¿Por qué Story pasó a llamarse DATA Foundation? La pista de datos de entrenamiento de IA se convierte en una nueva dirección.

El 25 de junio de 2026, Story Protocol, que originalmente se centraba en la gestión de propiedad intelectual en cadena, anunció formalmente su cambio de nombre a DATA Foundation, redirigiendo su enfoque comercial hacia la infraestructura de datos de entrenamiento de IA. Junto con el cambio de marca, su token nativo IP se migró en una proporción de 1:1 al nuevo token DATA.

Según los datos de mercado de Gate, al 26 de junio de 2026, el precio de DATA era de 0,348 dólares. Tras el anuncio, el precio de DATA subió significativamente, alcanzando un máximo de 0,418 dólares en 24 horas, y la ganancia actual se ha reducido al 8,6%.

De un protocolo centrado en la tokenización de propiedad intelectual a apostar ahora por el sector de datos de entrenamiento de IA, el cambio de nombre de Story no es simplemente un cambio de marca. Detrás de esto se encuentra la convergencia del cuello de botella de datos en la industria de la IA y la capacidad de la tecnología blockchain, y también es un caso típico de proyectos cripto que buscan un nuevo posicionamiento en la iteración narrativa de la industria.

¿Por qué Story eligió pasar por completo de la propiedad intelectual a los datos de entrenamiento de IA?

Story Protocol se posicionó inicialmente como una infraestructura de propiedad intelectual en cadena, destinada a proporcionar registro, licencia y transferencia de activos de propiedad intelectual en cadena. El proyecto obtuvo un total de 140 millones de dólares en financiación liderada por a16z crypto, y su valoración una vez atrajo la atención del mercado.

Sin embargo, la narrativa pura de propiedad intelectual siempre enfrentó desafíos en su implementación. La propiedad intelectual en sí misma es un campo altamente complejo y con fuertes características legales, y existe una brecha natural entre el registro en cadena y la validez legal fuera de la cadena. Al mismo tiempo, el crecimiento explosivo de la industria de la IA ha traído una necesidad más específica y urgente: la fuente, la licencia y el cumplimiento de los datos de entrenamiento.

Andrea Muttoni, CEO de DATA Foundation, afirmó que los datos de entrenamiento de IA se han convertido en la forma más sólida de demanda de propiedad intelectual. Los laboratorios de IA ya han agotado el contenido público de Internet que se puede rastrear, y lo que queda son datos costosos y personalizados, o datos de origen desconocido y con riesgos legales.

Este juicio apunta directamente a la lógica central de la transformación de Story: en lugar de luchar en un amplio sector de propiedad intelectual difícil de implementar, es mejor centrarse en un escenario específico con una demanda de mercado clara y un problema concreto: la infraestructura de licencias verificables para datos de entrenamiento de IA.

¿Por qué los datos de entrenamiento de IA se han convertido en un nuevo campo de batalla para la tecnología blockchain?

El entrenamiento de modelos de IA depende de grandes cantidades de datos. En los últimos años, las principales empresas de IA como OpenAI, Google y Anthropic han obtenido principalmente datos de entrenamiento rastreando contenido público de Internet. Pero este camino se está estrechando.

Por un lado, el contenido público de Internet que se puede rastrear se está agotando. Por otro lado, las demandas por derechos de autor relacionadas con los datos de entrenamiento están aumentando rápidamente. Editores, artistas y creadores de contenido han demandado repetidamente a empresas de IA, acusándolas de usar material protegido por derechos de autor sin autorización para entrenar modelos.

En este contexto, la demanda de datos de entrenamiento «limpios» y licenciables ha aumentado drásticamente. Desde 2024, el costo de licenciar datos de entrenamiento de alta calidad se ha disparado, y algunos editores ya han firmado acuerdos de licencia multimillonarios a varios años con empresas de IA.

