Un ingeniero de Google es arrestado por utilizar los datos de búsqueda internos de la empresa para ganar 1,2 millones de dólares en Polymarket

bitcoinistPublicado a 2026-05-28Actualizado a 2026-05-28

Resumen

Un ingeniero de seguridad de la información de Google ha sido arrestado y acusado de fraude de productos básicos, fraude electrónico y lavado de dinero. Se alega que utilizó datos internos confidenciales de la empresa para realizar apuestas en la plataforma de mercados de predicción basada en criptomonedas Polymarket, ganando aproximadamente 1,2 millones de dólares al conocer los resultados de sus apuestas antes que el público. El ingeniero, Michele Spagnuolo, de 36 años, tenía acceso a una herramienta interna de Google que mostraba en tiempo real lo que los usuarios buscaban, incluyendo datos para las clasificaciones anuales "Year in Search". Desde mayo de 2024, utilizó esta información para apostar en mercados de Polymarket sobre quiénes aparecerían en las listas de más buscados de Google en 2025, logrando una alta tasa de éxito. Este es el segundo caso criminal federal por uso de información privilegiada en Polymarket en poco más de un mes, tras el arresto de un sargento del ejército estadounidense en abril de 2026. Los casos subrayan la creciente atención legal sobre los mercados de predicción y cómo la transparencia de la cadena de bloques sirve como rastro forense para los fiscales.

Un ingeniero de seguridad de la información de Google ha sido arrestado y acusado de fraude de productos básicos, fraude electrónico y blanqueo de capitales después de supuestamente utilizar datos internos confidenciales de la empresa para realizar una serie de apuestas en Polymarket, la plataforma de mercados de predicción basada en criptomonedas, ganando aproximadamente 1,2 millones de dólares al conocer los resultados de sus apuestas antes que el público operador.

La Fiscalía de los Estados Unidos para el Distrito Sur de Nueva York desclasificó la denuncia contra Michele Spagnuolo, de 36 años, también conocido por su alias en Polymarket "AlphaRaccoon", el 27 de mayo de 2026. Spagnuolo, ciudadano italiano residente en Suiza, fue arrestado en Nueva York y compareció ante la jueza federal estadounidense Sarah Netburn, donde fue liberado bajo una fianza de 2,25 millones de dólares garantizada con 1 millón en efectivo, según el comunicado oficial del Departamento de Justicia. No declaró culpabilidad.

El precio de ETH muestra una tendencia a la baja en el gráfico diario. Fuente: ETHUSD en Tradingview

Cómo funcionaba el plan

Según la denuncia desclasificada, Spagnuolo tenía acceso a una herramienta de software interna de Google, que mostraba un banner con el texto "Google Confidential" en rojo, que proporcionaba visibilidad en tiempo real de lo que los usuarios buscaban en la plataforma de Google, incluidos datos que alimentaban directamente las clasificaciones anuales de Google "Year in Search", según la presentación del DOJ.

A partir de mayo de 2024, Spagnuolo creó una cuenta en Polymarket y comenzó a realizar apuestas en contratos vinculados a qué individuos aparecerían en la lista de los más buscados de Google para 2025, mercados que Polymarket lanzó el otoño pasado, según la denuncia.

Los fiscales alegan que Spagnuolo transfirió aproximadamente 3,8 millones de dólares en USDC a su dirección de Polymarket y realizó apuestas, incluyendo una apuesta de 381,12 dólares a "sí" de que el artista d4vd aparecería en la lista de los más buscados de Google y predijo correctamente contratos como "¿Estará Zohran Mamdani entre los 5 más buscados?" y "¿Será Squid Game el programa de TV más buscado?", según el informe de CNBC sobre la denuncia. Su tasa de éxito en estos mercados no fue, según la denuncia, una casualidad. Él conocía las respuestas antes de que los mercados se liquidaran.

La CFTC presentó un caso civil simultáneo contra Spagnuolo solicitando el desembolso monetario, la restitución y sanciones adicionales, según la denuncia. Google confirmó que había puesto a Spagnuolo en excedencia y que estaba cooperando con las fuerzas del orden, señalando que la herramienta que utilizó estaba técnicamente disponible para todos los empleados, pero que usar información confidencial para realizar apuestas representaba una grave violación de la política de la empresa, según un comunicado recogido por ABC News.

El segundo caso en treinta días

El arresto de Spagnuolo es el segundo caso penal federal relacionado con el uso de información privilegiada en Polymarket en poco más de un mes. En abril de 2026, el sargento mayor de las Fuerzas Especiales del Ejército de EE. UU., Gannon Ken Van Dyke, fue arrestado por supuestamente utilizar conocimientos militares clasificados sobre la captura planificada del presidente venezolano Nicolás Maduro para realizar apuestas en Polymarket, obteniendo supuestamente más de 400.000 dólares. Van Dyke se declaró inocente, según el informe de CNN.

