Introducción
Las finanzas descentralizadas (DeFi) han revolucionado las finanzas tradicionales al iniciar una historia de crecimiento exponencial a través de una serie de primitivas económicas simples pero poderosas, transformando las redes blockchain en un mercado global sin permisos. En el auge de DeFi, varias métricas clave se han convertido en la lingua franca del valor: el valor total bloqueado (TVL), la tasa de rendimiento anualizada (APY/APR) y la liquidez. Estas métricas ordenadas inspiran compromiso y confianza. Por ejemplo, el TVL de DeFi (el valor en dólares de los activos bloqueados en el protocolo) se disparó 14 veces en 2020 antes de cuadruplicarse nuevamente en 2021, alcanzando un máximo de USD 112 mil millones. Los altos rendimientos (algunas plataformas afirman APY de hasta el 3000% durante el auge de la agricultura de liquidez) atraen liquidez, mientras que la profundidad de los pools de liquidez indica un menor deslizamiento y un mercado más eficiente. En resumen, el TVL nos dice “cuánto dinero está involucrado”, el APR nos dice “cuánto puedes ganar” y la liquidez indica “lo fácil que es operar con activos”. A pesar de sus defectos, estas métricas han construido un ecosistema financiero multimillonario desde cero. Al convertir la participación de los usuarios en una oportunidad financiera inmediata, DeFi ha creado un volante de adopción que se refuerza a sí mismo y que la ha hecho rápidamente popular, impulsando la participación masiva.
Hoy en día, la IA se encuentra en una encrucijada similar. Pero a diferencia de DeFi, la narrativa actual de la IA está dominada por grandes modelos de propósito general entrenados en conjuntos de datos masivos de Internet. Estos modelos a menudo tienen dificultades para ofrecer resultados efectivos en segmentos, tareas especializadas o necesidades individuales. Su modelo de “talla única” es potente pero frágil, universal pero desalineado. Este paradigma necesita urgentemente un cambio de paradigma. La próxima era de la IA no debe definirse por el tamaño o la versatilidad de los modelos, sino que debe centrarse en modelos de abajo hacia arriba, más pequeños y altamente especializados. Este tipo de IA personalizada requiere un tipo de datos completamente nuevo: datos de alta calidad, alineados con el ser humano y específicos del dominio. Pero obtener este tipo de datos no es tan simple como el rastreo web, requiere contribuciones activas y conscientes de individuos, expertos en dominios y comunidades.
Para impulsar esta nueva era de IA especializada y alineada con los humanos, necesitamos construir un ciclo de incentivos similar al diseñado por DeFi para las finanzas. Esto significa introducir nuevos primitivos nativos de IA para medir la calidad de los datos, el rendimiento de los modelos, la fiabilidad de los agentes y los incentivos de alineación; estos indicadores deben reflejar directamente el verdadero valor de los datos como activos (y no solo como entradas).
Este artículo explorará los nuevos lenguajes que pueden constituir los pilares de una economía nativa de IA. Explicaremos cómo, al establecer la infraestructura económica adecuada (es decir, generando datos de alta calidad, incentivando razonablemente su creación y uso, y centrándonos en el individuo), la IA prosperará. También analizaremos plataformas como LazAI, que están a la vanguardia en la construcción de estos marcos nativos de IA, liderando un nuevo paradigma de precios y recompensas de datos, y proporcionando impulso para el próximo salto en la innovación de IA.
El volante de incentivos DeFi: TVL, rendimiento y liquidez - revisión rápida
El auge de DeFi no es casualidad, su diseño hace que la participación sea tanto rentable como transparente. El valor total bloqueado (TVL), la tasa de rendimiento anual (APY/APR) y la liquidez son indicadores clave que no solo son números, sino también primitivas que alinean el comportamiento del usuario con el crecimiento de la red. Estos indicadores forman juntos un ciclo virtuoso que atrae usuarios y capital, impulsando así una mayor innovación.
