IA y criptomonedas: cómo la inteligencia artificial puede cambiar las finanzas, la banca y el blockchain

Imaginemos que su aplicación financiera ya no se limitará a mostrar el saldo de la cuenta. La inteligencia artificial detectará un pago inusual, le avisará de que probablemente se trata de un fraude, comparará sus gastos con los de meses anteriores y le propondrá dónde puede ahorrar. El siguiente paso podría ser que ese mismo sistema, según unas reglas fijadas de antemano, prepare por sí solo una transferencia de dinero, un cambio de divisa o una transacción con un activo digital. La pregunta entonces no será solo «¿Qué me recomienda la IA?», sino también «¿Qué le permitiré hacer con mi dinero?»

Es precisamente aquí donde empiezan a encontrarse dos mundos tecnológicos que hasta ahora se han desarrollado a menudo por separado. La inteligencia artificial es capaz de analizar grandes cantidades de información y, cada vez con más frecuencia, de ejecutar ciertas tareas de forma autónoma. El blockchain, por su parte, permite transferir valor digital, utilizar smart contracts y crear sistemas financieros que pueden funcionar de manera ininterrumpida. Si estas dos tecnologías se conectan, pueden surgir servicios en los que el software no solo evalúe algo, sino que a continuación también ejecute una operación financiera concreta.

Sin embargo, esto no significa que la IA vaya a sustituir a los bancos ni que las criptomonedas vayan a reemplazar automáticamente el sistema financiero tradicional. Es más probable una convergencia gradual de ambos mundos. Los bancos ya utilizan hoy la inteligencia artificial para detectar fraudes, analizar riesgos o comunicarse con los clientes. Al mismo tiempo, surgen tecnologías que permiten a los agentes de IA trabajar con monederos blockchain, smart contracts o stablecoins. Por eso, el futuro quizá no sea una lucha entre la IA y los bancos ni entre las criptomonedas y las monedas fiat, sino más bien la búsqueda de dónde tiene más sentido cada tecnología.

La IA ya está cambiando la banca tradicional

Cuando hoy se habla de inteligencia artificial, mucha gente piensa sobre todo en chatbots o en herramientas capaces de generar textos e imágenes. Sin embargo, en el sector financiero se utilizan distintas formas de aprendizaje automático desde hace años. Los bancos y otras entidades financieras analizan mediante algoritmos enormes cantidades de transacciones y buscan patrones que a una persona le resultaría muy difícil reconocer.

Uno de los ámbitos más conocidos es la detección de fraudes. El sistema bancario puede evaluar de forma continua si un pago concreto se corresponde con el comportamiento habitual del cliente. Si una persona suele pagar con tarjeta en la República Checa y, en cuestión de minutos, aparece un pago elevado en otra parte del mundo, el sistema puede considerar la transacción como de riesgo. Tecnologías similares pueden ayudar también a detectar el blanqueo de capitales, evaluar el riesgo crediticio, procesar documentos o en la atención al cliente.

Con el desarrollo de la IA generativa, las posibilidades se amplían aún más. Una aplicación bancaria no tiene por qué limitarse a mostrar cifras, sino que también puede interpretarlas. En lugar de informar de que el cliente ha gastado 42.000 CZK en un mes, el sistema puede advertirle de que sus gastos en energía han aumentado un 25 % respecto a la media a largo plazo, o de que entre sus pagos periódicos figura un servicio que no ha utilizado en varios meses. Así, la banca puede pasar gradualmente de ser una herramienta para mostrar datos financieros a un sistema que ayuda activamente a los clientes a comprenderlos.

Del asistente de IA al agente de IA

La IA actual funciona, en la mayoría de los casos, como un asesor. El usuario puede preguntar cuánto gastó el mes pasado, pedir que se le explique un producto financiero concreto o solicitar una comparación de distintas opciones. La inteligencia artificial ofrece una respuesta, pero la decisión en sí y la operación posterior las lleva a cabo una persona.

