Grayscale afirma que los agentes de IA necesitarán cadenas de bloques

Los agentes de IA ya pueden escribir código, reservar viajes y gestionar un calendario. Lo que no pueden hacer, al menos no en una cuenta bancaria tradicional, es gastar dinero sin que un humano haga clic en «aprobar». Grayscale Research cree que esa brecha está a punto de cerrarse. Considera que serán las blockchains públicas las que la cierren.

En una nota de investigación publicada a finales de febrero, el director de investigación de Grayscale, Zach Pandl, argumentó que la IA y las criptomonedas no compiten realmente entre sí, aunque los mercados las hayan estado tratando como si lo hicieran. Las acciones de las empresas de software acababan de sufrir una fuerte caída debido a la volatilidad impulsada por la IA, y las criptomonedas cayeron junto con ellas. El argumento de Pandl era que esa correlación ocultaba algo más: las cadenas de bloques, según él, se están perfilando como las vías financieras que los agentes de IA utilizan realmente.

La lógica es bastante clara. Hoy en día, un chatbot no tiene cuenta bancaria. Para abrir una se necesita una persona, un número de la Seguridad Social y una firma. Una dirección de cadena de bloques no requiere nada de eso. Cualquier programa informático puede generar una y empezar a realizar transacciones en segundos, las 24 horas del día, sin tener que pedir permiso primero a un banco. Si los agentes de IA van a pagar por llamadas a la API, recursos informáticos o suscripciones de datos por su cuenta, las carteras son la interfaz natural, y Pandl espera que el aumento del volumen de pequeños pagos automatizados con stablecoins sea la primera señal de que esta hipótesis se está cumpliendo.

Carteras, identidad y ¿quién controla los modelos?

El argumento de Grayscale se divide en tres partes, y la primera es la más concreta: el movimiento de dinero. Las carteras programables ya están en funcionamiento. El estándar ERC-4337 de Ethereum, combinado con la reciente actualización EIP-7702, permite a una cartera aplicar límites de gasto, listas de direcciones autorizadas y claves de sesión con caducidad. En teoría, eso es lo que hace que sea seguro entregar a un agente una tarjeta con un límite máximo en lugar de toda la cuenta. MetaMask se basó precisamente en ese enfoque cuando abrió el acceso anticipado a su propia Agent Wallet en junio, combinando un modo «Guard» para operaciones estrictamente limitadas con un modo «Beast» más flexible, que ofrece a los agentes mayor margen para improvisar. La empresa hizo el anuncio en X, presentándolo como una forma de que los agentes operaran con posiciones DeFi en cadenas EVM mientras los usuarios conservaban sus claves. Coinbase había lanzado un marco similar de carteras para agentes unos meses antes.

La segunda parte es más complicada: la identidad y la reputación. Si una cartera puede pertenecer a un bot, Internet necesita una forma fiable de distinguir a una persona de un programa informático. Un agente que gestione el dinero de alguien necesita un historial al que pueda remitirse antes de que alguien le confíe una compra real. El estándar ERC-8004 de Ethereum, elaborado en colaboración con contribuyentes de MetaMask, Google y Coinbase, intenta resolver esto incorporando la identidad y la reputación del agente en registros en cadena, en lugar de dejarlo en manos de la plataforma en la que el agente se ejecute.

La tercera pieza es aquella a la que Grayscale vuelve una y otra vez: la propia descentralización. El argumento de Pandl es que concentrar los pesos de los modelos de IA, la capacidad de cálculo y la gobernanza en un puñado de empresas supone un riesgo estructural, no solo competitivo. Expresó esta idea de forma más contundente en junio, después de que el Gobierno de EE. UU. restringiera temporalmente el acceso a los modelos Fable 5 y Mythos 5, recién lanzados por Anthropic. Según él, se trataba de un ejemplo real de lo que ocurre cuando un pequeño número de empresas y una única decisión gubernamental pueden bloquear el acceso a la IA para todos los usuarios posteriores. Redes como Bittensor existen precisamente para sortear ese tipo de cuellos de botella.

Las cifras que respaldan la propuesta

Merece la pena analizar Bittensor más detenidamente, ya que su propuesta no se basa tanto en una tesis como en la tracción que ya se está observando en la cadena de bloques. La red cuenta actualmente con más de 128 subredes activas, cada una de ellas un mercado abierto que paga TAO a quien produzca los resultados de IA más útiles en una tarea determinada: entrenamiento de modelos, inferencia, plegamiento de proteínas o detección de fraudes. En marzo, su subred Templar completó el entrenamiento de un modelo de lenguaje de 72 000 millones de parámetros llamado Covenant, construido de forma colaborativa por más de 70 colaboradores independientes en hardware estándar, sin necesidad de permiso alguno. El precio de TAO se disparó aproximadamente un 90% tras conocerse la noticia. Si esto se traducirá en algo que realmente compita con OpenAI o Anthropic sigue siendo una incógnita. Según se informa, una subred genera 52 millones de dólares al año en emisiones frente a solo 2,4 millones de dólares en ingresos externos, lo que indica que, por ahora, el diseño de los incentivos va muy por delante de la demanda real.

Ethereum y Solana aparecen en la tesis de Grayscale por una razón más sencilla: son las plataformas en las que ya existe la infraestructura de carteras. La propia Grayscale expuso en X quiénes son los beneficiarios: cadenas de bajo coste y alto rendimiento como SOL, BASE y NEAR; emisores de stablecoins como MKR; y protocolos DeFi como UNI. Se trata de una publicación que, con el tiempo, se ha convertido en algo parecido a una lista de verificación para los operadores.

Nada de esto está exento de inconvenientes, y el propio informe de Grayscale así lo señala. Las herramientas que aumentan la capacidad de los agentes de IA —el reconocimiento de patrones a gran escala y la revisión automatizada de código— tienen sus pros y sus contras. Un software de vigilancia más avanzado hace que sea más difícil mantener la privacidad en la cadena. Los agentes que buscan errores en los contratos inteligentes funcionan igual de bien para los atacantes que para los defensores, lo que explica en parte por qué OpenAI ha lanzado recientemente EVMbench, un proyecto destinado a utilizar la IA para detectar y corregir esas vulnerabilidades antes de que lo haga otra persona.

La apuesta, al fin y al cabo, es sencilla: cada tarea que se transfiere de una persona a un agente de IA es una tarea que, en última instancia, necesita una forma de amortizarse. Grayscale cree que esa es la función de la cadena de bloques. Si esto se desarrollará de forma tan clara es, según admite la propia empresa, una cuestión aún por resolver, pero las carteras, los estándares de identidad y las redes informáticas descentralizadas ya se están creando como si la respuesta fuera afirmativa.