¿Cómo debe configurarse la nueva infraestructura financiera en la era de la IA?

En noviembre de 2024, los mercados de predicción anticiparon el resultado electoral antes que nadie. Aunque las encuestas mostraban una contienda reñida y los expertos se mostraban cautos, el mercado otorgaba a Trump un 60 % de probabilidades de victoria. Cuando llegaron los resultados, los mercados de predicción superaron a todo el sector de pronósticos: encuestas, modelos y opiniones especializadas.

Esto demuestra que los mercados pueden reunir información dispersa y transformarla en creencias precisas, con los mecanismos de reparto de riesgos como elemento clave. Desde los años 40, los economistas han imaginado mercados especulativos capaces de superar las previsiones de los expertos. Ahora, esta visión se ha confirmado en el mayor escenario mundial.

Analicemos los principios económicos en juego.

En plataformas como Polymarket y Kalshi, los apostadores aportaron miles de millones en liquidez. ¿Qué recibieron a cambio? Generaron señales de acceso instantáneo y gratuito para todo el mundo. Los hedge funds las siguieron de cerca, los equipos de campaña analizaron los datos y los periodistas crearon paneles a partir de ellos. Nadie pagó por esta información: en la práctica, los apostadores financiaron un bien público global.

Este es el dilema central de los mercados de predicción: su producto más valioso (la información) se libera en cuanto se crea. Los compradores sofisticados no pagan por información pública. Los proveedores de datos privados pueden cobrar tarifas premium a los hedge funds porque sus datos no están disponibles para la competencia. En cambio, los precios públicos de los mercados de predicción, por muy precisos que sean, no tienen valor para estos compradores.

Por tanto, los mercados de predicción solo prosperan en ámbitos donde haya suficientes personas dispuestas a “apostar”: elecciones, deportes, eventos virales en internet. Así, obtenemos entretenimiento disfrazado de infraestructura informativa. Preguntas críticas para los responsables de la toma de decisiones (riesgos geopolíticos, interrupciones en la cadena de suministro, resultados regulatorios, cronogramas de desarrollo tecnológico) quedan sin respuesta porque nadie apuesta por ellas por diversión.

La lógica económica de los mercados de predicción está invertida. Solucionarlo es parte de una transformación mucho más amplia. Aquí, la información se convierte en el producto y la apuesta es solo un mecanismo para generarla (y uno limitado, además). Necesitamos un nuevo paradigma. Lo siguiente es un primer esbozo de la “finanza cognitiva”: una infraestructura rediseñada desde cero, centrada en la información.

Inteligencia colectiva

Los mercados financieros son una forma de inteligencia colectiva. Agregan conocimientos, creencias e intenciones dispersas en precios, coordinando a millones de participantes que nunca se comunican directamente. Esto es extraordinario, pero a la vez muy ineficiente.

Los mercados tradicionales avanzan lentamente debido a los horarios de negociación, los ciclos de liquidación y la fricción institucional. Solo expresan creencias de forma general a través del precio, un instrumento tosco. El rango de cosas que pueden representar también es limitado: solo cubren el espacio de los derechos negociables, algo trivial frente al espectro completo de preocupaciones humanas. La participación está fuertemente restringida: barreras regulatorias, requisitos de capital y la geografía excluyen a la mayoría de las personas y a todas las máquinas.

El mundo cripto está cambiando esto, introduciendo mercados 24/7, participación sin permisos y activos programables. Los protocolos modulares pueden combinarse sin coordinación central. DeFi (Decentralized Finance) ha demostrado que la infraestructura financiera puede reconstruirse como bloques abiertos e interoperables, creados por la interacción autónoma de módulos en vez de por mandatos de intermediarios.

Sin embargo, DeFi en su mayoría replica las finanzas tradicionales con mejores “tuberías”. Su inteligencia colectiva sigue girando en torno al precio, se centra en los activos y asimila nueva información lentamente.