- Valor total bloqueado (TVL): el TVL mide el capital total depositado en protocolos DeFi (como pools de préstamos y pools de liquidez), convirtiéndose en un sinónimo de “capitalización de mercado” para los proyectos DeFi. El rápido crecimiento del TVL se considera un signo de confianza de los usuarios y de la salud del protocolo. Por ejemplo, durante el auge de DeFi de 2020-2021, el TVL pasó de menos de 10 mil millones de dólares a más de 100 mil millones de dólares, y para 2023 superó los 150 mil millones de dólares, mostrando la disposición de los participantes para bloquear valor en aplicaciones descentralizadas. Un alto TVL genera un efecto de atracción: más capital significa mayor liquidez y estabilidad, lo que atrae a más usuarios en busca de oportunidades. Aunque los críticos señalan que perseguir ciegamente el TVL puede llevar a que los protocolos ofrezcan incentivos insostenibles (en esencia, “comprar” TVL), lo que oculta problemas de ineficiencia, sin el TVL, la narrativa temprana de DeFi carecería de una forma concreta de rastrear la adopción.
- Tasa de rendimiento anual (APY/APR): La promesa de ganancias transformará la participación en oportunidades concretas. Los protocolos DeFi comenzaron a ofrecer APR asombrosos a los proveedores de liquidez o fondos. Por ejemplo, Compound lanzó el token COMP a mediados de 2020, inaugurando el modelo de minería de liquidez: recompensando a los proveedores de liquidez con tokens de gobernanza. Esta innovación desató una ola de actividad. Usar la plataforma ya no es solo un servicio, se ha convertido en una inversión. Un alto APY atrae a los buscadores de rendimiento, aumentando aún más el TVL. Este mecanismo de recompensas impulsa el crecimiento de la red al incentivar a los primeros adoptantes con generosos retornos.
- Liquidez: En finanzas, la liquidez se refiere a la capacidad de mover activos sin causar fuertes oscilaciones de precios, la piedra angular de un mercado saludable. La liquidez en DeFi a menudo se inicia a través de programas de minería de liquidez, donde los usuarios ganan tokens por proporcionar liquidez. La profunda liquidez de los exchanges descentralizados y los grupos de préstamos significa que los usuarios pueden operar o pedir prestado con baja fricción, mejorando la experiencia del usuario. La alta liquidez conduce a un mayor volumen de operaciones y utilidad, lo que a su vez atrae más liquidez: el clásico bucle de retroalimentación positiva. También es compatible con la componibilidad: los desarrolladores pueden crear nuevos productos (derivados, agregadores, etc.) sobre mercados líquidos para impulsar la innovación. Como resultado, la liquidez se convierte en el alma de la red, impulsando la adopción y la aparición de nuevos servicios.
Juntas, estas primitivas forman un poderoso volante motivacional. Los participantes que crean valor bloqueando activos o proporcionando liquidez son recompensados inmediatamente (a través de altos rendimientos e incentivos de tokens), lo que fomenta una mayor participación. Esto traduce el compromiso individual en amplias oportunidades (ganancias de usuario e influencia en la gobernanza) que a su vez generan efectos de red que atraen a miles de usuarios a unirse. Los resultados son impresionantes: DeFi tiene más de 10 millones de usuarios para 2024 y su valor ha crecido casi 30 veces en pocos años. Claramente, la alineación de incentivos a gran escala, convirtiendo a los usuarios en partes interesadas, es clave para el aumento exponencial de DeFi.
La falta actual en la economía de la IA
Si DeFi mostró cómo la participación de abajo hacia arriba y la alineación de incentivos pueden iniciar una revolución financiera, la economía de IA actual aún carece de los fundamentos para respaldar cambios similares. Actualmente, la IA está dominada por grandes modelos generales entrenados con enormes conjuntos de datos recopilados. Estos modelos básicos son impresionantes en escala, pero están diseñados para resolver todos los problemas, a menudo no logran servir eficazmente a nadie en particular. Su arquitectura “de talla única” es difícil de adaptar a nichos, diferencias culturales o preferencias individuales, lo que resulta en salidas frágiles, con puntos ciegos, y cada vez más desconectadas de las necesidades reales.
