Informe de la Universidad Nacional de Derecho de Gujarat insta a una regulación clara de las criptomonedas en India

TheNewsCryptoPublicado a 2026-03-11Actualizado a 2026-03-11

Resumen

Un informe de la Universidad Nacional de Derecho de Gujarat recomienda a India establecer un marco regulatorio claro para los criptoactivos. Destaca que unos 120 millones de indios ya utilizan estos activos a pesar de la ausencia de regulación integral. El estudio propone cinco modelos regulatorios, sugiriendo un enfoque multiagencia debido a la naturaleza transversal de la industria. Subraya la necesidad de equilibrar la protección al consumidor, la estabilidad financiera y el fomento a la innovación blockchain. El documento fue presentado con la participación de jueces, abogados y expertos del sector digital.

Una reciente investigación de la Universidad Nacional de Derecho de Gujarat recomienda a India crear un marco regulatorio claro para los criptoactivos, propone un marco sistemático para la regulación y proporciona un análisis exhaustivo de la postura actual de India sobre los criptoactivos.

El informe del proyecto, titulado "Criptoactivos en India: Evaluación del caso para la regulación", fue preparado en colaboración con la Sociedad de Firmas Legales Indias. Mientras tanto, jueces superiores, abogados prominentes, expertos en políticas y líderes del sector de activos digitales se reunieron en el evento de lanzamiento para discutir la dirección futura de la regulación de criptomonedas en India.

Aumento de la adopción de criptomonedas en India

El informe destaca el alcance de la aceptación de las criptomonedas en India. Según el Prof. S. Shanthakumar, Director de la Universidad Nacional de Derecho de Gujarat, casi 12 crore de indios ya utilizan criptoactivos a pesar de la ausencia de un marco regulatorio integral. Añadió: "El informe presenta finalmente cinco modelos regulatorios posibles, ofreciendo a los responsables de políticas opciones prácticas a considerar al moldear el enfoque de India hacia la regulación de criptomonedas".

Muchas economías importantes han implementado leyes explícitas sobre criptoactivos basadas en modelos regulatorios comparativos y tendencias políticas globales. India estableció medidas y extendió las obligaciones contra el lavado de dinero a las criptomonedas, pero su falta de un marco claro y integral para los criptoactivos ha afectado los flujos de capital, el desarrollo de la industria y la innovación, según el informe.

El informe pide una regulación equilibrada de las criptomonedas

Mientras tanto, Kalyanjit Hatibaruah, Consultor de Gestión de Tecnología Web3, compartió un video de IA en LinkedIn que resumía el informe. Este señaló que el informe concluye que, dado que la industria de las criptomonedas combina una variedad de dominios, incluidos mercados y pagos, no puede ser regulada por un solo organismo. Tras consultas con funcionarios y autoridades superiores, el informe sugiere un modelo regulatorio multiagencial.

Finalmente, el informe aboga por un enfoque regulatorio calibrado que incluya control institucional y cooperación entre diferentes autoridades, porque dice que esto podría mejorar la protección del consumidor, abordar problemas de estabilidad financiera ilícita y promover el crecimiento general de la innovación basada en blockchain.

Noticias destacadas de criptomonedas hoy:

Filecoin (FIL) cae un 8%: ¿Puede el soporte mantenerse o los bajistas empujarán el precio por debajo de $5?

EtiquetasBlockchainRegulaciones de CriptomonedasIndia

Preguntas relacionadas

Q¿Qué universidad elaboró el informe sobre la regulación de criptoactivos en la India?

ALa Universidad Nacional de Derecho de Gujarat (Gujarat National Law University) elaboró el informe.

Q¿Cuántos indios, según el informe, ya utilizan criptoactivos a pesar de la falta de un marco regulatorio?

AAproximadamente 12 crore de indios (120 millones) ya utilizan criptoactivos.

Q¿Qué tipo de modelo regulatorio sugiere el informe para la industria de criptoactivos?

AEl informe sugiere un modelo regulatorio multiagencia, ya que la industria combina diversos dominios y no puede ser regulada por un único organismo.

Q¿Cuáles son algunos de los beneficios que, según el informe, podría tener un marco regulatorio claro?

