a16z: 5 maneras en que Blockchain ayuda a la infraestructura de agentes de IA

Autor: a16z

Compilado por: Hu Tao, ChainCatcher

Los agentes de IA se han transformado rápidamente de "copilotos" a participantes económicos, superando la infraestructura circundante.

Si bien los agentes ahora pueden realizar tareas y transacciones, carecen de métodos estandarizados para demostrar su identidad, autoridad y mecanismos de recompensa en diferentes entornos. La información de identidad no se puede compartir entre plataformas, los métodos de pago aún no han alcanzado la programabilidad por defecto y el trabajo de coordinación se lleva a cabo de forma independiente.

Blockchain aborda este problema en la capa de infraestructura. Los libros de contabilidad públicos proporcionan recibos de cada transacción, que cualquiera puede auditar. Las carteras digitales ofrecen a los usuarios información de identidad portátil. Las stablecoins ofrecen un método de liquidación alternativo. No se trata de tecnologías del futuro lejano; pueden utilizarse ahora mismo y pueden ayudar a los usuarios a operar como verdaderas entidades económicas sin necesidad de permiso.

1. Identidad no humana

El principal obstáculo en la economía de los agentes ya no es la inteligencia, sino la identidad.

Tan solo en el sector de los servicios financieros, el número de identidades no humanas (sistemas de negociación automatizados, motores de riesgo, modelos de fraude) es aproximadamente 100 veces mayor que el de empleados humanos. Con el despliegue a gran escala de marcos de agentes modernos (que utilizan herramientas como LLM, flujos de trabajo autónomos y orquestación multiagente), es seguro que esta proporción seguirá aumentando en diversos sectores.

Sin embargo, estos agentes aún no tienen cuentas bancarias. Pueden interactuar con el sistema financiero, pero dicha interacción carece de portabilidad, verificabilidad y no es inherentemente fiable. Carecen de métodos estandarizados para demostrar su autoridad, no pueden operar de forma independiente en diferentes plataformas y no se les puede responsabilizar por sus actos.

Lo que falta actualmente es una capa de identidad universal —equivalente a un protocolo SSL para agentes— que pueda estandarizar la coordinación entre plataformas. Aunque se han realizado intentos importantes, los métodos siguen fragmentados: por un lado, existe una arquitectura verticalmente integrada que prioriza las monedas fiduciarias; por otro lado, están los estándares abiertos nativos de criptografía (como x402 y las propuestas emergentes de identidad de agentes); y existen marcos de desarrollo como las extensiones MCP (Protocolo de Contexto de Modelo) que intentan conectar la identidad en la capa de aplicación.

Actualmente, no existe un método ampliamente adoptado e interoperable para que un agente demuestre a otro a quién representa, qué está autorizado a hacer y cómo será compensado. Esta es la idea central de KYA (Conozca a su agente).

Así como los humanos confían en el historial crediticio y en el proceso KYC (Conozca a su cliente), los agentes también necesitan firmas criptográficas como credenciales que los vinculen con su principal, autoridad, limitaciones y reputación. Blockchain proporciona una capa de coordinación neutral para todo esto: identidades portátiles, monederos programables y pruebas verificables que pueden analizarse en aplicaciones de chat, API y mercados.

Ya hemos visto implementaciones iniciales: registros de agentes en la cadena de bloques, agentes nativos de billetera que utilizan USDC, estándares ERC para "agentes con mínima dependencia de la confianza" y kits de herramientas para desarrolladores que combinan la identidad con pagos integrados y controles de fraude.

Pero hasta que no surja un estándar de identidad universal, los comerciantes seguirán bloqueando a los agentes en el cortafuegos.

2. Gobernanza de los sistemas operativos de IA

Los agentes están empezando a operar sistemas reales, lo que plantea nuevas preguntas.