La finanza cognitiva es el siguiente paso: reconstruir sistemas inteligentes desde cero para la era de la IA y las criptomonedas. Necesitamos mercados que “piensen”, que mantengan modelos probabilísticos del mundo, asimilen información a cualquier nivel de detalle, sean accesibles y actualizables por sistemas de IA y permitan que los humanos aporten conocimiento sin comprender la estructura subyacente.

Los componentes ya están al alcance: mercados privados para solucionar el modelo económico, estructuras composicionales para captar correlaciones, ecosistemas de agentes para escalar el procesamiento de información e interfaces humano-máquina para extraer señales de la mente humana. Cada parte puede construirse hoy, y al combinarse, crearán algo radicalmente nuevo.

Mercados privados

Cuando los precios son privados, desaparecen las restricciones económicas.

Un mercado de predicción privado revela los precios solo a las entidades que financian la liquidez. Estas entidades reciben señales exclusivas (inteligencia propietaria, no un bien público). De repente, el mercado sirve para cualquier pregunta donde “alguien necesite una respuesta”, sin importar el valor de entretenimiento.

He tratado este concepto con @Dave_White.

Imagine un hedge fund macro que busca estimaciones probabilísticas continuas sobre decisiones de la Fed, inflación y empleo, no como oportunidades de apuesta, sino como señales de decisión. Si la inteligencia es exclusiva, pagarán por ella. Un contratista de defensa quiere distribuciones de probabilidad para escenarios geopolíticos; una farmacéutica desea previsiones sobre plazos de aprobación regulatoria. Hoy, estos compradores no existen porque, una vez generada, la información se filtra inmediatamente a la competencia.

La privacidad es esencial para un modelo económico viable. Cuando los precios son públicos, los compradores de información pierden su ventaja, los competidores se benefician gratis y todo el sistema vuelve a depender de la demanda de entretenimiento.

Trusted Execution Environments (TEE) lo hacen posible: un enclave informático seguro donde las operaciones son invisibles para terceros, incluso para los operadores del sistema. El estado del mercado existe íntegramente dentro del TEE. Los compradores de información reciben señales por canales verificados. Varias entidades no competidoras pueden suscribirse a mercados superpuestos; las ventanas de acceso escalonado ayudan a equilibrar la exclusividad y la distribución más amplia.

Los TEE no son perfectos: requieren confiar en los fabricantes de hardware. Pero ya ofrecen suficiente privacidad para uso comercial y su ingeniería está madura.

Mercados composicionales

Los mercados de predicción actuales tratan los eventos como aislados. “¿Bajará la Fed los tipos en marzo?” es un mercado. “¿La inflación del segundo trimestre superará el 3 %?” es otro. Los operadores que entienden que estos eventos están relacionados (por ejemplo, que una inflación alta puede aumentar la probabilidad de una bajada de tipos, o que un empleo fuerte puede reducirla) deben arbitrar manualmente entre pools no conectados, intentando reconstruir correlaciones que la propia estructura de mercado destruye.

Es como construir un cerebro donde cada neurona dispara en aislamiento.

Los mercados de predicción composicionales son diferentes: mantienen una distribución conjunta de probabilidad sobre combinaciones de resultados. Una operación como “los tipos permanecen altos y la inflación supera el 3 %” repercute en todos los mercados relacionados, actualizando de forma sincronizada toda la estructura probabilística.

Esto es similar a cómo aprenden las redes neuronales: cada actualización de entrenamiento ajusta miles de millones de parámetros a la vez y toda la red responde a cada dato. Del mismo modo, cada operación en un mercado de predicción composicional actualiza la distribución de probabilidad completa, propagando la información a través de estructuras de correlación, no solo precios aislados.

El resultado es un “modelo”: una distribución de probabilidad sobre el espacio de estados de los eventos mundiales, actualizada de forma continua. Cada operación optimiza la comprensión del modelo sobre las relaciones entre variables. El mercado aprende cómo se conecta el mundo real.

Ecosistemas inteligentes

Los sistemas automatizados de trading dominan ahora Polymarket. Vigilan precios, detectan desajustes, ejecutan arbitrajes y agregan información externa a velocidades inalcanzables para los humanos.