La siguiente fase de desarrollo la representan los llamados agentes de IA. Se trata de sistemas a los que se puede asignar un objetivo concreto, que pueden utilizar otras herramientas y ejecutar de forma autónoma los distintos pasos necesarios para cumplirlo. La diferencia, por tanto, no reside únicamente en la calidad de la respuesta. El agente también puede obtener la capacidad de actuar.

Imaginemos, por ejemplo, la siguiente instrucción: «Cada mes, después de cobrar la nómina, deja en la cuenta una reserva de 30.000 CZK, revisa los pagos periódicos y reparte el resto según mis reglas fijadas de antemano». La IA actual puede elaborar una recomendación. Un futuro agente dotado de los permisos adecuados podría preparar algunos de los pasos o incluso ejecutarlos directamente.

Es precisamente en este punto donde la combinación de IA y blockchain empieza a resultar interesante. Si un software es capaz de analizar una situación y, al mismo tiempo, tiene la posibilidad técnica de operar con activos digitales, surge un nuevo tipo de herramienta financiera.

Por qué el blockchain puede resultar interesante para la IA

El sistema financiero tradicional se creó principalmente para personas, empresas y entidades financieras. Tenemos cuentas bancarias, tarjetas de pago, poderes de firma, procesos de identificación y otros mecanismos diseñados para usuarios humanos. Sin embargo, el software puede tener otras necesidades.

Imaginemos un agente de IA que, en pocos segundos, necesita encontrar una fuente de datos, averiguar su precio, pagar unos céntimos, descargar los datos y utilizarlos después en otra tarea. Para una operación así, una tarjeta de pago convencional o una transferencia bancaria no siempre tienen por qué ser la solución más eficiente.

El blockchain ofrece varias características que pueden resultar interesantes para un software autónomo. Funciona de manera ininterrumpida, un monedero digital puede ser controlado técnicamente también por un software, las transacciones pueden ser programables y los smart contracts permiten definir con precisión las reglas bajo las que se utilizan los fondos. Además, los sistemas blockchain permiten operar incluso con importes muy pequeños.

Esto no significa que la IA tenga que utilizar criptomonedas. Al mismo tiempo, el sector bancario está creando sus propias interfaces digitales y API a través de las cuales los sistemas automatizados pueden operar con dinero tradicional. Sin embargo, el blockchain ofrece una posibilidad interesante: el software puede comunicarse directamente con una infraestructura financiera creada para transacciones digitales programables.

Un agente de IA con su propio monedero

La idea de una IA con acceso a un monedero puede parecer peligrosa a primera vista. Pero no tiene por qué significar que el sistema obtenga un control ilimitado sobre todos los fondos del usuario. Precisamente el blockchain y los smart contracts permiten establecer reglas exactas bajo las que el agente puede actuar.

El propietario puede, por ejemplo, establecer que una transacción individual no supere los diez dólares, que el límite diario sea de cien dólares y que los pagos solo puedan dirigirse a servicios aprobados de antemano. Cualquier importe superior requeriría la confirmación de una persona. De este modo, la IA puede obtener cierta autonomía económica sin tener un control absoluto sobre el dinero.

Así, el agente puede comprar datos, capacidad de cálculo, acceso a API u otros servicios digitales. Para una persona sería poco práctico aprobar manualmente cada pago de unos pocos céntimos. Para un software, puede ser una parte habitual de la tarea que ejecuta.

Este tipo de tecnologías ya está surgiendo. Un ejemplo es el protocolo x402, que se basa en la idea del código de internet «402 Payment Required». El servidor puede comunicar al agente de IA el precio del servicio solicitado, el agente realiza el pago y, a continuación, obtiene acceso a los datos o funciones solicitados. Por ahora se trata de un ámbito en desarrollo y no está claro qué importancia tendrá en el futuro, pero muestra cómo podrían funcionar los pagos automatizados entre programas.

Las stablecoins como medio de pago para la IA

Para pagar servicios digitales, una criptomoneda volátil no tiene por qué ser el medio ideal. Si un agente de IA necesita pagar, por ejemplo, dos céntimos por una consulta a una API, resulta más práctico utilizar un activo cuyo valor no varíe significativamente frente a la moneda en la que está tarificado el servicio.

