Autor:a16z crypto
Compilación: Deep Tide TechFlow
Este año, la IA asumirá más tareas de investigación sustantivas
Como economista matemático, en enero de 2025 me resultaba difícil hacer que los modelos de IA de consumo entendieran mi flujo de trabajo; sin embargo, para noviembre de 2025, ya podía dar instrucciones abstractas a los modelos de IA como si se las diera a un estudiante de doctorado... y a veces devolvían respuestas novedosas y correctas. Además de mi experiencia personal, la IA se está aplicando más ampliamente en el ámbito de la investigación, especialmente en el razonamiento. Estos modelos no solo ayudan directamente en el proceso de descubrimiento, sino que también resuelven de forma autónoma problemas como los del Putnam (quizás el examen de matemáticas universitario más difícil del mundo).
Todavía no está claro en qué áreas esta asistencia de investigación será de mayor ayuda, ni cómo se implementará exactamente. Pero anticipo que este año la investigación en IA impulsará y recompensará un nuevo estilo de investigación "generalista": uno que se centre más en conceptualizar las relaciones entre diversas ideas y que sea capaz de inferir rápidamente a partir de respuestas más hipotéticas.
Estas respuestas pueden no ser del todo precisas, pero aún así pueden guiar la investigación en la dirección correcta (al menos dentro de cierta estructura topológica). Irónicamente, es algo así como aprovechar el poder de las "alucinaciones" del modelo: cuando el modelo es "lo suficientemente inteligente", darle espacio abstracto para explorar ideas puede seguir generando algunos resultados sin sentido, pero a veces también conducirá a descubrimientos revolucionarios, al igual que los humanos pueden ser más creativos cuando no trabajan de forma lineal o con una orientación clara.
Razonar de esta manera requiere un nuevo estilo de flujo de trabajo de IA, no solo una simple interacción de "agente a agente", sino un modo de colaboración complejo de "agentes anidados". En este modo, diferentes niveles de modelos ayudan al investigador a evaluar las propuestas de los modelos iniciales y gradualmente refinan lo esencial. Yo mismo ya uso este método para redactar artículos, mientras que otros lo utilizan para realizar búsquedas de patentes, inventar nuevas formas de arte e incluso (lamentablemente) descubrir nuevos métodos de ataques a contratos inteligentes.
Sin embargo, operar estas combinaciones de agentes de razonamiento anidados para la investigación aún requiere una mejor interoperabilidad entre modelos y un método para identificar y compensar adecuadamente la contribución de cada modelo, problemas que la tecnología blockchain podría ayudar a resolver.
—Scott Kominers(@skominers), miembro del equipo de investigación de cripto de a16z, profesor de Harvard Business School
De "Conozca a su Cliente" (KYC) a "Conozca a su Agente" (KYA): el cambio en la verificación de identidad
El cuello de botella de la economía de agentes está pasando de la inteligencia a la autenticación de identidad. En el sector de los servicios financieros, el número de "identidades no humanas" ahora supera en 96 veces al de empleados humanos, sin embargo, estas "identidades" siguen siendo "fantasmas" sin acceso a servicios bancarios.
La infraestructura clave que falta aquí es "Conozca a su Agente" (KYA, Know Your Agent). Así como los humanos necesitan un historial crediticio para obtener préstamos, los agentes necesitan credenciales firmadas criptográficamente para realizar transacciones, credenciales que vinculen al agente con su principal, sus restricciones y su responsabilidad. Hasta que esta infraestructura esté establecida, los comerciantes seguirán bloqueando a estos agentes en sus firewalls.
La industria que construyó la infraestructura KYC (Conozca a su Cliente) en las últimas décadas ahora tiene solo unos meses para averiguar cómo hacer KYA realidad.
—Sean Neville(@psneville), cofundador de Circle, arquitecto de USDC; CEO de Catena Labs
Resolver el "impuesto invisible" de las redes abiertas: el desafío económico de la era de la IA
El auge de los agentes de IA está imponiendo un "impuesto invisible" a las redes abiertas, alterando fundamentalmente su base económica. Esta alteración surge de la creciente disparidad entre la "capa de contexto" (Context layer) y la "capa de ejecución" (Execution layer) de Internet: actualmente, los agentes de IA extraen datos de sitios web que dependen de publicidad (capa de contexto) para brindar conveniencia a los usuarios, mientras evitan sistemáticamente las fuentes de ingresos que sustentan el contenido (como publicidad y suscripciones).
Para prevenir la decadencia gradual de la red abierta (y proteger el diverso contenido que alimenta a la IA), necesitamos desplegar a gran escala soluciones técnicas y económicas. Estas soluciones podrían incluir modelos de contenido patrocinado de próxima generación, sistemas de microatribución u otros nuevos modelos de financiación. Sin embargo, los protocolos de licencias de IA existentes han demostrado ser financieramente insostenibles, a menudo solo compensando una pequeña fracción de los ingresos perdidos por los proveedores de contenido debido a la desviación del tráfico por parte de la IA.
La red necesita urgentemente un nuevo modelo tecnoeconómico que permita que el valor fluya automáticamente. El cambio clave en el próximo año será pasar de modelos de licencias estáticos a mecanismos de compensación basados en el uso en tiempo real. Esto significa probar y escalar sistemas, posiblemente utilizando nanopagos (nanopayments) respaldados por blockchain y estándares complejos de atribución, para recompensar automáticamente a cada entidad que contribuya con información para que un agente de IA complete con éxito una tarea.
—Liz Harkavy(@liz_harkavy), equipo de inversión en cripto de a16z
