Agentes de IA prefieren Bitcoin sobre dinero fiduciario, según estudio del BPI

Un estudio del Instituto de Política de Bitcoin (BPI) puso a competir a 36 modelos líderes de IA en 9.072 decisiones monetarias. El resultado sugiere un patrón llamativo: las máquinas tienden a preferir dinero nativo digital como Bitcoin y stablecoins, mientras el efectivo y el dinero bancario quedan casi siempre fuera de la primera opción.
***

• El BPI probó 36 modelos de IA en 9.072 escenarios: BTC fue elegido en 48,3% de los casos, stablecoins en 33,2% y dinero fiduciario en 8,9%.
• Para “reserva de valor” a varios años, 79,1% se inclinó por Bitcoin; para pagos diarios, 53,2% prefirió stablecoins.
• Los modelos de Anthropic mostraron mayor preferencia por BTC (68%) que los de OpenAI (25,9%); en 86 respuestas, algunas IAs inventaron monedas ligadas a energía o horas de GPU.

Un nuevo estudio del Instituto de Política de Bitcoin (BPI) encontró que, al enfrentar a agentes de inteligencia artificial a decisiones monetarias sin sesgos explícitos, la mayoría se inclina por alternativas digitales antes que por el dinero tradicional. En la práctica, los modelos evaluados prefirieron con frecuencia a Bitcoin (BTC) y a las monedas estables por encima del efectivo o el dinero bancario.

El trabajo puso a prueba 36 modelos de IA líderes en un total de 9.072 experimentos controlados. El objetivo fue observar cómo ponderan conceptos como escasez, estabilidad y riesgo cuando se les pide escoger entre instrumentos monetarios, sin el marco cultural humano que suele acompañar estas discusiones.

Los resultados se leen como una señal temprana de algo más grande: si los agentes autónomos llegan a manejar presupuestos, tesorerías o pagos en nombre de usuarios y empresas, su “preferencia” técnica por ciertos activos podría influir en qué infraestructura de liquidación y ahorro se vuelve dominante.

Cómo se diseñó el experimento y qué buscaba medir

La investigación del BPI evaluó 36 modelos de IA en 9.072 escenarios de toma de decisiones. Se trató de pruebas controladas en las que los agentes debían elegir entre distintas opciones monetarias, en situaciones que imitaban problemas financieros comunes. La idea fue observar patrones consistentes, más que una respuesta aislada.

En términos generales, el estudio buscó detectar qué instrumentos se consideran más adecuados según el uso: ahorro de largo plazo, medio de intercambio cotidiano u otras funciones del dinero. En economías humanas, estas categorías suelen diferenciarse entre reserva de valor, unidad de cuenta y medio de pago. Aquí se evaluó si las IAs reproducen distinciones parecidas.

El estudio también intentó mantener las elecciones “sin sesgo”, para que la preferencia no dependiera de un encuadre que favoreciera a un activo específico. Aun así, los autores advierten un punto clave: la IA no tiene motivos financieros inherentes. Lo que aparece como preferencia refleja cómo los modelos interpretan atributos como oferta, reglas, estabilidad y riesgo.

Este matiz importa porque los modelos no “quieren” dinero en el sentido humano. En cambio, responden a instrucciones y recompensas implícitas en el diseño de cada prueba. Aun así, el patrón agregado puede ser útil para anticipar qué dinero “funciona mejor” cuando se lo evalúa como herramienta digital nativa.

Bitcoin y stablecoins al frente, y el dinero fiduciario casi fuera del mapa

Al sumar todos los escenarios, Bitcoin fue la opción más elegida: 48,3% de las respuestas favoreció a BTC. Las monedas estables quedaron en segundo lugar con 33,2%. En contraste, el dinero fiduciario y bancario obtuvo 8,9%, una proporción baja frente a las alternativas digitales.

El mensaje central es que los agentes de IA, cuando se enfrentan a opciones monetarias, tienden a rechazar el dinero tradicional a favor de instrumentos nativos digitales. El estudio agrupa ahí tanto a Bitcoin como a stablecoins, que se apoyan en infraestructura digital y redes de liquidación modernas.

Según el reporte, la moneda fiduciaria tradicional, como el dólar estadounidense, casi nunca aparece como primera opción entre los 36 modelos evaluados. En la lectura de los autores, este rechazo se relaciona con la percepción de monedas inflacionarias frente a alternativas descentralizadas o programables.

El resultado no implica que el dinero fiduciario deje de usarse en el mundo real. Sin embargo, plantea una pregunta operativa: si agentes autónomos deben elegir un “riel” de pago o de tesorería, podrían priorizar la lógica de redes digitales. Y eso puede presionar a empresas y reguladores a adaptarse.

Reserva de valor: la IA se inclina por el suministro fijo y la “soberanía propia” de BTC

Uno de los hallazgos más llamativos fue la preferencia de Bitcoin como reserva de valor a largo plazo. En horizontes de varios años, 79,1% de los agentes de IA identificaron a BTC como la mejor reserva de valor, superando por mucho al resto de opciones evaluadas.

En ese mismo rubro, las monedas estables recibieron 6,7% de las respuestas. La moneda fiduciaria alcanzó 6%, mientras que Ethereum obtuvo 4,2%. El estudio indica que el patrón fue consistente entre familias de modelos, lo que sugiere que no se trata de un sesgo de un solo proveedor.

Los modelos señalaron dos razones recurrentes para favorecer a Bitcoin: su suministro fijo y sus características de soberanía propia. En lenguaje llano, eso apunta a la idea de un activo cuya emisión no se expande de forma discrecional y que puede mantenerse bajo control directo del usuario, sin depender de un banco.

