La IA llegará para el cumplimiento normativo de las criptomonedas, pero no de la forma en que la mayoría de la gente piensa

Por Pierre Gérard, director ejecutivo y cofundador de Scorechain

Cuando fundamos Scorechain en Luxemburgo en 2015, el término "análisis blockchain" aún no existía. Dedicamos los primeros años a explicar a bancos y reguladores por qué la transparencia de un registro público representaba una oportunidad, no una amenaza. Una década después, observo cómo ese mismo malentendido se extiende a la inteligencia artificial (IA), y esto le está costando a la industria un tiempo del que no dispone.

Dos posturas dominan el debate. La primera afirma que la IA pronto reemplazará por completo a los equipos de cumplimiento normativo. La segunda sostiene que la IA es demasiado impredecible como para permitirle el acceso a actividades financieras reguladas. No comparto ninguna de las dos, y lo digo como alguien cuya empresa ha evaluado el riesgo de más de 2800 proveedores de servicios de activos virtuales (VASP) desde 2015, y que en los últimos dos años ha incorporado la IA allí donde realmente resulta útil, como una capa independiente en lugar de integrarla en las herramientas de cumplimiento normativo de las que dependen nuestros clientes.

Comencemos con el problema que todo responsable de cumplimiento normativo con el que hablo plantea en los primeros cinco minutos: el ruido. Un sistema de control de sanciones configurado como lo hace un banco nervioso puede generar falsos positivos del orden del 95 %. El monitoreo de transacciones no se queda atrás. Así, un analista capacitado, alguien que entiende las tipologías y puede interpretar el flujo de fondos, dedica la mayor parte de su jornada laboral a resolver alertas que nunca representaron un riesgo: descartar coincidencias de nombres con un apellido común, leer cinco noticias negativas en los medios que resultan describir a una persona completamente distinta. Cada una de esas comprobaciones de noticias negativas le lleva a un analista entre 10 y 20 minutos. Esa es la realidad del trabajo de cumplimiento normativo hoy en día, y es la razón por la que los buenos profesionales abandonan la profesión.

Aquí es donde la automatización se gana su lugar, y es un lugar más limitado de lo que sugiere la publicidad. No soy neutral al respecto. Scorechain AI existe para entregarle a un analista un único informe: la puntuación de riesgo de una billetera, los tipos de entidades con las que ha interactuado y los servicios y contrapartes nombrados a los que ha estado expuesta. Ese es un trabajo que antes significaba horas de tracen un libro mayor. Pero observe lo que el informe hace y no hace. No decide nada. Comprime la evidencia para que el responsable de cumplimiento, la persona que debe aprobar esa decisión y defenderla ante un regulador posteriormente, pueda leerla en minutos y luego tomar la decisión. Ese es el juego completo. Una buena automatización no reduce la función de cumplimiento; la saca de la rutina de la clasificación y la vuelve a enfocar en el juicio.

La distinción es importante, porque la alternativa es peligrosa. En un entorno regulado, un modelo no puede rendir cuentas a un supervisor. Tanto la Sexta Directiva contra el Blanqueo de Capitales (AMLD6) como el Reglamento sobre Mercados de Criptoactivos (MiCA) exigen que una institución explique y respalde sus decisiones. Decir «el algoritmo lo detectó» no es una defensa válida en una inspección, y decir «el algoritmo lo aprobó» es aún peor. Por lo tanto, el único diseño responsable es la IA como capa de apoyo sobre datos fiables, con un responsable de cumplimiento designado que conserva la decisión y la responsabilidad que conlleva. La supervisión humana no es un complemento que se elimina una vez que el modelo madura, sino que forma parte de la arquitectura.

Un modelo solo es tan bueno como la información subyacente. Esta es la parte que los observadores externos pasan por alto. Por sí sola, una IA que analiza una cadena de bloques solo ve cadenas anónimas de caracteres que transfieren valor a otras cadenas anónimas. No puede determinar que la billetera tres saltos más arriba es un exchange autorizado, o que la contraparte que recibe los fondos es un mezclador en lugar de un proveedor de nóminas. Proporcionar ese contexto faltante es la función principal del análisis de blockchain: vincular ladenty el riesgo a la actividad bruta en la cadena, tracla exposición indirecta a través de múltiples saltos en lugar de simplemente verificar la dirección que se tiene delante, y evaluarla con los más de mil millones de puntos de datos y más de un millón de entidades criptográficas que hemos etiquetado desde 2015. Tomemos un caso concreto: una billetera parece limpia a primera vista, pero tracsus flujos se observa que la mayor parte de su saldo llegó, dos saltos más atrás, desde una dirección vinculada a un operador de ransomware. Ese es el hallazgo al que un modelo nunca llegaría solo con los datos brutos de la cadena, y sobre el que un responsable de cumplimiento debe actuar. Al proporcionar ese contexto a un modelo, este puede razonar con fundamentos sólidos. Si se le proporcionan datos escasos, producedent , lo cual, en términos de cumplimiento normativo, es más peligroso que una laguna honesta, porque aprueba cosas que no debería.