La próxima generación de IA ya no se definirá por la escala, sino también por la comprensión contextual: la capacidad de los modelos para comprender y servir a dominios específicos, comunidades profesionales y diversas perspectivas humanas. Sin embargo, esta inteligencia contextual requiere diferentes entradas: datos de alta calidad alineados con el ser humano. Y eso es exactamente lo que falta en este momento. Actualmente no existe un mecanismo ampliamente aceptado para medir, identificar, valorar o priorizar estos datos, ni existe un proceso abierto para que las personas, las comunidades o los expertos en la materia contribuyan con sus perspectivas y mejoren los sistemas inteligentes que tienen un impacto cada vez mayor en sus vidas. Como resultado, el valor sigue concentrado en manos de un puñado de proveedores de infraestructura, y las masas están desconectadas del potencial alcista de la economía de la IA. Solo diseñando nuevas primitivas que descubran, validen y recompensen las contribuciones de alto valor (datos, comentarios, señales de alineación) podemos desbloquear el ciclo de crecimiento participativo en el que prospera DeFi.
En resumen, debemos preguntar lo mismo:
¿Cómo debemos medir el valor de la creación? ¿Cómo construir un volante de adopción autorreforzante para impulsar la participación de datos centrada en el individuo desde abajo hacia arriba?
Para desbloquear una “economía nativa de IA” similar a DeFi, necesitamos definir nuevos primitivos que conviertan la participación en oportunidades de IA, catalizando así efectos de red sin precedentes en este campo.
Pilas tecnológicas nativas de IA: el nuevo lenguaje de la nueva economía
Ya no solo transferimos tokens entre billeteras, sino que ingresamos datos en modelos, convertimos la salida del modelo en decisiones y llevamos a cabo acciones a través de agentes de IA. Esto requiere nuevos indicadores y primitivos para cuantificar la inteligencia y la alineación, así como los indicadores de DeFi cuantifican el capital. Por ejemplo, LazAI está construyendo la próxima generación de redes blockchain, abordando el problema de alineación de datos de IA al introducir nuevos estándares de activos para datos de IA, comportamiento de modelos e interacción de agentes.
A continuación se describen algunos términos clave que definen el valor económico de la IA en la cadena de bloques:
- Datos verificables (la nueva “liquidez”): Los datos son para la IA lo que la liquidez es para DeFi: el alma de un sistema. En la IA, especialmente en los modelos grandes, es fundamental tener los datos correctos. Pero los datos brutos pueden ser de mala calidad o engañosos, y necesitamos datos de alta calidad que sean verificables en la cadena. Las posibles primitivas aquí son “Prueba de datos (PoD)/Prueba de valor (PoDV)”. El concepto medirá el valor de las contribuciones de datos, no solo en función de la cantidad, sino también de la calidad y su impacto en el rendimiento de la IA. Piense en ello como una contraparte de la minería de liquidez: los contribuyentes que proporcionen datos útiles (o etiquetas/comentarios) serán recompensados en función del valor que aporten sus datos. Los primeros diseños de estos sistemas ya están tomando forma. Por ejemplo, el consenso de prueba de datos (PoD) de un proyecto de blockchain trata los datos como el recurso principal para la verificación (similar a la energía en la prueba de trabajo o al capital en la prueba de participación). En este sistema, los nodos son recompensados en función de la cantidad, calidad y relevancia de los datos que aportan.
Escalando esto a la economía general de la IA, podríamos ver el “Valor total de datos bloqueados (TDVL)” como una métrica: una medida agregada de todos los datos valiosos en la red, ponderada por la verificabilidad y la utilidad. Los grupos de datos verificados pueden incluso negociarse como pools de liquidez: por ejemplo, un grupo de imágenes médicas verificadas para la IA de diagnóstico en cadena puede tener un valor y una utilización cuantificables. La fuente de datos (comprensión de la fuente de los datos, historial de modificaciones) será una parte clave de esta métrica para garantizar que los datos introducidos en el modelo de IA sean fiables y rastreables. Esencialmente, si la liquidez tiene que ver con el capital disponible, los datos verificables tienen que ver con el conocimiento disponible. Métricas como la prueba de valor de los datos (PoDV) capturan la cantidad de conocimiento útil bloqueado en la red, mientras que el anclaje de datos en la cadena a través del token de anclaje de datos (DAT) de LazAI hace que la liquidez de los datos sea una capa económica medible e incentivada.