AUn marco regulatorio claro podría mejorar la protección al consumidor, abordar problemas de estabilidad financiera ilícita y promover el crecimiento de la innovación basada en blockchain.

Q¿Con qué organización se asoció la universidad para preparar este informe?

AEl informe se preparó en asociación con la Sociedad de Firmas de Abogados de la India (Society of Indian Law Firms).

Lecturas Relacionadas

¿Los modelos generativos también pueden entrenarse de extremo a extremo? El núcleo es un bucle for

El entrenamiento de modelos generativos siempre ha sido un reto debido a la "desviación por exposición" (exposure bias): durante el entrenamiento solo se aprenden pequeños pasos, mientras que la generación requiere cientos de iteraciones, lo que causa acumulación de errores. Esto ha impedido que los modelos generativos sean entrenados de extremo a extremo (end-to-end), a diferencia de otras tareas de aprendizaje profundo. Un reciente artículo de la Universidad de Illinois y Harvard introduce "Explorative Modeling (XM)", un nuevo paradigma que resuelve este problema mediante un bucle simple (for). La idea clave es que, en cada paso de entrenamiento, el modelo genera K candidatos y solo retropropaga el gradiente a partir del candidato más cercano a los datos reales. Este enfoque evita que el modelo converja a un promedio borroso entre múltiples modos (mode blurring), un problema inherente a las funciones de pérdida de reconstrucción típicas. XM identifica una tercera dimensión escalable, además de los parámetros y los datos: la "expresividad generativa". Los experimentos en imágenes, video y lenguaje muestran que aumentar la exploración (K) mejora monótonamente el rendimiento, con ganancias de eficiencia en FLOPs, muestras y parámetros. En tareas de control robótico, una política exploratoria XM iguala o supera a políticas de difusión que requieren 100 veces más cómputo en inferencia. El trabajo sugiere que, a gran escala, la expresividad generativa se convierte en el cuello de botella principal, y XM ofrece un camino para modelos generativos verdaderamente end-to-end, generando muestras de alta calidad en una sola pasada hacia adelante.

marsbitHace 6 min(s)

¿Los modelos generativos también pueden entrenarse de extremo a extremo? El núcleo es un bucle for

marsbitHace 6 min(s)

Upbit Reorganiza 864,000 Millones de SHIB en Movimiento Interno de Cartera

El exchange surcoreano Upbit ha reorganizado 864.000 millones de SHIB entre direcciones de cartera internas, generando un movimiento on-chain significativo en valor, pero que corresponde a una rebalanceo interno y no a una venta por parte del exchange. Las transferencias, valoradas en aproximadamente 4 millones de dólares, se produjeron tras una subida del 36% en el precio de SHIB, lo que incrementó su visibilidad. Los movimientos incluyeron 384.000 millones de SHIB salientes y 480.000 millones entrantes entre carteras calientes y operativas identificadas de Upbit. Este tipo de actividad es parte de la gestión normal de liquidez y seguridad de los exchanges, y al ocurrir entre direcciones internas conocidas, no implica una presión de venta directa en el mercado. El artículo subraya que, si bien la transparencia on-chain es útil, la interpretación correcta requiere contexto, como el etiquetado de las carteras. En este caso, los datos respaldan la narrativa de una reestructuración operativa tras un periodo de alta actividad comercial, y no señales de venta por parte de ballenas o del exchange.

bitcoinistHace 8 min(s)

Upbit Reorganiza 864,000 Millones de SHIB en Movimiento Interno de Cartera

bitcoinistHace 8 min(s)

¿Máximo de 20 artículos por persona? La nueva norma de ICLR recibe una «petición» sarcástica de un investigador de DeepMind

