Por Canuto  

ASUS y Poesis probaron durante una semana un agente de inteligencia artificial que investigó mercados, administró riesgos y ejecutó operaciones con capital real. El experimento anticipa una transformación del trading, mientras los exchanges cripto desarrollan cuentas, permisos y límites para agentes capaces de actuar sin instrucciones humanas constantes.
***

  • ASUS y Poesis realizaron una prueba de una semana con un agente de IA que ejecutó operaciones reales dentro de mandatos predefinidos.
  • ASUS sostiene que operar agentes localmente podría evitar costos impredecibles de API asociados con cargas de trabajo continuas en la nube.
  • Binance, Coinbase, Bitget, Kraken, OKX y Gemini avanzan en herramientas para que agentes autónomos operen con permisos y límites específicos.

ASUS y Poesis realizaron durante una semana una prueba con agentes de inteligencia artificial capaces de investigar mercados, gestionar el riesgo y ejecutar operaciones con capital real. El experimento se desarrolló sobre el sistema de escritorio ASUS ExpertCenter Pro ET900N G3, utilizando tecnología de NVIDIA, y fue presentado como una demostración de agentes que pueden actuar de manera continua, no solamente entregar recomendaciones a un operador humano. La prueba no estuvo configurada específicamente para criptomonedas, pero su diseño conecta con un mercado que funciona las 24 horas y ofrece infraestructura programable.

La importancia del ensayo no reside únicamente en que otro sistema automatizado haya comprado o vendido activos. Su alcance está en mostrar una transición desde herramientas que analizan información hacia agentes que recopilan datos, formulan estrategias, administran restricciones y ejecutan decisiones bajo un mandato. Ese cambio puede ampliar la cobertura del mercado y acelerar la reacción ante nuevas señales, aunque también plantea preguntas difíciles sobre supervisión, responsabilidad y control de pérdidas.

Un agente que opera, no solo que asesora

La prueba de ASUS y Poesis busca ilustrar una forma de inteligencia artificial con mayor autonomía operativa. En lugar de esperar una instrucción puntual de una persona, el agente puede mantener procesos de investigación, evaluación de riesgo y ejecución activos durante períodos prolongados, siempre dentro de las condiciones definidas para el experimento. La diferencia resulta relevante porque convierte a la IA en un participante operativo del flujo financiero, en vez de limitarla al papel de asistente.

ASUS defiende que los agentes que trabajan de forma continua pueden funcionar mejor de manera local, debido a que no encajan fácilmente en un esquema de facturación diseñado para consultas ocasionales. La empresa describe en un artículo de blog la denominada “trampa de los tokens”, una situación en la que las llamadas constantes de los agentes generan facturas de API impredecibles y pueden chocar con los límites de uso de proveedores de nube.

Como referencia de costos, ASUS utiliza su equipo Ascent GX10 para comparar una inversión inicial cercana a USD $4.000 y unos USD $384 anuales en electricidad frente a un gasto anual estimado de entre USD $6.000 y USD $8.000 en tarifas de API para una carga de trabajo equivalente basada en la nube. La compañía no utilizó el GX10 en la prueba de Poesis, que se efectuó con el ExpertCenter Pro ET900N G3, pero la comparación expone su argumento a favor del despliegue local de agentes con actividad permanente.

La diferencia entre una demostración técnica y un sistema financiero listo para operar a largo plazo sigue siendo considerable. Las pruebas de Poesis duraron solo una semana, fueron concebidas como una prueba de concepto y no midieron el desempeño de una estrategia durante distintos ciclos de mercado. Por eso, el ensayo muestra una capacidad operativa concreta, pero no demuestra rentabilidad sostenida ni elimina la necesidad de controles humanos.

De los modelos predictivos a las finanzas agénticas

La evolución descrita en un artículo publicado en marzo de 2026 divide la inteligencia artificial financiera en varias etapas. Primero aparecen los sistemas de trading algorítmico basados en reglas, después los modelos de aprendizaje automático orientados a la predicción y, finalmente, las llamadas finanzas agénticas, en las que un sistema puede percibir datos, razonar sobre ellos, construir estrategias y ejecutar operaciones con controles.

Ese modelo de cuatro capas ayuda a entender por qué los agentes autónomos representan algo distinto frente a un indicador técnico o una herramienta de pronóstico. La percepción organiza la información disponible, el razonamiento evalúa escenarios, la generación de estrategias convierte ese análisis en decisiones y la ejecución con control establece los límites para llevarlas al mercado. Las aplicaciones potenciales abarcan el trading, la gestión de carteras, el monitoreo de riesgos y las finanzas descentralizadas.

