen actividades cripto ilícitas. El mismo libro de contabilidad inmutable que hace que la blockchain sea útil para los criminales también la convierte en una fuente de datos extraordinariamente rica para el entrenamiento de la IA: cada transacción queda registrada para siempre, cada dirección es vinculable con cualquier otra, un historial financiero permanente y completo que ningún otro conjunto de datos puede proporcionar.

En otro frente, la IA se está abriendo paso en la propia infraestructura de las criptomonedas. Bittensor es una red descentralizada de aprendizaje automático donde los modelos de IA se entrenan juntos y son recompensados con tokens por la calidad de su contribución. Actualmente soporta más de 128 subredes activas y ha entrenado completamente modelos de lenguaje de gran tamaño on-chain; un logro que, hace unos años, se habría considerado imposible. Render Network conecta a creadores y desarrolladores con capacidad de GPU distribuida en todo el mundo, orquestando ese intercambio a través de los rieles de la blockchain y permitiendo que cueste órdenes de magnitud menos que ejecutar el cómputo necesario para habilitar la IA. Ocean Protocol permite a los propietarios de datos monetizar sus conjuntos de datos para desarrolladores de IA sin perder nunca la custodia de los datos brutos: el algoritmo llega al dato en lugar de trasladar el dato al algoritmo.

No se trata de proyectos de "vapourware" que producen whitepapers pretenciosos y carecen de utilidad real. Son una prueba de concepto de un ecosistema que funciona y que está atrayendo un capital sustancial. Para 2025, el capital de riesgo en cripto alcanzó los 7.900 millones de dólares —un aumento del 44 por ciento interanual— y aproximadamente el 40 por ciento de esa cifra se destinó específicamente a proyectos de blockchain integrados con IA. La gente está apostando su dinero por esta convergencia porque cree que el fenómeno es real y duradero. Cuando la principal firma de análisis cripto, Nansen, introdujo agentes impulsados por IA capaces de interpretar datos on-chain, responder preguntas y ofrecer información de mercado oportuna en lenguaje natural, no fue por pura apariencia; subrayó un punto más profundo: la IA hace que los datos de blockchain sean legibles, accesibles y utilizables para audiencias que anteriormente no sabían cómo interpretarlos.

Esta combinación crea un círculo virtuoso: la blockchain produce bases de datos estructuradas de forma única, permanentes y verificables con las que los sistemas de IA pueden trabajar; los sistemas de IA hacen que los datos de blockchain sean interpretables y accionables para quienes toman decisiones; y los sistemas de IA se están convirtiendo cada vez más en participantes de las propias economías de las blockchains, en lugar de ser utilizados simplemente como una herramienta para analizarlas. Ese último avance es donde las cosas empiezan a ponerse realmente extrañas.

Economía de las máquinas: El día en que la IA empiece a gastar dinero

He aquí la idea que redefine de manera más fundamental ese panorama. Todo lo anterior utiliza la IA como una herramienta: algo que los humanos emplean para la adquisición de conocimientos o la interacción con la blockchain. La siguiente fase es fundamentalmente diferente: la IA como un actor económico por derecho propio, una entidad que no solo analiza transacciones, sino que también las autoriza y ejecuta por sí misma.

Este es el razonamiento detrás de lo que se está conociendo como agentes de IA: sistemas de software que pueden actuar en el mundo —navegando, comprando, conectándose a APIs, reservando servicios y realizando tareas— sin que un ser humano les indique qué paso dar antes de cada acción individual. Un agente que necesite investigar un mercado podría requerir la compra de un conjunto de datos propietario. En caso de tener un servicio web, por ejemplo, los recursos de cómputo serían algo por lo que habría que pagar. Alguien encargado de gestionar un flujo de trabajo podría tener que pagar una comisión para acceder a una API externa a mitad de su tarea. En todos estos casos, el agente necesita gastar dinero —en tiempo real y sin intervención humana— en montos que podrían ser una fracción de centavo o varios dólares por transacción, miles de veces por hora.

El desafío es que toda la infraestructura de pagos existente fue construida para seres humanos. Las tarjetas de crédito vienen con direcciones de facturación y contratos de titularidad. Se requieren documentos de identidad de los titulares de las cuentas para las transferencias bancarias. Los servicios de suscripción requieren primero un clic del ratón. Todos estos mecanismos tienen una fricción integrada —a propósito, porque esa fricción es también una protección contra el fraude y el error. Todo esto es completamente incomparable con un software que realiza decenas de miles de micropagos cada segundo al servicio de alguna otra tarea.

