Por Pierre Gérard, director ejecutivo y cofundador de Scorechain

Cuando fundamos Scorechain en Luxemburgo en 2015, “la analítica blockchain” aún no era una categoría. Pasamos los primeros años explicando a los bancos y a los reguladores por qué la transparencia de un libro mayor público era una oportunidad y no una amenaza. Una década después, estoy viendo el mismo malentendido aferrarse a la inteligencia artificial (IA), y le está costando a la industria el tiempo que no tiene.

Dos historias dominan la conversación. La primera sostiene que la IA pronto reemplazará por completo a los equipos de cumplimiento. La segunda afirma que la IA es demasiado impredecible como para dejarla cerca de cualquier actividad financiera regulada. No creo en ninguna de las dos, y lo digo como alguien cuya empresa ha evaluado el riesgo de más de 2.800 proveedores de servicios de activos virtuales (VASP) desde 2015, y que ha pasado los últimos dos años incorporando IA donde realmente ayuda, como una capa separada en lugar de algo integrado en las herramientas de cumplimiento de las que dependen nuestros clientes.

Empiece por el problema que plantea cada oficial de cumplimiento con el que hablo dentro de los primeros cinco minutos: el ruido. Un sistema de verificación de sanciones ajustado como lo haría un banco nervioso puede generar falsos positivos del orden del 95%. El monitoreo de transacciones no está muy atrás. Entonces, un analista capacitado —alguien que entiende las tipologías y puede leer el flujo de fondos— pasa la mayor parte del día laboral despejando alertas que nunca eran riesgos: descartando coincidencias de nombres en un apellido común, leyendo cinco impactos adversos en medios que en realidad describen a otra persona por completo. Cada una de esas comprobaciones de medios adversos le toma a un analista entre 10 y 20 minutos. Esa es la textura real del trabajo de cumplimiento hoy, y es por eso que las buenas personas se agotan en la profesión.

Aquí es donde la automatización gana su lugar, y es un lugar más estrecho del que sugiere el bombo. No soy neutral al respecto. La IA de Scorechain 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 identificados a los que ha estado expuesta. Ese era un trabajo que antes significaba horas de trazado manual a través de un libro mayor. Pero fíjese en lo que el informe hace y lo que no hace. No decide nada. Comprime la evidencia para que el oficial de cumplimiento, la persona que tiene que firmar esa decisión y defenderla ante un regulador después, pueda leerla en minutos y luego tomar la decisión. Ese es todo el juego. La buena automatización no reduce la función de cumplimiento; la saca del carrusel de triage y la devuelve hacia el juicio.

La distinción importa, porque la alternativa es peligrosa. En un entorno regulado, un modelo no puede responder ante un supervisor. La Sexta Directiva contra el Lavado de Dinero (AMLD6) y la Regulación sobre Mercados de Criptoactivos (MiCA) ambas exigen que una institución explique y respalde sus decisiones. “El algoritmo lo marcó” no es una defensa en una inspección, y “el algoritmo lo aprobó” es peor. Por eso el único diseño responsable es la IA como una capa de apoyo encima de datos confiables, con un responsable de cumplimiento identificado que conserva la decisión y la rendición de cuentas que viene con ella. La supervisión humana no es una rueda de entrenamiento que se quita cuando el modelo madura. Es la arquitectura.

Y un modelo solo es tan bueno como lo que hay debajo. Esta es la parte que los de afuera no entienden. Por sí sola, una IA que lee una blockchain solo ve cadenas anónimas de caracteres moviendo valor hacia otras cadenas anónimas. No puede saber que la billetera tres saltos aguas arriba es un exchange sancionado, ni que la contraparte que recibe los fondos es un mezclador en lugar de un proveedor de nómina. Suministrar ese contexto que falta es el trabajo completo de la analítica de blockchain: adjuntar identidad y riesgo a la actividad on-chain en bruto, trazar la exposición indirecta a través de múltiples saltos en lugar de solo comprobar la dirección que tienes delante y puntuarla frente a más de mil millones de puntos de datos y más de un millón de entidades cripto que hemos etiquetado desde 2015. Pongamos un caso concreto: una billetera parece limpia a primera vista, pero al rastrear sus flujos se ve que la mayor parte de su saldo llegó, dos saltos atrás, desde una dirección vinculada a un operador de ransomware. Ese es el hallazgo al que un modelo nunca llegaría solo con datos en bruto de la cadena, y es el que un oficial de cumplimiento tiene que tomar en acción. Si le das a un modelo ese contexto, puede razonar sobre bases sólidas. Si le das datos superficiales, produce tonterías con confianza, lo cual en cumplimiento es más peligroso que una brecha honesta, porque permite que se apruebe lo que no debería.

