Las empresas de criptomonedas siguen utilizando la inteligencia artificial a pesar de los desafíos constantes

Por qué las empresas combinan criptomonedas con IA

La integración de inteligencia artificial con tecnología blockchain se ha consolidado como una estrategia clave para compañías de criptomonedas que buscan incrementar la eficiencia operativa y ofrecer mejores experiencias a sus usuarios. Los líderes del sector exploran formas innovadoras de aplicar las capacidades de la IA en áreas como el cumplimiento normativo, la gestión de riesgos, la atención al cliente y el desarrollo de productos.

Jacqueline Burns-Koven, directora de inteligencia sobre amenazas cibernéticas en Chainalysis – firma de análisis blockchain – detalló que la empresa está considerando cómo emplear IA para optimizar el cumplimiento, la gestión de riesgos, las investigaciones y los productos orientados al crecimiento. "Como cualquier empresa, podemos beneficiarnos utilizando IA para mejorar nuestro trabajo global, haciéndolo más rápido y eficiente", afirmó Burns-Koven. Este planteamiento refleja la tendencia sectorial de utilizar IA para simplificar procesos complejos y reducir costes operativos.

En el terreno de la fiscalidad de criptomonedas, la IA está revolucionando la gestión de obligaciones tributarias. ZenLedger, proveedor de software fiscal para criptomonedas, anunció una alianza con april – empresa financiera basada en IA – para simplificar la declaración de impuestos. Pat Larsen, cofundador y CEO de ZenLedger, indicó que el nuevo producto utilizará la tecnología de april para guiar a los contribuyentes en un solo flujo, combinando los requisitos federales y estatales y decidiendo qué preguntas formular a continuación. "Esto es distinto al software tradicional, que pregunta en el orden de los formularios y separa los apartados federales y estatales, repitiendo preguntas en ambos", explicó Larsen. Este método inteligente reduce drásticamente el tiempo y la dificultad del reporte fiscal cripto.

Daniel Marcous, CTO y cofundador de april, explicó el enfoque técnico detrás de esta innovación. Según Marcous, la IA ha sido clave para que april desarrolle un producto fiscal que cubre numerosos escenarios habituales, incluidos los ingresos por criptomonedas y activos digitales. Utilizan un proceso llamado "tax-to-code", donde modelos de lenguaje entrenados leen documentos fiscales y los convierten en código software, que después revisa y edita un equipo de ingenieros fiscales. Este sistema híbrido fusiona la eficiencia de la IA con la experiencia humana para garantizar precisión y cumplimiento.

Aplicaciones DeFi impulsadas por IA

La inteligencia artificial también está transformando numerosos casos de uso en finanzas descentralizadas (DeFi), abriendo nuevas vías para valorar, negociar y gestionar activos digitales. Nick Emmons, cofundador y CEO de Upshot – empresa de infraestructura de IA – describió cómo están creando una red descentralizada donde distintos modelos de IA aprenden entre sí. Según Emmons, este aprendizaje mutuo generará una meta inteligencia que hará las redes más potentes y avanzadas frente al uso aislado de modelos.

Emmons afirmó que el modelo de IA de Upshot impulsa varios casos de uso DeFi que antes no eran viables. Por ejemplo, la IA puede optimizar feeds de precios para activos cripto de larga cola, es decir, aquellos que se negocian poco pero existen en mercados líquidos. Los sistemas tradicionales no pueden valorar bien estos activos por la baja frecuencia de transacciones, pero la IA analiza múltiples fuentes de datos para ofrecer valoraciones fiables. Explicó:

"La IA es una herramienta útil para generar actualizaciones de precios más frecuentes a partir de diversas fuentes, no solo cuando el activo cambia de manos. Esto nos permite incorporar muchos más activos al espacio DeFi."

Para ejemplificarlo, Emmons señaló que Upshot pronto lanzará "watch perps" generados por feeds de relojes con IA. Esta innovación muestra cómo la IA puede crear mercados para activos que antes no tenían liquidez. Añadió:

"Un reloj por sí solo no puede crear un feed suficientemente fiable en tiempo real para que exista un mercado. Los modelos de IA procesan grandes volúmenes de información, así que pueden producir feeds de precios muy precisos y frecuentes, convirtiendo activos digitales en representaciones tokenizadas en cadena. Esto ampliará el universo de activos digitales."