- Rendimiento del modelo (una nueva clase de activos): En la economía de la IA, un modelo entrenado (o servicio de IA) se convierte en un activo por derecho propio, o incluso en una nueva clase de activos junto con los tokens y los NFT. Los modelos de IA bien entrenados son valiosos debido a la inteligencia encapsulada en sus pesos. Pero, ¿cómo se caracteriza y mide este valor en la cadena? Es posible que necesitemos puntos de referencia de rendimiento en la cadena o certificación de modelos. Por ejemplo, la precisión de un modelo en un conjunto de datos estándar, o una tasa de victorias en una tarea competitiva, se puede registrar en la cadena como una puntuación de rendimiento. Piense en ello como una “calificación crediticia” en cadena o KPI para un modelo de IA. Estas puntuaciones se pueden ajustar a medida que se ajusta el modelo o se actualizan los datos. Proyectos como Oraichain han explorado la combinación de API de modelos de IA con la puntuación de confiabilidad (verificando que el resultado de la IA sea el esperado a través de casos de prueba). En DeFi nativa de IA (“AiFi”), se puede prever el staking basado en el rendimiento del modelo: por ejemplo, se pueden apostar tokens si el desarrollador cree que su modelo funciona bien; Si una auditoría on-chain independiente confirma su rendimiento, será recompensado (si el modelo no funciona bien, se perderá la participación). Esto motivará a los desarrolladores a informar con veracidad y mejorar continuamente el modelo. Otra idea son los NFT modelo tokenizados que llevan metadatos de rendimiento: el “precio mínimo” de los NFT modelo puede reflejar su utilidad. Estas prácticas ya están surgiendo: algunos mercados de IA permiten que los modelos de compra y venta accedan a los tokens, y protocolos como LayerAI (antes CryptoGPT) consideran explícitamente los datos y los modelos de IA como una clase de activos emergentes en la economía mundial de la IA. En resumen, DeFi pregunta “¿cuánto dinero está bloqueado?” AI-DeFi preguntará “¿Cuánta inteligencia está bloqueada?” —no solo en términos de potencia de cálculo (aunque igualmente importante), sino también en términos de rendimiento y valor de los modelos que se ejecutan en la red. Las nuevas métricas pueden incluir “pruebas de calidad del modelo” o índices de series temporales para las mejoras del rendimiento de la IA en la cadena.
• Comportamiento y utilidad de proxy (agentes de IA en cadena): Una de las adiciones más emocionantes y desafiantes a la cadena de bloques nativa de IA son los agentes de IA autónomos que se ejecutan en la cadena. Pueden ser bots de trading, curadores de datos, IA de servicio al cliente o gobernadores de DAO complejos, esencialmente entidades de software que pueden sentir, decidir y actuar en nombre de los usuarios en la red o incluso por su cuenta. El mundo DeFi solo tiene “bots” básicos; Y en el mundo de la cadena de bloques de IA, los agentes pueden convertirse en agentes económicos de primera clase. Esto ha creado la necesidad de métricas en torno al comportamiento, la confiabilidad y la utilidad de la agencia. Es posible que veamos mecanismos como la “puntuación de utilidad del agente” o los sistemas de reputación. Imagina que cada agente de IA (tal vez representado como una identidad NFT o de token semifungible (SFT)) acumula reputación en función de sus acciones (completar tareas, colaborar, etc.). Estas puntuaciones son similares a las puntuaciones de crédito o a las calificaciones de los usuarios, pero para la IA. Otros contratos pueden usar esto para decidir si confiar o usar servicios de proxy. En el concepto iDAO (Individual-Centric DAO) de LazAI, cada agente o entidad de usuario posee su propio dominio en cadena y activos de IA. Es concebible que estos iDAO o proxies establezcan registros medibles.
