Resumen de herramientas DeFAI: ¿Cómo gestionar activos en la cadena usando un Agente de IA?

Para los equipos capaces de abarcar simultáneamente las dos dimensiones de Web3 y la IA, este es, ahora mismo, el período ventana para entrar.

Escrito por: GO2MARS

Antes de iniciar el análisis formal, es necesario aclarar primero un concepto central: DeFAI。

DeFAI es la sigla de la fusión de DeFi (finanzas descentralizadas) y AI (inteligencia artificial). Se refiere a la introducción de agentes de IA en escenarios financieros on-chain, dotándolos de la capacidad de percibir el estado del mercado, formular estrategias de forma autónoma y ejecutar directamente acciones on-chain; así, sin depender de la intervención humana en tiempo real, se pueden completar, entre otras, actividades financieras tradicionales que normalmente requieren a profesionales, como la asignación de activos, la gestión de riesgos y la interacción con protocolos.

En pocas palabras, DeFAI no es una simple actualización “AI” de herramientas DeFi, sino un intento de construir, en la cadena, una capa de ejecución financiera que pueda operar de forma autónoma.

Este sector se ha calentado rápidamente desde el Q4 de 2024. Detrás hay tres hechos emblemáticos que vale la pena seguir, que corresponden a tres niveles en los que los agentes de IA entran en Web3: ruptura del relato (narrativa) a la corriente general, construcción de infraestructura tokenizada y aterrizaje real de capacidades de ejecución.

El primer hecho ocurre en julio de 2024. El robot de Twitter Truth Terminal, construido por el desarrollador Andy Ayrey, gana visibilidad rápidamente después de recibir una donación de 50k USD en BTC por parte de Marc Andreessen, cofundador de a16z, y desencadena una propagación viral del token GOAT. Este es el primer momento en que los agentes de IA como participantes de la economía on-chain entran verdaderamente en el campo de visión del público.

El segundo hecho ocurre en octubre del mismo año. Virtuals Protocol se vuelve extremadamente popular en la red Base. Tokeniza el propio agente de IA; su valor total en el ecosistema supera 3.500 millones de USD, convirtiéndose en un representante típico de la fase de construcción de infraestructura tokenizada en la senda DeFAI.

El tercer hecho es que proyectos como Giza, HeyAnon y Almanak aterrizan sucesivamente en una capa de ejecución on-chain, impulsando a la industria a pasar de un enfoque impulsado por la narrativa a una fase de productización: los agentes de IA empiezan a “hacer” de verdad operaciones on-chain, y ya no se limitan a quedarse en el plano de la interacción de información.

Desde el tamaño del mercado global, múltiples instituciones de investigación coinciden de manera muy alta en las previsiones de crecimiento para la senda de agentes de IA:

Figura 1: Comparación de previsiones del tamaño de mercado global para agentes de IA; fuentes de datos: MarketsandMarkets (2025), Grand View Research (2025), BCC Research (2026.01)

Sin embargo, todavía existe una brecha significativa entre el calor de capital y el aterrizaje industrial. En el informe 《The State of AI in 2025》 publicado por McKinsey en noviembre de 2025 (basado en 105 países y 1.993 encuestados), aunque el 88% de las organizaciones ya usa IA en al menos una función de negocio, cerca de dos tercios aún permanecen en fase de experimento o piloto. Concretamente en el campo de los agentes de IA: el 62% de las organizaciones empieza a experimentar, el 23% impulsa la escala en al menos una función; pero la proporción de despliegues con escalado alcanzado en cualquier función individual sigue siendo inferior al 10%.

Estos datos nos sugieren que: el calor narrativo en la senda DeFAI todavía va por delante del ritmo de aterrizaje real. Entender esta brecha es el requisito previo para evaluar objetivamente el valor de esta senda.

La base tecnológica de DeFAI: cómo los agentes de IA interactúan con el mundo on-chain

Para entender cómo opera DeFAI, primero hay que responder una pregunta clave: ¿mediante qué mecanismo interviene la IA en operaciones financieras on-chain?

