Oportunidades de emprendimiento en la industria de criptomonedas impulsadas por la IA

La IA ha cerrado la brecha más crítica, y estos proyectos de criptomonedas merecen una segunda mirada.

Escrito por: Rex St. John

Compilado por: AIdidiaoJP, Foresight News

La mayoría de los buenos proyectos de criptomonedas no fracasan por una dirección equivocada, sino por la falta de tres infraestructuras básicas: la evaluación es demasiado costosa, no hay monedas estables y los pagos son demasiado lentos. Después de 2023, estas tres cosas han cambiado.

Entre 2014 y 2019, la industria de criptomonedas vio surgir una gran cantidad de proyectos ambiciosos: tribunales en cadena, oráculos universales, mercados de datos, mercados de poder computacional, micropagos, sistemas de identidad, registro de curaduría, seguros, trazabilidad, mercados laborales, organizaciones autónomas... casi se intentó trasladar toda la economía a la cadena. La mayoría de ellos ya han desaparecido.

El problema no está en la idea en sí, sino en que dependían de tres cosas que en ese momento no existían: un mecanismo que pudiera resolver problemas ambiguos del mundo real a bajo costo, una unidad contable estable y una cadena que pudiera procesar pagos pequeños rápidamente.

Antiguo obstáculo: todos los contratos necesitan un humano para decidir

Los contratos inteligentes solo pueden verificar cosas que las computadoras pueden validar: firmas, saldos, hashes. Pero casi cada contrato significativo tiene preguntas clave fuera de la cadena: ¿se completó el trabajo? ¿Es verdadera esta afirmación? ¿El vuelo se retrasó?

Cada proyecto finalmente tiene que depender de humanos para decidir: votación de poseedores de tokens, jurados en staking, curadores. Pero las acciones humanas son lentas, costosas de contratar y fáciles de sobornar en pequeños grupos, y no están dispuestos a ir a juicio por una disputa de 4 dólares. Como resultado, el mercado nunca puede crecer, y el modelo económico solo puede sostenerse con tokens. Con los ciclos de 2018 y 2022, los proyectos colapsaron.

Cuatro cambios, todos después de 2023

La evaluación se ha vuelto más barata. Los modelos de lenguaje grande pueden leer contratos, entregables y evidencia y emitir juicios en segundos y por unos pocos centavos. Hacer que los modelos de diferentes proveedores formen un jurado ciego es más difícil de sobornar que un jurado humano individual, y nunca están ausentes.

Los agentes de IA se han convertido en usuarios. Los agentes de IA están trabajando, comprando servicios y firmando acuerdos. Necesitan contratos, pagos y reputación más que los humanos, y las transacciones son tan pequeñas que no pueden ser arbitradas por humanos.

Las monedas estables están disponibles. Para mediados de 2026, se espera que la oferta sea de aproximadamente 310 mil millones de dólares (datos de Spark), y los contratos pueden pagarse en dólares en lugar de tokens de gobernanza que fluctúan drásticamente en precio.

Las cadenas se han vuelto más rápidas y baratas. Solana confirma en menos de un segundo, y las tarifas son de menos de un centavo, lo que hace viable el pago por uso y la inclusión de cada decisión en la cadena.

Patrones para encontrar proyectos: una idea antigua, el obstáculo de antaño era "necesitar una parte confiable para decidir". Este es precisamente el obstáculo que la IA ha eliminado.

Quince direcciones, ordenadas por potencial de ingresos y preparación

El nivel de ingresos es una estimación del autor sobre la cuota de mercado que los nuevos entrantes podrían capturar, no una predicción.

1. Tribunales comerciales en línea (arbitraje de Kleros, OpenBazaar)

Cómo se hacía antes: staking, selección aleatoria de jurados para resolver disputas entre extraños, reemplazando el servicio al cliente de la plataforma.

Por qué se estancó: cada caso requiere mano de obra y tiempo, el costo es demasiado alto, solo es aplicable a disputas de más de unos cientos de dólares. No hay suficiente volumen, y los pequeños jurados son fáciles de sobornar.