Las plataformas existentes están empezando a tokenizar a los agentes de IA y a proporcionarles métricas en la cadena: por ejemplo, el “protocolo Roma” de Rivalz crea agentes de IA basados en NFT (rAgents), y sus últimas métricas de reputación se registran en la cadena. Los usuarios pueden hacer staking o prestar estos proxies, y sus recompensas dependen de su rendimiento e influencia en un “clúster” colectivo de IA. Esto es esencialmente DeFi para agentes de IA y demuestra la importancia de las métricas de utilidad de proxy. En el futuro, podríamos hablar de “proxies activos de IA” de la misma manera que hablamos de direcciones activas, o de “impacto económico de proxy” cuando hablamos de volumen de transacciones.
- La trayectoria de atención puede convertirse en otro idioma primario: registra lo que el agente presta atención en el proceso de toma de decisiones (qué datos, señales). Esto puede hacer que los agentes de caja negra sean más transparentes, auditables, y atribuir el éxito o fracaso del agente a entradas específicas. En resumen, los indicadores de comportamiento del agente asegurarán la responsabilidad y la alineación: para que los agentes autónomos gestionen grandes sumas de dinero o tareas críticas, es necesario cuantificar su fiabilidad. Una alta puntuación de utilidad del agente puede convertirse en un requisito previo para que los agentes de IA en la cadena gestionen grandes sumas de dinero (similar a cómo una alta puntuación de crédito en las finanzas tradicionales es un umbral para préstamos grandes).
- Uso de incentivos y métricas alineadas con la IA: por último, la economía de la IA debe considerar cómo incentivar el uso beneficioso y la alineación. DeFi impulsa el crecimiento a través de la minería de liquidez, airdrops para usuarios tempranos o reembolsos de tarifas; mientras que en la IA, el simple crecimiento del uso no es suficiente, debemos incentivar el uso que mejora los resultados de la IA. En este momento, las métricas vinculadas a la alineación con la IA son cruciales. Por ejemplo, el ciclo de retroalimentación humana (como calificaciones de usuarios sobre las respuestas de la IA o correcciones proporcionadas a través de iDAO, que se explicará en detalle más adelante) puede ser registrado, y los contribuyentes de retroalimentación pueden ganar “rendimientos de alineación”. O imaginemos “prueba de atención” o “prueba de participación”, donde los usuarios que dedican tiempo a mejorar la IA (proporcionando datos de preferencias, correcciones o nuevos casos de uso) reciben recompensas. Las métricas pueden ser trazas de atención, capturando retroalimentación de calidad que optimiza la IA o la fuerza de atención humana.
Al igual que DeFi necesita exploradores de bloques y paneles de control (por ejemplo, DeFi Pulse, DefiLlama) para realizar un seguimiento del TVL y las ganancias, la economía de la IA necesita nuevos navegadores para realizar un seguimiento de estas métricas centradas en la IA: imagine un panel de control de “IA-llama” que muestre la cantidad total de datos alineados, el número de agentes de IA activos, las ganancias acumuladas de la utilidad de la IA y mucho más. Es similar a DeFi, pero el contenido es completamente nuevo.
Avanzando hacia la rueda de AI estilo DeFi
Necesitamos construir un ciclo de incentivos para la IA: considerar los datos como un activo económico de primera clase, transformando el desarrollo de la IA de una empresa cerrada a una economía abierta y participativa, así como DeFi ha convertido las finanzas en un espacio de liquidez impulsado por los usuarios.
Exploraciones tempranas en esta dirección ya se han hecho evidentes. Por ejemplo, proyectos como Vana han comenzado a recompensar a los usuarios por participar en el intercambio de datos. La red Vana permite a los usuarios contribuir datos personales o comunitarios a DataDAO (un fondo de datos descentralizado) y ganar tokens exclusivos de conjuntos de datos (canjeables por el token nativo de la red). Este es un paso importante hacia la monetización de los contribuyentes de datos.