La unidad central de ejecución de un sistema DeFAI es un agente de IA construido sobre modelos de lenguaje de gran escala. Según una revisión académica de Wang et al. (2023), su capacidad central puede resumirse en una arquitectura de tres capas, y cada capa tiene su función específica correspondiente en escenarios on-chain:

• La capa de planificación, responsable de la descomposición de objetivos y la optimización de rutas; corresponde a la generación de estrategias y la evaluación de riesgos en escenarios on-chain.
• La capa de memoria, que logra la acumulación de información entre períodos mediante almacenamiento externo como bases de datos vectoriales, y porta datos históricos del mercado y el estado de los protocolos.
• La capa de herramientas, que amplía la capacidad del modelo para permitirle llamar a sistemas externos como protocolos DeFi, oráculos de precios y puentes entre cadenas.

Pero aquí hay que dejar claro algo: el modelo de IA en sí no puede interactuar directamente con una blockchain. Casi todos los sistemas DeFAI actuales adoptan una arquitectura de separación entre inferencia off-chain y ejecución on-chain: el agente de IA completa el cálculo de la estrategia off-chain, y luego convierte el resultado en señales de transacción on-chain, mientras que el módulo de ejecución se encarga de enviarlas. Este diseño de arquitectura es, por un lado, una elección real bajo las condiciones técnicas actuales; por otro, también da lugar a una serie de cuestiones de seguridad como la autorización de clave privada y la gestión de permisos.

En esencia, un agente de IA es un sistema de toma de decisiones autónoma basado en modelos de lenguaje de gran escala que ejecuta en bucle cerrado mediante la descomposición de tareas, la gestión de memoria y el uso de herramientas; y, en la actualidad, la interacción de los agentes de IA con el lado de los activos on-chain ya tiene una forma inicial.

Figura 2: Arquitectura de tres capas del agente de IA

Evolución de DeFAI: de la interacción de información al bucle cerrado de ejecución

Una vez aclarada la base tecnológica de DeFAI, surge una pregunta natural: ¿cómo llegó este sistema paso a paso a lo que es hoy?

Según las investigaciones de The Block, la evolución de DeFAI no fue un proceso de un solo golpe, sino que atravesó dos etapas diferentes: desde agentes de tipo interactivo centrados en el procesamiento de información en la etapa temprana, hasta sistemas de tipo ejecutor capaces de intervenir realmente en operaciones on-chain.

Ambas difieren sustancialmente en la definición de objetivos, los medios técnicos y el nivel de riesgo.

Figura 3: Comparación de las dos rutas de evolución de DeFAI

El hilo conductor de la evolución en dos fases se puede entender así:

La primera fase es el agente interactivo, cuyo foco está en construir una estructura de agente que sea conversable y analizable. Los proyectos representativos incluyen ElizaOS (el marco de Eliza del antiguo ai16z), el G.A.M.E. de Virtuals, etc. En esta fase, la esencia sigue siendo una herramienta de información: el agente puede leer, puede hablar y puede analizar, pero sus límites de función se detienen en el nivel de la información y no toca ninguna operación de ejecución de activos.

La segunda fase es el agente DeFAI ejecutor, que entra realmente en el bucle cerrado de decisión-ejecución. Los proyectos representativos incluyen HeyAnon, Wayfinder, Giza (ARMA Agent) y Almanak, entre otros. Las características comunes de este tipo de sistemas son las siguientes: la IA corre off-chain, emite señales de estrategia estructuradas y completa las transacciones mediante el módulo de ejecución on-chain. No reemplaza los protocolos DeFi existentes; más bien, introduce una capa de mecanismo de decisión de IA por encima, haciendo que el camino operativo pase de “instrucción humana” a “ejecución autónoma del agente”.

La diferencia esencial entre las dos fases no radica en la complejidad tecnológica, sino en si realmente toca activos. Esto también determina que la segunda fase enfrente desafíos en mecanismos de confianza, diseño de permisos y arquitecturas de seguridad, mucho más complejos que la primera fase; y ese será el enfoque del siguiente capítulo.

