¿Por qué es difícil que los bots de trading impulsados por IA obtengan aprobación? Las ventajas institucionales y los riesgos de responsabilidad revelan la verdad del trading de criptomonedas

Gate News Noticias, 17 de marzo, aunque en el mercado siguen surgiendo casos de “robots de trading con IA que obtienen millones de dólares en ganancias”, las principales empresas tecnológicas y laboratorios de vanguardia aún no han ingresado oficialmente en este campo. La divergencia sobre el valor real de la inteligencia artificial en el trading de criptomonedas se está ampliando.

Algunos traders utilizan el modelo Claude de Anthropic para crear herramientas de trading automatizado, logrando beneficios a corto plazo en predicciones de mercado y transacciones en cadena. Sin embargo, Haseeb Qureshi, socio gerente de Dragonfly Capital, señala que estos modelos se basan en premisas poco sólidas, como que los minoristas puedan vencer a largo plazo a las instituciones y que los modelos generales tengan capacidad de arbitraje continua.

Primero, el riesgo de responsabilidad se convierte en el principal obstáculo para que las empresas tecnológicas ingresen en el sector. Si un modelo de IA comete errores graves en operaciones reales, como ejecutar mal una operación con apalancamiento o transferir activos incorrectamente, las pérdidas legales y de reputación potenciales superarán con creces las ganancias. En comparación, actualmente la IA en blockchain se usa más para pruebas de seguridad, como detectar vulnerabilidades en contratos inteligentes, en lugar de participar directamente en la gestión de activos.

En segundo lugar, la estructura del mercado determina que las estrategias sean difíciles de mantener efectivas a largo plazo. La lógica de trading basada en modelos generales es esencialmente pública, lo que significa que cualquier estrategia rentable puede ser rápidamente copiada y amplificada por las instituciones. Grandes fondos cuantitativos como Jane Street cuentan con infraestructura de baja latencia y mayor capital, lo que les permite reducir rápidamente las oportunidades de arbitraje, dificultando que los minoristas mantengan ventajas.

Además, la idea de que la “IA genere dinero de forma autónoma” enfrenta desafíos prácticos. Debido a la alta homogeneidad en las capacidades de los modelos, las instancias de IA a gran escala no pueden crear ventajas competitivas diferenciadas, ya sea en servicios o en generación de estrategias comerciales, enfrentándose a un problema de producción homogénea. Esto contrasta con la “ventaja de información única” propuesta por Peter Thiel, considerada una fuente clave del éxito empresarial.

Aunque algunos robots de trading en cadena aún pueden obtener beneficios en fases, con la entrada de más fondos y tecnología, esta ventaja puede diluirse rápidamente. Se analiza que en entornos de competencia de alta frecuencia y baja latencia, quien controle la infraestructura y tenga mayor capital tendrá una posición dominante, y la dificultad para los traders comunes de lograr ganancias continuas con modelos de IA generalizados está en aumento.