La tecnología blockchain ha encontrado un punto de entrada en este escenario: mediante registros en cadena inmutables, establece una cadena completa de origen, términos de licencia, consentimiento del contribuyente e información de pago para cada dato de entrenamiento. Esto es precisamente el problema que DATA Foundation intenta resolver.

¿Cómo construye la plataforma Trace la infraestructura de auditoría de datos en cadena?

Como producto central de esta transformación, DATA Foundation lanzó Trace, una plataforma de registro y auditoría de datos basada en blockchain.

El mecanismo central de Trace es generar un recibo criptográfico en cadena por cada contribución de datos, registrando el origen de los datos, el método de licencia, el consentimiento del contribuyente y la información de pago. Estos recibos son verificables públicamente, pero los datos originales en sí no se almacenan en la cadena: Trace publica registros de auditoría, no los datos en sí.

Muttoni lo expresó así: «Trace publica registros de auditoría, no datos. Lo que se hace público son los recibos: hash de contenido, términos de consentimiento, información de licencia, prueba de pago y marcas de tiempo. No hay nada que rastrear en Trace porque los activos no se almacenan allí».

Este diseño equilibra la transparencia y la protección de la privacidad: los desarrolladores de IA pueden verificar el origen y el estado de la licencia de los datos antes de usarlos, mientras que los datos en sí permanecen dentro del mercado de licencias y solo se pueden acceder mediante transacciones autorizadas. A través de Trace, DATA Foundation intenta convertirse en la «capa de confianza» de los datos de entrenamiento de IA: una red de datos licenciables, verificables y rastreables.

La lógica técnica de la migración de tokens 1:1 y la reacción del mercado

Como parte del cambio de marca, el token nativo IP de Story Protocol se migró en una proporción de 1:1 al nuevo token DATA. Según el anuncio oficial, los titulares de tokens IP no necesitan realizar ninguna acción activa, y se publicarán los detalles y el cronograma de la migración más adelante.

Desde un punto de vista técnico, la migración 1:1 es una forma relativamente suave de conversión de tokens. No implica un cambio en la oferta total de tokens, ni altera la participación relativa de los titulares. Es esencialmente un mapeo de activos: trasladar el estado de tenencia del token antiguo al nuevo. Este diseño reduce la fricción del mercado durante el proceso de migración y evita conflictos de intereses entre los titulares debido a cambios en el modelo económico del token.

El mercado reaccionó positivamente a esta noticia. Según los datos de mercado de Gate, DATA subió significativamente después del anuncio, alcanzando un máximo de 0,418 dólares en 24 horas. Sin embargo, al 26 de junio de 2026, el precio de DATA había caído a 0,348 dólares, con una ganancia actual reducida al 8,6%.

Cabe destacar que el precio máximo histórico de DATA (anteriormente IP) alcanzó los 14,78 dólares en septiembre de 2025. Al precio actual, DATA ha caído casi un 98% desde su máximo histórico. No obstante, el token también se ha recuperado aproximadamente un 25% desde su mínimo histórico de 0,275 dólares a principios de junio de 2026.

¿Cómo construye la integración con Kled el ecosistema del lado de la oferta de datos?

La transformación de DATA Foundation no depende solo de sus propios esfuerzos. El proyecto anunció una integración profunda con Kled, un mercado de datos de entrenamiento de IA, conectando más de 1.500 millones de registros de datos aportados por usuarios a la red DATA. Avi Patel, fundador de Kled, se unió a DATA Foundation como asesor de首席数据官 (Chief Data Officer).

La importancia de esta colaboración radica en la escala de datos del lado de la oferta. Kled es un mercado de datos humanos de suscripción voluntaria (opt-in), donde los usuarios contribuyen activamente sus datos y autorizan su uso para el entrenamiento de IA. Al integrar Kled, la red DATA posee una reserva de datos considerable desde el inicio: más de 1.500 millones de registros.

