Fenómeno: Las narrativas sobre agentes se intensifican, pero la eficiencia de implementación no avanza al mismo ritmo
En el mercado actual ha surgido una clara "brecha en tijera":
- Por el lado narrativo, se espera que los agentes "descubran oportunidades, asignen fondos y ejecuten estrategias de forma automática".
- Por el lado de la ejecución, la mayoría de los productos siguen en la etapa de "flujos de trabajo semiautomatizados con respaldo manual".
Esto muestra que la industria permanece en una "fase de demostración de capacidades" y aún no ha entrado en la "fase de construcción de infraestructura".
Aunque muchos productos parecen automatizados, su núcleo de toma de decisiones sigue dependiendo fuertemente del juicio previo manual, como el filtrado por lista blanca, el mantenimiento de parámetros estratégicos y la intervención manual ante eventos anómalos.
Idea errónea: El problema central no es la debilidad del modelo, sino la falta de coordinación sistémica
Una explicación habitual para los desafíos de implementación es que "el modelo no es lo suficientemente inteligente". Pero esto solo aborda una parte del problema. La limitación principal es que, por potente que sea el modelo, necesita un sistema operativo utilizable.
Para que los agentes on-chain completen una tarea de principio a fin, deben superar al menos cuatro obstáculos:
- Identificar objetivos de interacción;
- Confirmar que los objetivos sean auténticos y confiables;
- Comprender el significado económico de esos objetivos;
- Ejecutar bajo restricciones de riesgo y verificar los resultados.
El punto crítico es que la infraestructura on-chain actualmente solo ofrece soporte limitado a los tres primeros pasos. Es decir, el problema no es "¿puede poner órdenes?", sino "¿existe un sistema confiable de cognición y restricciones upstream?".
Cuatro fricciones clave: Descubrimiento, crédito, datos, ejecución
Fricción de descubrimiento: El mundo abierto es vasto, pero las oportunidades relevantes son escasas
Las redes sin permisos permiten que cualquiera despliegue contratos. Para un agente, distinguir entre protocolos legítimos, contratos de red de prueba, forks maliciosos y proyectos vacíos es casi imposible en términos de descubrimiento. "Ver un contrato" no equivale a "ver una oportunidad", y mucho menos a "ver una oportunidad ejecutable".
Los sistemas cuantitativos tradicionales operan en conjuntos cerrados porque las fronteras estratégicas están predefinidas.
Para que los agentes descubran oportunidades de forma dinámica en tiempo real, deben asumir el coste adicional del "juicio de relevancia", que constituye la esencia de la fricción de descubrimiento.
Fricción de crédito: Las direcciones on-chain son verificables, la identidad económica no
Las Blockchain pueden verificar firmas y cambios de estado, pero no pueden confirmar si es un "despliegue oficial" o si un "token es un activo estándar de mercado". En la práctica, el juicio de crédito depende de frontends, documentación, reputación social y consenso del ecosistema. Para las personas, esto se basa en la experiencia; para los agentes, es un campo ausente.
Por ello, los agentes afrontan dos escenarios de alto riesgo en la capa de crédito:
- Interactuar con direcciones incorrectas, tokens falsos o afiliados anómalos;
- Continuar operando bajo supuestos obsoletos tras cambios en la gobernanza o permisos.
Estos errores no son simples discrepancias en sistemas de capital, sino fuentes directas de pérdida de fondos.
Fricción de datos: Tener datos no es igual a tener datos accionables
Los datos on-chain abundan, pero la semántica económica no está estandarizada. Incluso en los mercados de préstamo, cada protocolo puede usar diferentes estructuras de interfaz, campos de estado, unidades y frecuencias de actualización.
Para comparar entre protocolos, los agentes deben realizar antes una reconstrucción semántica exhaustiva:
- Qué campo representa la liquidez realmente disponible;
- Qué parámetro afecta el health factor;
- Qué tasa de interés refleja la rentabilidad realizable, no solo la nominal.
Sin una capa semántica estandarizada, los agentes invierten mucho cómputo y tiempo en el "ensamblaje de datos", lo que reduce la oportunidad y precisión en la toma de decisiones.
Fricción de ejecución: Una operación exitosa no equivale a completar la tarea
Un error común en la ejecución on-chain es equiparar "operar on-chain" con "alcanzar el objetivo". En realidad, las tareas de los agentes suelen ser procesos de varios pasos:
Aprobación -> Enrutamiento -> Intercambio -> Depósito -> Rebalanceo -> Control de riesgos.