Las stablecoins —y particularmente la infraestructura detrás del envío de USDT, así como otros movimientos on-chain— otorgan un servicio que ninguna red de pagos tradicional puede proporcionar. Una transacción con stablecoins no requiere un contrato de titularidad, ni una relación bancaria existente, ni más identificación que una dirección de billetera. Se liquida en segundos. Funciona para micropagos que serían absorbidos por completo por las comisiones bancarias. Las liquidaciones de USDT en redes eficientes como la red TRON apenas generan comisiones, un mundo aparte de los procesadores tradicionales que cobran incluso por una sola transacción y quién sabe cuánto por miles. El modelo económico simplemente funciona de una manera que ninguna red de tarjetas de crédito, transferencia ACH o integración de PayPal puede igualar a escala de máquinas.

Esta lógica subyace a lo que podría ser el anuncio de infraestructura más trascendental del último año. Coinbase y Cloudflare han anunciado colectivamente la Fundación x402 —que se puso en marcha con miembros como Microsoft, Google, Amazon Web Services, American Express, Stripe y Circle en la mesa, junto con la Fundación Solana entre otros fundadores— para custodiar un protocolo abierto conocido como x402, el cual incorpora pagos con stablecoins de forma nativa en HTTP (la unidad estándar de intercambio de información web). Un agente de IA que se tope con un muro de pago de datos puede simplemente pagar en USDC y finalizar su tarea dentro de la misma interacción, sin necesidad de intervención humana. El envío de tokens USDT —o su equivalente en USDC— surge como una parte nativa de la propia solicitud web, en lugar de ser un paso diferente gestionado por un sistema independiente.

La carrera por construir esta infraestructura ya es feroz. El último en sumarse es Cloudflare, que también quiere crear su propio NET Dollar vinculado al dólar para que los agentes de IA intercambien dinero entre sí. Stripe presentó un estándar competidor llamado Machine Payments Protocol junto con una cadena configurada para ello —Tempo, construida en torno a liquidaciones con stablecoins— y la firma de capital de riesgo cripto Paradigm.

La carrera ha comenzado para convertirse en la capa de pago predeterminada de una economía de máquina a máquina que aún no existe plenamente, pero por la cual todas las grandes empresas tecnológicas están apostando a que existirá.

World, el proyecto de identidad de Sam Altman, está trabajando con Coinbase y el ecosistema x402 específicamente para abordar uno de los problemas más complejos que esto plantea: ¿Cómo se demuestra que hay un humano real detrás de lo que hace un agente de IA? La solución que están construyendo involucra pruebas criptográficas de identidad humana que pueden desplazarse junto con las transacciones de un agente; un esfuerzo por mantener la rendición de cuentas en un sistema diseñado, de otro modo, para que dicha responsabilidad sea casi imposible de rastrear.

Esa cuestión de la rendición de cuentas no es meramente académica. Virtuals Protocol es uno de los protocolos más activos para el despliegue de agentes de IA con economía on-chain, con más de 18,000 agentes desplegados que han generado más de 470 millones de dólares en actividad económica acumulada basada en agentes. También ha visto cómo su token caía más del 80 por ciento desde su máximo histórico, un recordatorio importante de que el ciclo de entusiasmo (hype) por los agentes de IA está siguiendo el mismo guion que cualquier otro ciclo de entusiasmo cripto anterior. Y cuando una vulnerabilidad de nueve años de antigüedad en un agente de trading de IA resultó en incidentes de seguridad por valor de más de 45 millones de dólares en 2026, quedó demostrado cuán real, rápido y a gran escala puede ser el daño causado por agentes de IA que actúan por cuenta propia dentro de los sistemas financieros. Los riesgos no son hipotéticos.

Los reguladores se atan las botas

Los gobiernos que observan esta convergencia no se han quedado de brazos cruzados, pero sus respuestas dicen más sobre lo desafiante que es el problema que sobre lo bien equipados que están para abordarlo.

En materia de IA, la Unión Europea es la que más lejos ha llegado con la Ley de IA de la UE (EU AI Act), la pieza de regulación de IA más amplia hasta la fecha.

Según la Ley, cualquier sistema que interactúe con un ser humano debe revelar que se trata de una IA. Exige el etiquetado de los contenidos de tipo deepfake. Para los sistemas considerados de «alto riesgo» —una categoría que abarca la IA utilizada en la calificación crediticia, la contratación y la evaluación educativa—, incluye disposiciones estrictas de transparencia y supervisión humana. Las sanciones pueden incluir multas de hasta 35 millones de euros (o el 7 % del volumen de negocios global de la empresa), lo que sitúa a la normativa en un nivel similar al del RGPD. La prohibición afectó a las categorías de IA de mayor riesgo a principios de 2025, y los requisitos para los sistemas de alto riesgo se están introduciendo gradualmente hasta 2026.

