IA × Cadena de bloques

11.1Por qué casar IA y cadena de bloques

Esquema11.1. El encuentro, en teoría. A cada necesidad de la IA, la cadena de bloques dice ofrecer una respuesta. La cuestión, abordada a lo largo del capítulo, es saber en qué casos esa respuesta es realmente superior a las soluciones centralizadas.

11.2Los agentes económicos autónomos

El actor emblemático es Fetch.ai, fusionado en 2024 con SingularityNET y Ocean Protocol dentro de la Artificial Superintelligence Alliance (ASI), cuyo token es el FET. A finales de 2025, Fetch.ai demostró uno de los primeros pagos enteramente autónomos de una IA a otra, sin humano en el bucle. En 2026, el ecosistema desarrolla una cadena dedicada a los agentes (ASI:Chain) y herramientas de verificabilidad, como el AEVS (junio de 2026), que adjunta a cada acción de un agente un «recibo» firmado e infalsificable, compatible con los frameworks vistos en el capítulo 6 (LangChain, MCP).

Bajo el capó

El dinero programable de los agentes

¿Por qué necesitaría un agente criptomoneda? Porque la infraestructura de pago existente está hecha para humanos, no para programas informáticos. Un agente no puede abrir una cuenta bancaria, introducir un número de tarjeta, esperar una factura a treinta días o hacer clic en «no soy un robot». Ahora bien, para actuar de forma autónoma, necesita pagar al segundo, las 24 horas del día, mediante micropagos (una fracción de céntimo por una solicitud de API, un dato, una llamada a otro agente), sin intervención humana en cada paso. Las stablecoins (tokens indexados a una moneda como el dólar o el euro) se han impuesto como el carril más práctico: nativamente programables como software, pero estables en valor, a diferencia de las criptomonedas volátiles.

En torno a esta constatación, surgieron en 2025-2026 protocolos de pago para agentes. El más destacado, x402 (lanzado por Coinbase), resucita un código olvidado de la web, el estado HTTP «402 Payment Required»: cuando un agente solicita un recurso de pago, el servidor responde «402» con el precio y la dirección de destino; el agente firma un pago en stablecoin, lo adjunta a su solicitud y obtiene el recurso, sin cuenta ni clave de API. En Google, AP2 (Agent Payments Protocol) desempeña un papel complementario: no es un carril de pago, sino un marco que define cómo obtiene un agente la autorización para pagar (mandatos firmados, pista de auditoría), compatible con tarjetas, transferencias y stablecoins. El tema atrae ya a los pesos pesados: el consorcio que respalda x402 (la x402 Foundation, alojada por la Linux Foundation) reúne nombres tan diversos como Cloudflare, Circle, Stripe, Visa y Amazon Web Services. Sobre todo, Stripe, el gigante del pago en línea, lanzó en 2026 su propio protocolo de pago entre máquinas (MPP, construido sobre su cadena de bloques Tempo) y una billetera para agentes, que permite a un programa liquidar micropagos en stablecoin o con tarjeta; las redes históricas Visa y Mastercard despliegan por su parte sus dispositivos (Trusted Agent, Agent Pay). La constatación compartida por todos: la infraestructura financiera se concibió para humanos, y hay que reequiparla para los agentes.

Una nueva categoría de herramientas acompaña este movimiento: las billeteras de agentes, dotadas de acceso programático, de límites de gasto, de reglas y de un registro auditable, precisamente para encuadrar a un programa que maneja dinero. Pero hay que mantener el sentido de las proporciones: pese a decenas de miles de agentes activos y a decenas de millones de dólares intercambiados a principios de 2026, los pagos realizados por agentes solo representan una parte ínfima de la actividad de las stablecoins, la cual es a su vez mayoritariamente no comercial. El fenómeno es, pues, real pero embrionario, y plantea cuestiones abiertas: seguridad (un agente pirateado que vacía una billetera), identidad (saber qué agente paga, de ahí normas como ERC-8004), reembolsos y regulación (el marco estadounidense llamado GENIUS Act de 2025 sobre las stablecoins). Es la ilustración más concreta, y la más prudente de manejar, de la «economía agéntica».