Cualquier deslizamiento, retraso, cambio de liquidez o deriva de estado puede hacer que el resultado final se aleje del objetivo previsto.
Por eso, la capa de ejecución necesita "restricciones estratégicas y verificación tras la ejecución", no solo "emitir una transacción".
Por qué la fricción será aún más marcada en 2026
Lo que distingue a 2026 es que los agentes pasan rápidamente de ser "herramientas de información" a "ejecutores de capital".
Cuando los permisos pasan de "lectura" a "escritura", el riesgo pasa de "responder mal una pregunta" a "asignar fondos incorrectamente".
Además, tres tendencias del sector agravan el problema:
- Los entornos multicadena y cross-chain son cada vez más complejos, con interfaces cada vez más heterogéneas;
- La innovación en protocolos se acelera, pero la estandarización avanza lentamente;
- Las expectativas del mercado respecto a la comercialización de agentes aumentan, mientras que la tolerancia al error disminuye.
El resultado: cuanto más intensa la narrativa, más evidentes las carencias de infraestructura.
Qué escenarios llegarán primero y cuáles seguirán siendo de alto riesgo
Escenarios con mayor probabilidad de implementarse primero
- Rebalanceo de fondos en protocolos en lista blanca;
- Gestión de tesorería en una sola cadena, con pocos protocolos y operaciones de baja frecuencia;
- Tareas automatizadas de pago y liquidación con objetivos y límites claros.
Estos escenarios tienen límites ambientales definidos, espacios de excepción manejables y responsabilidades bien delimitadas.
Escenarios que siguen siendo de alto riesgo
- Arbitraje cross-chain de alta frecuencia y descubrimiento dinámico de protocolos desconocidos;
- Asignación autónoma en todo el mercado sin restricciones de lista blanca;
- Cambio estratégico totalmente automatizado en entornos de alto apalancamiento y baja liquidez.
Estos escenarios no están descartados para siempre, pero hoy por hoy no existen los "requisitos fundamentales de infraestructura".
Un camino más realista hacia la implementación: Restringir primero, expandir después
La adopción de agentes on-chain más viable no es la autonomía total inmediata, sino una implementación por fases.
Fase 1: Capa de objetos confiables
Primero, abordar "con quién interactuar":
- Registros estandarizados de direcciones;
- Pruebas de autenticidad de tokens y protocolos;
- Monitoreo en tiempo real de contratos actualizables y cambios de permisos.
Fase 2: Capa de datos semánticos
Después, abordar "qué entender":
- Modelos económicos unificados entre protocolos;
- Parámetros de riesgo estandarizados;
- Indexación de datos y tomas instantáneas trazables y de baja latencia.
Fase 3: Capa de ejecución restringida
Luego, abordar "cómo actuar":
- Motores de expresión de intención y restricción estratégica;
- Orquestación de ejecución en varios pasos y retrocesos ante fallos;
- Simulación previa a la operación y verificación posterior.
Fase 4: Capa de responsabilidad y gobernanza
Por último, abordar "qué hacer cuando algo sale mal":
- Gradación de permisos y mecanismos de interruptor de emergencia;
- Auditoría de operaciones y atribución de responsabilidades;
- Procedimientos colaborativos de toma de control humano-máquina.
Solo construyendo estas cuatro capas de forma progresiva los agentes podrán pasar de la "demostración" a la "delegación confiable".
Conclusión: El éxito de los agentes on-chain depende de una infraestructura de ejecución confiable
Los agentes de IA no son difíciles de implementar on-chain porque las Blockchain no puedan ejecutar o los modelos no puedan razonar, sino porque falta una capa de integración industrial que conecte ambos mundos.
En este punto, los criterios clave no son "cuánto pueden hacer los agentes", sino:
- Si pueden evitar perder el control ante situaciones anómalas;
- Si mantienen una interpretación coherente en entornos multiprotocolo;
- Si los resultados de ejecución pueden vincularse a objetivos verificables;
- Si la responsabilidad del riesgo puede asignarse a un mecanismo gobernable.
Por eso, la próxima competencia se centrará en "quién completa primero la pila de ejecución confiable", no en "quién cuenta la mejor historia sobre agentes".
En este camino, las plataformas que habiliten primero escenarios restringidos y establezcan bucles cerrados estables estarán mejor posicionadas para convertirse en capas de infraestructura de largo plazo. Los productos que dependan de narrativas de alta autonomía pero carezcan de control de riesgos y semántica robustos seguirán enfrentando un doble cuello de botella en implementación y confianza.
