Los agentes de IA prefieren Bitcoin sobre las monedas fiduciarias, revela un nuevo estudio

Un estudio del Instituto de Políticas de Bitcoin analiza cómo los modelos de inteligencia artificial eligen entre las formas de dinero en diversos escenarios hipotéticos, revelando una fuerte inclinación hacia Bitcoin y el dinero digital sobre las monedas fiduciarias en la mayoría de los casos. La investigación probó 36 modelos de seis proveedores diferentes y generó más de 9,000 respuestas en una variedad de tareas monetarias, desde la preservación del valor a largo plazo hasta pagos cotidianos. Los resultados muestran que Bitcoin supera a las stablecoins en muchos contextos, mientras que estas últimas recuperan protagonismo en casos de uso transaccionales como micropagos y transferencias internacionales. Los autores del estudio enfatizan que los resultados reflejan patrones en los datos de entrenamiento y el marco de las preguntas, más que una adopción real en el mundo, pero ofrecen una visión única de cómo la IA interpreta el dinero en la era digital, con los resultados publicados en MoneyForAI.org.

Puntos clave

36 modelos de IA de seis proveedores generaron 9,072 respuestas a escenarios monetarios; Bitcoin fue seleccionado en el 48.3% de los casos, siendo el instrumento más utilizado en general.

Al solicitar preservar el poder adquisitivo en horizontes plurianuales, el 79.1% de las respuestas favorecieron a Bitcoin, el resultado más desigual del estudio.

En pagos, micropagos y transferencias internacionales, las stablecoins fueron elegidas en el 53.2% de las respuestas frente al 36% para Bitcoin, destacando una ventaja transaccional para las stablecoins en ciertos contextos.

Casi el 91% de las respuestas prefirieron instrumentos nativos digitales (incluyendo Bitcoin u otros activos digitales) sobre las monedas fiduciarias, y ningún modelo calificó a las monedas fiduciarias como su opción principal.

Se observaron diferencias entre proveedores de modelos: los modelos de Anthropic promediaron un 68% de preferencia por BTC; OpenAI, 26%; Google, 43%; y xAI, 39%, ilustrando cómo los datos de entrenamiento influyen en los resultados más que en predicciones financieras deterministas.

Símbolos mencionados: $BTC

Contexto del mercado: El estudio llega en medio de experimentaciones continuas con dinero digital en escenarios asistidos por IA, resaltando cómo las comunidades institucionales y de investigación evalúan el papel de Bitcoin como un activo programable y sin fronteras junto con stablecoins y otros instrumentos digitales.

Qué esperar a continuación – El Instituto de Políticas de Bitcoin planea ampliar el conjunto de modelos y proveedores, probar diferentes formulaciones de las preguntas y explorar otros escenarios monetarios para verificar si estas preferencias se mantienen en condiciones variadas.

Por qué es importante

Para usuarios e inversores, los hallazgos ofrecen una visión matizada de cómo los sistemas de IA—entrenados con vastos corpus de datos—perciben las formas de dinero en una economía digital. La tendencia recurrente hacia Bitcoin en escenarios de horizonte largo refuerza la narrativa de Bitcoin como una reserva de valor no soberana que puede operar independientemente de la política monetaria de cualquier país. Sin embargo, el estudio también destaca razones prácticas por las cuales las stablecoins siguen siendo atractivas para transacciones: liquidación casi instantánea, compatibilidad con sistemas de pago existentes y la capacidad de congelar o limitar el acceso en ciertas jurisdicciones, lo cual algunos participantes ven como una desventaja para una moneda universalmente accesible. Las advertencias metodológicas son importantes para la interpretación: los resultados reflejan prompts sintéticos y datos de entrenamiento, no una adopción de mercado actual ni comportamiento del consumidor.

Desde una perspectiva de desarrollo, la investigación subraya cómo los agentes de IA—cuando se les pide optimizar por eficiencia o resiliencia en economías simuladas—tienden a converger en un pequeño conjunto de formas de dinero digital. Esta convergencia puede influir en el diseño de interfaces de billeteras, herramientas de planificación financiera impulsadas por IA y sistemas ciberfísicos que dependen de transferencias de valor digital. También plantea cuestiones políticas sobre el papel del dinero programable en ecosistemas transfronterizos y cómo los guardianes de la estabilidad financiera podrían responder a preferencias generadas por IA que favorecen las monedas digitales en entornos de decisión abstractos. En otras palabras, el estudio no busca predecir el próximo movimiento del precio, sino entender cómo el marco de la IA moldea las percepciones de qué debe ser el “dinero” en un mundo digitalizado.

La investigación también revela diferencias claras entre familias de IA. Los modelos de Anthropic mostraron mayor preferencia por Bitcoin, mientras que otros proveedores presentaron mayor variabilidad. Estas disparidades recuerdan que los resultados dependen de los datos de entrenamiento y los prompts internos, no de una predicción universal sobre la demanda de activos. Aunque algunos interpreten la inclinación hacia Bitcoin como una aprobación de BTC en todos los contextos, los autores advierten que las preferencias observadas no se traducen directamente en adopción real ni en políticas. Describen los resultados como patrones emergentes de la interacción entre el diseño del modelo y el panorama del dinero digital, más que como un veredicto prescriptivo sobre las monedas fiduciarias, stablecoins o Bitcoin.