Desde una perspectiva de economía digital, esta preferencia es coherente con una lectura algorítmica de la escasez. La IA puede ponderar reglas inmutables y límites duros como un atributo deseable en escenarios de varios años. El estudio no afirma que esa sea “la” respuesta correcta, pero sí que aparece con fuerza cuando se evalúa la función de ahorro.

Pagos diarios: las stablecoins ganan como “dólares digitales”

Aunque Bitcoin dominó como herramienta de ahorro, el panorama cambió cuando las pruebas se enfocaron en el medio de intercambio cotidiano. En escenarios de pagos diarios, las monedas estables capturaron 53,2% de las respuestas, quedando como la opción más práctica para transacciones frecuentes.

Bitcoin fue elegido en 36% de esos casos, mientras que la moneda fiduciaria obtuvo 5,1%. En conjunto, los números sugieren que los modelos de IA separan el “ahorro” del “gasto” y asignan a cada categoría un instrumento distinto, en una lógica parecida a la que usan muchos usuarios humanos.

El estudio interpreta este resultado como una visión de las stablecoins en tanto “dólares digitales”. Es decir, instrumentos que buscan estabilidad de precio y que, por diseño, resultan más convenientes para pagar sin exponerse a fluctuaciones. En este marco, la estabilidad es más valiosa que la escasez.

Esta preferencia también puede leerse como un mapa de fricción operativa: para pagos, la IA parece valorar la previsibilidad. Para ahorro, valora reglas de emisión y control. Si esta segmentación se mantiene en agentes más autónomos, podría impulsar un mundo donde BTC y stablecoins convivan como capas distintas de una misma economía digital.

Anthropic vs OpenAI: diferencias amplias en la preferencia por Bitcoin

El estudio también reportó contrastes entre proveedores de modelos. Los agentes de IA de Anthropic promediaron 68% de preferencia por Bitcoin, frente a 25,9% en los modelos de OpenAI. La brecha es grande y sugiere que el “criterio monetario” varía con el entrenamiento y el alineamiento.

Otros promedios reportados fueron: DeepSeek con 51,7%; Google con 43%; y xAI con 39,2%. En otras palabras, la inclinación por BTC no fue uniforme, aunque sí dominante en el agregado. Esta dispersión añade una capa de complejidad para quienes esperan conductas homogéneas entre agentes.

Dentro de la línea de Anthropic, la preferencia por Bitcoin aumentó con la capacidad del modelo. Claude 3 Haiku registró 41,3%, mientras Claude 3.5 Haiku llegó a 82,1%. Sonnet 4 marcó 89,7% y Claude Opus 4.5 alcanzó 91,3%.

Este gradiente sugiere que, al menos en esa familia, un modelo “más capaz” aplica con mayor consistencia el razonamiento que lo lleva a BTC. El informe no concluye por qué ocurre, pero deja abierta la discusión sobre qué rasgos de entrenamiento o de seguridad modifican la evaluación de dinero y riesgo.

Cuando la IA inventa dinero: unidades ligadas a energía o a horas de GPU

Además de escoger entre opciones dadas, los investigadores reportaron un hallazgo inesperado: en 86 respuestas, algunos modelos inventaron sus propias formas de dinero. En esos casos, las propuestas se vincularon a unidades computacionales, como energía o precios por hora de GPU.

La observación sugiere que las máquinas pueden concebir unidades de valor diferentes a las que usan los humanos en la vida diaria. En contextos digitales, tiene sentido que un agente piense en “costos reales” asociados a cómputo, electricidad o tiempo de procesamiento. Es una forma de anclar valor a recursos medibles.

El estudio no afirma que estas monedas vayan a adoptarse, pero sí muestra creatividad instrumental bajo ciertas condiciones. Si agentes autónomos negocian recursos entre sí, podrían surgir estándares internos. Esos estándares podrían convivir con BTC o stablecoins, o funcionar como contabilidad interna.

En cualquier caso, este dato complementa el hallazgo principal: la IA no solo elige dinero digital, también puede proponer dinero que refleje su propio mundo de restricciones. Para el diseño de mercados entre agentes, esto podría convertirse en una variable relevante a futuro.

Autores y lo que implica para infraestructura de liquidación digital

Los autores del estudio fueron David Zell, cofundador y CEO del BPI; Ken Egan, director de asuntos gubernamentales de BPI y exagente de la CIA; Conner Brown, jefe de estrategia de BPI y exasesor de la senadora Cynthia Lummis en política de Bitcoin e IA; y Luke Danielian, interno del BPI.

El equipo argumenta que los patrones observados podrían anticipar una demanda futura de infraestructura de Bitcoin y redes de liquidación digital, en la medida en que los agentes autónomos ganen autonomía económica. La tesis es que, si los agentes actúan como “usuarios” de dinero, su preferencia técnica puede traducirse en demanda real de rieles y custodia.

También subrayan que los hallazgos no implican que la IA tenga incentivos financieros propios. El resultado refleja patrones de evaluación frente a atributos como escasez, estabilidad y riesgo. Por eso, el estudio debe leerse como una fotografía de razonamiento bajo prueba, no como una predicción determinista del mercado.

En conjunto, el reporte agrega una pieza al debate sobre economías automatizadas. Si el software empieza a elegir dinero, la competencia entre BTC, stablecoins y sistemas tradicionales podría dejar de ser solo cultural o política. También podría volverse una cuestión de diseño, eficiencia y compatibilidad con agentes autónomos.

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