Por Pierre Gérard, CEO y cofundador de Scorechain
Cuando fundamos Scorechain en Luxemburgo en 2015, “analítica de blockchain” aún no era una categoría. Pasamos los primeros años explicando a bancos y reguladores por qué la transparencia de un libro mayor público era una oportunidad y no una amenaza. Una década después, veo que el mismo malentendido se está pegando a la inteligencia artificial (IA), y le está costando a la industria tiempo que no tiene.
Dos historias dominan la conversación. La primera dice que la IA reemplazará pronto a los equipos de cumplimiento por completo. La segunda dice 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 dos últimos años añadiendo IA donde realmente ayuda, como una capa separada en lugar de algo integrado en las herramientas de cumplimiento de las que dependen nuestros clientes.
Empiecen por el problema que cada oficial de cumplimiento con el que hablo plantea dentro de los primeros cinco minutos: el ruido. Un sistema de sanciones ajustado de la manera en que un banco nervioso lo ajusta puede generar falsos positivos del orden del 95%. El monitoreo de transacciones no va muy por detrás. Así que un analista capacitado, alguien que entiende tipologías y puede leer un flujo de fondos, pasa la mayor parte del día laboral despejando alertas que nunca representaron riesgos: descartando coincidencias de nombres en un apellido común, leyendo cinco noticias adversas que al final describen a otra persona completamente distinta. Cada una de esas comprobaciones de noticias adversas le lleva a un analista entre 10 y 20 minutos. Esa es la textura real del trabajo de cumplimiento hoy, y por eso las buenas personas se queman en la profesión.
Aquí es donde la automatización se gana su lugar, y es un lugar más acotado de lo que sugiere el hype. No soy neutral al respecto. Scorechain AI existe para darle a un analista un único informe: el puntaje de riesgo de una billetera, los tipos de entidad con los que ha interactuado y los servicios y contrapartes nombrados a los que ha estado expuesta. Ese era un trabajo que antes significaba horas de rastreo manual a través de un libro contable. Pero fíjense 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 dar su visto bueno a esa decisión y defenderla ante un regulador más tarde, 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 del triage y la devuelve al terreno del criterio.
La distinción importa, porque la alternativa es peligrosa. En un entorno regulado, un modelo no puede rendir cuentas ante un supervisor. La Sexta Directiva contra el Lavado de Dinero (AMLD6) y la Regulación de Mercados en Criptoactivos (MiCA) requieren 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 lo tanto, el único diseño responsable es considerar la IA como una capa de soporte sobre datos confiables, con un oficial de cumplimiento con nombre y apellido que conserva la decisión y la rendición de cuentas que conlleva. La supervisión humana no es una ruedita de entrenamiento que quitamos 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 ajenos no ven. Por sí sola, una IA que lee una blockchain ve únicamente 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 el contrapartes que recibe los fondos es un mezclador en lugar de un proveedor de nómina. Proporcionar ese contexto faltante es el trabajo completo de la analítica de blockchain: adjuntar identidad y riesgo a la actividad on-chain en bruto, rastrear la exposición indirecta a través de múltiples saltos en vez de limitarse a comprobar la dirección que tienes delante y evaluarlo frente a más de mil millones de puntos de datos y más de un millón de entidades cripto que hemos etiquetado desde 2015. Un caso concreto: una billetera parece limpia a primera vista, pero rastrear sus flujos muestra 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 con solo datos de la cadena en crudo, y el que un oficial de cumplimiento debe tomar acción. Alimentas a un modelo con ese contexto y puede razonar sobre bases sólidas. Le das datos escasos y produce basura confiada; y en cumplimiento eso es más peligroso que una brecha honesta, porque deja pasar cosas que no debería.
Esto es lo que encuentro realmente nuevo. La IA ya no es solo una herramienta que usan los equipos de cumplimiento; se está convirtiendo en un participante del mercado que monitorean. Los agentes autónomos que inician pagos bajo 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 Trusted Agent Protocol de Visa, y la integración de pagos de PayPal y OpenAI. El software está empezando a transaccionar con otro software, liquidando en activos cripto, a un volumen que ningún equipo de tesorería podría igualar a mano.
Plantea una pregunta que la industria aún no ha respondido con claridad: ¿cómo aplicas los principios de Conoce a tu Transacción a un tercero que es un componente de software? La dirección, al menos, es clara. Cuando los agentes transaccionan por cuenta propia, los controles no pueden vivir solo en el alta. Se trasladan a la capa transaccional: monitoreo en tiempo real, límites de velocidad, procedencia y la capacidad de intervenir mientras el dinero aún está en tránsito. La transparencia que llevamos años defendiendo ante los escépticos resulta ser justo lo que hace que la actividad on-chain autónoma sea auditable.
Este es el futuro que decidimos construir en lugar de esperar. Recientemente lanzamos Scorechain MCP, que expone nuestra calificación de riesgo y la inteligencia de entidades a través del Model Context Protocol, el estándar emergente que permite a los agentes de IA llamar herramientas externas directamente. La inteligencia vive en nuestra plataforma, y la IA se mantiene fuera de ella: llama para obtener respuestas en lugar de estar incrustada en la propia herramienta de cumplimiento. La premisa es simple: un agente nunca debería transaccionar a ciegas. Antes de mover fondos o aprobar una contraparte, puede preguntarle a Scorechain, en el mismo instante, si esa dirección es una entidad sancionada, un mezclador, un scam conocido o una billetera privada limpia, y recibir a cambio una calificación de riesgo. Esto no es un caso hipotético de rendimiento. Ya ejecutamos más de 1.5 millones de comprobaciones AML al día, y una llamada de filtrado devuelve resultados en aproximadamente 235 milisegundos, lo bastante rápido para estar dentro de una transacción en vivo sin ralentizarla. Lo colocamos 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 vive dentro del flujo, en el momento en que se toma la decisión, vale muchísimo 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 la ofrecemos como una API gratuita de filtrado de sanciones que cualquier desarrollador, agente o flujo de trabajo puede llamar. Filtrar exposición a sanciones no es donde un proveedor de cumplimiento debería estar extrayendo valor; es el umbral sobre el que todo el mercado debería estar de pie.
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 entra en 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 tiene, qué tan concentrada está esa propiedad y cuánto de la oferta está en manos de entidades sancionadas o, en general, de alto riesgo. Esa es una pregunta distinta al monitoreo de transacciones, y es la que nuestra Digital Asset Intelligence está diseñada para responder: dándole a un emisor o a un gestor de activos una visión del activo a nivel de titulares y exposición antes de acuñar, listar o asignar.
Europa está más preparada para esto de lo que se le reconoce. MiCA y la AMLD6 ya asumen un monitoreo continuo y una responsabilidad clara, en lugar de una revisión única a la entrada, y un régimen que parte de que la actividad debe poder explicarse es exactamente lo que quieres cuando el software empieza a mover dinero. Así que sí: la IA llega para el cumplimiento cripto. Eliminará mucho trabajo tedioso, y doy la bienvenida a eso. Lo que no eliminará es la necesidad de criterio, rendición de cuentas y datos verificables. Eleva el listón en los tres aspectos. Los equipos que tratan la IA como un analista más rápido, basado en inteligencia fiable on-chain y mantenido firmemente bajo control humano, son los que seguirán en pie cuando las máquinas empiecen a transaccionar. Eso está más cerca de lo que la mayoría de la gente cree.
El “después de la IA” llegará para el cumplimiento cripto, solo que no de la manera en que la mayoría de la gente piensa primero, apareció en Coinfea.