¿Ha llegado el ciclo de la IA? ¿Deberían los emprendedores de Web3 cambiar a la IA?

“¿Has criado langostas?” Últimamente, esa es probablemente la frase con la que la mayoría de los Web3ers saludan.

A principios de 2026, tras la explosión de popularidad del robot del Festival de Primavera de China, la nueva generación de Agentes AI, representada por OpenClaw, se ha convertido en el nuevo juguete para los entusiastas de la tecnología. Algunos usan AI para atención al cliente, otros para programar, e incluso hay quienes están intentando simular una “empresa digital” completa con Agentes. Este concepto, “empresa unipersonal”, que ha sido mencionado en varias plataformas de internet, se refiere a que una sola persona puede gestionar un flujo de trabajo de AI que antes requería un pequeño equipo.

Por supuesto, en Web3 también no están quietos. Si se observa la prensa del sector, se nota que muchos proyectos están empezando a centrarse en los Agentes AI. Algunos investigan cómo los Agentes pueden acceder directamente a activos o contratos en la cadena, otros trabajan en pagos, identidad o infraestructura financiera para Agentes, y hay quienes discuten sobre un “sistema económico de Agentes”, permitiendo que la AI participe en la red como un usuario más, e incluso ya surgen voces que promueven un “Web4.0”.

Al ver esto, surge una sensación muy familiar.

Se dice que la moda es cíclica, y no pensábamos que en el mundo de la tecnología (o en el cripto) fuera diferente. Recordemos el mercado bajista de 2022, cuando ChatGPT explotó en popularidad de la noche a la mañana, y la AI se convirtió en el tema de conversación principal. En Web3, tampoco estuvieron quietos, y rápidamente surgieron conceptos como Agentes AI, traders automáticos, estrategias automatizadas, etc. Parecía que cualquier cosa relacionada con AI podía contar una nueva historia. Pero esta efervescencia no duró mucho. Cuando el mercado cripto empezó a subir de nuevo, la atención volvió rápidamente a las criptomonedas en sí.

Ahora, a finales de 2025, el mercado cripto muestra tendencias bajistas, y Web3 busca nuevos conceptos para captar interés.

Pero, desde la perspectiva de Portal Labs, el problema está justo allí. Cuando un relato se vuelve popular, muchos equipos de Web3 no están realmente evaluando la tecnología o el negocio, sino simplemente siguiendo la narrativa: si un concepto está en auge, lo adoptan. Y luego, suelen fracasar.

Muchos equipos, al intentar avanzar en sus proyectos, descubren que aunque los conceptos se pueden montar rápidamente, la implementación real del producto es muy difícil. ¿Dónde están los usuarios? ¿Cuál es el escenario concreto? ¿Cómo se mantiene el ingreso? ¿Se puede atraer inversión? Estas preguntas suelen surgir solo después de un tiempo de desarrollo.

Cuando pasa la fiebre, lo que queda en el mercado son proyectos sin completar. Algunos se quedan en la fase de demo, otros lanzan algo a duras penas sin encontrar usuarios, y algunos simplemente desaparecen con la narrativa. A simple vista, parece que se abre un nuevo camino, pero con el tiempo, en realidad, no quedan muchos proyectos sólidos.

Por eso, surge la duda: ¿seguir profundizando en Crypto o cambiar a AI? La primera opción, con un mercado difícil y sin garantías de retorno, no es sencilla. La segunda, sin una base clara, también presenta dificultades. La tecnología, talento y competencia en AI difieren mucho de Web3. Muchos equipos han acumulado en los últimos años conocimientos, productos y comunidades en el ámbito cripto, y cambiar completamente a AI sería como entrar en un terreno totalmente desconocido. Desde capacidades de modelos, recursos de datos, hasta equipos de ingeniería, casi todo habría que reconstruir.

Un aspecto más realista es que el sector AI ya está muy saturado. Grandes empresas, startups y gigantes tecnológicos invierten recursos enormes en este campo. Para un equipo de Web3, simplemente cambiar de narrativa para entrar en AI puede significar que no tengan ventajas tecnológicas ni recursos del sector.

Pero, en realidad, para muchos equipos de Web3 existe una vía práctica. No es necesario transformarse en una startup de AI, sino seguir en su camino Web3, y pensar en qué capacidades puede aportar Crypto dentro del ecosistema AI.