Aquí está lo que encuentro genuinamente nuevo. La IA ya no es solo una herramienta que usan los equipos de cumplimiento; está convirtiéndose en un participante en el mercado que monitorea. Los agentes autónomos que inician pagos dentro de límites preestablecidos han pasado de la demostración al despliegue, impulsados por infraestructura real: el estándar x402 de Coinbase para pagos de máquina a máquina, el Protocolo de Agente Confiable de Visa, la integración de pago de PayPal y OpenAI. El software está empezando a transaccionar con otro software, liquidando en criptoactivos, a un volumen que ningún equipo de tesorería podría igualar a mano.

Plantea una pregunta que la industria aún no ha resuelto de manera clara: ¿cómo se aplican los principios de Conozca su Transacción a un tercero que es una pieza de software? La dirección, al menos, está clara. Cuando los agentes transaccionan por cuenta propia, los controles no pueden vivir solo en la incorporación. Se trasladan a la capa de transacción en sí: monitoreo en tiempo real, límites de velocidad, procedencia y la capacidad de intervenir mientras el dinero aún está en tránsito. La transparencia por la que pasamos años defendiendo ante los escépticos resulta ser precisamente lo que hace que la actividad autónoma on-chain sea auditable en primer lugar.

Este es el futuro que decidimos construir en lugar de esperar. Recientemente lanzamos Scorechain MCP, que expone nuestro motor de puntuación de riesgos e inteligencia de entidades a través del Model Context Protocol, el estándar emergente que permite que agentes de IA llamen herramientas externas directamente. La inteligencia vive en nuestra plataforma, y la IA se mantiene fuera de ella, llamando para obtener respuestas en vez de estar incrustada en la herramienta de cumplimiento misma. La premisa es simple: un agente nunca debería transaccionar a ciegas. Antes de mover fondos o aprobar un contraparte, puede preguntarle a Scorechain, en la misma respiración, si esa dirección es una entidad sancionada, un mezclador, un fraude conocido o una billetera privada limpia, y recibir a cambio una puntuación de riesgo. Esto no es un rendimiento hipotético. Ya realizamos más de 1,5 millones de comprobaciones AML al día, y una llamada de verificación devuelve el resultado en aproximadamente 235 milisegundos: lo bastante rápido para estar dentro de una transacción en vivo en lugar de ralentizarla. Colocamos esto donde realmente viven esos agentes y flujos de trabajo: como una app dentro de ChatGPT y Claude, y como una integración en plataformas de automatización como n8n y Zapier. Una comprobación de cumplimiento que se encuentra dentro del flujo, en el momento en que se toma la decisión, vale mucho más que una añadida después de que el dinero ya se movió. La comprobación más básica de todas, si una dirección aparece en una lista de sanciones, no debería estar tras un muro de pago para nadie. Por eso lo ofrecemos como una API gratuita de verificación de sanciones que cualquier desarrollador, agente o flujo puede llamar. La verificación de exposición a sanciones no es donde un proveedor de cumplimiento debería estar extrayendo valor; es el suelo sobre el que debería estar de pie todo el mercado.

Hay un cambio de segundo orden con el que los emisores de tokens y los gestores de activos apenas están empezando a lidiar. Cuando el valor se mueve hacia stablecoins y activos tokenizados a velocidad de máquina, el riesgo que importa ya no es solo la transacción individual, sino el activo en sí: quién lo mantiene, qué tan concentrada está esa propiedad y cuánto de la oferta está en manos de entidades sancionadas o, de otro modo, de alto riesgo. Es una pregunta distinta del monitoreo transaccional, y es la que nuestra Digital Asset Intelligence está diseñada para responder: dar a un emisor o a un gestor de activos una visión a nivel de activo de los titulares y la exposición antes de que emita, liste o asigne.

Europa está más preparada para esto de lo que se le acredita. MiCA y AMLD6 ya asumen un monitoreo continuo y una rendición de cuentas clara en lugar de una verificación única a la entrada, y un marco que asume que la actividad debe poder explicarse es exactamente lo que quieres cuando el software empieza a mover dinero. Así que sí, la IA viene para el cumplimiento cripto. Eliminará una gran cantidad de trabajo tedioso, y lo celebro. Lo que no eliminará es la necesidad de criterio, rendición de cuentas y datos verificables. Eleva el estándar en las tres cosas. Los equipos que tratan la IA como un analista más rápido, sustentado en inteligencia on-chain confiable y mantenido firmemente bajo control humano, serán los que seguirán en pie cuando las máquinas empiecen a transaccionar. Eso está más cerca de lo que la mayoría de la gente cree.