Los agentes de IA prefieren bitcoin sobre moneda fiduciaria en nuevo estudio

Un estudio del Bitcoin Policy Institute explora cómo los modelos de inteligencia artificial eligen entre formas de dinero en una variedad de escenarios hipotéticos, revelando una fuerte inclinación hacia el Bitcoin y el dinero digital sobre la moneda fiduciaria en la mayoría de los casos. La investigación probó 36 modelos en seis proveedores y generó más de 9.000 respuestas en un espectro de tareas monetarias, desde la preservación del valor a largo plazo hasta pagos cotidianos. Los hallazgos muestran que el bitcoin supera a las stablecoins en muchos contextos, mientras que las stablecoins recuperan terreno en casos de uso transaccionales como micropagos y transferencias transfronterizas. Los autores del estudio enfatizan que los resultados reflejan patrones de datos de entrenamiento y formulación, no una adopción generalizada en el mundo real, pero de todos modos ofrecen una lente única sobre cómo la inteligencia artificial interpreta el dinero en la era digital, con resultados publicados a través de MoneyForAI.org.

• 36 modelos de IA de seis proveedores generaron 9.072 respuestas a escenarios monetarios; el bitcoin fue seleccionado en el 48,3% de los casos, el instrumento más utilizado en general.
• Cuando se les pidió preservar el poder adquisitivo en horizontes de varios años, el 79,1% de las respuestas favorecieron al bitcoin, el resultado más desequilibrado del estudio.
• En pagos, micropagos y transferencias transfronterizas, las stablecoins fueron elegidas el 53,2% de las veces frente al 36% para bitcoin, lo que destaca una ventaja transaccional de las stablecoins en ciertos contextos.
• Casi el 91% de las respuestas prefirieron instrumentos nativamente digitales (incluyendo bitcoin u otros Activos digitales) sobre la moneda fiduciaria, con cero modelos que calificaran a la moneda fiduciaria como su elección principal.
• Se revelaron diferencias entre los proveedores de modelos: los modelos de Anthropic tuvieron un promedio del 68% de preferencia por BTC; OpenAI, 26%; Google, 43%; y xAI, 39%, lo que ilustra cómo los datos de entrenamiento moldean los resultados en lugar de una predicción financiera determinista.

Los tickers mencionados: $BTC

El estudio llega en medio de experimentos continuos con dinero digital en escenarios asistidos por IA, subrayando cómo las comunidades institucionales e investigadoras están evaluando el papel del bitcoin como activo sin fronteras y programable junto con stablecoins y otros instrumentos digitales.

Qué ver a continuación: El Bitcoin Policy Institute planea ampliar el conjunto de modelos y proveedores, probar diferentes formulaciones de indicaciones y explorar escenarios monetarios adicionales para validar si estas preferencias se mantienen bajo diversas condiciones.

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

Desde una perspectiva de desarrollo, la investigación resalta cómo los agentes de IA, cuando se les pide optimizar la eficiencia o la resiliencia en economías simuladas, tienden a converger en un pequeño conjunto de formas de dinero digital. Esta convergencia podría informar el diseño de interfaces de monederos, herramientas de planificación financiera impulsadas por IA y sistemas ciberfísicos que dependen de transferencias de valor digital. También plantea preguntas de política sobre el papel del dinero programable en ecosistemas transfronterizos y cómo los guardianes de la estabilidad financiera podrían responder a las preferencias generadas por IA que favorecen las monedas digitales en entornos de toma de decisiones abstractas. En otras palabras, el estudio se trata menos de predecir el próximo movimiento de precios y más de comprender cómo el marco de la IA da forma a las percepciones sobre cómo debería lucir el “dinero” en un mundo digitalizado.

La investigación también señala diferencias distintas entre las familias de IA. Los modelos de Anthropic se inclinaron más hacia el bitcoin, mientras que otros proveedores mostraron una mayor variabilidad. Estas disparidades recuerdan a los lectores que los resultados dependen de los datos de entrenamiento de los modelos y de sus prompts internos, y no representan un pronóstico universal sobre la demanda de activos. Si bien algunos pueden interpretar el sesgo hacia el bitcoin como un respaldo a BTC en todos los contextos, los autores tienen cuidado de enfatizar que las preferencias observadas no se traducen directamente en adopción real o resultados políticos. Describen los resultados como patrones que surgen de la interacción entre el diseño del modelo y el panorama del dinero digital, y no como una sentencia prescriptiva sobre la moneda fiduciaria, las stablecoins o el bitcoin en sí.