Es precisamente aquí donde las stablecoins pueden cobrar importancia. Una stablecoin vinculada al dólar estadounidense combina una unidad de precio conocida con la infraestructura blockchain. Así, el agente puede disponer, por ejemplo, de un presupuesto de 100 USDC y utilizar partes de ese importe según reglas definidas de antemano.

Para la IA no es relevante si ese activo representa una inversión interesante. Lo importante es si permite transferir valor de un lugar a otro de forma fiable. En algunos escenarios, la stablecoin puede funcionar menos como una criptomoneda de inversión y más como un instrumento de pago digital.

Desde el punto de vista del usuario común, puede resultar interesante algo más. Es posible que la persona ni siquiera sepa que, en segundo plano, está utilizando una stablecoin. Del mismo modo que hoy, al pagar con tarjeta, normalmente no pensamos en todos los sistemas que procesan el pago, algún día el usuario podría limitarse a indicar: «Paga este servicio». Y la propia aplicación elegirá la infraestructura de pago adecuada.

La IA puede simplificar notablemente las criptomonedas

Uno de los mayores obstáculos para un uso más amplio de las criptomonedas es su complejidad técnica. Un usuario principiante se encuentra rápidamente con conceptos como frase semilla, dirección blockchain, gas, Layer 2, bridge, smart contract o distintas redes blockchain. Cada uno de estos conceptos tiene su justificación técnica, pero en conjunto pueden suponer una barrera de entrada elevada.

La IA puede introducir una capa adicional entre el usuario y la infraestructura técnica. La persona no necesita saber exactamente qué red elegir ni cómo funciona un bridge. Puede decir, por ejemplo: «Quiero enviar 50 USDC a esta persona por la vía compatible más barata». El sistema puede comparar las opciones disponibles, advertir de los riesgos y explicar cómo funciona cada una de las alternativas.

Sin embargo, aquí es importante distinguir entre una recomendación y la ejecución de una transacción. Si la IA solo aconseja y el usuario lo confirma todo después por sí mismo, queda un margen adicional de control. Si el sistema tiene acceso a las claves privadas o permiso para firmar la transacción por sí solo, un error suyo puede tener consecuencias financieras inmediatas.

Cuanto más ocultemos la complejidad técnica, más importante será controlar lo que ocurre bajo la superficie.

La IA y los smart contracts

Otro ámbito en el que ambas tecnologías se encuentran de forma natural es el desarrollo y la seguridad de los smart contracts. La IA puede ayudar a los programadores a explicar código existente, crear pruebas, buscar puntos sospechosos o proponer escenarios de posibles ataques contra un smart contract.

Esto puede acelerar notablemente tanto el desarrollo como la revisión de seguridad. Pero, al mismo tiempo, se aplica la misma regla que en la programación convencional: la IA puede generar código erróneo. En una página web corriente, un error puede significar un botón que no funciona. En un smart contract que gestiona una gran cantidad de activos digitales, un error puede suponer una pérdida financiera.

La Ethereum Foundation aportó un ejemplo interesante: su equipo de seguridad utilizó agentes de IA coordinados para buscar errores en código relacionado con la infraestructura de Ethereum. Los sistemas lograron encontrar problemas reales, pero también generaron resultados que parecían convincentes aunque no representaban ninguna vulnerabilidad real.

Esto ilustra bien la doble naturaleza de la IA. Puede aumentar notablemente la capacidad de detectar problemas de seguridad, pero por sí sola no sustituye la revisión experta.

La IA como nueva herramienta de análisis blockchain

Los blockchains públicos contienen una enorme cantidad de datos de transacciones. Es posible seguir cada operación, pero con millones de transacciones el análisis manual resulta prácticamente imposible. La IA y otros sistemas analíticos pueden buscar patrones que a una persona le resultaría muy difícil reconocer.

Pueden, por ejemplo, seguir cómo se mueven los fondos entre un gran número de direcciones, buscar cadenas de transacciones sospechosas o identificar direcciones vinculadas a fraudes ya conocidos. El mismo principio puede aplicarse en la supervisión AML/PBC, en la evaluación del riesgo de la contraparte o en el análisis del comportamiento de los distintos protocolos blockchain.

