Desafíos y estrategias para la implementación de ZK en entornos reales

• Para circuitos complejos (estados DeFi, lógica de juego), generar pruebas suele requerir desde cientos de milisegundos hasta varios segundos.
• En dispositivos móviles o hardware ligero, la generación de pruebas es prácticamente inviable y sigue dependiendo de servicios en la nube o nodos validadores.

• Los SNARK presentan costes de verificación bajos pero requieren una configuración confiable.
• Los STARK no necesitan configuración confiable, pero las pruebas son más grandes y los costes de verificación superan a los de SNARK.

• Los activos privados en cadena dificultan el seguimiento de los flujos de fondos.
• Las identidades de los participantes quedan ocultas.
• La mezcla de transacciones puede encubrir actividades sospechosas.

Incluyen:
• ZK-KYC (demostrar el cumplimiento sin revelar la identidad)
• Cuentas privadas auditables (pruebas legibles para el regulador)
• Pruebas de flujo de fondos en cadena

No obstante, las diferencias regulatorias entre países dificultan que los proyectos cumplan estándares globales de inmediato.

• Compiladores ZK más avanzados (zkVM, zkEVM)
• Abstracciones de alto nivel (Rust → Circuit)
• Protocolos estandarizados de cumplimiento de privacidad

• Los usuarios deben comprender qué implica la "generación de pruebas"
• La generación de pruebas puede tardar varios segundos, lo que afecta la experiencia de usuario

• La privacidad total dificulta la recuperación de cuentas
• Los mecanismos de recuperación social requieren nuevos diseños de procesos ZK

ZK representa tecnología avanzada, pero eso no garantiza su viabilidad comercial. Los proyectos actuales suelen enfrentar:

• Altos requisitos de cumplimiento y costes de integración.
• Escasa compatibilidad con sistemas existentes.
• Las empresas no quieren asumir los costes de generación de pruebas.

• Identidad en cadena (ZK-ID)
• Finanzas orientadas al cumplimiento (ZK-RegTech)
• Colaboración empresarial de datos (intercambio de datos ZK)
• IA × ZK: inferencia de IA verificable
• Externalización de computación ZK

Sin embargo, estas aún se encuentran en fases iniciales de validación.

• Hacer que los modelos de IA sean "demostrables"
• Garantizar resultados de IA fiables y rastreables

Esto impulsa la demanda industrial de modelos ZK.

• ZK-KYC estandarizado
• Pruebas de auditoría legibles para instituciones financieras

• Infraestructura "privada pero regulable"

• DSLs ZK accesibles
• Herramientas para visualizar circuitos
• Arquitecturas modulares de pruebas