En contexto

El problema del oráculo (conectar la cadena con el mundo real)

Una limitación fundamental de los contratos inteligentes (sección 11.1) es que solo «ven» lo que ocurre en la cadena de bloques: por construcción, no tienen ningún acceso directo al mundo exterior (una cotización bursátil, el resultado de un partido, la entrega de un paquete o la salida de un modelo de IA). Para salvar esta brecha, se recurre a oráculos: servicios que encaminan un dato externo hacia la cadena de forma verificable. El desafío, llamado problema del oráculo, es evitar reintroducir un tercero de confianza único que arruinaría la descentralización; por ello se usan redes de oráculos descentralizadas (la más conocida es Chainlink), donde varias fuentes independientes se ponen de acuerdo sobre el valor que ha de inscribirse. Para la convergencia con la IA, lo que está en juego es doble: un oráculo puede alimentar un contrato con la salida de un modelo (por ejemplo, una puntuación de riesgo), y permitir a un agente autónomo (capítulo 6) desencadenar acciones en la cadena en reacción a eventos reales. El oráculo es así el puente indispensable, y el eslabón más delicado, entre la IA, el mundo físico y la cadena de bloques.

11.3Redes descentralizadas de cómputo e inteligencia

En pocas palabras

Frente a la concentración del cómputo en manos de unos pocos gigantes (capítulo 8), algunas redes intentan crear mercados descentralizados.

El cómputo descentralizado. Redes como Render o Akash ponen en común las GPU sin usar de particulares y empresas, remuneradas en tokens, para ofrecer una alternativa a la nube de los gigantes. El argumento es económico: democratizar el acceso a la potencia de cómputo. La cuestión abierta es la fiabilidad (calidad de servicio, latencia) frente a los proveedores centralizados.
La inteligencia descentralizada. El proyecto más ambicioso es Bittensor (token TAO, una de las mayores capitalizaciones del sector, del orden de 3000 a 4000 millones de dólares). Su principio: una red de «subredes» (subnets) especializadas donde modelos de IA «compiten y colaboran», recompensados en TAO según el valor de su contribución, evaluada por validadores (un mecanismo bautizado como «prueba de inteligencia»). En marzo de 2026, una de sus subredes (Templar) llevó a cabo lo que se presenta como el mayor entrenamiento de modelo jamás realizado en una red descentralizada: Covenant-72B, un modelo de 72 000 millones de parámetros entrenado por más de 70 contribuyentes con hardware de consumo conectado por Internet doméstico, sin ningún centro de datos. La proeza se apoya en una técnica de compresión de los intercambios (SparseLoCo) que divide por aproximadamente 146 el ancho de banda necesario, y los pesos se publican en código abierto (licencia Apache). No obstante, hay que mantener el sentido de las proporciones: con una puntuación de unos 67 en la prueba MMLU, el modelo se sitúa al nivel de un Llama 2 70B (2023) y permanece muy lejos de la frontera, lo que ilustra a la vez la viabilidad y los límites actuales del entrenamiento descentralizado.
Los mercados de datos. Ocean Protocol busca permitir el intercambio seguro de datos (el combustible de la IA), incluso mediante el aprendizaje federado (los modelos aprenden sin centralizar los datos en bruto).

En contexto

Las redes de infraestructura descentralizada (DePIN)

Estas redes de cómputo compartido pertenecen a una familia más amplia, designada con el acrónimo DePIN (Decentralized Physical Infrastructure Networks): proyectos que remuneran en tokens a los particulares o empresas que ponen en común un recurso físico real, ya se trate de potencia de cómputo (GPU sin usar), de almacenamiento, de ancho de banda o de cobertura inalámbrica. La idea, seductora, es construir infraestructuras «desde abajo», sin operador central, agregando capacidades latentes. Aplicada a la IA, busca mutualizar GPU para el entrenamiento o la inferencia a menor coste. Los límites son los mismos que los señalados más arriba (verificar la calidad de las contribuciones, sostener la escalabilidad, rivalizar con la eficacia de los grandes centros de datos), y una parte de estos proyectos pertenece más al token especulativo que al uso real. Pero el modelo ilustra una vía recurrente: oponer la mutualización descentralizada a la concentración de los medios de cómputo (capítulo 8).