Un investigador de DeepMind satiriza la nueva norma de ICLR que limita a 20 artículos por autor. La conferencia de IA ICLR 2027 ha establecido una nueva regla: cada autor solo puede figurar en un máximo de 20 trabajos enviados. Los que excedan este límite serán advertidos y, de no corregirse, algunos serán rechazados aleatoriamente. La justificación es la enorme presión sobre el sistema de revisión, tras un aumento del 68% en los envíos para ICLR 2026 (19,525 trabajos). Dan Roy, investigador de Google DeepMind, respondió con una "petición" irónica en X, pidiendo que se elimine el límite. Su mensaje, cargado de sarcasmo, sugiere que los agentes de IA ahora pueden producir investigaciones incrementales y que, "dado que todo el trabajo de revisión ya lo hacen los grandes modelos de lenguaje", debería animarse a enviar más trabajos, no menos. Su sátira apunta a un problema real: el uso de IA tanto en la autoría como en la revisión. Un análisis de 2025 detectó que aproximadamente el 21% de las revisiones de ICLR 2026 eran probablemente generadas completamente por IA. La broma de Roy plantea una pregunta seria: en un entorno donde agentes generan artículos, autores los envían en masa y revisores potencialmente usan IA, ¿limitar el número de envíos es la solución adecuada? El debate sobre la calidad versus la cantidad, y el papel de la IA en la academia, continúa.

marsbitHace 12 min(s)

¿Máximo de 20 artículos por persona? La nueva norma de ICLR recibe una «petición» sarcástica de un investigador de DeepMind

marsbitHace 12 min(s)

Vulnerabilidad en Coldcard provoca un robo de 89 millones de dólares, desatando la mayor migración en cadena desde FTX

La vulnerabilidad en las carteras hardware Coldcard de Coinkite ha resultado en el robo de aproximadamente 1.367,05 bitcoins (unos 89 millones de dólares) de 4.585 direcciones, según Galaxy Research. El fallo, causado por un software que generaba semillas con baja aleatoriedad, desencadenó una migración masiva de fondos por parte de usuarios afectados que buscaban proteger sus activos. Esta migración ha distorsionado indicadores clave de la cadena de bloques de Bitcoin. CryptoQuant reportó un pico en transacciones de menos de 1 BTC y en direcciones activas, niveles no vistos desde el colapso de FTX en 2022, mientras que Santiment registró un drástico deterioro del sentimiento del mercado. La investigación para rastrear los fondos robados se ha visto dificultada por las restricciones de los principales modelos de IA estadounidenses, que bloquean consultas con datos maliciosos incluso para análisis forenses. Los investigadores recurrieron a un modelo de IA de código abierto chino, destacando una asimetría donde los atacantes pueden usar herramientas de IA sin límites, pero los defensores enfrentan barreras. Este caso subraya la vulnerabilidad percibida de las carteras frías y los desafíos en la respuesta rápida a ciberataques en criptomonedas.

marsbitHace 57 min(s)

Vulnerabilidad en Coldcard provoca un robo de 89 millones de dólares, desatando la mayor migración en cadena desde FTX

marsbitHace 57 min(s)

OpenAI ya no depende del modelo más caro para ganar dinero

La empresa OpenAI anunció una importante reducción de precios el 30 de julio, destacando que GPT-5.6 Luna bajó un 80% y Terra un 20. Este movimiento, junto con una acción similar de Anthropic la semana anterior, señala un cambio estratégico crucial: las empresas ya no promueven principalmente sus modelos más potentes y caros. En su lugar, OpenAI recomienda explícitamente a los usuarios que para muchas tareas no es necesario usar el modelo más fuerte, sugiriendo un flujo de trabajo donde el modelo Sol (el más caro) diseña y planifica, y el modelo Luna (más económico) ejecuta. Esto refleja que el enfoque ha pasado de vender la inteligencia máxima a vender eficiencia y escala, priorizando modelos económicos y estables para tareas de alto volumen. La verdadera batalla ya no es por quién tiene el modelo más inteligente, sino por quién puede ofrecer la mejor relación costo-rendimiento y crear un ecosistema de uso con alta fidelidad. La industria de la IA estaría entrando en una era de "economía de escala", donde el costo por token cae drásticamente gracias, en parte, a que los propios modelos optimizan su código y operaciones, impulsando un ciclo de reducción de costos autosostenido. El objetivo final parece ser que la IA se convierta en una utilidad omnipresente y de bajo costo, como la electricidad, integrada en todos los flujos de trabajo.

marsbitHace 1 hora(s)

OpenAI ya no depende del modelo más caro para ganar dinero

marsbitHace 1 hora(s)

Trading

Spot
活动图片

Categorías popularesright-arrow

Etiquetas Popularesright-arrow