Estrategias de generación de rendimiento con IA

Emmons también destacó que están surgiendo vaults DeFi basados en IA, lo que supone un salto en las estrategias automatizadas de inversión. Un vault DeFi es un fondo que ejecuta tareas de autocomposición según condiciones predefinidas en la cadena. No obstante, Emmons advirtió que la actividad en cadena está limitada por la capacidad de cómputo. "Por tanto, el rendimiento que puede obtener un usuario es limitado", explicó. Esta restricción computacional ha frenado la sofisticación de las estrategias on-chain.

Para superar este reto, Emmons señaló que los modelos de IA pueden analizar la información de forma más eficiente. "La IA permite codificar estrategias que pueden implementarse en la cadena como vaults y utilizarse para market making, entre otros fines." Procesando datos complejos fuera de la cadena y aplicando estrategias optimizadas en ella, la IA permite mecanismos de generación de rendimiento más sofisticados.

Aunque esta aplicación está en fase inicial, RoboNet es un protocolo DeFi con IA para mercados de activos de larga cola y fungibles. RoboNet, impulsado por Upshot, permite crear vaults gestionados por modelos de machine learning que generan rendimiento mediante estrategias automatizadas de optimización de liquidez. Es una implementación práctica de DeFi con IA que puede servir de referencia para futuros desarrollos.

Retos de la integración de IA y criptomonedas

Aunque la IA puede hacer que los productos cripto sean más eficientes, existen desafíos que deben resolverse para asegurar una implementación segura y eficaz. La convergencia de estas tecnologías emergentes acarrea riesgos únicos que requieren atención por parte de desarrolladores, reguladores y usuarios.

Cuestiones de confianza y transparencia

Por ejemplo, Emmons subrayó que al usar IA en protocolos DeFi, es necesario confiar en los creadores de los modelos, ya que pueden surgir problemas importantes. El funcionamiento de caja negra de muchos sistemas de IA genera vulnerabilidades en aplicaciones financieras. Señaló:

"Pueden aparecer sesgos o manipulaciones, por eso es esencial repensar el stack de IA en formatos descentralizados. Los diferentes modelos pueden vigilarse mutuamente para reducir el sesgo y lograr una fuente de inteligencia más transparente."

Emmons agregó que las pruebas de conocimiento cero (ZK) pueden verificar modelos de machine learning, garantizando criptográficamente la integridad del modelo. "Upshot ha lanzado un producto en el que verificamos el resultado de nuestro modelo principal de predicción de precios dentro de un circuito ZK, lo que brinda garantía e integridad computacional para protocolos sin permisos." Este enfoque es prometedor para resolver problemas de confianza en aplicaciones cripto basadas en IA.

Marcous añadió que la colaboración de IA generativa con expertos fiscales e ingenieros reduce riesgos, ya que siempre interviene un humano. "En april, sometemos el producto a rigurosos tests y debemos superar pruebas de la Agencia Tributaria y autoridades estatales antes de lanzar", afirmó. Este modelo con supervisión humana asegura que los resultados de la IA sean validados por profesionales antes de entrar en producción.

Incertidumbre regulatoria

Aunque estas soluciones pueden ser útiles, la ausencia de regulación sobre IA plantea retos continuos para el sector cripto. Por ejemplo, es difícil saber si la IA se utiliza para beneficiar a usuarios, inversores o creadores de modelos. Esa falta de transparencia genera posibles conflictos de interés y dudas sobre la responsabilidad cuando la IA toma decisiones que afectan los resultados financieros de los usuarios.

Por ello, algunos países han empezado a crear organismos para regular la IA. Por ejemplo, el presidente de Emiratos Árabes Unidos y gobernante de Abu Dabi, Mohamed bin Zayed Al Nahyan, promulgó una ley para fundar el Consejo de Inteligencia Artificial y Tecnología Avanzada. Según el gobierno de Abu Dabi, "el consejo será responsable de desarrollar e implementar políticas y estrategias en materia de investigación, infraestructura e inversiones en inteligencia artificial y tecnología avanzada en Abu Dabi." Este es uno de los primeros marcos gubernamentales globales para supervisar la IA.

El presidente de la Comisión de Bolsa y Valores de EE. UU., Gary Gensler, también ha advertido sobre los riesgos que la IA supone para el sistema financiero tradicional. Por ello, es probable que en EE. UU. se clarifique la regulación sobre IA en los próximos años. El escenario regulatorio para la IA en finanzas evolucionará conforme las autoridades se adapten a las implicaciones de estas tecnologías.