Panorama de aterrizaje de DeFAI: cuatro escenarios de aplicación principales

De la arquitectura técnica a la ruta de evolución, lo “que puede hacer” DeFAI se ha vuelto gradualmente más claro. Entonces, a nivel de producto real, ¿qué problemas reales está resolviendo?

En general, las exploraciones de aplicación de DeFAI actuales se han consolidado en un patrón relativamente maduro alrededor de cuatro direcciones centrales, correspondiendo respectivamente a cuatro tipos de puntos críticos en operaciones on-chain: eficiencia de rendimiento, ejecución de estrategias, umbral de interacción y control de riesgos.

Optimización de rendimiento: reasignación automática entre protocolos

La optimización de rendimiento es actualmente el escenario de aplicación DeFAI con mayor madurez en el aterrizaje. Su lógica central es: escanear de forma continua las tasas anuales de rendimiento (APY) de depósitos en protocolos DeFi populares como Aave, Compound y Fluid, y combinarlo con parámetros de riesgo preestablecidos para decidir si es necesario reajustar la asignación; además, antes de cada operación se ejecuta un análisis de costos de transacción. Solo cuando la mejora del rendimiento puede cubrir todos los gas y costos de transacción, el sistema transfiere el capital de forma real, logrando una configuración óptima automatizada entre protocolos.

Por ejemplo, en Giza, el ARMA Agent se lanzó en febrero de 2025 en la red Base con una estrategia de rendimiento de stablecoins. Monitorea de forma continua cambios de tasas en protocolos como Aave, Morpho, Compound y Moonwell. Tras considerar en conjunto el APY de los protocolos, el costo de comisiones y la liquidez, el agente ajusta y asigna de forma inteligente los fondos de los usuarios para maximizar el rendimiento. Según datos públicos, ARMA ya cuenta con aproximadamente 60k tenedores independientes, más de 36k agentes desplegados y un volumen de activos administrados (AUA) que supera los 20 millones de USD.

En un entorno de mercado donde los rendimientos de los protocolos DeFi fluctúan continuamente, la eficiencia y la puntualidad del monitoreo manual y el reajuste manual de asignaciones están muy por detrás de los sistemas automatizados. Ese es precisamente el valor central de este escenario.

Figura 4: Ejemplo de imagen del ARMA Agent en el ecosistema de Giza

Automatización de estrategias cuantitativas: democratización de capacidades de nivel institucional

En el escenario de automatización de estrategias cuantitativas, las plataformas DeFAI buscan modularizar y automatizar los módulos de operación de punta a punta que tradicionalmente utilizan los equipos cuantitativos, de modo que los usuarios individuales también puedan acceder a capacidades de ejecución de estrategias a nivel institucional.

Por ejemplo, en Almanak, apoyado por Delphi Digital, su sistema AI Swarm descompone el flujo cuantitativo en cuatro etapas:

• El módulo de estrategia permite escribir lógica de inversión mediante Python SDK y completar backtesting.
• El motor de ejecución, tras recibir la autorización del usuario, ejecuta automáticamente el código de estrategia ya revisado y dispara llamadas a DeFi.
• La billetera segura, construida con Safe + Zodiac, establece un sistema multisig. Mediante control de permisos por roles, otorga el derecho de ejecución de la estrategia al agente de IA, asegurando que los fondos permanezcan siempre dentro del alcance controlable por el usuario.
• El tesoro de estrategias empaqueta las estrategias en un tesoro transaccionable estándar ERC-7540, permitiendo que los inversores participen en la distribución de los rendimientos de la estrategia de forma similar a las participaciones de fondos.

El significado de esta arquitectura radica en que los agentes de IA asumen las funciones de análisis de datos, iteración de estrategias y gestión de riesgos; los usuarios solo necesitan realizar una revisión final de los resultados que entrega el sistema, sin tener que formar un equipo cuantitativo profesional. Así se logra la supuesta “equidad de estrategias de nivel institucional” (según lo que afirma el proyecto).