No existe una ley de IA unificada en los Estados Unidos, pero su cumplimiento se está aplicando a través de los marcos existentes. Esto se ha implementado con respecto a la IA estableciendo que el uso de dicha tecnología para engañar o confundir a los usuarios es una práctica desleal según la ley de protección al consumidor. La Ley de Responsabilidad Algorítmica (Algorithmic Accountability Act) sigue avanzando en el debate legislativo. Las infracciones individuales conllevan multas de 50 000 dólares y la responsabilidad civil puede aumentar la exposición de forma exponencial. Rusia está impulsando un proyecto de ley de IA que obliga a revelar cualquier interacción de un usuario con la IA, a notificar cuando se tomen decisiones sin intervención humana en el proceso y a que las personas puedan negarse a interactuar con la IA; todo ello de acuerdo con la responsabilidad administrativa y penal que se aplicaría siempre que los responsables «supieran o debieran haber sabido».

Lo único que tienen en común todos estos marcos es que se construyeron en torno a la interacción humano-IA. Dan por sentado que hay un ser humano en al menos uno de los lados del intercambio que necesita saber, estar protegido o estar facultado para negarse. Esa premisa se desmorona por completo cuando ambas partes de una transacción son agentes de IA.

En el caso de que un agente de software le pague a otro por el acceso a una API mediante una operación de envío de USDT en la red Tron, no hay humanos a quienes notificar. El requisito de divulgación carece de sentido. La infraestructura de «conozca a su cliente» (KYC) que los exchanges construyeron meticulosamente a lo largo de los años depende de un cliente con una identificación con foto. Nada de esto se traslada de forma sencilla al comercio entre máquinas.

Las cuestiones legales que esto plantea no son triviales:

1. Cuando un agente de un comprador y un vendedor transacciona de forma autónoma, ¿quién es la contraparte legal?

2. ¿Quién es responsable si un agente causa una pérdida financiera: el usuario que lo desplegó, la empresa que lo construyó o la plataforma que lo alojó?

3. ¿Puede un algoritmo ser «identificado» de la misma manera que las regulaciones financieras exigen que se identifiquen las contrapartes?

4. ¿Cuáles son las implicaciones de las regulaciones ALD (antilavado de dinero) para las comisiones en USDT acumuladas por un agente sin personalidad jurídica ni jurisdicción de residencia?

Estas son las preguntas sin resolver que giran en torno al comercio entre máquinas, y se está erigiendo una nueva infraestructura antes de que nadie las haya respondido. La Ley GENIUS impuso requisitos de cumplimiento a los emisores de stablecoins sin analizar las ramificaciones de que el usuario final de esas stablecoins sea alguien que ni siquiera es un usuario. Las obligaciones de transparencia de la Ley de IA de la UE dependen de que exista un humano que pueda ser informado, no un protocolo que no puede serlo. Las regulaciones actuales fueron creadas para un mundo que ya se está quedando obsoleto.

Los luditas también se opusieron

La reacción violenta contra la convergencia entre la IA y las criptomonedas sigue un arco familiar, uno que resulta más reconocible cuanto más se retrocede para obtener una perspectiva histórica.

Los escépticos de las criptomonedas han afirmado durante mucho tiempo que son principalmente un vehículo para la especulación, el fraude y la actividad criminal.

Los críticos de la IA han denunciado que esta eliminará puestos de trabajo, centralizará el poder en unas pocas empresas dominantes, producirá desinformación a gran escala y conlleva riesgos que sus creadores no están tratando con la suficiente gravedad. Ninguno de los dos temores carece de fundamento: los daños documentados de ambas tecnologías son reales y no son poca cosa. Pero integrar ambas no solo duplica las preocupaciones. Genera una nueva clase de objeción: una especie de pánico moral en el que la unión de dos elementos —ya de por sí sospechosos— se interpreta como una señal de que todo se está descarrilando de forma irreversible.