En este sentido, el sistema bancario tradicional y el mundo blockchain no difieren demasiado. En ambos casos se trata de analizar enormes cantidades de datos financieros y buscar patrones inusuales.

La diferencia está en la disponibilidad de los datos. Un blockchain público puede ofrecer un historial de transacciones muy detallado, pero, al mismo tiempo, una dirección blockchain no tiene por qué revelar automáticamente la identidad real de su usuario. Así, la IA puede ser muy eficaz para analizar comportamientos, pero no siempre puede determinar con facilidad quién se esconde realmente detrás de una dirección concreta.

Cómo puede la IA cambiar la banca cotidiana

Para la mayoría de las personas, el mayor cambio quizá no se produzca en un exchange de criptomonedas, sino directamente en la banca móvil.

La aplicación bancaria actual suele mostrar el saldo, los pagos entrantes y salientes o estadísticas básicas. La IA puede cambiar esta experiencia interpretando los datos financieros.

En lugar de una simple información sobre la transacción, la aplicación puede decir: «Lleva doce meses pagando este servicio, pero no lo ha utilizado en los últimos tres meses». O puede advertir: «Los gastos en energía de este mes son notablemente más altos de lo habitual». El siguiente paso puede ser una recomendación sobre cómo resolver la situación.

De este modo, la aplicación bancaria puede pasar de ser una lista pasiva de transacciones a un asistente financiero activo. Esto puede resultar útil sobre todo para las personas que no se manejan bien en temas financieros. Pero, al mismo tiempo, surge la pregunta de hasta qué punto queremos que las entidades financieras o sus socios tecnológicos analicen nuestro comportamiento.

Mejores servicios financieros frente a más datos

La IA funciona mejor cuando dispone de datos de calidad. Cuanto más sepa sobre el cliente, más precisa puede ser, por ejemplo, la estimación del riesgo, la recomendación de un producto financiero o la detección de un pago sospechoso.

Esto puede aportar ventajas concretas. Los modelos crediticios tradicionales trabajan a veces con información relativamente limitada. La IA puede analizar un historial más amplio del comportamiento financiero y, por ejemplo, evaluar mejor a un autónomo que no tiene un salario mensual regular, pero que a largo plazo muestra unos ingresos estables.

Sin embargo, el mismo principio plantea la cuestión de la privacidad. ¿Cuánta información debería analizar un banco? ¿Debe conocer nuestros hábitos de compra al decidir sobre un crédito? ¿Cómo explicará al cliente por qué el modelo lo ha rechazado? ¿Y qué ocurre si el algoritmo utiliza relaciones que funcionan estadísticamente, pero conducen a un resultado injusto?

La IA puede hacer más precisos los servicios financieros, pero más datos no significan automáticamente decisiones más justas.

IA contra IA: una nueva lucha contra el fraude financiero

Una de las mayores paradojas de la inteligencia artificial en las finanzas es que la misma tecnología pueden utilizarla tanto quienes defienden como quienes atacan.

Los bancos, los exchanges y las empresas de análisis utilizan la IA para detectar transacciones sospechosas. Los estafadores, en cambio, pueden utilizarla para crear fraudes más convincentes.

La IA generativa es capaz de crear un correo electrónico falso, imitar el estilo de una persona concreta o su voz, o crear un vídeo deepfake. Así, un estafador puede crear un falso asesor de inversiones o hacerse pasar por un compañero de trabajo, un socio comercial o un familiar.

Las criptomonedas pueden resultar atractivas para este tipo de fraudes sobre todo porque una transacción blockchain suele ser difícil de revertir. Si la víctima envía fondos a una dirección controlada por el atacante, no siempre existe una institución que pueda simplemente anular la transacción.

Así, la IA puede mejorar la detección de fraudes y, al mismo tiempo, reducir el coste de crearlos. Por eso, en las finanzas probablemente surgirá una carrera tecnológica a largo plazo entre los sistemas que generan fraudes y los sistemas que deben detectarlos.