Figura 5: Imagen destacada en la página de inicio de Almanak

Ejecución de instrucciones en lenguaje natural: hacer operaciones DeFi tan simple como enviar un mensaje

El núcleo de este escenario es la operación DeFi basada en intención (Intent-based DeFi): con ayuda de tecnologías de procesamiento de lenguaje natural, los usuarios envían instrucciones de transacción en lenguaje cotidiano; la IA las interpreta y las convierte en operaciones on-chain de múltiples pasos, reduciendo de manera significativa el umbral de operación para usuarios comunes.

HeyAnon construyó una plataforma de chat DeFAI. Los usuarios introducen instrucciones a través de un cuadro de diálogo y la IA puede ejecutar operaciones on-chain como intercambio de tokens, puentes entre cadenas, préstamos y staking. La plataforma integra puentes entre cadenas LayerZero y protocolos como Aave v3, y admite despliegue multi-cadena como Ethereum, Base y Solana.

Figura 6: Imagen en la página de inicio de HeyAnon

Wayfinder, por su parte, respaldado por Paradigm, ofrece un servicio más avanzado de transacciones en toda la cadena. Su agente de IA (llamado Shells) encuentra automáticamente las rutas óptimas de transacción entre diferentes cadenas y ejecuta operaciones como transferencias cross-chain, intercambios de tokens o interacciones con NFT; el usuario no necesita preocuparse por detalles técnicos como tarifas de gas subyacentes o compatibilidad cross-chain.

Figura 7: Imagen en la página de inicio de Wayfinder

En conjunto, las interfaces de lenguaje natural reducen de manera notable el umbral de operación de DeFi, pero también elevan los requisitos para la precisión del análisis de la intención a nivel subyacente: una vez que la IA entienda mal una instrucción, el resultado de la operación podría alejarse significativamente de las expectativas del usuario.

Gestión de riesgos y monitoreo de liquidaciones: mecanismos integrados en los protocolos on-chain

En escenarios DeFi de préstamos y apalancamiento, la aplicación más común de los agentes de IA es monitorear en tiempo real la salud de las posiciones on-chain y ejecutar automáticamente acciones de protección antes de que se acerque el umbral de liquidación. Esta aplicación se está integrando gradualmente en los principales protocolos DeFi, convirtiéndose en una función nativa de las plataformas DeFi.

• Aave mide la seguridad de la posición con el “factor de salud” (health factor). Cuando el health factor es inferior a 1.0, la posición del prestatario activa automáticamente la elegibilidad para liquidación.
• Compound utiliza el mecanismo de “factor de colateral de liquidación (Liquidation Collateral Factor)”. Cuando el saldo de préstamo de una cuenta excede el límite establecido por ese factor, se activa la liquidación; los parámetros específicos de cada activo colateral los establece por separado la gobernanza on-chain.

Mantener una eficiencia de respuesta consistente con monitoreo manual en mercados on-chain de alta volatilidad 24/7 es difícil. En este escenario, los agentes de IA permiten seguimiento continuo, evaluación inteligente e intervención automática, elevando la eficiencia de gestión de riesgos a un nivel que los sistemas manuales o los automatizados basados en reglas difícilmente pueden igualar.

Figura 8: Cuatro escenarios principales de aplicaciones de Agent×DeFi

En resumen, los cuatro escenarios anteriores no son independientes entre sí, sino que se complementan en torno a la misma línea principal: la optimización de rendimiento y la automatización de estrategias cuantitativas se orientan a usuarios avanzados con cierto tamaño de activos; su ventaja central está en la eficiencia de ejecución y la precisión de la estrategia. La interacción en lenguaje natural busca reducir el umbral de operación para usuarios comunes. La gestión de riesgos, por su parte, es la salvaguarda de seguridad a nivel base que atraviesa todos los escenarios. En conjunto, su cooperación constituye el marco básico de aterrizaje del ecosistema DeFAI actual y sienta las bases para aplicaciones de agentes on-chain más complejas en el futuro.