Los mercados de predicción actuales están diseñados para apostadores humanos mediante interfaces web. Los agentes solo participan de forma limitada en este entorno. Un mercado de predicción nativo de IA invertiría esta lógica: los agentes serían los principales participantes y los humanos servirían como fuentes de información.

Esto exige una elección arquitectónica crucial: separación estricta. Los agentes que pueden ver precios nunca deben ser fuentes de información; los agentes que recopilan información nunca deben ver los precios.

Sin este “muro”, el sistema se autodevora. Un agente capaz de acceder tanto a la información como a los precios podría inferir qué información es valiosa a partir de los movimientos de precios y luego buscarla. Las señales del mercado se convierten en un mapa del tesoro para otros. La recopilación de información degenera en un complejo front-running. La separación garantiza que los agentes recopiladores solo puedan lucrarse aportando señales realmente novedosas y únicas.

En un lado del “muro” están los agentes de trading, que compiten en complejas estructuras composicionales para detectar desajustes, y los agentes de evaluación, que emplean mecanismos adversariales para valorar la información entrante y distinguir señal de ruido o manipulación.

En el otro lado están los agentes recopiladores de información, que operan completamente fuera del sistema central. Vigilan flujos de datos, escanean documentos y contactan con personas que poseen conocimientos únicos, alimentando al mercado con información en una sola dirección. Cuando su información resulta valiosa, son recompensados.

La compensación fluye hacia atrás en la cadena. Una operación rentable recompensa al agente de trading, al agente de evaluación y al agente original que recopiló la información. El ecosistema se convierte en una plataforma: agentes de IA altamente especializados pueden monetizar sus habilidades, mientras que la plataforma también sirve de base para que otros sistemas de IA recopilen inteligencia que guíe sus acciones. Los agentes son el propio mercado.

Inteligencia humana

Gran parte de la información más valiosa del mundo solo existe en la mente humana: un ingeniero que sabe que su producto lleva retraso, un analista que detecta cambios sutiles en el comportamiento del consumidor, un observador que percibe detalles invisibles incluso para los satélites.

Un sistema nativo de IA debe capturar estos conocimientos del cerebro humano sin verse inundado por el ruido. Dos mecanismos lo hacen posible:

Participación mediada por agentes: permite que los humanos “operen” sin ver precios. Una persona simplemente expresa su creencia en lenguaje natural, por ejemplo: “Creo que el lanzamiento del producto se retrasará”. Un agente traductor de creencias analiza la predicción, evalúa la confianza y la traduce en una posición de mercado. Este agente se coordina con sistemas con acceso a precios para construir y ejecutar la orden. El humano solo recibe un feedback básico (“posición establecida” o “ventaja insuficiente”). Los pagos se liquidan tras el evento según la precisión de la predicción, sin que nunca se revele información sobre precios.

Mercados de información: permiten que los agentes recopiladores paguen directamente a los humanos por sus conocimientos. Por ejemplo, un agente que busca información sobre los resultados de una tecnológica puede identificar a un ingeniero con información interna, comprarle una valoración y validarla y pagarla según el valor de mercado posterior. Los humanos son compensados por su conocimiento sin necesidad de entender complejas estructuras de mercado.

Pongamos el ejemplo de la analista Alice: por su experiencia, cree que cierta fusión no recibirá aprobación regulatoria. Introduce esta opinión mediante una interfaz en lenguaje natural; su agente traductor de creencias analiza la predicción, evalúa su confianza a partir del lenguaje, revisa su historial y construye una posición, sin ver nunca los precios. Un agente coordinador en el límite del TEE evalúa si su visión tiene ventaja informativa según las probabilidades actuales del mercado y ejecuta la operación. Alice solo recibe notificaciones de “posición establecida” o “ventaja insuficiente”. Los precios permanecen confidenciales en todo momento.

Este enfoque trata la atención humana como un recurso escaso que debe asignarse cuidadosamente y compensarse de forma justa, no como algo que pueda explotarse libremente. A medida que estas interfaces maduren, el conocimiento humano se volverá “líquido”: lo que sabes fluirá hacia un modelo global de la realidad y será recompensado si se demuestra correcto. La información atrapada en las mentes dejará de estarlo.