Cuando creer lo que ven nuestros ojos ya puede no bastar

La tecnología deepfake también está cambiando la forma en que verificamos la identidad.

Antes, una videollamada podía constituir una prueba bastante sólida de que nos comunicábamos con una persona concreta. Si veíamos y oíamos a alguien, teníamos motivos para creer que se trataba realmente de esa persona.

La IA generativa está debilitando progresivamente esta suposición.

Si es posible imitar de forma realista tanto la imagen como la voz, la verificación criptográfica puede cobrar mayor importancia. En lugar de la pregunta «¿He visto a esta persona en una videollamada?», puede ser más importante la pregunta «¿Esta solicitud ha sido firmada realmente con una clave autorizada?»

Es precisamente aquí donde el blockchain y la criptografía pueden adquirir un nuevo significado. No necesariamente como forma de invertir en activos digitales, sino como una infraestructura capaz de demostrar matemáticamente el origen de una información o la autorización para realizar una operación concreta.

Por supuesto, ni siquiera una firma criptográfica es una solución absoluta. Si un atacante obtiene la clave privada, puede utilizarla de forma indebida. Aun así, la forma en que demostraremos la fiabilidad en el mundo digital puede cambiar.

¿Puede la IA operar en los mercados por sí sola?

El trading automatizado en los mercados financieros existe desde hace mucho tiempo. Los bancos, los fondos y otras instituciones utilizan sistemas algorítmicos desde hace muchos años. Sin embargo, la IA generativa puede poner la creación de este tipo de estrategias al alcance también de personas que no saben programar.

El usuario puede, por ejemplo, establecer una regla sencilla de compra periódica de Bitcoin o un sistema más complejo que reaccione a distintos indicadores de mercado.

Sin embargo, aquí es importante distinguir entre la capacidad de ejecutar automáticamente una estrategia y la capacidad de predecir el futuro de forma fiable.

La IA puede analizar rápidamente enormes cantidades de datos. Pero eso no significa que sepa hacia dónde se moverá la semana que viene el precio de Bitcoin o de un índice bursátil. El modelo puede trabajar con datos erróneos, ajustarse a un pasado que no se repetirá o reaccionar ante un acontecimiento inesperado de una manera que su creador no había previsto.

La IA puede ser una herramienta analítica muy potente. No debería confundirse con una máquina de predecir el futuro.

Qué ocurre si todos utilizan modelos similares

Otro riesgo no es solo el error de una única IA, sino la posibilidad de que muchos sistemas tomen al mismo tiempo una decisión similar.

Imaginemos que un gran número de bancos, fondos y sistemas de trading automatizado utilizan modelos y datos similares. En el mercado aparece una información claramente negativa. Los modelos la evalúan de forma parecida y empiezan a reducir simultáneamente sus posiciones de riesgo.

El trading automatizado, por supuesto, existía mucho antes de la actual generación de IA. El nuevo riesgo puede residir en la escala y la concentración. Si una gran parte del mercado utiliza modelos de unos pocos proveedores, el problema de un solo sistema puede afectar a varias instituciones.

Una cuestión similar afecta a las criptomonedas. El blockchain puede estar descentralizado, pero la capa de IA que se utiliza sobre él puede depender de unos pocos proveedores centralizados de modelos o de infraestructura en la nube.

Esto vuelve a recordar un principio importante: la descentralización de una capa tecnológica no significa automáticamente la descentralización de todo el sistema.

Un token de IA no es automáticamente un proyecto de IA de calidad

Cuando se combinan dos ámbitos populares, surge también, de forma natural, el marketing.

En el mercado existen proyectos que conectan el blockchain con capacidad de cálculo para IA, datos descentralizados, agentes autónomos u otra tecnología real. Pero, al mismo tiempo, puede surgir una criptomoneda que utiliza la etiqueta de IA principalmente porque se trata de un tema popular.

Por eso es importante distinguir entre los distintos proyectos.

El nombre del token en sí o la afirmación de que el proyecto utiliza inteligencia artificial no dice casi nada sobre su valor real. Mucho más importante es averiguar qué problema resuelve, si realmente necesita un blockchain para ello, qué función cumple el propio token en el sistema y si tiene un uso real.