Qué esperar a continuación

Ampliación del alcance de modelos: se espera que el BPI incluya más modelos de IA y más proveedores para verificar si la preferencia por BTC persiste en un ecosistema más amplio.

Sensibilidad al marco: los investigadores experimentarán con formulaciones alternativas para determinar cómo influye la redacción y el contexto en los resultados.

Escenarios más amplios: situaciones adicionales, como almacenar ganancias en múltiples países y esquemas complejos de liquidación, podrían ofrecer más información sobre cómo la IA percibe el dinero en diferentes entornos.

Implicaciones para herramientas: los desarrolladores de herramientas financieras asistidas por IA podrán usar estos conocimientos para diseñar funciones de selección de activos y divulgación de riesgos en entornos simulados.

Fuentes y verificación

Estudio del Instituto de Políticas de Bitcoin publicado en MoneyForAI.org

Referencia del precio de Bitcoin citada en la cobertura

Jeff Park sobre la propiedad no congelable de Bitcoin

Referencia a la preferencia por Bitcoin en modelos de Anthropic

6 grandes desafíos que enfrenta Bitcoin en su camino hacia la seguridad cuántica

El papel de Bitcoin en las pruebas monetarias impulsadas por IA: lo que revela el estudio

Bitcoin (CRYPTO: BTC) emergió como el instrumento principal en la mayoría de los prompts, apareciendo en el 48.3% de las 9,072 respuestas generadas por 36 modelos de seis proveedores, según el informe del Instituto de Políticas de Bitcoin publicado en MoneyForAI.org. El ejercicio exploró una variedad de escenarios económicos—desde preservar el poder adquisitivo en años hasta pagos cotidianos—probando cómo los agentes de IA asignan valor entre las formas de dinero. El resultado muestra una fuerte inclinación hacia el dinero digital, especialmente Bitcoin, como base para la actividad económica que puede operar en diferentes fronteras y regímenes regulatorios.

En escenarios de horizonte largo, el estudio encontró que el 79.1% de las respuestas de IA favorecieron a Bitcoin, marcando la mayor inclinación en cualquier categoría probada. Estos resultados sugieren que, cuando se les pide optimizar por durabilidad y soberanía, los agentes de IA tienden a gravitar hacia activos que mantienen su valor independientemente de la política monetaria de un país. El eje del dinero digital parece ser el marco preferido para planificaciones plurianuales en los prompts analizados, lo que indica cómo futuras herramientas de IA podrían simular o asesorar sobre la preservación de riqueza en un mundo donde las políticas fiduciarias son volátiles u opacas.

Por otro lado, en pagos y transacciones—ya sean micropagos o transferencias internacionales—las stablecoins obtuvieron una mayor participación: el 53.2% de las respuestas las favorecieron, frente al 36% para Bitcoin. La eficiencia transaccional y la familiaridad con la red explican su atractivo en estos contextos, donde la liquidación rápida y la compatibilidad con sistemas existentes son tan importantes como la selección de activos en un entorno simulado. Un observador destacado de la industria señaló que la capacidad de congelar stablecoins es una espada de doble filo: ofrece control en ciertos entornos regulatorios, pero elimina una capa de confianza para quienes buscan transferencias ininterrumpidas. Jeff Park, director de inversiones de Bitwise, resumió el contexto: la “explicación más obvia” para el rendimiento relativo de las stablecoins en estos escenarios es la capacidad de congelar, mientras que Bitcoin no puede ser congelado, ofreciendo un ancla de confianza duradera en un conjunto de herramientas digitales.

En todas las respuestas, los agentes de IA prefirieron instrumentos nativos digitales—Bitcoin, stablecoins, altcoins, activos tokenizados del mundo real o unidades de cómputo—sobre las monedas fiduciarias en aproximadamente el 91% de los casos. Los autores del estudio enfatizan que la relevancia de las monedas fiduciarias no apareció como la opción principal en ninguno de los 36 modelos analizados. Advierten que estos resultados reflejan patrones en los datos de entrenamiento y en el diseño de los prompts, más que una adopción real en el mercado. En otras palabras, el estudio captura cómo los sistemas de IA interpretan las construcciones monetarias cuando se les pide optimizar para resultados hipotéticos, no una predicción del comportamiento del consumidor ni del impacto regulatorio.

El análisis también revela diferencias notables entre familias de modelos. Los modelos de Anthropic mostraron una preferencia por Bitcoin del 68%, mientras que OpenAI alcanzó el 26%, Google el 43% y xAI el 39%. Estas cifras ilustran cómo los corpus de entrenamiento y la ingeniería de prompts influyen en las salidas, reforzando la advertencia central del estudio: las respuestas indican patrones de datos más que predicciones prescriptivas sobre el futuro del dinero. Los investigadores reconocen que el marco de las preguntas en varios escenarios pudo haber dirigido los resultados hacia ciertos instrumentos, y planean explorar formulaciones alternativas en futuros trabajos para medir la sensibilidad y robustez de las preferencias observadas. Además de la nota metodológica, el estudio contribuye a un discurso creciente sobre cómo las IA conceptualizan el dinero en un panorama financiero altamente digitalizado, donde monedas fiduciarias, stablecoins y activos digitales coexisten en un ecosistema en rápida evolución.

Este artículo fue publicado originalmente como AI Agents Prefer Bitcoin Over Fiat, New Study Finds en Crypto Breaking News, tu fuente confiable de noticias cripto, noticias de Bitcoin y actualizaciones sobre blockchain.