Qué cambia la IA: un jurado de múltiples modelos puede decidir disputas de 4 dólares en segundos y por unos pocos centavos, cada voto y razón son públicos. Las transacciones entre agentes de IA generarán millones de pequeñas disputas que los humanos no pueden procesar.

Potencial de ingresos: alto. En 2025, los comerciantes perderán aproximadamente 33.79 mil millones de dólares debido a 261 millones de disputas (datos de Mastercard); el mercado de software de resolución de disputas en línea es de aproximadamente 1.76 mil millones de dólares (Mordor Intelligence). Incluso si solo se cobra por una pequeña parte de las decisiones, es un negocio real.

2. Oráculos de problemas sin API (Augur, Truthcoin, futarchy)

Cómo se hacía antes: permitir que cualquiera apostara sobre cualquier problema real, los poseedores de tokens informan los resultados.

Por qué se estancó: las preguntas subjetivas ("¿se aprobó efectivamente la ley?") requieren votación humana lenta y manipulable. La liquidez se ha ido a deportes y elecciones, donde ya hay respuestas en API.

Qué cambia la IA: el jurado de modelos lee los criterios de decisión y las fuentes de información, emitiendo juicios sobre resultados ambiguos, con razonamientos adjuntos para apelaciones. Esto abre el mercado de cola larga que hoy no tiene listados, porque nadie puede liquidar.

Potencial de ingresos: alto. En octubre de 2026, se espera que el volumen de transacciones en mercados de predicción en EE. UU. alcance los 120.7 mil millones de dólares (DeFi Rate). La liquidación es la debilidad común de todas las plataformas, y puede venderse a todas las plataformas.

3. Seguros sin ajustadores (Etherisc, Nexus Mutual, P2P mutual)

Cómo se hacía antes: seguros parametrizados que pagan automáticamente cuando ocurren eventos medibles (retrasos de vuelos, insuficiencia de lluvia); organizaciones mutuales que permiten a los miembros compartir riesgos y votar sobre las reclamaciones entre ellos.

Por qué se estancó: los seguros parametrizados solo pueden cubrir eventos con fuentes de datos limpias. Las reclamaciones mutuales dependen de la votación de los miembros, lo que es lento y difícil de reunir, y los miembros tienen conflictos de interés: cada pago sale del fondo. Usar tokens que fluctúan en precio para calcular las primas asusta a compradores y reguladores.

Qué cambia la IA: las reclamaciones son decididas por un jurado neutral basado en la redacción de la póliza y la evidencia, sin intereses en el resultado. Las condiciones de activación pueden redactarse en texto ("pérdida de cultivos en la región, según informes de ministerios o dos medios") y el jurado puede juzgar a partir de documentos, lo que puede aumentar significativamente los riesgos asegurables. Los pagos se realizan en monedas estables.

Potencial de ingresos: alto pero lento, necesita un socio asegurador con licencia o una organización mutual regulada. Solo el mercado de seguros parametrizados alcanzará aproximadamente 19.4 mil millones de dólares en 2025, con un crecimiento anual de aproximadamente 12% (GM Insights). Un punto de entrada más rápido es vender decisiones de reclamaciones a las compañías de seguros existentes.

4. Mercado laboral con custodia (Colony, Gitcoin, Bounties Network)

Cómo se hacía antes: publicar tareas, el dinero se mantiene en custodia, se libera tras la aceptación.

Por qué se estancó: aún se necesita que alguien decida si el trabajo está completo. Esta persona es el publicador, por lo que todas las disputas de las plataformas de freelancers regresan.

Qué cambia la IA: los criterios de aceptación son juzgados por un jurado neutral en comparación con los entregables reales (códigos, informes, diseños). Los agentes de IA son tanto trabajadores como compradores, en una escala que los revisores humanos no pueden igualar.

Potencial de ingresos: medio a alto. Upwork generará 788 millones de dólares en ingresos en 2025, manejando más de 4 mil millones de dólares en carga de trabajo (Yahoo Finance). El mercado nativo de agentes de IA puede cobrar tarifas más bajas y realizar más trabajos más pequeños.

5. Licencias de datos y medios (Ocean Protocol, Ujo, Mycelia)

Cómo se hacía antes: los creadores y propietarios de datos venden directamente el acceso, las regalías son ejecutadas por contratos.