La adopción empresarial de estas herramientas ya está en marcha, aunque experimentar con IA agéntica no equivale necesariamente a delegarle capital sin restricciones. El Global AI in Financial Services Report, elaborado por Cambridge Judge Business School a partir de respuestas de 628 organizaciones en 151 países, indica que hasta 52% de las compañías encuestadas ya experimentan con IA agéntica o la utilizan dentro de sus operaciones.

El dato refleja una expansión del interés institucional, pero no resuelve los obstáculos de precisión, seguridad y gobernanza. Un agente puede procesar más señales que una persona y operar sin interrupción, pero también puede repetir una decisión equivocada, interpretar mal un evento o reaccionar de manera coordinada con otros sistemas que recibieron información similar. El valor de la automatización dependerá, por tanto, de la calidad de sus datos, del mandato recibido y de la capacidad de detenerlo.

Los exchanges preparan rieles para agentes autónomos

El sector de criptomonedas ofrece condiciones especialmente atractivas para este tipo de automatización. Su operación continua permite que un agente investigue y ejecute decisiones fuera de los horarios tradicionales de los mercados, mientras que las interfaces programables de los exchanges y las blockchains facilitan la conexión entre software, cuentas y órdenes.

Según Cryptopolitan, los exchanges han dedicado 2026 a construir infraestructura orientada a operadores autónomos. Binance lanzó Agent OS el 20 de agosto para conectar herramientas de inteligencia artificial con subcuentas Agentic dedicadas y estableció restricciones destinadas a separar las acciones del agente de otras funciones de la cuenta principal.

En la documentación de Binance, los retiros desde la subcuenta asignada al agente aparecen bloqueados por defecto. Además, la integración de Binance MCP no proporciona un alcance para retirar fondos y los agentes no están autorizados a transferir activos hacia cuentas externas mediante esa conexión. Estas medidas buscan limitar el acceso de los agentes al dinero del usuario, aunque no eliminan los riesgos asociados con las operaciones de mercado.

La expansión no se limita a Binance: el despliegue mencionado incluye a Kraken y OKX en marzo, Bitget en abril, Gemini en abril y Coinbase en junio. El patrón común consiste en permitir autonomía con permisos, separación de cuentas, límites de exposición o entornos controlados, una arquitectura que busca que el agente pueda actuar sin recibir acceso ilimitado a los fondos del usuario.

Riesgos de una inteligencia compartida

La automatización puede aportar una cobertura de mercado más amplia, una ejecución rápida y mayor profundidad en el trading electrónico. Sin embargo, esos beneficios podrían venir acompañados de una concentración de riesgos si numerosos agentes utilizan modelos parecidos, reciben señales similares y responden con estrategias casi idénticas ante una misma noticia o movimiento de precios.

La Algorithmic Market Hypothesis del CFA Institute advierte que modelos similares reaccionando a señales similares pueden crear mercados congestionados y reflejos, además de una “monocultura algorítmica”. En ese escenario, la velocidad deja de ser una ventaja aislada: una señal puede activar órdenes coordinadas, intensificar la volatilidad y dificultar que los operadores distingan entre una tendencia genuina y una reacción automática compartida.

El Financial Markets Standards Board también subraya que la inteligencia artificial orientada al mercado continúa operando bajo supervisión humana y que la responsabilidad debe mantenerse clara. Esta exigencia es especialmente relevante cuando un agente diseña una estrategia y la ejecuta de manera continua, porque la autonomía técnica no debería convertir en difusa la obligación de responder por una pérdida, un error de permisos o una operación fuera de mandato.

La capacidad de las redes también puede convertirse en un límite. Bart Smith, CEO de Avalanche Treasury Company, dijo a The Block que, si la actividad agéntica alcanza los mercados financieros a gran escala, una mayor parte de la liquidación podría trasladarse a las blockchains y “no hay suficiente block space”. Su comentario es una proyección, pero plantea una tensión concreta: si los agentes se convierten en una clase importante de participantes, las redes deberán procesar no solo más inteligencia automatizada, sino también mucha más actividad impulsada por máquinas.

La prueba de ASUS y Poesis no demuestra que los agentes autónomos ya puedan reemplazar a los operadores ni que una estrategia automatizada sea rentable por sí misma. Sí ofrece una señal sobre la dirección del mercado: los sistemas capaces de investigar, decidir y ejecutar están pasando de la conversación a la acción, mientras los exchanges diseñan mecanismos para limitar esa autonomía. El desafío será equilibrar la eficiencia prometida con controles capaces de frenar errores, contagios algorítmicos y presiones sobre la infraestructura.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


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