Además, DATA Foundation incubó Poseidon, un proyecto de procesamiento de datos de IA basado en blockchain, centrado en la construcción de conjuntos de datos de entrenamiento de IA y la recompensa a los contribuyentes. Poseidon recibió 15 millones de dólares de financiación de a16z, y se considera que su señal de mercado fue uno de los factores importantes que impulsaron a Story a girar hacia el sector de datos de IA.

El papel y las limitaciones de blockchain en los problemas de derechos de autor de los datos de IA

El problema de los derechos de autor de los datos de entrenamiento de IA se está convirtiendo en un cuello de botella central para toda la industria. Los desarrolladores de modelos grandes enfrentan un riesgo legal creciente, y la demanda de transparencia en las fuentes de datos también está aumentando.

La solución de DATA Foundation es, en esencia, establecer una capa de licencias verificables entre los proveedores de datos (creadores de contenido, contribuyentes de datos) y los demandantes (desarrolladores de modelos de IA). Mediante registros en cadena, el uso de cada dato se puede rastrear a través de su cadena de licencias: quién contribuyó, bajo qué términos se licenció, y si se recibió la compensación correspondiente.

Sin embargo, este modelo también enfrenta desafíos reales. En primer lugar, la validez legal de los registros en cadena aún debe integrarse con el sistema legal tradicional. Si un recibo de licencia en cadena puede ser reconocido como evidencia válida en un tribunal aún no está determinado. En segundo lugar, existe una brecha entre la «licencia» y el «uso» de los datos: incluso si los términos de la licencia están registrados en cadena, cómo asegurar que los modelos de IA cumplan con esos términos durante el entrenamiento real sigue siendo un problema no completamente resuelto.

Además, el modelo de DATA Foundation depende de que un número suficiente de proveedores de datos esté dispuesto a unirse a esta red de licencias. Si las principales plataformas de contenido y creadores optan por no integrarse con el sistema de licencias en cadena, el valor de la red se verá limitado.

El panorama competitivo del sector de datos de IA y el posicionamiento diferenciado de DATA

El sector de datos de entrenamiento de IA se está convirtiendo en un nuevo punto caliente en la industria blockchain. Se espera que el mercado de blockchain en IA alcance aproximadamente los 900 millones de dólares en 2026, mientras que el mercado de recopilación y anotación de datos apunta a un objetivo de 17.100 millones de dólares para 2030.

En este sector, el posicionamiento diferenciado de DATA Foundation es la «capa de datos licenciables verificables»: no es solo un mercado de datos, sino una infraestructura para verificar el origen, la licencia y el cumplimiento de los datos. La función central de la plataforma Trace es ayudar a los desarrolladores de IA a verificar el origen, la licencia y el historial de consentimiento de los datos antes de usarlos realmente.

Este modelo difiere de los mercados de datos puros. DATA Foundation no intenta almacenar ni alojar los datos en sí, sino que establece una «capa de metadatos» sobre los datos: registra el origen, los términos de licencia y la información de pago. Esta arquitectura ligera reduce los costos de almacenamiento y evita la competencia directa con plataformas de datos centralizadas en el nivel de almacenamiento de datos.

Sin embargo, la competencia en este sector se está intensificando. Múltiples proyectos blockchain están explorando direcciones relacionadas con datos de IA, incluyendo anotación de datos, mercados de datos e infraestructura de entrenamiento de modelos. Si DATA Foundation puede construir suficientes efectos de red en la competencia dependerá de su capacidad de expansión tanto del lado de la oferta de datos (contribuyentes y propietarios de contenido) como del lado de la demanda (desarrolladores de IA).

Resumen

El cambio de nombre de Story Protocol a DATA Foundation marca un importante giro estratégico de un proyecto cripto impulsado por la narrativa de la IA. Desde el amplio sector de propiedad intelectual (IP) hasta enfocarse en el subcampo específico, de alto crecimiento y con problemas claros de los datos de entrenamiento de IA, el proyecto intenta construir una red de licencias de datos en cadena verificable y rastreable a través de la plataforma Trace y la integración con Kled.