Por qué se estancó: hay pocos compradores, y nadie puede verificar cómo se utilizan los datos después de la venta.

Qué cambia la IA: los laboratorios de IA se han convertido en compradores. Se informa que las transacciones entre Reddit y Google alcanzan aproximadamente 60 millones de dólares al año, y el acuerdo entre News Corp y OpenAI supera los 250 millones de dólares en cinco años (Quartz). Los términos pueden redactarse en texto ("no se puede usar para modelos que compitan con el otorgante"), y el jurado puede juzgar en comparación con la evidencia de auditoría.

Potencial de ingresos: medio a alto, pero actualmente concentrado en unos pocos grandes otorgantes. La oportunidad está en la cola larga: millones de pequeños creadores que no pueden negociar por sí solos.

6. Pagos automáticos (BAT, Lightning, IOTA)

Cómo se hacía antes: pago por artículo, por llamada de API, por kilovatio-hora, pagando unos pocos centavos.

Por qué se estancó: a la gente no le gusta aprobar pagos pequeños, las tarifas y la volatilidad de los tokens consumen las ganancias.

Qué cambia la IA: los agentes de IA no tienen problema en pagar 26 centavos cien veces al día. Se espera que el estándar x402 liquide aproximadamente 198.9 millones de transacciones y alrededor de 52.7 millones de dólares para septiembre de 2026 (TRM Labs).

Potencial de ingresos: actualmente pequeño, pero podría ser grande en el futuro. La propia investigación de TRM ha encontrado que la mayor parte del volumen de transacciones aún no es comercio real de agentes. Ya hay una pista de pago, pero falta la razón para confiar en los vendedores, que son las ideas 1 y 7.

7. Reputación y garantía como alternativa a la garantía (Bloom, ETHLend)

Cómo se hacía antes: préstamos sin garantía colateral utilizando el historial de crédito en la cadena.

Por qué se estancó: las billeteras se crean de forma gratuita, el mal historial se tira junto con la billetera, y los prestamistas aún requieren un 150% de colateral.

Qué cambia la IA: el historial de decisiones de los agentes de IA (entregas completadas, disputas perdidas) es difícil de falsificar, y el costo de renunciar es alto; el colateral que puede ser confiscado por el jurado hace que las promesas sean ejecutables. Este es el modelo de "garantía de agente".

Potencial de ingresos: medio. Los primeros clientes son mercados de agentes que necesitan puntuaciones de confianza, no prestamistas.

8. Prueba de personalidad (uPort, Sovrin, BrightID)

Cómo se hacía antes: identidad portátil que prueba que eres una persona real única.

Por qué se estancó: no hay aplicaciones que lo necesiten urgentemente, y los usuarios no quieren pasar por el proceso de configuración.

Qué cambia la IA: la demanda ha cambiado, no la solución. Los robots y los agentes de IA están por todas partes, y "tener una persona real detrás" de repente se vuelve valioso. World reporta 18 millones de personas reales verificadas para abril de 2026 (Decrypt).

Potencial de ingresos: el mercado es grande para los ganadores, pero la competencia es feroz y capital intensivo. La brecha abierta es vincular agentes de IA a personas o empresas responsables.

9. Organizaciones con reglas ejecutables (The DAO, Aragon)

Cómo se hacía antes: las organizaciones se gestionaban mediante votación con código y tokens.

Por qué se estancó: el código no puede expresar las reglas que realmente importan a las personas ("no se permite pagar a los internos sin divulgación"), la tasa de votación es baja y es fácil de manipular.

Qué cambia la IA: los estatutos se redactan en texto, y cada propuesta es revisada por un jurado antes de ser firmada por el tesorero. Este es el modelo de "constitución DAO".

Potencial de ingresos: pequeño a medio. El tesoro es grande, pero el espacio de tarifas de herramientas es pequeño; se puede vender como control de riesgos.

10. Listas de curaduría (registro de tokens de curaduría, Steemit)

Cómo se hacía antes: staking de tokens para mantener listas de calidad (anunciantes, fuentes de noticias).

Por qué se estancó: los juegos de staking recompensan la especulación en lugar del juicio, y los votantes no leen los elementos.

