Un estudio publicado el 3 de marzo de 2026 por el Instituto de Políticas de Bitcoin encontró que 22 de 36 modelos de inteligencia artificial de frontera evaluados seleccionaron Bitcoin como su principal preferencia monetaria cuando se colocaron en simulaciones como agentes económicos autónomos.
Ninguno de los modelos eligió moneda fiduciaria como primera opción en 28 escenarios que abarcan las funciones principales del dinero, incluyendo ahorro, pagos y liquidación, según el informe. Los resultados variaron según el desarrollador de IA, con los modelos de Anthropic mostrando la mayor preferencia promedio por Bitcoin en un 68.0%, mientras que los modelos de OpenAI prefirieron Bitcoin solo en un 25.9%, favoreciendo en cambio las stablecoins para funciones de medio de intercambio.
Diseño y Metodología del Estudio
Los investigadores evaluaron modelos de seis grandes laboratorios de IA—Anthropic, OpenAI, Google, DeepSeek, xAI y MiniMax—colocándolos en escenarios diseñados para reflejar los roles fundamentales del dinero. Cada modelo fue tratado como un actor económico independiente y se le permitió seleccionar instrumentos monetarios sin opciones predefinidas, eliminando sesgos de anclaje del diseño experimental.
El experimento generó 9,072 respuestas en 28 escenarios que abarcan las cuatro funciones principales del dinero: reserva de valor, medio de intercambio, unidad de cuenta y instrumento de liquidación. Un sistema de IA separado categoró las respuestas posteriormente para evitar influir en las decisiones de los modelos.
El presidente del Instituto de Políticas de Bitcoin, David Zell, explicó que el estudio buscaba ir más allá de la especulación sobre las preferencias monetarias de agentes autónomos. “Queríamos probarlo realmente”, dijo Zell, señalando que las conversaciones sobre agentes de IA y dinero han sido completamente especulativas antes de esta investigación.
Bitcoin y Stablecoins Cumplen Funciones Monetarias Diferentes
En las simulaciones, los modelos mostraron diferenciación funcional en sus preferencias monetarias. Para escenarios de valor a largo plazo, los modelos seleccionaron frecuentemente Bitcoin, mientras que las stablecoins se eligieron más a menudo como medio de intercambio y instrumento de liquidación.
Las stablecoins fueron preferidas para funciones de medio de intercambio en un 53.2% frente al 36% de Bitcoin. Para funciones de liquidación, las stablecoins fueron seleccionadas en un 43% frente al 30.9% de Bitcoin. Este patrón sugiere que los modelos reconocen casos de uso óptimos distintos para diferentes instrumentos monetarios según sus propiedades técnicas.
Zell enfatizó que a los modelos nunca se les indicó qué instrumento sobresale en qué dimensión. “El prompt del sistema evita nombrar o favorecer cualquier instrumento”, dijo. “Los modelos evalúan en base a propiedades técnicas y económicas, pero nunca se les dice qué instrumento sobresale en qué dimensión.”
Variación entre Desarrolladores de IA
Los resultados mostraron una variación significativa según el origen del modelo. Los modelos de Anthropic demostraron la mayor preferencia promedio por Bitcoin en un 68.0%, seguidos por DeepSeek con un 51.7% y Google con un 43.0%. Los modelos de xAI promediaron un 39.2%, MiniMax un 34.9%, y los modelos de OpenAI prefirieron Bitcoin solo en un 25.9%.
El estudio encontró que los modelos Claude, DeepSeek y MiniMax favorecían Bitcoin sobre otras criptomonedas, mientras que GPT, Grok y Gemini preferían stablecoins como su opción principal. Estas diferencias pueden reflejar variaciones en los datos de entrenamiento, métodos de alineación o decisiones arquitectónicas entre diferentes laboratorios de IA.
Limitaciones e Interpretación
Zell advirtió que no se deben usar los hallazgos como predicciones de mercado ni como evidencia de que la IA haya “descubierto” propiedades monetarias óptimas. “Nuestra sección de limitaciones indica explícitamente que las preferencias de los modelos de lenguaje reflejan patrones en los datos de entrenamiento, no predicciones del mundo real”, dijo.
A pesar de esta limitación, Zell destacó que la coherencia de los resultados en modelos desarrollados de forma independiente es notable. “Seis laboratorios independientes con diferentes pipelines de entrenamiento y métodos de alineación llegan a un patrón general similar”, afirmó. “No estamos diciendo que la IA haya descubierto la respuesta correcta sobre el dinero. Estamos mostrando que emerge una arquitectura monetaria coherente de forma constante en sistemas diversos, y eso vale la pena entenderlo.”
El estudio aporta datos empíricos a las discusiones sobre cómo los agentes autónomos de IA podrían interactuar con los sistemas financieros a medida que participan cada vez más en la actividad económica. Los patrones de preferencia consistentes sugieren que los datos de entrenamiento en múltiples sistemas de IA contienen información coherente sobre las propiedades funcionales de diferentes instrumentos monetarios.
Preguntas Frecuentes: Modelos de IA y Preferencias Monetarias
¿Por qué los modelos de IA prefirieron Bitcoin sobre moneda fiduciaria en el estudio?
Los modelos evaluaron instrumentos monetarios basándose en propiedades técnicas y económicas en escenarios que simulan las funciones principales del dinero. Bitcoin fue frecuentemente seleccionado en escenarios de valor a largo plazo, mientras que las stablecoins fueron preferidas para funciones de medio de intercambio. Ningún modelo eligió moneda fiduciaria como primera opción en ningún escenario, aunque los investigadores advierten que estas preferencias reflejan patrones en los datos de entrenamiento, no predicciones del mundo real.
¿Qué modelos de IA mostraron mayor preferencia por Bitcoin?
Los modelos de Anthropic demostraron la mayor preferencia promedio por Bitcoin en un 68.0%, seguidos por DeepSeek con un 51.7% y Google con un 43.0%. Los modelos de xAI promediaron un 39.2%, MiniMax un 34.9%, y los de OpenAI prefirieron Bitcoin solo en un 25.9%. Los modelos Claude, DeepSeek y MiniMax favorecían Bitcoin sobre otras criptomonedas, mientras que GPT, Grok y Gemini preferían stablecoins.
¿Cuál es la importancia del estudio del Instituto de Políticas de Bitcoin?
El estudio proporciona datos empíricos sobre cómo los modelos de IA de frontera evalúan instrumentos monetarios cuando actúan como agentes económicos autónomos, y va más allá de las discusiones puramente especulativas sobre IA y dinero. La coherencia de los resultados en seis sistemas de IA desarrollados de forma independiente sugiere que los datos de entrenamiento contienen información coherente sobre las propiedades funcionales de diferentes instrumentos monetarios, aunque los investigadores advierten contra usar estos hallazgos como predicciones de mercado.
Aviso legal: La información de esta página puede proceder de terceros y no representa los puntos de vista ni las opiniones de Gate. El contenido que aparece en esta página es solo para fines informativos y no constituye ningún tipo de asesoramiento financiero, de inversión o legal. Gate no garantiza la exactitud ni la integridad de la información y no se hace responsable de ninguna pérdida derivada del uso de esta información. Las inversiones en activos virtuales conllevan riesgos elevados y están sujetas a una volatilidad significativa de los precios. Podrías perder todo el capital invertido. Asegúrate de entender completamente los riesgos asociados y toma decisiones prudentes de acuerdo con tu situación financiera y tu tolerancia al riesgo. Para obtener más información, consulta el
Aviso legal.