El mismo principio se aplicaba a las tendencias anteriores del mundo cripto y se aplicará también a la IA.

Una tendencia tecnológica puede ser real, pero eso no significa que todo proyecto que haga referencia a ella tenga que ser de calidad.

Qué puede aportar la combinación de IA y blockchain

El mayor beneficio quizá no resida en una única aplicación revolucionaria. Puede ser más importante la integración gradual de varias tecnologías.

La IA puede, por ejemplo, simplificar el uso de las criptomonedas y ocultar parte de la complejidad técnica de las redes blockchain. Puede analizar grandes cantidades de transacciones, alertar sobre actividades sospechosas o ayudar a los desarrolladores a revisar smart contracts. Los agentes autónomos, por su parte, pueden utilizar el blockchain para pequeños pagos automatizados o para acceder a servicios digitales.

Para el usuario común, lo importante puede ser sobre todo la sencillez. Si la IA es capaz de explicar de forma segura qué ocurre en una transacción, comparar las opciones disponibles y advertir de un posible error, puede reducir notablemente las barreras de entrada al mundo de los activos digitales.

Así, el uso más interesante de la IA quizá no sea la especulación con criptomonedas. Puede serlo precisamente que una tecnología compleja resulte mucho menos visible para la persona común.

Dónde puede fallar la combinación de IA y finanzas

La mayor ventaja de la IA es, al mismo tiempo, la fuente de su mayor riesgo. El sistema puede evaluar rápidamente una situación y reaccionar de forma automática. Pero si la evaluación resulta errónea, puede ejecutar con la misma rapidez una operación incorrecta.

Los grandes modelos de lenguaje pueden generar respuestas convincentes pero erróneas en cuanto a los hechos. En el entorno financiero, un error así puede tener consecuencias mucho más graves que en una búsqueda de información corriente.

En las transacciones blockchain el problema es aún más acusado, porque muchas operaciones son difíciles de revertir. Un agente de IA con permisos demasiado amplios puede, por ejemplo, enviar fondos a una dirección equivocada o utilizar un smart contract erróneo.

Otro problema es la protección de la privacidad. Un buen asistente financiero necesita acceso a datos financieros. Por eso es importante saber quién trata los datos, dónde se almacenan y si pueden utilizarse para otros fines.

Además, con la creciente autonomía de la IA surge la compleja cuestión de la responsabilidad. Si el sistema ejecuta una transacción errónea, ¿quién asume las consecuencias? ¿El usuario que le dio los permisos? ¿El desarrollador? ¿La entidad financiera? ¿El proveedor del propio modelo de IA? Las respuestas a este tipo de preguntas serán cada vez más importantes.

Cuánto control deberíamos ceder a la IA

El principio básico puede ser sencillo: cuantas más competencias obtiene un sistema, más importantes deben ser los mecanismos de control.

Si la IA solo explica un concepto financiero, un posible error tiene consecuencias relativamente limitadas. Si puede transferir por sí sola miles de euros, la situación es completamente distinta.

Por eso pueden ser importantes los límites de importe máximo, la lista de servicios permitidos, la confirmación adicional de operaciones de mayor importe o la posibilidad de bloquear el acceso de inmediato. El usuario también debería saber si la IA solo puede leer los datos financieros o si tiene derecho a mover fondos realmente.

El objetivo ideal no tiene por qué ser un sistema que obtenga un control absoluto.

Para muchas personas puede ser mucho más útil una IA que prepare casi toda la operación, la explique y advierta de los riesgos, pero en la que la decisión final siga correspondiendo a una persona.

¿Sustituirá la IA a los bancos?

Probablemente sea más útil plantear otra pregunta: ¿Cómo cambiará la IA el banco que ya utilizamos?

La evolución actual muestra sobre todo la integración de la IA en las entidades financieras existentes. Los bancos la utilizan para detectar fraudes, analizar el riesgo crediticio, la ciberseguridad, el cumplimiento de las normas regulatorias (compliance) o la atención al cliente.