Si observamos detenidamente el desarrollo actual de AI, veremos que muchos aspectos clave aún no están completamente resueltos.

El más evidente es el dato. Los modelos son cada vez más potentes, pero ¿de dónde provienen los datos? ¿Son confiables y cumplen con las regulaciones? ¿Cómo lograr una personalización 1v1 en Agentes AI? Estas cuestiones todavía no tienen mecanismos claros. Para AI que depende de grandes volúmenes de datos, esto es un problema fundamental a largo plazo.

También está la identidad y colaboración. Cuando los Agentes AI participan en tareas, transacciones automáticas o decisiones operativas, necesitan identidad, permisos y reglas de colaboración. ¿Quién puede llamar a un Agente? ¿Cómo se dividen las tareas entre Agentes? ¿Cómo se realiza la liquidación tras completar tareas? Estas cuestiones, en esencia, involucran la distribución de identidad y valor en una red abierta.

Otra cuestión es el pago. Cuando los Agentes AI comienzan a interactuar autónomamente en la red, solicitando datos o ejecutando tareas, necesitan un sistema de pagos pequeños y automáticos. En la infraestructura tradicional de internet, esto es difícil de implementar.

Aunque parecen problemas de AI, muchas soluciones ya existen en el ecosistema de Crypto. Redes de incentivos de datos, identidades en la cadena, sistemas de pago abiertos, todo esto ha sido explorado por Web3 en los últimos años.

Si un equipo de Web3 realmente quiere explorar estas áreas, debe tener en cuenta algunos aspectos clave.

Primero, la capacidad técnica del equipo. La experiencia técnica varía mucho entre proyectos. Algunos dominan protocolos en la cadena, otros trabajan en redes de datos, y algunos se enfocan en productos de capa de aplicación. Si el equipo ha estado en infraestructura de datos, como recolección, extracción o mercados de datos, extenderse a AI en esa capa es más natural, por ejemplo, redes de contribución de datos, fuentes verificables o mercados de datos incentivados. Si su experiencia es en protocolos o infraestructura, pueden centrarse en el entorno operativo de los Agentes AI, como identidad en cadena, permisos, protocolos de tareas, o pagos automáticos. Para equipos enfocados en productos de capa de aplicación, como herramientas de trading, plataformas de contenido o comunidades, AI puede integrarse como una capa de capacidades, mejorando análisis de datos, automatización o funciones que antes requerían intervención humana.

Segundo, la existencia de escenarios reales. Muchos proyectos AI desaparecen rápidamente no por falta de tecnología, sino porque no tienen un escenario de uso claro. La popularidad de conceptos como “AI + Web3”, “economía de Agentes” o “traders AI” puede ser grande, pero si se profundiza, los usuarios reales y estables son pocos. En cambio, necesidades menos “sexy”, como procesamiento de datos, automatización, filtrado de información o ejecución de tareas, sí tienen presencia en negocios reales. Por eso, al evaluar un camino AI, no basta con que el concepto sea popular, sino que hay que analizar si el escenario es un problema de negocio a largo plazo, si ya hay quienes pagan por ello, y si AI puede realmente mejorar la eficiencia en ese proceso. Si estas condiciones se cumplen, el proyecto tiene más posibilidades de pasar de narrativa a producto.

Luego, es importante evaluar si el equipo tiene recursos para entrar en esos escenarios.

Los aspectos de datos, identidad y pagos no son solo tecnológicos, sino que dependen de recursos de red.

Por ejemplo, sin una fuente estable de datos o una comunidad que contribuya datos, aunque la tecnología funcione, será difícil crear un efecto de red. Lo mismo para identidad y colaboración: sin desarrolladores, aplicaciones o Agentes reales participando, los protocolos no podrán formar un ecosistema. Lo mismo para pagos y liquidaciones: si los Agentes interactúan en la red, necesitan un sistema de pagos pequeños y frecuentes, que solo tiene sentido si hay muchos Agentes y servicios en funcionamiento.

Por ello, para muchos equipos de Web3, lo más importante no es si hay espacio técnico, sino si pueden ser parte de esa red. Tener datos, ecosistema de desarrolladores o aplicaciones reales es lo que determina si un proyecto puede realmente ingresar en la infraestructura de AI, más allá de la mera conceptualización.