Agentes de IA Mueven 19% de la Actividad On-Chain pero Pierden 5 a 1 Contra Humanos en Trading Complejo

Una nueva investigación ha encontrado que los agentes autónomos, sistemas de software que planifican, deciden y ejecutan transacciones on-chain sin intervención humana directa, impulsan más del 19% de la actividad on-chain.

Sin embargo, aunque estos agentes han superado a los humanos en tareas específicas, aún pierden por un margen de hasta 5 a 1 en el trading, según un reporte de DWF Ventures publicado el jueves.

En las finanzas descentralizadas, estos agentes ejecutan estrategias de rendimiento en protocolos de préstamos, gestionan liquidez, rebalancean portafolios y ejecutan operaciones. El valor total bloqueado en posiciones gestionadas por agentes ha superado los $39 millones, con la mayoría de los despliegues aún en fase de prueba, según el estudio.

En una muestra, el agente ARMA del protocolo de finanzas autónomo Giza, que mueve stablecoins entre plataformas de préstamos para obtener las mejores tasas, ha generado a los usuarios un 9,75% anual, superando los rendimientos de otros protocolos de finanzas descentralizadas como Aave y Morpho, según el estudio.

Sin embargo, ese panorama cambia una vez que la tarea se vuelve más compleja.

En un concurso de trading de acciones organizado por tradexyz, el mejor humano superó al mejor agente por más de 5 veces. Un concurso separado entre los principales modelos de IA, organizado por nof1, encontró que solo tres de siete lograron generar ganancias por operación.

"Los agentes tienen dificultades cuando la situación no está claramente definida", pero prosperan "cuando el objetivo es específico y los parámetros no cambian con frecuencia", afirmó Xin Yi Lim, asociada senior de inversiones en DWF Labs, a Decrypt.

Esta es una de las razones por las que la optimización de rendimiento, la práctica de mover capital entre protocolos de préstamos para capturar los mayores retornos disponibles, se ha convertido en un terreno de prueba temprano para los agentes, explicó Lim.

"Los agentes prosperan cuando el objetivo es específico y los parámetros no cambian con frecuencia, por eso funciona la optimización de rendimiento", señaló Lim. "Hasta que los agentes puedan razonar y adaptarse a la información en tiempo real, no podrán reaccionar cuando el mercado cambie y las condiciones sean inciertas".

Los desarrolladores del sector parecen hacerse eco de esta preocupación.

Un agente puede ser tan capaz como un humano "si se le proporciona todo el contexto y las herramientas", indicó Neeraj Prasad, ingeniero jefe de MoonPay, a Decrypt en una entrevista. Sin embargo, advirtió que "está escrito en la pared que los agentes son, en algunos casos, más competentes, más trabajadores y también más maliciosos".

Aún en etapas tempranas

Los hallazgos llegan mientras los desarrolladores de Ethereum trabajan para facilitar que los agentes gestionen tareas complejas on-chain.

A principios de este mes, la red de retransmisión descentralizada Biconomy propuso un nuevo estándar que permitiría a los agentes ejecutar varias acciones en protocolos de finanzas descentralizadas simultáneamente, y contó con el respaldo de la Fundación Ethereum.

Mientras tanto, los líderes de la industria apuestan a que los agentes autónomos pronto gestionarán una proporción mucho mayor de la actividad económica.

"La economía agéntica podría ser más grande que la economía humana", escribió el jueves Brian Armstrong, CEO de Coinbase, señalando cómo podría impulsar la demanda de stablecoins más allá de las estimaciones actuales.

Los investigadores sobre el terreno ven un camino más largo. La mayor parte del 19% corresponde a bots que realizan tareas específicas como la captura de MEV y el enrutamiento de stablecoins, siendo la actividad verdaderamente agéntica aún una fracción minoritaria, señaló Lim de DWF Labs.

"Un plazo realista es de cinco a siete años antes de que el volumen agéntico rivalice de forma significativa con el volumen humano en cualquier vertical financiero importante, siendo el on-chain el primero en lograrlo porque la infraestructura es más permissionless", agregó Lim.

Sin embargo, algunos ven la brecha actual como una característica estructural de la etapa en que se encuentran los agentes hoy.

"Donde fallan es en el trading de extremo abierto, que requiere razonamiento contextual, conciencia narrativa y capacidad para ponderar información no estructurada", afirmó Aytunc Yildizli, director de crecimiento de 0G Labs, desarrollador de infraestructura de IA descentralizada, a Decrypt.

Cerrar esa brecha, añadió, requeriría algo más que mejores modelos.

"Los usuarios necesitan prueba criptográfica de que un agente hizo lo que decía, dentro de un entorno de ejecución confiable que nadie pueda manipular, y que funcione sobre una infraestructura que no traslade simplemente la suposición de confianza a un único proveedor de nube", señaló.