Límite de seguridad de DeFAI: gestión de claves privadas y control de permisos

Los cuatro escenarios de aplicación mencionados antes, ya sea optimización de rendimiento o automatización de estrategias cuantitativas, solo pueden lograrse bajo un único supuesto: el agente de IA debe tener algún tipo de permiso de firma, es decir, la capacidad de acceder a una clave privada. Este es el desafío técnico más crítico del ecosistema DeFAI y, también, el más fácil de quedar oculto por el calor narrativo. Si el mecanismo de firma presenta vulnerabilidades, todas las capacidades de estrategia en capas superiores pierden su sentido.

Actualmente, las soluciones predominantes de la industria para la seguridad de claves privadas se dividen en dos categorías: MPC (cómputo multipartito) y TEE (entornos de ejecución confiables). Ambas difieren en modelos de seguridad, nivel de automatización y complejidad de ingeniería, con énfasis en aspectos diferentes.

Figura 9: Tabla comparativa de dos soluciones principales para la seguridad de claves privadas

• El núcleo de MPC (Multi-Party Computation, cómputo multipartito) es eliminar el punto único de falla mediante la división de la clave. Por ejemplo, en el caso común de firmas umbral 2-of-3, incluso si una parte de la clave se filtra, un atacante no puede completar la firma de manera independiente; por tanto, la seguridad de los fondos no se ve afectada. Vultisig es un producto representativo de esta línea. Se trata de una billetera multi-cadena de autosoberanía (self-custody) de código abierto construida sobre la tecnología MPC/TSS, que utiliza una arquitectura sin un único frase semilla (sin un único mnemonic), combinando la seguridad de la clave con la custodia propia del usuario.
• TEE (Trusted Execution Environment, entorno de ejecución confiable) sigue otra ruta: encapsula la clave privada junto con el código del agente dentro de una región aislada protegida por hardware (enclave). El agente de IA realiza el cálculo de la estrategia y la firma dentro del enclave, y solo emite el resultado de la firma hacia la blockchain; el entorno externo no ve la clave privada. Chips líderes como Intel SGX, AMD SEV, ARM CCA brindan capacidades de aislamiento y cifrado a nivel de hardware. Chainlink ha incorporado TEE en su red de oráculos para manejar datos sensibles y, mediante mecanismos de autenticación remota, demostrar hacia afuera la integridad del entorno de ejecución.

Sin embargo, la seguridad de la clave es solo la primera línea de defensa. En un despliegue real, independientemente de qué solución de gestión de claves se adopte, se necesita además superponer un mecanismo de control de permisos para evitar que el agente opere fuera de sus atribuciones. La práctica de Almanak ofrece un marco de referencia relativamente completo: la plataforma utiliza TEE para proteger tanto la lógica de la estrategia como los parámetros privados, e inserta una capa de permisos Zodiac Roles Modifier entre el motor de despliegue y las cuentas inteligentes Safe que posee el usuario. Cada transacción iniciada por el agente de IA debe compararse una a una con listas blancas previamente establecidas de direcciones de contrato, funciones y parámetros; las transacciones que no cumplan el alcance de la autorización serán rechazadas automáticamente.

Esta implementación del principio de privilegio mínimo ya se ha convertido, por ahora, en una referencia importante para el diseño de seguridad de los sistemas DeFAI. Revela una lógica más profunda: los problemas de seguridad de DeFAI no son, en esencia, un asunto de una sola elección tecnológica, sino un problema de ingeniería sistémica que combina la gestión de claves, los límites de permisos y la auditoría de ejecución. Si falta cualquier eslabón, ese eslabón puede volverse el nodo más débil de toda la cadena. Ese es justamente el punto de partida para el análisis de riesgos del siguiente capítulo.