La clave está en quién controla realmente todo. Imagina una comunidad o empresa donde los sistemas de IA sean responsables de coordinar recursos críticos, ya sea la asignación de fondos o la gestión de la cadena de suministro. Aunque la gente vote para decidir los cambios de política, si la capa de IA subyacente está controlada por un único proveedor que puede impulsar actualizaciones del modelo, ajustar restricciones o anular decisiones, entonces ese poder es muy débil. La capa de gobernanza formal puede estar descentralizada, pero la capa operativa sigue estando centralizada; quien controla el modelo, en última instancia, controla el resultado.

Cuando los agentes asumen funciones de gobernanza, introducen una nueva capa de dependencia. En teoría, esto podría facilitar la implementación de la democracia directa: cada persona podría tener un representante de IA responsable de comprender propuestas complejas, sopesar los pros y los contras y votar de acuerdo con sus preferencias declaradas.

Pero esta visión solo podrá hacerse realidad si estos agentes rinden cuentas de verdad a las personas a las que representan, pueden operar con diferentes proveedores de servicios y están técnicamente obligados a seguir instrucciones humanas. De lo contrario, el sistema resultante puede parecer democrático en apariencia, pero en realidad está impulsado por comportamientos modelo opacos que nadie puede controlar.

Si la realidad actual es que los agentes se construyen a partir de un pequeño número de modelos fundamentales, entonces necesitamos formas de demostrar que el comportamiento de los agentes se alinea con los intereses de los usuarios en lugar de con los intereses de las empresas que desarrollan los modelos. Esto puede requerir garantías criptográficas de múltiples capas: (1) los datos de entrenamiento exactos, los procesos de ajuste fino o los procesos de aprendizaje por refuerzo de los que se origina la instancia del modelo; (2) las indicaciones e instrucciones exactas que controlan a los agentes específicos; (3) registros de los comportamientos reales de los agentes en el mundo real; y (4) garantías fiables de que, una vez implementados, los proveedores no pueden cambiar las instrucciones ni volver a entrenar a los agentes para que operen sin el conocimiento del usuario. Sin estas garantías, la gobernanza de los agentes acabará degradándose hasta convertirse en la gobernanza ejercida por la parte que controla las ponderaciones del modelo.

Aquí es donde entra en juego la criptomoneda. Si las decisiones colectivas se registran en la cadena de bloques y se ejecutan automáticamente, es posible que se requiera que los sistemas de IA ejecuten resultados verificados. Si los agentes tienen identidades criptográficas y registros de ejecución transparentes, las personas pueden comprobar si sus agentes están siguiendo las reglas. Además, si la capa de IA es propiedad del usuario y portátil, en lugar de estar vinculada a una única plataforma, ninguna empresa podrá cambiar las reglas mediante actualizaciones del modelo.

En definitiva, la gobernanza de los sistemas de IA es fundamentalmente un reto de infraestructura, no un reto político. La verdadera autoridad depende de la incorporación de mecanismos de garantía ejecutables en el propio sistema.

3. Cómo cubrir las carencias de los sistemas de pago tradicionales en las empresas nativas de IA

Los agentes de IA están empezando a realizar compras (extracción de datos web, sesiones de navegador, generación de imágenes), mientras que las stablecoins se están convirtiendo en una capa de liquidación alternativa para estas transacciones. Mientras tanto, está surgiendo una nueva clase de plataformas de comercio electrónico centradas en los agentes. Por ejemplo, el mercado MPP de Stripe y Tempo reúne más de 60 servicios diseñados específicamente para agentes de IA. En su primera semana de funcionamiento, procesó más de 34.000 transacciones, con comisiones tan bajas como 0,003 dólares y con las stablecoins como uno de los métodos de pago predeterminados.

La diferencia radica en cómo se accede a estos servicios. No hay página de pago. Los agentes leen esquemas, envían solicitudes, pagan y reciben resultados en un único intercambio. Representan una nueva clase de comerciantes "sin cabeza": simplemente un servidor, un conjunto de puntos finales y un precio por cada llamada. No hay interfaz de usuario, ni tienda online ni equipo de ventas.