Así, el banco del futuro puede seguir trabajando con monedas fiat, conceder créditos y funcionar dentro de un sistema financiero regulado. La diferencia puede estar en cómo se comunica el cliente con él.

En lugar de buscar la opción correcta en el menú, la persona puede decir, por ejemplo: «Quiero enviar 500 euros a mi hija y no quiero pagar una comisión innecesariamente alta». La IA averigua las opciones disponibles, explica las diferencias y prepara la operación.

La persona solo tiene que revisarla y confirmarla.

¿Sustituirán las criptomonedas a las monedas fiat por culpa de la IA?

Tampoco aquí hay motivos para esperar un escenario sencillo.

Técnicamente, un agente de IA puede utilizar euros en una cuenta bancaria igual que una stablecoin en un monedero blockchain, siempre que tenga el acceso adecuado a ambos sistemas.

Por eso, puede ser más probable la existencia de varias vías paralelas. Algunas operaciones se realizarán a través de la infraestructura bancaria y la moneda fiat, otras a través de redes blockchain y stablecoins.

Además, el usuario no tiene por qué saber siempre qué infraestructura utiliza su aplicación. Lo decisivo puede ser la velocidad, el precio, la seguridad, la disponibilidad y el entorno regulatorio.

Precisamente así puede ir desapareciendo gradualmente parte de la frontera entre las finanzas «clásicas» y las «cripto». Para el usuario puede ser más importante el servicio en sí que la tecnología que funciona por debajo.

Cómo puede ser la IA financiera del futuro

Imaginemos una pequeña empresa que utiliza varios servicios digitales. Su agente de IA puede revisar facturas, comparar los costes de los servicios en la nube, comprar capacidad de cálculo solo cuando realmente se necesite, pagar por API y alertar al propietario de transacciones inusuales.

Parte de las operaciones puede realizarse a través de una cuenta bancaria convencional. Algunos pequeños pagos digitales puede resultar más sencillo liquidarlos con una stablecoin. Mientras tanto, un smart contract puede vigilar que el agente no supere el presupuesto diario máximo.

La persona sigue siendo la propietaria de los fondos y establece las reglas. La IA se encarga de las operaciones rutinarias.

Un modelo así puede ser más realista que la idea de que la inteligencia artificial algún día se haga cargo por completo de las finanzas. No se trata necesariamente de eliminar a la persona del sistema. Más bien de un cambio en su papel – de ejecutar cada paso individual a ser quien establece las reglas y supervisa las decisiones importantes.

Conclusión

Probablemente, la inteligencia artificial no cambiará solo las criptomonedas. Ya hoy está cambiando también la banca tradicional. Los bancos la utilizan para detectar fraudes, analizar riesgos o atender a los clientes, mientras que en el entorno blockchain surgen los primeros sistemas en los que los agentes de IA pueden utilizar monederos, smart contracts o stablecoins. Así, la frontera entre las finanzas tradicionales y las descentralizadas puede ir difuminándose gradualmente.

La mayor oportunidad de la IA reside en su capacidad para analizar y automatizar sistemas financieros complejos y, potencialmente, hacerlos accesibles a un círculo más amplio de personas. Sin embargo, el mayor riesgo procede de esa misma característica: si permitimos que el sistema no solo aconseje, sino que también actúe, su error puede tener consecuencias financieras reales. Por eso, los deepfakes, los fraudes, los datos erróneos, los modelos impredecibles o una concentración excesiva del control serán temas tan importantes como la rapidez y la comodidad.

Así, el futuro quizá no sea una cuestión de «¿IA, bancos o criptomonedas?». Lo más importante será cómo se conectan estas tecnologías. Una cuenta bancaria, un monedero blockchain, una stablecoin y un agente de IA podrían algún día funcionar juntos en un mismo servicio. Y la pregunta clave no será solo qué es capaz de hacer la inteligencia artificial. También será necesario determinar con precisión qué puede hacer con nuestro dinero – y qué no.

Este texto tiene fines exclusivamente informativos y educativos, y no constituye asesoramiento de inversión. Los criptoactivos son volátiles y puede perder la totalidad del importe invertido.