La directora legal de Polymarket, Olivia Chalos, dijo en un comunicado que la empresa trabajó en estrecha colaboración con la Fiscalía de los Estados Unidos y la CFTC en el caso de Spagnuolo, señalando que Polymarket es hasta la fecha la única plataforma de predicción cuya cooperación ha dado lugar a cargos por uso de información privilegiada en los Estados Unidos, y que la naturaleza basada en blockchain de la plataforma significa que los malos actores dejan huellas.

Este acontecimiento marca un momento crítico y acelerado para el incipiente sector de los mercados de predicción. Dos arrestos federales por uso de información privilegiada en treinta días, uno que involucra información militar clasificada y otro datos de búsqueda corporativa, que llegan simultáneamente con una investigación activa del Congreso sobre Polymarket y Kalshi, confirman que el perímetro legal en torno a los mercados de predicción se está cerrando rápidamente. La transparencia del trading en blockchain, antes vista principalmente como una característica para los usuarios, ahora funciona como un rastro forense para los fiscales federales.

Imagen de portada de Grok, gráfico de ETHUSD de Tradingview

Preguntas relacionadas

Q¿Qué delitos se le imputan al ingeniero de Google Michele Spagnuolo según la denuncia?

ASe le imputan delitos de fraude de productos básicos (commodities fraud), fraude electrónico (wire fraud) y lavado de dinero (money laundering).

Q¿Cómo obtuvo Spagnuolo la información interna de Google que usó para hacer sus apuestas en Polymarket?

ATuvo acceso a una herramienta interna de software de Google, marcada con un banner de 'Google Confidential', que proporcionaba visibilidad en tiempo real de lo que los usuarios buscaban en la plataforma, incluidos datos que alimentaban las clasificaciones anuales 'Year in Search'.

Q¿Cuál fue el otro caso de presunto uso de información privilegiada en Polymarket mencionado en el artículo, ocurrido poco antes?

AEn abril de 2026, el Sargento Mayor de las Fuerzas Especiales del Ejército de EE.UU., Gannon Ken Van Dyke, fue arrestado por presuntamente usar conocimientos militares clasificados sobre la captura planeada del presidente venezolano Nicolás Maduro para hacer apuestas en Polymarket, obteniendo más de 400.000 dólares.

Q¿Qué acción tomó Google tras el arresto de Spagnuolo y cómo describió la compañía el uso de la herramienta interna?

AGoogle confirmó que había puesto a Spagnuolo en excedencia y que estaba cooperando con las autoridades. Señaló que la herramienta que usó estaba técnicamente disponible para todos los empleados, pero que usar información confidencial para hacer apuestas representaba una grave violación de la política de la empresa.

QSegún la directora legal de Polymarket, Olivia Chalos, ¿qué característica de la plataforma facilita la identificación de malos actores?

AChalos señaló que la naturaleza basada en blockchain de la plataforma significa que los malos actores dejan huellas, lo que facilita su identificación. Además, destacó que Polymarket es la única plataforma de predicción hasta la fecha cuya cooperación ha llevado a cargos por uso de información privilegiada en Estados Unidos.

Lecturas Relacionadas

Near vuelve al escenario de la IA: la transformación en cadena pública por problemas para pagar salarios, y los agentes y la privacidad como nueva narrativa de crecimiento

**Resumen: Near regresa a la IA: De una cadena de bloques por problemas de pago a Agentes y privacidad como nueva narrativa** Near, fundada por Illia Polosukhin, coautor del influyente artículo "Transformer" de IA, nació de manera inesperada en 2017. La razón original fue pragmática: una startup de IA que Polosukhin cofundó tuvo que pausar su trabajo en "síntesis de programas" (enseñar a máquinas a escribir código) debido a la dificultad de pagar a desarrolladores remotos en todo el mundo. Ante sistemas de pago transfronterizos ineficientes, él y su cofundador decidieron construir su propia cadena de bloques escalable y de bajo costo: Near. Aunque Near ganó tracción como cadena de alto rendimiento, su momento crucial llegó con el auge actual de la IA. La participación de Polosukhin en eventos como el GTC de Nvidia volvió a poner el foco en su legado en IA. Near ha reposicionado su tecnología hacia dos áreas clave: 1. **Near Intents (Intenciones):** Este sistema abstrae la complejidad de las transacciones entre cadenas. Los usuarios (o futuros Agentes de IA) solo declaran su objetivo (ej. "intercambiar BTC por ETH"), y una red de "solvers" (solucionadores) encuentra y ejecuta la mejor ruta, manejando los costos de gas de fondo. Esta capa ha procesado más de **200.000 millones de dólares** en volumen y generado **más de 34 millones** en tarifas, integrada en 25 cadenas. 2. **Transacciones Privadas:** Near ha lanzado funciones de "Intenciones Confidenciales" e "Intercambios Confidenciales" que ocultan los detalles de las operaciones (monto, dirección) hasta su liquidación. Esto protege a los grandes traders del "MEV" y del deslizamiento. Sorprendentemente, este tipo de transacciones ya representa **más del 40%** del volumen reciente en Near, mostrando una fuerte demanda, pero también planteando posibles desafíos regulatorios en el futuro. En resumen, Near ha vuelto a sus raíces en IA, aprovechando su tecnología de cadena abstracta para facilitar la economía de los Agentes de IA y abordando la creciente demanda de privacidad en DeFi, mientras navega por las oportunidades y riesgos de este nuevo capítulo.