Los sistemas de pago necesarios para lograrlo ya están operativos. Los protocolos x402 y MPP de Coinbase adoptan enfoques diferentes, pero ambos integran los pagos directamente en las solicitudes HTTP. Visa también está expandiendo su infraestructura de tarjetas en una dirección similar, proporcionando una herramienta de línea de comandos que permite a los desarrolladores realizar pagos desde el terminal, y los comercios reciben stablecoins instantáneamente en el sistema.

Los datos actuales aún se encuentran en una fase inicial. Tras filtrar las actividades no orgánicas, como las operaciones ficticias, x402 procesa alrededor de 1,6 millones de dólares mensuales en pagos gestionados por agentes, una cifra muy inferior a los 24 millones de dólares que informó recientemente Bloomberg (citando datos de x402.org). Sin embargo, la infraestructura circundante se está expandiendo rápidamente: Stripe, Cloudflare, Vercel y Google han integrado x402 en sus plataformas.

El sector de las herramientas para desarrolladores ofrece enormes oportunidades, y el auge de Vibe Coding está ampliando el número de desarrolladores de software y el mercado potencial para estas herramientas. Empresas como Merit Systems están trabajando en soluciones orientadas al futuro, lanzando AgentCash, una plataforma de monedero y mercado con interfaz de línea de comandos que se conecta a los protocolos MPP y x402. Estos productos permiten a los agentes adquirir los datos, las herramientas y las funcionalidades que necesitan utilizando stablecoins desde una única cuenta. Por ejemplo, los agentes del equipo de ventas pueden simplemente llamar a un punto final para enriquecer la información de los clientes potenciales con datos de Apollo, Google Maps y Whitepages sin salir de la interfaz de línea de comandos.

Esta inclinación del comercio entre agentes hacia los pagos con criptomonedas (y las soluciones emergentes basadas en tarjetas) se debe a varias razones. Primero está la suscripción. Cuando los procesadores de pagos incorporan a los comerciantes, asumen el riesgo asociado a ese comerciante. Un comerciante sin presencia física, sin sitio web ni entidad legal, resulta difícil de asegurar para los procesadores tradicionales. En segundo lugar, las stablecoins se pueden programar en redes abiertas sin permiso: cualquier desarrollador puede habilitar puntos finales para admitir pagos sin integrar procesadores de pago ni firmar acuerdos comerciales.

Ya hemos visto este modelo antes. Cada cambio en los modelos de negocio genera una nueva clase de comerciantes, mientras que los sistemas existentes inicialmente tienen dificultades para atenderlos. Las empresas que construyen esta infraestructura no apuestan por unos ingresos mensuales de 1,6 millones de dólares, sino por los niveles de ingresos que se alcanzarán cuando los agentes se conviertan en los compradores por defecto.

4. Revaloración de la confianza en la economía de los agentes

Durante 300.000 años, la cognición humana ha sido el principal obstáculo para el progreso. Hoy en día, la IA está reduciendo el coste marginal de ejecución prácticamente a cero. A medida que los recursos escasos se vuelven abundantes, los factores limitantes cambian. Cuando la inteligencia se vuelve barata, ¿qué se vuelve caro? Verificación.

En la economía de agentes, la verdadera limitación para la escalabilidad reside en las limitaciones de nuestro instinto biológico: nuestra capacidad para auditar y evaluar las decisiones de las máquinas. El volumen de agentes ha superado con creces la capacidad de supervisión humana. Debido a los elevados costes de la supervisión y al tiempo que tardan en manifestarse los fallos, los mercados tienden a reducir las inversiones en control. La "colaboración entre humanos y máquinas" se está convirtiendo rápidamente en una realidad imposible.

Pero el despliegue de agentes no verificados introduce riesgos adicionales. Los sistemas optimizan sin piedad las métricas de los "agentes" mientras se desvían silenciosamente de la intención humana, creando una falsa ilusión de productividad que oculta la enorme acumulación de deuda de IA. Para delegar la gestión económica a las máquinas de forma segura, la confianza ya no puede depender de auditorías humanas; debe estar integrada en el propio código de la arquitectura.