Una visión del futuro

Si ampliamos la perspectiva lo suficiente, podemos ver hacia dónde nos dirigimos.

El futuro será un océano de relaciones fluidas, modulares e interoperables. Estas relaciones se formarán y disolverán espontáneamente entre participantes humanos y no humanos, sin guardianes centrales. Esto es “confianza autónoma fractal”.

Los agentes negocian con agentes, los humanos aportan conocimiento a través de interfaces naturales y la información fluye continuamente hacia un modelo de la realidad en actualización perpetua, abierto a todos y controlado por nadie.

Los mercados de predicción actuales son solo un esbozo de esta visión. Prueban el concepto central (el reparto de riesgos produce creencias precisas), pero siguen atascados en el modelo económico y los supuestos estructurales equivocados. Las apuestas deportivas y electorales son para la finanza cognitiva lo que ARPANET fue para la internet global actual: una prueba de concepto tomada erróneamente como forma definitiva.

El verdadero “mercado” es toda decisión tomada bajo incertidumbre, prácticamente todas las decisiones. Gestión de la cadena de suministro, ensayos clínicos, planificación de infraestructuras, estrategia geopolítica, asignación de recursos, nombramientos de personal… El valor de reducir la incertidumbre en estos ámbitos supera con creces el valor de entretenimiento de las apuestas deportivas. Simplemente, aún no hemos construido la infraestructura para capturar ese valor.

El cambio que se avecina es el “momento OpenAI” para la cognición: un proyecto de infraestructura a escala civilizacional, no para el razonamiento individual, sino para la creencia colectiva. Las empresas de modelos de lenguaje construyen sistemas que “razonan” a partir de datos pasados; la finanza cognitiva aspira a construir sistemas que “creen”, manteniendo distribuciones de probabilidad calibradas sobre el mundo, actualizadas continuamente mediante incentivos económicos e integrando conocimiento humano a cualquier nivel de detalle. Los LLM codifican el pasado; los mercados de predicción agregan creencias sobre el futuro. Solo juntos pueden formar un sistema cognitivo más completo.

A plena escala, esto se convertirá en infraestructura: los sistemas de IA podrán consultarla para comprender la incertidumbre; los humanos podrán aportar conocimiento sin entender su funcionamiento interno; podrá absorber conocimiento local de sensores, expertos de dominio e investigaciones punteras y sintetizarlo en un modelo unificado. Un modelo predictivo y autooptimizador del mundo. Un sustrato donde la propia incertidumbre puede negociarse y componerse. La inteligencia emergente superará en última instancia la suma de sus partes.

El “ordenador civilizacional”: hacia ahí se dirige la finanza cognitiva.

Lo que está en juego

Todos los elementos están listos: las capacidades de los agentes han superado el umbral para la predicción, la computación confidencial ha pasado del laboratorio a la producción, los mercados de predicción han demostrado encaje producto-mercado a gran escala en el entretenimiento. Todo converge en una oportunidad histórica: construir la infraestructura cognitiva que necesita la era de la IA.

La alternativa es que los mercados de predicción sigan siendo siempre entretenimiento: muy precisos durante las elecciones, ignorados el resto del tiempo, sin abordar nunca las cuestiones verdaderamente importantes. En ese mundo, la infraestructura que la IA necesita para comprender la incertidumbre nunca existirá y las señales valiosas encerradas en las mentes humanas permanecerán en silencio.

Declaración:

1. Este artículo se republica de [Foresight News], con derechos de autor del autor original [Matt Liston]. Si tiene alguna objeción sobre esta republicación, contacte con el equipo de Gate Learn, que resolverá la cuestión de acuerdo con los procedimientos pertinentes.
2. Aviso legal: Las opiniones expresadas en este artículo pertenecen exclusivamente al autor y no constituyen asesoramiento de inversión.
3. Otras versiones idiomáticas de este artículo han sido traducidas por el equipo de Gate Learn. No copie, distribuya ni plagie la traducción sin mencionar a Gate.