Qué cambia la IA: los estándares de listado redactados en texto son revisados uno a uno por el jurado, con razones adjuntas, y el costo de impugnación es bajo.

Potencial de ingresos: pequeño a medio; lo más fuerte es integrarse en otro producto (tienda de aplicaciones, registro de proveedores, mercado de modelos).

11. Trazabilidad de contenido (Po.et, Ascribe)

Cómo se hacía antes: se les da a las obras creativas un sello de tiempo para probar quién las creó primero.

Por qué se estancó: el sello de tiempo prueba que el documento existió, no prueba quién lo creó, y nadie verifica.

Qué cambia la IA: los medios generados hacen que "¿es esto verdadero, de quién es?" se vuelva urgente para las salas de redacción, tribunales y plataformas. El jurado puede sopesar la cadena de evidencia, no solo el hash.

Potencial de ingresos: medio, vendiendo a editores y plataformas. Los estándares de prueba de contenido ya existen y se pueden basar en ellos.

12. Seguimiento de la cadena de suministro (VeChain, IBM Food Trust)

Cómo se hacía antes: rastrear mercancías desde la granja hasta la estantería en un libro mayor compartido.

Por qué se estancó: basura entra, basura sale. El libro mayor no puede juzgar si la etiqueta en la caja es real.

Qué cambia la IA: no ha crecido tanto como se esperaba. Los modelos pueden verificar a gran escala la consistencia de documentos (certificados, facturas, fotos), detectando fraudes. Pero no pueden ver dentro de las cajas.

Potencial de ingresos: medio, pero el ciclo de ventas en el lado empresarial es largo. Comenzar con la verificación de documentos de cumplimiento, no con el libro mayor.

13. Activos tokenizados con cláusulas legales vinculantes (Polymath, Harbor, tZERO, tokens de seguridad de 2018)

Cómo se hacía antes: convertir acciones, bienes raíces y préstamos en tokens, comerciar las 24 horas y liquidar instantáneamente.

Por qué se estancó: los tokens son solo recibos. Los verdaderos acuerdos (contratos, cascadas de pago, restricciones de transferencia, qué hacer en caso de incumplimiento) existen en PDFs que no se pueden leer en la cadena, y no hay tribunales que consideren los registros en la cadena como fuentes de hechos. Solo los activos simples han funcionado: para marzo de 2026, aproximadamente 23.6 mil millones de dólares en activos se habrán tokenizado, principalmente bonos del gobierno y fondos de dinero (Cointelegraph citando DeFiLlama).

Qué cambia la IA: los acuerdos legales en sí se convierten en contratos para que el jurado los compare y decida. Si se violó el contrato, si se debe pagar, si se permite la transferencia, el jurado juzga en comparación con documentos y evidencia, y cada decisión se registra en la cadena. Si el acuerdo especifica que la decisión del jurado es un arbitraje vinculante, el resultado puede tener fuerza legal: las decisiones de arbitraje son ejecutables en la mayoría de los países bajo la Convención de Nueva York.

Potencial de ingresos: alto. Cobrar a los emisores y servicios de activos complejos que han sido omitidos en la tokenización hasta ahora: no se pueden entregar por separado; se necesita un emisor con licencia y abogados para redactar las cláusulas de arbitraje.

14. Infraestructura compartida y mercados de poder computacional (Golem, iExec, Helium, Filecoin, Akash, io.net)

Cómo se hacía antes: usar tokens para incentivar a extraños a proporcionar GPU, almacenamiento, cobertura inalámbrica o datos de mapas, vendiéndolos más baratos que la nube.

Por qué se estancó: se han intentado muchas veces, pero aún no despega. Las recompensas en tokens compraron la oferta, pero la demanda de pago no llegó. Messari estima que todo el sector tendrá ingresos en cadena de aproximadamente 72 millones de dólares en 2025, correspondiente a un valor de mercado de tokens de aproximadamente 10 mil millones de dólares (Decrypt citando Messari). El problema fundamental es la confianza: los compradores no pueden juzgar si los proveedores desconocidos realmente completaron las tareas, mantuvieron el tiempo de actividad y entregaron la cobertura de red, y si algo sale mal, nadie decide. Las empresas compran garantías de servicio, no tokens.