Brecha entre la realidad y la narrativa: análisis central de riesgos de DeFAI

El análisis anterior revela una conclusión central:

VCX no obtiene una prima por que la selección de activos sea sobresaliente o porque las expectativas de retorno sean más altas, sino porque lo que vende es el propio canal. Para ello, hay que responder una pregunta: ¿qué tipo de producto es, en realidad, VCX?

Desde la forma legal, es un fondo cerrado registrado ante la SEC. Su cartera es transparente, su estructura es conforme, y no hay una diferencia esencial con cualquier ETF ordinario de acciones tipo “stock”. Pero, desde la función real, lo que vende no es la “expectativa de retorno de inversión” en el sentido tradicional, sino una especie de credencial de acceso del lado de activos: antes, solo podían acceder a ella instituciones VC de primer nivel y “inversores acreditados”; y esa credencial se empaqueta como participaciones unitarias negociables en la NYSE.

Por lo tanto, el mercado está dispuesto a pagar una prima de 16 a 30 veces sobre el NAV. En esencia, es una valoración del precio de este derecho de acceso, no una evaluación del rendimiento futuro de los activos subyacentes.

Visto así, la comparación entre VCX y MicroStrategy (MSTR) resulta muy ilustrativa. En la superficie, ambos hacen algo parecido: empaquetan activos escasos a los que es difícil acceder directamente (Bitcoin / equity Pre-IPO de primer nivel) en valores negociables en un mercado secundario, y presentan una prima muy superior al valor de los activos subyacentes. Sin embargo, la lógica de operación de capital de ambos tiene diferencias fundamentales:

• MSTR, mediante la emisión continua de bonos convertibles y la captación de fondos con acciones preferentes, y luego usando esos fondos para comprar más Bitcoin, tiene una mecánica que le otorga capacidad de expansión dinámica de tamaño de balance y compras continuas. Esto le da a la prima en precio de sus acciones, en cierta medida, una base de mantenimiento endógeno.
• VCX está limitado por las restricciones estructurales de un fondo cerrado: una vez finalizada la emisión, el tamaño de activos queda básicamente bloqueado; no puede continuar comprando nuevos activos mediante refinanciación. La liquidez de su tenencia también depende en gran medida de la salida mediante IPO o fusiones/adquisiciones de la compañía subyacente. Cuando la emoción del minorista se enfría, o cuando el período de bloqueo de seis meses termina y aumentan las acciones en circulación, la presión de estrechamiento de la prima será mucho mayor que en MSTR.

Comparación VCX vs MSTR (modelo Strategy)

Dicho de otro modo, la prima de MSTR tiene un mecanismo de capital que opera de manera sostenida; mientras que la prima de VCX proviene principalmente de la escasez de “acciones” (chances/participaciones) + impulso emocional. La lógica de producto en sí no es buena ni mala, pero el riesgo que implica es más difícil de que el mercado lo asigne correctamente en comparación con un fondo cerrado ordinario:

Una vez que los minoristas compran a un precio muy superior al NAV, en realidad están pagando no el valor de los activos en sí, sino la prima de este derecho de acceso; y esa prima, cuando las compañías subyacentes completen un IPO y el mercado público forme directamente un canal de negociación, enfrentará una presión para caer rápidamente hacia cero.

Pronóstico de tendencias

Combinando el análisis anterior, se puede emitir un juicio por etapas sobre la ruta evolutiva de DeFAI. En general, esta senda se encuentra en un punto clave pasando de la validación conceptual a la productización; se prevé que su evolución atraviese tres etapas progresivas:

Figura 11: Predicción por etapas del desarrollo de DeFAI

Nota: La tabla anterior es un juicio integral basado en informes públicos del sector, avances de proyectos y madurez técnica; no es un calendario de tiempos determinista.

En el punto actual, DeFAI se encuentra en la fase de transición desde “período de apoyo a la toma de decisiones” hacia “fase semi-autónoma”: algunos proyectos ya empezaron a asumir capacidades limitadas de ejecución autónoma, pero la auditoría humana y los mecanismos de respaldo siguen siendo la forma principal de despliegue. En este contexto, con base en la madurez técnica actual y la situación del mercado, hay tres juicios que merecen especial atención.