marsbitHace 1 hora(s)

Near vuelve al escenario de la IA: la transformación en cadena pública por problemas para pagar salarios, y los agentes y la privacidad como nueva narrativa de crecimiento

marsbitHace 1 hora(s)

De Ethereum a la IA, 'CROPS': ¿Qué son estas 'variables lentas' que Vitalik enfatiza repetidamente?

En las últimas semanas, Vitalik Buterin ha destacado repetidamente el concepto CROPS, definido en el mandato de la Fundación Ethereum (EF Mandate) como los principios rectores fundamentales para Ethereum: Resistencia a la Censura, Resistencia a la Captura, Código Abierto, Privacidad y Seguridad. Más que un lema, CROPS constituye un marco estratégico que orienta el desarrollo de Ethereum hacia la soberanía del usuario, la descentralización robusta y la sostenibilidad a largo plazo, priorizando estos valores sobre mejoras puramente transaccionales como velocidad y costes. La relevancia de CROPS se amplifica con el auge de la IA. A medida que los agentes de IA se integran en billeteras y automatizan operaciones financieras, surge un riesgo crítico: los usuarios podrían ceder el control sobre sus activos, datos e identidad a plataformas centralizadas de IA. Vitalik vincula así "CROPS Ethereum" con "CROPS AI", planteando la necesidad de un ecosistema donde el acceso a la cadena de bloques y la ejecución de modelos de IA sean privados, verificables y resistentes a la censura. Propone soluciones como llamadas remotas a LLM pagadas con pruebas de conocimiento cero (ZK) y lecturas confidenciales de RPC para proteger la privacidad del usuario. En esencia, CROPS trasciende a Ethereum para abordar una cuestión central de la era digital: cómo preservar la autonomía y seguridad del usuario frente a sistemas cada vez más poderosos y potencialmente opacos. Este enfoque podría redefinir el diseño de billeteras y la experiencia de interacción en Web3, posicionando la privacidad, la apertura y el control verificable como pilares esenciales para el futuro.

marsbitHace 1 hora(s)

De Ethereum a la IA, 'CROPS': ¿Qué son estas 'variables lentas' que Vitalik enfatiza repetidamente?

marsbitHace 1 hora(s)

Token no es económico, economía no es Token

La industria de la IA se encuentra en un punto de inflexión, transitando desde una narrativa centrada en la innovación tecnológica hacia un enfoque dominado por la eficiencia del capital. Dos tendencias clave definen este cambio: la escasez de financiación y la escisión de activos por parte de los grandes conglomerados. La competencia actual se ha transformado en una carrera de activos pesados por la potencia de cálculo (compute), con costos operativos que escalan junto con el uso, un modelo "anti-internet" donde más usuarios significan mayores pérdidas. Este problema se ve agravado por prácticas de "contabilidad circular", como los acuerdos de créditos en la nube entre empresas, que inflan los ingresos sin generar flujo de caja real. La desconexión entre las valoraciones y los flujos de efectivo plantea un desafío estructural para el modelo de negocio. Paralelamente, grandes empresas como Baidu, Alibaba, ByteDance y Kuaishou están escindiendo sus unidades de IA (por ejemplo, Kling/Kunlunxin). Estos activos, valorados mucho más alto una vez independientes, pasan de ser vistos como "centros de coste" dentro del grupo a "centros de valor" en el mercado. La lógica cambia: mientras que en los estados financieros consolidados se miden por su impacto en los beneficios, como empresas independientes se valoran por su potencial de crecimiento futuro, su escasez en el mercado y su capacidad para atraer inversión. La industria evoluciona desde la "adoración del modelo" hacia la "realización de valor". Aunque la inversión en infraestructura (con un gasto de capital previsto de 805.000 millones de dólares para 2026 en EE.UU.) es enorme, la comercialización a gran escala aún está en sus inicios. El foco se desplaza de la potencia bruta de la GPU a la eficiencia integral del sistema, donde la CPU y la orquestación determinan la rentabilidad. En 2026, la pregunta central que la industria debe responder es: ¿cuánto vale realmente esta tecnología? La respuesta definirá el panorama del poder en la IA para la próxima década.

marsbitHace 3 hora(s)

Token no es económico, economía no es Token

marsbitHace 3 hora(s)

Trading

Spot
Futuros
活动图片