Esto es lo que considero realmente novedoso. La IA ya no es solo una herramienta que utilizan los equipos de cumplimiento; se está convirtiendo en un participante activo en el mercado que supervisan. Los agentes autónomos que inician pagos con límites preestablecidos han pasado de la fase de demostración a la implementación, impulsados por infraestructuras reales: el estándar x402 de Coinbase para pagos entre máquinas, el Protocolo de Agente de Confianza de Visa y la integración de PayPal y OpenAI Checkout. El software está empezando a realizar transacciones con otro software, liquidando criptoactivos, a un volumen que ningún equipo de tesorería podría igualar manualmente.

Esto plantea una cuestión que la industria aún no ha resuelto con claridad: ¿cómo se aplican de Conozca su Transacción a una contraparte que es un software? La dirección, al menos, es clara. Cuando los agentes realizan transacciones por su cuenta, los controles no pueden limitarse al proceso de incorporación. Se extienden a la capa de transacción misma: monitoreo en tiempo real, límites de velocidad, procedencia y la capacidad de intervenir mientras el dinero aún está en tránsito. La transparencia que durante años defendimos ante los escépticos resulta ser lo único que permite auditar la actividad autónoma en la cadena de bloques.

Este es el futuro que decidimos construir en lugar de esperar. Recientemente lanzamos Scorechain MCP, que expone nuestra puntuación de riesgo e inteligencia de entidades a través del Protocolo de Contexto de Modelo (MCP), el estándar emergente que permite a los agentes de IA llamar directamente a herramientas externas. La inteligencia reside en nuestra plataforma, y la IA permanece fuera de ella, solicitando respuestas en lugar de estar integrada en la propia herramienta de cumplimiento. La premisa es simple: un agente nunca debería realizar transacciones a ciegas. Antes de transferir fondos o aprobar una contraparte, puede consultar a Scorechain si esa dirección es una entidad sancionada, un mezclador, una estafa conocida o una billetera privada limpia, y recibir una puntuación de riesgo a cambio. Esto no es un rendimiento hipotético. Ya realizamos más de 1,5 millones de verificaciones AML al día, y una llamada de verificación responde en aproximadamente 235 milisegundos, lo suficientemente rápido como para integrarse en una transacción en vivo en lugar de ralentizarla. Lo colocamos donde realmente operan esos agentes y flujos de trabajo, como una aplicación dentro de ChatGPT y Claude, y como una integración en plataformas de automatización como n8n y Zapier. Una verificación de cumplimiento integrada en el flujo de trabajo, en el momento de tomar la decisión, vale mucho más que una añadida una vez que el dinero ya se ha transferido. La verificación más básica de todas, si una dirección aparece en una lista de sanciones, no debería estar restringida a nadie mediante un pago. Por eso la ofrecemos como una API gratuita de detección de sanciones a la que cualquier desarrollador, agente o flujo de trabajo puede acceder. La detección de exposición a sanciones no es donde un proveedor de cumplimiento debería obtenertrac; es el punto de partida de todo el mercado.

Aquí se produce un cambio de segundo orden que los emisores de tokens y los gestores de activos apenas comienzan a comprender. Cuando el valor se transfiere a las stablecoins y los activos tokenizados a la velocidad de las máquinas, el riesgo que importa ya no es solo la transacción individual, sino el activo en sí: quién lo posee, cuán concentrada está esa propiedad y qué porcentaje de la oferta está en manos de entidades sancionadas o de alto riesgo. Esta es una cuestión distinta a la del monitoreo de transacciones, y es la que nuestra Inteligencia de Activos Digitales está diseñada para responder, brindando a un emisor o gestor de activos una visión a nivel de activo sobre los titulares y la exposición antes de la emisión, la cotización o la asignación.

Europa está más preparada para esto de lo que se cree. La MiCA y la AMLD6 ya contemplan la monitorización continua y una clara rendición de cuentas, en lugar de una simple revisión puntual. Un régimen que exige explicabilidad de la actividad es precisamente lo que se necesita cuando el software empieza a gestionar el dinero. Así pues, la IA llegará para el cumplimiento normativo de las criptomonedas. Eliminará gran parte del trabajo tedioso, y lo celebro. Lo que no eliminará es la necesidad de criterio, responsabilidad y datos verificables. Eleva el listón en los tres aspectos. Los equipos que traten a la IA como un analista más rápido, basado en información fiable en la cadena de bloques y bajo estricto control humano, serán los que sigan en pie cuando las máquinas empiecen a realizar transacciones. Esto está más cerca de lo que muchos piensan.