Millones de operaciones automatizadas no significan todavía que las empresas confíen su dinero a agentes de inteligencia artificial: un informe sobre 6,4 millones de pagos halló que casi todos fueron micropagos y que la supervisión humana sigue siendo decisiva.
***
- El 90,8% de los pagos x402 analizados fue inferior a un centavo; el estudio registró 6,4 millones de transacciones y un total de USD 119.947 en 35 días.
- La preparación para micropagos obtuvo 60,7 puntos, frente a 12,0 para flujos financieros institucionales, según la evaluación del informe.
- Ejecutivos del sector señalan que la custodia, los errores dentro de permisos autorizados y la responsabilidad siguen limitando la autonomía financiera de los agentes.
⚠️ 6,4 millones de pagos de IA, pero casi todos fueron micropagos
El 90,8% de las transacciones x402 fue menor a un centavo. En 35 días sumaron USD 119.947.
El informe puntuó la preparación para micropagos en 60,7/100 y los flujos institucionales en 12/100. La supervisión… pic.twitter.com/l7eRGVsEI2
— Diario฿itcoin (@DiarioBitcoin) October 21, 2026
El volumen de transacciones automatizadas puede sugerir una economía de agentes de inteligencia artificial en expansión, pero el valor que realmente gestionan esas herramientas cuenta una historia más cautelosa. Un informe de BeInCrypto Intelligence, elaborado en colaboración con AWS, Cloudflare, Chainalysis y Zoomex, examinó 6,4 millones de pagos durante 35 días y encontró que el 90,8% de las operaciones x402 analizadas fue inferior a un centavo.
El conjunto de transacciones sumó USD 119.947 y estuvo ligado, en buena medida, a solicitudes automatizadas de datos, acceso a API y recursos de computación. Los resultados distinguen entre la capacidad técnica de una máquina para pagar por servicios digitales y la confianza de una empresa para delegarle decisiones sobre capital significativo, una frontera que todavía parece lejana.
Muchos pagos, pero casi todo son micropagos
Los micropagos permiten que un agente cubra costos pequeños asociados con datos, capacidad de procesamiento u otros servicios digitales sin que una persona autorice cada operación individual. La actividad observada muestra que ese modelo ya funciona en un ámbito limitado, pero el número de movimientos por sí solo no demuestra que los agentes estén administrando inversiones o presupuestos empresariales de gran escala.
La evaluación del informe asignó 60,7 puntos a la preparación de los micropagos, mientras que los flujos financieros institucionales apenas llegaron a 12,0 en una escala de 100. La diferencia refleja una brecha entre tareas acotadas y repetitivas, que pueden ejecutarse bajo reglas simples, y procesos institucionales que exigen controles, responsabilidad y capacidad para manejar situaciones menos previsibles.
El análisis de 19 herramientas financieras de IA encontró que 14 operaban con límites de gasto o negociación establecidos de antemano. En lugar de actuar con autonomía amplia, esos sistemas funcionan dentro de mandatos delimitados, una estructura que reduce el alcance de sus decisiones, pero también muestra cuánto depende su uso actual de reglas y supervisión fijadas por personas.
Otros indicadores apuntan en la misma dirección: las interfaces identificadas como impulsadas por IA representaron menos del 0,55% del volumen de negociación de Hyperliquid, y los flujos de preparación de órdenes de Zoomex requerían confirmación humana. A su vez, seis de los 12 flujos institucionales revisados podían iniciar o liquidar pagos dentro de límites autorizados, sin que eso equivalga a una delegación irrestricta del control financiero.
La custodia y los controles, antes de entregar más dinero
Marcel Robert Harmann, fundador y CEO de THORWallet, anticipa que el comercio ejecutado por agentes crecerá durante los próximos 12 meses, en parte porque plataformas como Hyperliquid ya ofrecen API para automatizar operaciones. Su principal inquietud no es si una máquina puede enviar una transacción, sino cómo evitar que el acceso a una billetera se convierta en una autorización demasiado amplia sobre los fondos.
Harmann considera que los micropagos por datos y computación seguirán dominando el recuento de transacciones, aunque espera que el volumen aumente a medida que más comercio real pase por agentes. Para permitir pagos de mayor valor con menos exposición, propone firmas por umbral: en vez de depender de una sola clave, la operación necesitaría autorizaciones separadas, incluida una validación de que cumple con la política establecida.
En el esquema descrito por el ejecutivo, el agente conservaría una parte de la clave y un firmante independiente de políticas tendría otra. Esa separación podría permitir que el agente inicie una transferencia sin darle, por sí solo, la capacidad completa de mover dinero; el objetivo es añadir un control antes de la ejecución, en lugar de confiar únicamente en que el sistema se comporte como se espera.
Harmann también prevé que la supervisión automatizada cobre importancia si crece el número de transacciones, pues las personas no pueden revisar individualmente cada pago de máquina. Su planteamiento no elimina la intervención humana: propone que herramientas automáticas identifiquen actividades sospechosas al ritmo de las operaciones, mientras las personas mantienen la autoridad final sobre las decisiones.