En primer lugar, la esencia de la mayoría de los proyectos DeFAI actuales sigue siendo una herramienta de automatización, no un agente autónomo en el sentido genuino. Los productos etiquetados como “DeFAI” en esta etapa, en su capacidad principal, traducen instrucciones humanas a secuencias predefinidas de operaciones DeFi; en esencia, se parecen más a una interfaz de ejecución eficiente que a sistemas autónomos con capacidades independientes de razonamiento y toma de decisiones. Según el informe de McKinsey de 2025, incluso en escenarios empresariales generales, menos del 10% de las organizaciones logran un despliegue escalado de agentes de IA en cualquier función individual. En escenarios on-chain, el umbral de confianza y la complejidad operativa son más altos; todavía hay una distancia considerable desde las demostraciones técnicas hasta el bucle cerrado comercial real.

En segundo lugar, el rumbo más maduro y más fácil de conseguir la confianza institucional para los agentes de IA no es el trading autónomo de alto riesgo, sino la monitorización on-chain, alertas y la asistencia para la gobernanza. Escenarios como la monitorización de posiciones 7×24, alertas de liquidación y análisis de propuestas de gobernanza. Por un lado, tolera relativamente bien las alucinaciones de LLM—los errores no disparan de manera directa pérdidas de fondos; por otro lado, puede compensar de forma efectiva la falta innata de atención continua por parte de humanos. Estos escenarios son una ruta más realista para que DeFAI pase de “demostración técnica” a “adopción institucional”.

En tercer lugar, la fusión entre agentes de IA y RWA es la dirección de cruce que vale la pena seguir de cerca en esta senda. Según datos de RWA.xyz, a inicios de abril de 2026, el valor total de activos tokenizados RWA on-chain supera los 27.000 millones de USD (sin incluir stablecoins), abarcando múltiples categorías como bonos del Tesoro de EE. UU., crédito privado, materias primas y bonos corporativos. Si los agentes de IA pueden intervenir en la gestión de un portafolio de activos que incluya bonos del Tesoro RWA y stablecoins —por ejemplo, ajustando automáticamente la proporción de configuración según las condiciones del mercado— el volumen de activos a los que pueden acceder superaría con creces el alcance actual dominado por activos nativos de DeFi. Además, existe la posibilidad de abrir realmente el puente entre el lado de activos on-chain y off-chain, habilitando la coordinación Web3+AI+TraFi y ampliando de forma significativa la imaginación del mercado.

Conclusión

Los agentes de IA y la gestión de activos on-chain están en un período clave en el que pasan de la validación conceptual a la productización. La viabilidad técnica ya ha sido validada de forma inicial, pero los desafíos que enfrenta la industria—desde el riesgo de alucinaciones de LLM, la heterogeneidad de los datos on-chain, hasta la ausencia de infraestructura de confianza—no pueden resolverse solo con iteración tecnológica; se requiere un avance sistemático que combine el diseño de la arquitectura de los proyectos, la planificación de rutas de cumplimiento, la construcción de sistemas de seguridad y la validación de modelos de negocio.

Esto también significa que esta senda aún se encuentra en una etapa temprana de construcción, y el panorama competitivo real todavía no se ha definido. Para equipos capaces de dominar simultáneamente las dos dimensiones de Web3 y la IA, este es precisamente el período ventana para entrar: ya sea construyendo sistemas de agentes on-chain más confiables en la capa de ejecución, o conectando en la capa de infraestructura los elementos clave de datos, permisos y confianza, todavía hay un espacio considerable por rellenar.

Las barreras competitivas de DeFAI, en última instancia, no recaerán en la capacidad de un solo modelo o en la profundidad de integración con protocolos; recaerán en si se puede construir un bucle cerrado realmente coherente entre tecnología, cumplimiento y seguridad.