En contexto

La cadena de bloques para entrenar la IA médica (el caso Galeon)

Un ejemplo concreto conecta este capítulo con la salud (capítulo 14). La empresa francesa Galeon edita una historia clínica informatizada desplegada en diecinueve hospitales, y la respalda con una técnica bautizada como Blockchain Swarm Learning: una variante de aprendizaje federado (visto más arriba) donde el modelo de IA viaja de un hospital a otro para aprender, mientras que los datos de los pacientes nunca salen del centro. Aquí la cadena de bloques no almacena los datos médicos: traza de forma infalsificable cada ciclo de entrenamiento, a fin de garantizar a los hospitales el control de sus datos. A ello se añade, como suele ocurrir en este ámbito, una dimensión cripto (un token, el GALEON, y una organización autónoma descentralizada destinada a financiar la investigación). El interés es real, conciliar IA médica y confidencialidad, pero hay que mantener el sentido de las proporciones: se trata de un actor de nicho, cuya promesa aún está por confirmar a gran escala, y la vertiente especulativa del token exige la misma prudencia que para los demás proyectos de este capítulo.

11.4Criptografía: zkML y cifrado homomórfico

En pocas palabras

He aquí una convergencia más discreta pero técnicamente profunda, que podría resolver dos grandes problemas de la IA: la confidencialidad y la verificabilidad.

El cifrado totalmente homomórfico (FHE). Es una forma de criptografía casi mágica: permite calcular sobre datos cifrados sin descifrarlos nunca. Aplicada a la IA, autorizaría a un servicio a analizar tus datos (una historia clínica, por ejemplo) sin tener nunca acceso a ellos en claro. Empresas como la francesa Zama trabajan para hacer práctica esta tecnología.
El aprendizaje automático de divulgación nula (zkML). Basado en las «pruebas de conocimiento de divulgación nula», el zkML permite demostrar que un modelo ha producido efectivamente un resultado dado, sin revelar ni el modelo ni los datos de entrada. Útil para garantizar que una IA ha funcionado honestamente, o para certificar un resultado sin desvelar secretos industriales. Actores como Polyhedra Network exploran esta vía.

11.5Mercados de predicción y economía del dato

Para recordar (capítulo 11)

La IA necesita cómputo, datos, pagos, coordinación y confianza; la cadena de bloques dice ofrecer descentralización, incentivos, propiedad y trazabilidad. El matrimonio es real pero muy sobrevendido.
Los agentes económicos autónomos se pagan en dinero programable: las stablecoins y protocolos dedicados (x402 de Coinbase, AP2 de Google) son su carril emergente (Fetch.ai/ASI, pero también Visa, Mastercard, Stripe). Convergencia prometedora, pero todavía embrionaria y arriesgada (seguridad).
Las redes descentralizadas de cómputo (Render) e inteligencia (Bittensor y sus subnets) ofrecen una alternativa a los gigantes, pero aún les cuesta igualar lo centralizado y demostrar su utilidad real.
La criptografía (FHE de Zama, zkML de Polyhedra) promete una IA confidencial y verificable, al precio de un fuerte sobrecoste de cómputo.
Los mercados de predicción (Polymarket) y los torneos de datos (Numerai) conectan multitud, datos e IA.
Veredicto honesto: existen usos plausibles (pagos de agentes, procedencia, cómputo descentralizado, confidencialidad), pero el sector sigue dominado por el relato, y el valor de los tokens suele estar desconectado de la utilidad.

Del libro contable distribuido, pasemos a una ruptura de una naturaleza física muy distinta: la computación cuántica.

11.1Por qué casar IA y cadena de bloques#

11.2Los agentes económicos autónomos#

11.3Redes descentralizadas de cómputo e inteligencia#

11.4Criptografía: zkML y cifrado homomórfico#

11.5Mercados de predicción y economía del dato#

Para recordar (capítulo 11)

11.1Por qué casar IA y cadena de bloques

11.2Los agentes económicos autónomos

11.3Redes descentralizadas de cómputo e inteligencia

11.4Criptografía: zkML y cifrado homomórfico

11.5Mercados de predicción y economía del dato