El FMI advierte sobre riesgos para la estabilidad financiera ante el auge de la tokenización

TheNewsCryptoPublicado a 2026-04-03Actualizado a 2026-04-03

Resumen

El FMI advierte que la tokenización de activos, si bien puede aumentar la transparencia y reducir la fricción en el sector financiero, también presenta riesgos para su estabilidad. Según un informe de 23 páginas, el impacto total es aún incierto: la liquidación atómica y la automatización reducen algunos riesgos pero introducen otros nuevos. El valor actual de activos tokenizados supera los $27.600 millones, con proyecciones de crecimiento hasta $16 billones para 2030. La tokenización mejora la emisión y negociación de valores, pero transfiere riesgos hacia registros compartidos y contratos inteligentes. Puede agilizar pagos transfronterizos e inclusión financiera, pero también aumenta la volatilidad de flujos de capital y amenaza la soberanía monetaria. Empresas como BlackRock e Intercontinental Exchange ya están desarrollando plataformas de tokenización. El FMI alerta que sin claridad legal sobre propiedad y liquidación, estos mercados podrían fragmentarse.

Aunque el FMI reconoció que la tokenización podría aumentar la transparencia y reducir la fricción en el sector financiero, también advirtió que esta tecnología podría plantear riesgos para la estabilidad del sector.

Con la liquidación atómica y una mayor transparencia que reducen ciertos riesgos antiguos, y la velocidad y automatización que introducen nuevos, el impacto total de la tokenización en la estabilidad financiera es desconocido, según la evaluación de 23 páginas del FMI publicada el jueves.

Según estadísticas de RWA.xyz, el valor total de activos tokenizados en cadena supera los 27.600 millones de dólares (sin incluir las stablecoins). El mercado de tokenización podría alcanzar los 16 billones de dólares para 2030, según la proyección de 2022 de Boston Consulting Group, pero una predicción más cautelosa de McKinsey & Co. en 2024 lo sitúa en 2 billones de dólares.

Efectos tanto positivos como negativos

El Fondo Monetario Internacional (FMI) ha declarado que, aunque la tokenización sí aumenta la emisión, negociación, liquidación y gestión de valores y otros instrumentos financieros, también traslada los riesgos del sector bancario a los libros de contabilidad compartidos y al código de los contratos inteligentes.

Según el organismo, la tokenización tiene aspectos tanto positivos como negativos. Por un lado, puede facilitar pagos transfronterizos más rápidos y aumentar la inclusión financiera en los países en desarrollo. Por otro lado, aumenta el peligro de volatilidad en los flujos de capital, la sustitución de divisas y la pérdida de soberanía monetaria.

Algunas figuras prominentes de Wall Street, como Larry Fink, CEO de BlackRock, han abogado por la tokenización de diversos activos en la cadena de bloques, incluyendo acciones, bonos, fondos del mercado monetario e incluso bienes inmuebles.

La plataforma de tokenización del Fondo Digital de Liquidez Institucional en Dólares de BlackRock, Securitize, ocupa el primer lugar entre las plataformas de tokenización de activos del mundo real (RWA) por valor total bloqueado, con 3.380 millones de dólares, según datos citados por CryptoDep del 1 de abril.

Intercontinental Exchange, la empresa matriz de la Bolsa de Nueva York, también ha tomado medidas, anunciando en enero que proporcionaría una plataforma de tokenización que permita la liquidación post-operación de fondos cotizados en bolsa (ETF) y acciones, y la negociación de estos activos las 24 horas del día, los 7 días de la semana, utilizando tecnología blockchain.

Los mercados tokenizados corren el peligro de volverse fragmentados y sin importancia si no hay certeza legal sobre los registros de propiedad y la finalidad de la liquidación, según el Fondo Monetario Internacional (FMI).

Destacado de noticias cripto hoy:

Retraso en la licencia de stablecoins de Hong Kong mientras la HKMA retiene las aprobaciones

Preguntas relacionadas

Q¿Qué riesgos para la estabilidad financiera identificó el FMI en relación con la tokenización?

AEl FMI advirtió que la tokenización podría plantear riesgos para la estabilidad del sector financiero, como la volatilidad de los flujos de capital, la sustitución de monedas y la pérdida de soberanía monetaria, además de trasladar riesgos del sector bancario a registros contables compartidos y contratos inteligentes.

Q¿Cuál es el valor total actual de los activos tokenizados en cadena, según RWA.xyz?

AEl valor total de los activos tokenizados en cadena supera los 27.600 millones de dólares, excluyendo las stablecoins, según las estadísticas de RWA.xyz.

Q¿Qué proyecciones existen para el mercado de tokenización para el año 2030?

ASegún la proyección de Boston Consulting Group de 2022, el mercado de tokenización podría alcanzar los 16 billones de dólares para 2030, mientras que McKinsey & Co predijo de manera más cautelosa 2 billones de dólares en 2024.

Q¿Qué empresa lidera en valor bloqueado entre las plataformas de tokenización de activos del mundo real (RWA)?

ASecuritize, la plataforma de tokenización del Fondo de Liquidez Digital Institucional en Dólares de BlackRock, ocupa el primer lugar entre las plataformas de tokenización de RWA con un valor total bloqueado de 3.380 millones de dólares.

Q¿Qué acción ha tomado Intercontinental Exchange (ICE) en relación con la tokenización?

AIntercontinental Exchange, la empresa matriz de la Bolsa de Nueva York, anunció en enero que proporcionará una plataforma de tokenización que permitirá la liquidación posterior a la negociación de fondos cotizados en bolsa y acciones, así como la negociación de estos activos las 24 horas del día mediante tecnología blockchain.

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 46 min(s)

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

marsbitHace 46 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 47 min(s)

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

bitcoinistHace 47 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 51 min(s)

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

marsbitHace 51 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 1 hora(s)

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

marsbitHace 1 hora(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 2 hora(s)

OpenAI ya no depende del modelo más caro para ganar dinero