Sin embargo, las contribuciones gratificantes por sí solas no son suficientes para replicar el explosivo volante de DeFi. En DeFi, los proveedores de liquidez no solo son recompensados por depositar activos, sino que los activos que proporcionan también tienen un valor de mercado transparente y el rendimiento refleja el uso real (tarifas de transacción, intereses prestados, más tokens de incentivo). Del mismo modo, la economía de los datos de la IA debe ir más allá de las recompensas genéricas y fijar directamente el precio de los datos. En ausencia de una fijación de precios económicos basada en la calidad de los datos, la escasez o el grado en que se mejora el modelo, podemos caer en incentivos superficiales. La simple distribución de tokens para recompensar la participación puede fomentar la cantidad en lugar de la calidad, o estancarse cuando los tokens carecen de una paridad de utilidad real de IA. Para dar rienda suelta a la innovación de verdad, los colaboradores deben ver señales claras impulsadas por el mercado, comprender el valor de sus datos y cosechar las recompensas cuando los datos se utilizan realmente en los sistemas de IA.
Necesitamos una infraestructura que se centre más en la valoración directa y los datos de recompensas, para crear un ciclo de incentivos centralizado en datos: cuanto más datos de alta calidad contribuyan las personas, mejor será el modelo, atrayendo más uso y demanda de datos, lo que a su vez aumentará las recompensas para los contribuyentes. Esto transformará la IA de una competencia cerrada por grandes datos a un mercado abierto de datos confiables y de alta calidad.
¿Cómo se reflejan estas ideas en proyectos reales? Tomemos como ejemplo a LazAI: este proyecto está construyendo la próxima generación de redes blockchain y principios fundamentales para una economía de IA descentralizada.
Introducción a LazAI - Alinear la IA con la humanidad
LazAI es una red y protocolo de blockchain de próxima generación diseñado para abordar el problema de alineación de datos de IA, construyendo la infraestructura de una economía de IA descentralizada mediante la introducción de nuevos estándares de activos de datos de IA, comportamiento de modelos e interacciones de agentes.
LazAI ofrece uno de los enfoques más vanguardistas al resolver el problema de alineación de la IA mediante la verificación de datos, incentivos y programación en cadena. A continuación, se explicará cómo una blockchain nativa de IA puede poner en práctica los principios mencionados a través del marco de LazAI.
Problemas centrales: desajuste de datos y falta de incentivos justos
La alineación de la IA suele resumirse en la calidad de los datos de entrenamiento, mientras que el futuro requiere nuevos datos que estén alineados con los humanos, sean confiables y estén gobernados. A medida que la industria de la IA pasa de modelos generales centralizados a inteligencia contextualizada y alineada, la infraestructura debe evolucionar en sincronía. La próxima era de la IA estará definida por la alineación, la precisión y la trazabilidad. LazAI aborda directamente los desafíos de alineación de datos y de incentivos, proponiendo soluciones fundamentales: alinear los datos desde su origen y recompensar directamente los datos en sí. En otras palabras, garantizar que los datos de entrenamiento representen de manera verificable la perspectiva humana, eliminen el ruido/bias y sean recompensados según la calidad de los datos, su escasez o el grado de mejora del modelo. Esta es una transición de paradigma de reparar modelos a organizar datos.
LazAI no solo introduce la primitiva, sino que también propone un nuevo paradigma para la obtención de datos, la fijación de precios y la gobernanza. Sus conceptos centrales incluyen el token de anclaje de datos (DAT) y la DAO centrada en el individuo (iDAO), que juntos logran la fijación de precios, el seguimiento y el uso programable de los datos.