Ciertos temores específicos que rodean la unión entre la IA y las criptomonedas son válidos. El peligro de que los sistemas de IA puedan manipular los mercados de criptomonedas —iniciando operaciones coordinadas de pump-and-dump, realizando front-running, generando demanda fantasma mediante la colocación de órdenes que se cancelan antes de ejecutarse o activando un comportamiento de rebaño para provocar caídas repentinas de precios— es un hecho documentado, no una especulación. ¿Qué sucede cuando un mercado que opera 24/7 —sin mecanismos de interrupción (circuit breakers)— y agentes de IA que funcionan a velocidad de máquina coinciden en el mismo espacio? Los reguladores diseñados para el comercio a ritmo humano no tienen herramientas disponibles para gestionar tales eventos. La concentración de la infraestructura de pagos de IA en manos de unas pocas grandes plataformas —Coinbase, Cloudflare, Google, Microsoft, Amazon— suscita preguntas legítimas sobre quién posee en última instancia las vías del comercio automatizado y qué significa eso para cualquiera que no esté incluido en ese grupo.

Pero gran parte de esa oposición se asemeja a algo mucho más antiguo y menos interesante desde el punto de vista analítico. A principios del siglo XIX, los trabajadores textiles ingleses —los luditas— destrozaron la maquinaria que temían que les arrebatara su sustento. Sus quejas económicas eran reales; la agitación de la industrialización fue un choque enorme que afectó de manera muy desigual.

Pero el freno tecnológico no llegó. Persistió, proliferó, remodeló la economía mundial y, en última instancia, produjo más actividad económica y más tipos de trabajo de los que destruyó, aunque no sin un dolor tremendo durante la transición. La palabra “ludita” permaneció en el lenguaje no como el descriptor de un movimiento de resistencia exitoso, sino más bien como un sinónimo de oposición ineficaz al progreso.

Y así, el patrón se ha repetido con una consistencia fiable desde entonces. Los críticos de la imprenta vaticinaron que desataría la herejía y alteraría las jerarquías sociales; tenían razón sobre la alteración y fueron necios al pensar que había alguna forma de detener la imprenta. Sus enemigos temían que la información se movería demasiado rápido para que el juicio humano pudiera asimilarla. Los críticos del automóvil decían que nunca desplazaría al caballo. Los detractores de internet advirtieron —no sin razón— que se utilizaría para el crimen, el fraude y el colapso social, y tenían razón en todo eso, pero estaban muy equivocados sobre el efecto neto. El sector cripto tuvo lo suyo, con años de predicciones seguras por parte de personas respetadas de que sería prohibido, que colapsaría, que era un esquema Ponzi, que nadie lo tomaría en serio. Entonces BlackRock solicitó un ETF de Bitcoin y los estados-nación comenzaron a añadirlo a sus activos de reserva, y la ventana de Overton cambió.

La convergencia de la IA y las criptomonedas probablemente seguirá una trayectoria similar. La integración no cesará porque los reguladores aún tengan que definir las reglas, ni porque los críticos tengan preocupaciones legítimas sobre riesgos específicos, ni porque un puñado de fallos de alto perfil —como incidentes de seguridad relacionados con agentes por valor de 45 millones de dólares— hagan que la tecnología parezca frágil. El capital está fluyendo, se están programando protocolos, las principales plataformas se han sumado y la lógica de los principios fundamentales funciona bien: si se desea que los sistemas autónomos realicen transacciones, necesitan una forma de hacerlo, y la blockchain lo facilita mejor que cualquier otra opción disponible hoy en día. Las reglas —aunque de manera imperfecta— se pondrán al día. Surgirán nuevos problemas en momentos que nadie esperaba. Y en 20 años, el alarmismo de esta era parecerá tan visionario como la alarma que causó el telégrafo.

Para los usuarios de la red TRON que ya operan en este ecosistema de stablecoins, la pregunta más práctica es probablemente más sencilla e inmediata que cualquiera de las anteriores: ¿cuánto cuesta realmente realizar una transferencia de USDT y cómo se pueden minimizar esos costes? Netts (netts.io) cuenta con una Calculadora de Transferencias de USDT que calcula automáticamente la Energía y el Ancho de Banda exactos necesarios para cualquier transferencia TRC20, mostrando de antemano si se quemará TRX o se alquilará Energía. Pasando a las cifras: quemar TRX por defecto requiere 13,84 TRX para una transferencia a una dirección que ya posee USDT, y 27,70 TRX cuando se transfiere a una dirección con saldo cero de esta moneda; alquilar Energía reduce estos indicadores a 2–5 TRX y ahorra, de media, más del 80 por ciento. Para cualquiera que realice envíos de USDT en un volumen significativo, conocer esto de antemano es simplemente una decisión de negocio inteligente.