Perspectivas de futuro

Todos estos avances son relevantes, ya que Emmons considera que la IA acabará integrándose en todas las funciones esenciales de la sociedad. Mientras tanto, resaltó que el sector cripto probablemente incorporará variantes de IA ya presentes en las finanzas tradicionales. Explicó:

"Esto es así porque las criptomonedas son una innovación financiera, por lo que este tipo de IA encaja mejor en aplicaciones financieras. Además, los modelos clásicos de machine learning son más atractivos y compatibles con estos formatos verificables, así que las herramientas criptográficas desarrolladas alrededor de ellos llegarán antes que los modelos generativos de IA."

Este planteamiento sugiere que el sector cripto adoptará primero técnicas de IA probadas en el entorno financiero tradicional antes de explorar tecnologías más avanzadas. Conforme la tecnología madure y se desarrollen los marcos regulatorios, la integración entre IA y criptomonedas se profundizará, transformando la creación, negociación y gestión de activos digitales.

Preguntas frecuentes

¿Por qué las empresas cripto utilizan tecnología de IA? ¿Cuáles son los escenarios específicos de aplicación?

Las empresas cripto emplean IA para detectar fraude, gestionar riesgos, optimizar el trading y analizar mercados. La IA aumenta la seguridad mediante reconocimiento de patrones, automatiza la monitorización de transacciones, mejora la precisión en la predicción de precios y personaliza la experiencia de usuario. Estas aplicaciones incrementan la eficiencia operativa y el volumen de trading de forma significativa.

¿Cómo se aplica la IA en el trading y la gestión de riesgos de criptomonedas?

La IA analiza datos históricos de mercado para anticipar riesgos e identificar oportunidades de trading. Detecta anomalías y patrones sospechosos en tiempo real, reforzando la seguridad. Los modelos de machine learning optimizan la gestión de carteras y minimizan pérdidas mediante estrategias automatizadas de evaluación y mitigación de riesgos.

¿Cuáles son los principales retos y riesgos que afrontan las empresas cripto al usar IA?

Las empresas cripto se enfrentan a la complejidad técnica de la IA, falta de certeza regulatoria, vulnerabilidades en la seguridad de los datos, barreras de adopción en el mercado y escasez de expertos en blockchain y IA. Estos factores dificultan los plazos de desarrollo e incrementan los costes operativos.

¿Qué papel desempeña la IA en la detección de fraude de criptomonedas y en la prevención del blanqueo de capitales (AML)?

La IA monitoriza en tiempo real las transacciones para identificar actividades y patrones sospechosos, mejorando la detección de fraude y el cumplimiento AML. Automatiza los reportes, reduce la carga regulatoria y aumenta la eficiencia operativa de las empresas cripto.

¿Qué papel tiene la tecnología de IA en la protección de la seguridad en los exchanges de criptomonedas?

La IA detecta y previene amenazas de seguridad en tiempo real, automatiza la respuesta ante incidentes, identifica transacciones fraudulentas y refuerza la seguridad general mediante monitorización continua y detección de anomalías.

¿Qué requisitos y restricciones imponen los reguladores a las empresas cripto que emplean IA?

Los reguladores exigen a las empresas cripto establecer marcos de cumplimiento adaptados a la IA para trading y gestión de riesgos. Imponen transparencia y supervisión algorítmica, siguiendo una política de "regulación mínima eficaz" para fomentar la innovación en servicios financieros basados en IA.

¿Qué ventajas y desventajas tienen los proyectos cripto impulsados por IA frente a los tradicionales?

Los proyectos cripto basados en IA mejoran la eficiencia mediante automatización y adaptación dinámica al mercado, permitiendo decisiones rápidas y operaciones optimizadas. Sin embargo, presentan mayor complejidad técnica, riesgos de implementación y vulnerabilidades de los algoritmos que los proyectos tradicionales suelen evitar.

¿Qué retos de privacidad de datos y cumplimiento afronta la IA en la industria cripto?

La IA en criptomonedas enfrenta riesgos de privacidad por reutilización de datos no autorizada, brechas de seguridad que exponen información sensible y dificultades para cumplir normativas como RGPD y CCPA. Las empresas deben aplicar una gobernanza de datos estricta, cifrado y prácticas transparentes de consentimiento para proteger datos personales y cumplir la regulación.