Cuando cualquiera puede generar contenido de forma gratuita, el factor más importante pasa a ser la verificación de las fuentes: comprender de dónde proviene el contenido y si es fiable. La tecnología blockchain, junto con la certificación en cadena y los sistemas de identidad digital descentralizados, cambia los límites económicos de la implementación segura. La IA ya no se considera una caja negra, sino que tiene un historial claro y auditable.

A medida que más agentes de IA comienzan a comerciar entre sí, los mecanismos de liquidación y los sistemas de procedencia se vinculan de forma inextricable. Los sistemas de transferencia de fondos, como las stablecoins y los contratos inteligentes, también pueden contener recibos criptográficos que registran quién hizo qué y quién debe rendir cuentas cuando surgen problemas.

Las ventajas comparativas humanas se perfeccionan continuamente: desde descubrir pequeños errores hasta establecer directrices estratégicas, pasando por asumir la responsabilidad cuando surgen problemas. Quienes puedan certificar criptográficamente los resultados, asegurarlos y asumir la responsabilidad en caso de fallo, obtendrán ventajas duraderas.

La falta de verificación a gran escala es un riesgo que se acumula con el tiempo.

5. Conservar el control del usuario

Durante décadas, las capas de abstracción han cambiado continuamente la forma en que los usuarios interactúan con la tecnología. Los lenguajes de programación abstraen el código máquina. Las líneas de comando fueron reemplazadas por interfaces gráficas de usuario, que luego evolucionaron hasta convertirse en aplicaciones móviles e interfaces de programación de aplicaciones (API). Cada transformación ha ocultado una complejidad subyacente mayor, al tiempo que permite a los usuarios mantener una comprensión general.

En el mundo de los agentes, los usuarios especifican los resultados en lugar de las acciones, y el sistema decide cómo lograr esos resultados. Los agentes no solo abstraen cómo se completan las tareas, sino también quién las realiza. Una vez que los usuarios establecen los parámetros iniciales, se desentienden y el sistema funciona de forma autónoma. El rol del usuario cambia de interacción a supervisión; el sistema permanece activado por defecto a menos que el usuario intervenga.

A medida que los usuarios delegan más tareas a los agentes, surgen nuevos riesgos: las entradas ambiguas pueden llevar a los agentes a actuar basándose en suposiciones incorrectas sin el conocimiento del usuario; los fallos pueden quedar sin notificar, lo que resulta en la ausencia de vías de diagnóstico claras; una sola aprobación puede desencadenar flujos de trabajo de varios pasos que nadie anticipó.

La tecnología criptográfica desempeña un papel importante en este caso. La esencia de la tecnología criptográfica siempre ha sido minimizar la confianza ciega. A medida que los usuarios delegan más poder de decisión al software, los sistemas de agentes ponen de manifiesto este problema y aumentan nuestras exigencias de rigor en el diseño del sistema: necesitamos establecer límites más claros, mejorar la transparencia y proporcionar garantías más sólidas sobre las funcionalidades de estos sistemas.

Para hacer frente a este desafío, ha surgido una nueva generación de herramientas nativas de criptografía. Por ejemplo, el Delegation Toolkit de MetaMask, el AgentKit y las carteras de agentes de Coinbase, y los marcos de delegación basados ​​en el alcance, como AgentCash de Merit Systems, permiten a los usuarios definir qué pueden y qué no pueden hacer los agentes a nivel de contrato inteligente. Las arquitecturas basadas en intenciones, como NEAR Intents (que han acumulado más de 15.000 millones de dólares en volumen de operaciones en exchanges descentralizados (DEX) desde el cuarto trimestre de 2024), permiten a los usuarios establecer resultados esperados, como "tokens puente y staking", sin especificar el método de implementación exacto.

La IA hace que la escalabilidad sea rentable, pero tiene dificultades para generar confianza. Las criptomonedas pueden reconstruir la confianza a gran escala.
Se está construyendo infraestructura de internet que permitirá a los individuos participar directamente en actividades económicas. La cuestión ahora es si se diseñará teniendo en cuenta la máxima transparencia, rendición de cuentas y control del usuario, o si se construirá sobre sistemas que son inherentemente inadecuados para agentes no humanos.