
Instituto de Políticas de Bitcoin (BPI) publicou na terça-feira uma pesquisa sobre 36 modelos de IA, gerando mais de 9.000 respostas. A principal conclusão é que, em diversos cenários financeiros, a maioria dos agentes de IA “optam por usar Bitcoin para atividades económicas”, e entre os 36 modelos testados, nenhum coloca a moeda fiduciária como primeira escolha.
(Fonte: Bitcoin Policy Institute)
A pesquisa do BPI diferenciou os cenários de uso, mostrando que as preferências dos agentes de IA por diferentes moedas variam significativamente consoante o contexto:
Cenário de preservação de valor a longo prazo (manutenção do poder de compra por anos): 79,1% das respostas de IA preferem Bitcoin, o resultado mais discrepante do estudo
Cenário de pagamentos e transações instantâneas (serviços, pequenas transações, transferências internacionais): 53,2% optam por stablecoins, apenas 36% preferem Bitcoin — as stablecoins dominam neste cenário
Distribuição geral de preferências: 48% dos agentes de IA escolhem Bitcoin como primeira opção, mais da metade prefere stablecoins para pagamentos
Ausência de moedas fiduciárias: dos 36 modelos testados, nenhum coloca qualquer moeda fiduciária como primeira escolha
Jeff Park, diretor de investimentos da Bitwise, comenta sobre o desempenho inferior das stablecoins no cenário de preservação de valor a longo prazo: “A explicação mais evidente é que as stablecoins podem ser congeladas, enquanto o Bitcoin não pode.” Este argumento aponta para uma fraqueza estrutural central das stablecoins — sua dependência de emissores e reguladores.
A pesquisa revela ainda que diferentes modelos de IA de várias empresas apresentam níveis de preferência pelo Bitcoin bastante distintos:
Modelos da Anthropic (incluindo a série Claude): média de 68% de preferência pelo Bitcoin, a mais alta entre os fornecedores
Modelos da Google (incluindo a série Gemini): média de 43% de preferência
Modelos da xAI (incluindo a série Grok): média de 39% de preferência
Modelos da OpenAI (incluindo a série GPT): média de 26%, a mais baixa
Essa disparidade pode refletir diferenças nas estratégias de treinamento, na proporção de conteúdo financeiro nos dados utilizados e na exposição de cada modelo à literatura sobre criptomoedas.
O BPI destaca algumas limitações metodológicas que podem afetar a universalidade dos resultados:
Tamanho da amostra limitado: foram testados apenas 36 modelos de 6 fornecedores. O BPI planeja expandir para uma gama mais ampla de modelos no futuro.
Impacto do enquadramento das perguntas: o design das perguntas pode ter influenciado os resultados. Por exemplo, um dos cenários já pressupõe que a questão “não está vinculada às políticas monetárias ou ao sistema bancário de qualquer país”, eliminando de fato a opção de moedas fiduciárias, o que não é uma avaliação totalmente neutra.
Reflexo dos dados de treino, não de preferências reais: o BPI esclarece que as preferências dos modelos “não refletem aplicações no mundo real”, mas sim padrões presentes nos dados de treino, e não comportamentos em sistemas de pagamento reais.
A análise aponta que as stablecoins dependem da credibilidade de emissores como Tether ou Circle, podendo ser congeladas ou confiscadas por reguladores. O Bitcoin, por sua vez, foi projetado para não estar sob controle de uma única entidade. Assim, ao inferir, com base nos dados de treino, qual ativo resistiria a intervenções ao longo de anos, o Bitcoin é considerado mais resistente à censura.
Não necessariamente. O BPI ressalta que os resultados refletem padrões nos dados de treino, não previsões do mundo real. Como os modelos de IA treinados contêm muita literatura sobre criptomoedas, essa exposição pode amplificar sua preferência pelo Bitcoin. Na prática, a adoção de métodos de pagamento por IA dependerá de infraestrutura, regulamentação e do design dos sistemas, não de uma preferência autônoma da IA.
O BPI não fornece uma explicação definitiva. Possíveis razões incluem diferenças na amostragem de textos sobre criptomoedas e finanças nos dados de treino, datas de corte dos dados, ou estratégias de ajuste de respostas em treinamentos de reforço com feedback humano (RLHF). A preferência mais baixa do GPT (26%) pode estar relacionada a uma abordagem mais conservadora em questões financeiras, refletida na sua calibração de respostas.
Related Articles
Três Semanas de Silêncio: Analista Avisa que o Preço de Aster (ASTER) Está a Criar Pressão para um Movimento Violento
PEPE Move-se dentro de uma faixa restrita de 24H — Será que o momentum se manterá enquanto os ganhos forem limitados a $0.053891?
XRP Recupera os $1.39 Após Pico de Liquidação de $1.69M — Pode o Preço Quebrar os $1.43 Hoje?
SHIB Enfrenta Teste de Quebra Crítica, pois a previsão aponta para um ganho de curto prazo de 7,47%
ETH 15 minutos a subir 1.09%:Compra de baleias na cadeia e fluxo de fundos ETF impulsionam a recuperação do preço
Analista da Wintermute: o capital já começou a mudar parcialmente para ativos criptográficos, o BTC a superar as ações americanas pode ser devido à rotação de fundos