La infraestructura financiera también está en discusión
Ashutosh Sahoo, fundador y CEO de ZeruAI, sostiene que la custodia no es el único obstáculo para ampliar el papel financiero de los agentes. A su juicio, la banca, los marcos de cumplimiento y los modelos de responsabilidad existentes se diseñaron para personas e instituciones, no para actores económicos autónomos, por lo que adaptar agentes a esas estructuras podría limitar su capacidad para operar con independencia.
Sahoo describe los límites de gasto, los mandatos de negociación y los mecanismos de parada de emergencia como formas de automatización supervisada, no como verdadera autonomía financiera. El cambio que considera decisivo consistiría en construir sistemas financieros alrededor de las capacidades de los agentes, en lugar de encajarlos en una infraestructura humana preexistente.
Ese enfoque también modificaría la manera de aplicar las reglas: en vez de revisar principalmente las operaciones después de que ocurren, los protocolos podrían hacer cumplir permisos de gasto y condiciones de riesgo antes o durante la ejecución. La idea abre preguntas sobre quién redactaría esas normas, quién podría modificarlas y cómo se resolverían los desacuerdos si las reglas quedan inscritas en sistemas difíciles de alterar.
El propio Sahoo advierte que una arquitectura financiera diseñada para máquinas podría alcanzar un nivel de complejidad que las personas no comprendan con facilidad, incluso si las decisiones siguen una lógica coherente. La automatización de controles puede hacer más sistemática la aplicación de reglas, pero no resuelve por sí misma quién responde por sus consecuencias ni cómo se explica una operación a quienes deben supervisarla.
Un pago autorizado también puede ser un error
Tamara Frater, fundadora y CEO de HumanWrite Technologies, espera más experimentación durante los próximos 12 meses, pero no cree que el mercado pase de inmediato de pagos inferiores a un dólar a una toma de decisiones financieras ampliamente autónoma. La diferencia entre pagar por computación y decidir sobre una inversión, señala, está en el riesgo de que una instrucción equivocada produzca consecuencias mucho mayores.
Su preocupación se centra en los fallos que pueden ocurrir aunque un agente respete los permisos que recibió. Una máquina podría mantenerse dentro de su límite de gasto y, aun así, seguir instrucciones engañosas, actuar sobre información incorrecta o enviar fondos al destinatario equivocado; por eso, limitar cuánto puede gastar reduce la exposición, pero no garantiza que la operación sea legítima.
El informe documenta dos incidentes en los que se transfirieron en total USD 281.200 a billeteras controladas por atacantes antes de que se produjeran recuperaciones. Los casos ilustran un riesgo distinto al de una máquina que excede sus permisos: el agente puede cumplir las reglas de gasto y, pese a ello, confiar en una instrucción o un destinatario que no debía aceptar.
Frater también espera que instituciones financieras y reguladores recurran a la IA para detectar actividad sospechosa conforme aumenten las transacciones automatizadas. Su condición es que la supervisión gane velocidad sin volver más difícil rastrear la responsabilidad hasta las personas a cargo, porque una respuesta rápida no sustituye la necesidad de identificar quién autorizó las reglas y quién debe responder por una decisión.
La prueba pendiente es confiarles capital real
Los tres ejecutivos ponen el foco en desafíos diferentes: Harmann, en la seguridad de las billeteras; Sahoo, en la necesidad de sistemas financieros pensados para agentes; y Frater, en los errores que pueden producirse incluso dentro de permisos válidos. Sus perspectivas coinciden en una distinción central: procesar un pago no es lo mismo que recibir autorización para tomar una decisión financiera.
Por eso, el recuento de transacciones es una medida incompleta de adopción. Una prueba más exigente sería observar si los agentes gestionan pagos comerciales de valor sostenido y si las empresas les confían tareas con menos intervención humana, dos señales que permitirían distinguir la actividad automatizada de una delegación financiera más profunda.
Los datos presentados muestran que las máquinas ya pueden pagar cantidades pequeñas en redes digitales y que algunas herramientas participan en flujos institucionales limitados. Sin embargo, los puntajes reducidos de preparación institucional, la persistencia de confirmaciones humanas y los incidentes con fondos enviados a atacantes señalan que la autonomía todavía convive con barreras importantes.
El paso siguiente no depende solamente de multiplicar los micropagos, sino de demostrar que los controles pueden proteger fondos, detectar instrucciones maliciosas y mantener clara la responsabilidad. Hasta que las empresas estén dispuestas a confiar capital significativo a estos sistemas, el crecimiento de las operaciones será una señal de experimentación, no una prueba concluyente de que la economía de agentes de IA ya está en auge.
ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.
Suscríbete a nuestro boletín
Artículos Relacionados
Capital de Riesgo
Blacksmith alcanza una valoración de USD $1.000 millones tras una ronda liderada por Sequoia
IA
Con dos letras, un robot se desvió y apuntó un cuchillo hacia una persona durante una prueba de seguridad
América del Sur
Crypto City en Venezuela: el proyecto de 300 parcelas que aún debe probar su ejecución
Bancos y Pagos