Datos verificables y programables - Token de anclaje de datos (DAT)
Para lograr esto, LazAI ha introducido una nueva primitiva en la cadena, el Data Anchor Token (DAT), un nuevo estándar de token diseñado específicamente para la assetización de datos de IA. Cada DAT representa una pieza de datos anclados en la cadena y su linaje: identidad del contribuyente, evolución a lo largo del tiempo y casos de uso. Esto crea un historial verificable de cada dato, similar a un sistema de control de versiones para conjuntos de datos (como Git), pero protegido por la cadena de bloques. Debido a que los DAT existen en la cadena, son programables: los contratos inteligentes administran las reglas para su uso. Por ejemplo, un contribuyente de datos puede especificar que su DAT, como un conjunto de imágenes médicas, se restrinja a modelos de IA específicos o se use bajo ciertas condiciones (mediante la aplicación de restricciones éticas o de privacidad a través del código). El incentivo es que el DAT se puede intercambiar o apostar: el modelo (o su propietario) puede pagar para obtener acceso a los datos si son valiosos para el modelo. Esencialmente, LazAI ha construido un mercado donde los datos están tokenizados y son rastreables. Se trata de un eco directo de la métrica de “datos verificables” comentada anteriormente: al examinar un DAT, puede confirmar si se ha validado, cuántos modelos están en uso y qué mejoras de rendimiento del modelo ha causado. Dichos datos recibirán una mayor valoración. Al anclar los datos en la cadena y vincular los incentivos económicos a la calidad, LazAI garantiza que la IA se entrene con datos confiables y medibles. Se trata de resolver problemas incentivando la alineación: los datos de calidad se recompensan y salen ganando.
marco DAO (iDAO) centrado en el individuo
El segundo componente clave es el concepto iDAO (Individual-Centric DAO) de LazAI, que redefine la gobernanza en la economía de la IA al poner a los individuos, en lugar de a las organizaciones, en el centro de la toma de decisiones y la propiedad de los datos. Las DAO tradicionales a menudo priorizan los objetivos organizativos colectivos, debilitando inadvertidamente la voluntad individual. iDAO subvierte esta lógica. Son unidades de gobernanza personalizadas que permiten a las personas, comunidades o entidades específicas del dominio poseer, controlar y validar directamente los datos y modelos que aportan al sistema de IA. Las iDAO admiten una IA personalizada y alineada: como marco de gobernanza, garantizan que el modelo siempre siga los valores o intenciones de los contribuyentes. Desde una perspectiva económica, las iDAO también hacen que el comportamiento de la IA sea programable por la comunidad: se pueden establecer reglas para limitar cómo un modelo puede usar datos específicos, quién puede acceder al modelo y cómo se distribuirán los beneficios de los resultados del modelo. Por ejemplo, las iDAO pueden estipular que cada vez que se llame a su modelo de IA, como se complete una solicitud de API o una tarea, una parte de los ingresos se devolverá a los titulares de DAT que contribuyeron con los datos relevantes. Esto establece un bucle de retroalimentación directa entre el comportamiento de los proxy y las recompensas de los contribuyentes, similar al mecanismo de DeFi, donde las ganancias de los proveedores de liquidez están vinculadas al uso de la plataforma. Además, las iDAO pueden interactuar de forma componible entre sí a través de un protocolo: un agente de IA (iDAO) puede invocar los datos o el modelo de otra iDAO en términos negociados.
A través de la creación de estos primitivos, el marco de LazAI convierte la visión de una economía de IA descentralizada en una realidad. Los datos se convierten en activos que los usuarios pueden poseer y monetizar, y los modelos pasan de ser islas privadas a proyectos colaborativos, donde cada participante —desde individuos que crean conjuntos de datos únicos hasta desarrolladores que construyen modelos especializados pequeños— puede convertirse en un interesado en la cadena de valor de la IA. Este alineamiento de incentivos tiene la esperanza de replicar el crecimiento explosivo de DeFi: cuando las personas se dan cuenta de que participar en la IA (contribuyendo con datos o conocimientos especializados) se traduce directamente en oportunidades, estarán más dispuestas a involucrarse. A medida que aumenta la cantidad de participantes, se activa el efecto de red: más datos generan mejores modelos, atraen a más usuarios, lo que a su vez genera más datos y demanda, formando un ciclo positivo.