El mecanismo de migración de tokens 1:1 redujo la fricción del mercado, y el aumento de precio posterior al anuncio refleja el reconocimiento a corto plazo del mercado hacia esta transformación. Pero a largo plazo, el valor de DATA Foundation depende de dos factores centrales: primero, si puede atraer a una escala suficiente de propietarios de contenido y contribuyentes al lado de la oferta de datos para unirse a la red; segundo, si sus registros de licencias en cadena pueden ser adoptados e implementados efectivamente en los procesos reales de entrenamiento de modelos de IA.

Los problemas de derechos de autor y cumplimiento de los datos de entrenamiento de IA se están convirtiendo en un cuello de botella clave que limita el desarrollo de toda la industria de la IA. La tecnología blockchain tiene una propuesta de valor única en este campo. Pero la coincidencia entre tecnología y mercado, la integración con el sistema legal y la construcción de efectos de red aún requerirán tiempo para ser probados.

Preguntas frecuentes (FAQ)

P1: ¿Por qué Story Protocol cambió su nombre a DATA Foundation?

Story Protocol se centraba originalmente en la gestión de propiedad intelectual en cadena, pero el estallido de la industria de la IA hizo que los problemas de licencias y cumplimiento de los datos de entrenamiento se convirtieran en un sector más específico y con una demanda más urgente. Los laboratorios de IA básicamente han agotado el contenido público de Internet que se puede rastrear, y la demanda de datos de entrenamiento licenciables y rastreables ha aumentado drásticamente. Por lo tanto, el proyecto decidió redirigir su enfoque desde el amplio campo de la propiedad intelectual hacia la infraestructura de datos de entrenamiento de IA.

P2: ¿Cómo migrar los tokens IP a tokens DATA?

Los tokens IP se migrarán automáticamente a los nuevos tokens DATA en una proporción de 1:1, y los titulares no necesitan realizar ninguna acción activa. El equipo del proyecto publicará más adelante los detalles y las instrucciones de la migración.

P3: ¿Cuál es la función principal de la plataforma Trace?

Trace es una plataforma de registro y auditoría de datos en cadena que genera recibos en cadena inmutables por cada contribución de datos, registrando el origen de los datos, el método de licencia, el consentimiento del contribuyente y la información de pago. Los desarrolladores de IA pueden verificar el estado de la licencia de los datos antes de usarlos, mientras que los datos originales en sí no se almacenan en la cadena.

P4: ¿Cuál es el rendimiento actual de DATA en el mercado?

Según los datos de mercado de Gate, al 26 de junio de 2026, el precio de DATA era de 0,348 dólares. Después del anuncio, el precio subió significativamente, alcanzando un máximo de 0,418 dólares en 24 horas, y la ganancia actual se ha reducido al 8,6%.

P5: ¿Cuál es la principal competitividad de DATA Foundation en el sector de datos de IA?

El posicionamiento diferenciado de DATA Foundation es la «capa de datos licenciables verificables»: a través de la plataforma Trace, establece una infraestructura para verificar el origen, la licencia y el cumplimiento de los datos. El proyecto se ha integrado con Kled, incorporando más de 1.500 millones de registros de datos aportados por usuarios, y ha incubado el proyecto de procesamiento de datos de IA Poseidon.

P6: ¿Qué desafíos enfrenta blockchain en la resolución de problemas de derechos de autor de datos de IA?

Los principales desafíos incluyen: la validez legal de los registros de licencias en cadena aún debe integrarse con el sistema legal tradicional; cómo asegurar que los modelos de IA cumplan con los términos de licencia registrados en cadena durante el entrenamiento real sigue siendo una brecha en la implementación; y se necesita una escala suficiente de proveedores de datos para unirse a la red para formar efectos de red efectivos.