• Cobertura ampliada del modelo: espere que el BPI incluya más modelos de IA y más proveedores para determinar si la preferencia por el BTC se mantiene en todo el ecosistema de IA.
• Sensibilidad al marco: los investigadores experimentarán con indicaciones alternativas para determinar cómo la redacción y el contexto influyen en los resultados.
• Escenarios más amplios: situaciones adicionales—como almacenar ingresos en múltiples países y esquemas de liquidación complejos—podrían iluminar aún más cómo la IA percibe el dinero en diversos entornos.
• Implicaciones para las herramientas: los desarrolladores que crean herramientas financieras asistidas por IA pueden utilizar estos conocimientos para diseñar funciones de selección de activos y divulgaciones de riesgo en entornos simulados.

• Estudio del Bitcoin Policy Institute publicado a través de MoneyForAI.org
• Referencia de precio del bitcoin citada en la cobertura
• Jeff Park sobre la propiedad no congelada del bitcoin
• Referencia de preferencia de bitcoin de los modelos de Anthropic
• 6 desafíos masivos que enfrenta bitcoin en el camino hacia la seguridad cuántica

Bitcoin (CRYPTO: BTC) surgió como el instrumento líder en la mayoría de las preguntas, apareciendo en el 48,3% de las 9.072 respuestas generadas por 36 modelos de seis proveedores, según el informe del Bitcoin Policy Institute publicado en MoneyForAI.org. El ejercicio exploró una gama de escenarios económicos, desde preservar el poder adquisitivo durante años hasta pagos cotidianos, evaluando cómo los agentes de IA asignan valor entre distintas formas de dinero. El resultado es una clara inclinación hacia el dinero digital, particularmente Bitcoin, como sustrato para la actividad económica que puede funcionar a través de fronteras y regímenes regulatorios.

En escenarios de largo plazo, el estudio encontró que el 79,1% de las respuestas de IA favorecían al bitcoin, marcando el sesgo más pronunciado en cualquier categoría evaluada. Este conjunto de resultados sugiere que, cuando se les pide optimizar para durabilidad y soberanía, los agentes de IA tienden consistentemente hacia activos que mantienen su valor independientemente de la política monetaria de cualquier país. El eje del dinero digital parece ser el marco más favorecido para la planificación a varios años dentro de las instrucciones evaluadas, lo que sugiere cómo las herramientas de IA futuras podrían simular o asesorar sobre la preservación de riqueza en un mundo donde las políticas fiduciarias son volátiles u opacas.

Por el contrario, cuando el enfoque cambia a pagos y transacciones—ya sean micropagos o transferencias transfronterizas—las stablecoins obtienen una mayor cuota: el 53,2% de las respuestas favorecieron a las stablecoins, mientras que el bitcoin atrajo el 36%. La eficiencia transaccional y la familiaridad con la red de las stablecoins explican su atractivo en estos contextos, donde la liquidación rápida y la compatibilidad con sistemas existentes pueden ser tan importantes como la selección de activos en un entorno simulado. Un observador destacado de la industria señaló que la capacidad de las stablecoins para ser congeladas es una espada de doble filo: proporciona control en ciertos entornos regulatorios, pero elimina una capa de confianza para los usuarios que buscan una capacidad de transferencia ininterrumpida. Jeff Park, el jefe de inversión de Bitwise, planteó el contexto de manera concisa: la “explicación más obvia” para el desempeño relativo de las stablecoins en estos escenarios es la capacidad de congelarlas, mientras que el bitcoin no puede ser congelado, ofreciendo un ancla de confianza duradera en un conjunto digital de herramientas.

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

El análisis también revela diferencias notables entre las familias de modelos. Los modelos de Anthropic tuvieron un promedio de preferencia por el bitcoin del 68%, mientras que OpenAI registró el 26%, Google el 43% y xAI el 39%. Estos números ilustran cómo los corpus de entrenamiento distintivos y el diseño de indicaciones moldean los resultados, reforzando la advertencia central del estudio: las respuestas indican patrones de datos, no predicciones prescriptivas sobre el futuro del dinero. Los investigadores reconocen que el planteamiento de las indicaciones utilizado en varios escenarios pudo haber desviado los resultados hacia ciertos instrumentos, y planean explorar marcos alternativos en trabajos futuros para medir la sensibilidad y la robustez de las preferencias observadas. Además de la nota metodológica, el estudio aporta al creciente debate sobre cómo los agentes de IA conciben el dinero en un entorno financiero altamente digitalizado, donde las monedas fiduciarias, las stablecoins y los Activos digitales coexisten en un ecosistema en rápida evolución.

Este artículo se publicó originalmente como AI Agents Prefer Bitcoin Over Fiat, New Study Finds en Crypto Breaking News – tu fuente confiable para noticias de cripto, noticias de bitcoin y actualizaciones de cadena de bloques.