Construir una base de confianza en IA: marco de cálculo verificable
En este ecosistema, el marco de computación verificable de LazAI (Verified Computing Framework) es la capa central para construir confianza. Este marco asegura que cada DAT generado, cada decisión de iDAO (organización autónoma individualizada) y cada asignación de incentivos tenga una cadena de trazabilidad verificable, lo que hace que la propiedad de los datos sea ejecutable, el proceso de gobernanza sea responsabilizable y el comportamiento de los agentes sea auditable. Al transformar iDAO y DAT de conceptos teóricos a sistemas confiables y verificables, el marco de computación verificable logra un cambio de paradigma en la confianza: de depender de suposiciones a garantizar la certeza basada en la verificación matemática.
La realización del valor de la economía de IA descentralizada
El establecimiento de estos elementos básicos hace que la visión de una economía de IA descentralizada se convierta en realidad:
- Tokenización de datos: los usuarios pueden tener derechos sobre los activos de datos y obtener ingresos.
- Colaboración en modelos: los modelos de IA pasan de ser islas cerradas a productos de colaboración abierta
- Participación en la tokenización: desde los contribuyentes de datos hasta los desarrolladores de modelos verticales, todos los participantes pueden convertirse en partes interesadas en la cadena de valor de la IA.
Se espera que este diseño compatible con incentivos replique el impulso de crecimiento de DeFi: cuando los usuarios se den cuenta de que participar en la construcción de IA (aportando datos o experiencia) puede traducirse directamente en oportunidades económicas, se encenderá el entusiasmo por la participación. A medida que crece la escala de los participantes, surgen efectos de red: más datos de alta calidad conducen a mejores modelos, atraen a más usuarios para que se unan y, a su vez, generan más demanda de datos, formando un volante de crecimiento que se refuerza a sí mismo.
Conclusión: Hacia una economía de IA abierta
La historia de DeFi ha demostrado que las primitivas correctas pueden desencadenar un crecimiento sin precedentes. Estamos en el punto de inflexión de un avance similar en la próxima economía nativa de la IA. Al definir e implementar nuevas primitivas que valoren los datos y la alineación, podemos transformar el desarrollo de la IA de una ingeniería centralizada a una empresa descentralizada impulsada por la comunidad. El camino transcurre sin desafíos: garantizar que los mecanismos económicos prioricen la calidad sobre la cantidad, y evitar trampas éticas para evitar que los incentivos de datos socaven la privacidad o la equidad. Pero la dirección es clara. Prácticas como DAT e iDAO de LazAI están abriendo el camino para traducir la abstracción de la “IA alineada con el ser humano” en mecanismos concretos de propiedad y gobernanza.
Así como el DeFi temprano optimizaba experimentalmente el TVL, la minería de liquidez y la gobernanza, la economía de IA también iterará sus nuevos primitivos. En el futuro, surgirán debates e innovaciones en torno a la medición del valor de los datos, la distribución justa de recompensas, la alineación de agentes de IA y sus beneficios. Este artículo solo toca la superficie de los modelos de incentivos que pueden impulsar la democratización de la IA, con la esperanza de inspirar discusiones abiertas e investigaciones profundas: ¿cómo diseñar más primitivos económicos nativos de IA? ¿Qué consecuencias o oportunidades inesperadas podrían surgir? A través de la participación de una comunidad amplia, es más probable que construyamos un futuro de IA que no solo sea tecnológicamente avanzado, sino también económicamente inclusivo y alineado con los valores humanos.
El crecimiento exponencial de DeFi no es magia: está impulsado por la alineación de incentivos. Hoy en día, tenemos la oportunidad de impulsar un renacimiento de la IA a través de prácticas similares de datos y modelos. Transformar la participación en oportunidades, y las oportunidades en efectos de red, nos permite poner en marcha un ciclo que reconfigura la creación y distribución de valor en la era digital para la IA.
Construyamos juntos este futuro: comenzando con un conjunto de datos verificables, un agente de IA alineado y una nueva primitiva.