Qué cambia la IA: dos cosas. Los agentes de IA son compradores, dispuestos a enviar trabajo al proveedor más barato con un historial de verificación. El jurado puede decidir reclamaciones de servicio basándose en evidencia (registros, referencias, pruebas de razonamiento), y si no cumplen, se confisca el colateral del proveedor: este es el modelo de "garantía de agente" aplicado al hardware. Esta es la garantía que estas redes nunca han tenido.

Potencial de ingresos: si se resuelve el problema de confianza, será grande, porque la demanda de razonamiento es enorme. Pero hoy se ha demostrado que la demanda de pago es muy pequeña, por lo que se debe comenzar ofreciendo una garantía de servicio para una tarea, no lanzando un mercado de inmediato.

15. Propiedad intelectual respaldada por contratos reales (Mediachain, Ascribe, IPwe, Story Protocol)

Cómo se hacía antes: registrar canciones, arte, patentes y marcas en la cadena, autorizando y pagando regalías mediante contratos inteligentes.

Por qué se estancó: los tokens nunca han sido derechos legales. La propiedad está en las oficinas de derechos de autor, oficinas de patentes y acuerdos de licencia firmados, y cualquier cosa que ingrese a esos sistemas requiere abogados y tarifas de solicitud para cada obra. Nadie confiará legalmente en los registros en la cadena, y las licencias aún se negocian por correo.

Qué cambia la IA: los agentes de IA ahora pueden redactar contratos reales y preparar documentos. Los agentes redactan licencias en lenguaje legal sencillo, preparan registros de derechos de autor, solicitudes de marcas o documentos de transferencia, los presentan y luego registran los documentos firmados y recibos en la cadena mediante hash. El mismo contrato se convierte luego en un acuerdo que puede ser ejecutado por agentes de IA: el jurado decide si el uso cumple con la licencia, y las regalías fluyen según el juicio. Los registros en la cadena y los registros legales finalmente dicen lo mismo.

Potencial de ingresos: alto. Solo el comercio minorista de productos licenciados alcanzará 389.8 mil millones de dólares en 2025 (Licensing International), y la licencia de entrenamiento de IA se convertirá en un nuevo comprador (ver idea 5). La oportunidad está en los creadores y pequeños inventores que no pueden pagar las tarifas de abogado por cada solicitud. Los servicios de solicitud necesitan revisión legal para evitar la práctica no autorizada, por lo que se debe comenzar con registros de derechos de autor y licencias que los individuos puedan presentar por sí mismos.

Cómo elegir, qué problemas pueden surgir

Elegir qué dirección: el antiguo obstáculo era el juicio humano, y hoy ya hay personas que están pagando por juicios deficientes. Esto apunta a: tribunales comerciales en línea, liquidación de mercados de predicción, reclamaciones de seguros.

Pruebas antes de actuar:

• Ya hay personas que pagan por versiones lentas y humanas (equipos de disputas, ajustadores de reclamaciones, liquidadores de mercado).
• Los problemas pueden resolverse con evidencia que el jurado puede ver. Si se necesita que alguien revise cajas físicas, la IA no puede ayudar.
• Puede funcionar sin tokens. Cada idea anterior ha muerto en parte porque el modelo económico se sostenía con tokens, no con clientes.

Riesgos:

• Los jurados de modelos pueden equivocarse juntos. Los modelos entrenados en datos de origen compartido tienen puntos ciegos. Publicar razones, mantener rutas de apelación y rastrear la tasa de coincidencia con revisiones humanas.
• La evidencia puede ser falsificada. El jurado solo puede juzgar en base a lo que ve; fijar evidencia por hash y considerar las palabras de las partes como no confiables.
• La regulación sigue siendo una restricción dura en seguros, valores y préstamos. La IA elimina el obstáculo del juicio, pero no elimina las licencias.
• La demanda puede seguir siendo escasa. Los pagos automáticos y la infraestructura compartida tienen pistas utilizables hoy, pero se ha demostrado que la demanda de pago es muy baja. Medir primero y luego expandir.