Por Pierre Gérard, CEO y cofundador de Scorechain

Cuando Scorechain se fundó en Luxemburgo en 2015, el "análisis de blockchain" aún no existía como categoría reconocida. Los primeros años se dedicaron a explicar a bancos y reguladores por qué la transparencia de un libro contable público representaba una oportunidad y no una amenaza. Una década después, el mismo malentendido se está extendiendo a la inteligencia artificial (IA), y le está costando a la industria un tiempo valioso.

Dos narrativas dominan la conversación actual. La primera sostiene que la IA pronto reemplazará por completo a los equipos de compliance. La segunda argumenta que la IA es demasiado impredecible para confiársele actividades financieras reguladas. Ninguna resiste el escrutinio. Desde 2015, Scorechain ha evaluado el riesgo de más de 2.800 proveedores de servicios de activos virtuales (VASP) y, en los últimos dos años, la empresa ha integrado IA donde aporta un valor real, como una capa separada y no como algo incrustado directamente en las herramientas de compliance de las que dependen los clientes.

El problema del ruido en el compliance

Cada oficial de compliance plantea el mismo problema en los primeros cinco minutos de conversación: el ruido. Un sistema de monitoreo de sanciones calibrado al nivel que prefiere un banco cauteloso puede generar falsos positivos en torno al 95%. El monitoreo de transacciones produce tasas igualmente elevadas. La consecuencia es que los analistas capacitados, profesionales que comprenden las tipologías y saben interpretar flujos de fondos, pasan la mayor parte de su jornada laboral depurando alertas que nunca representaron un riesgo real: descartando coincidencias de nombres en apellidos comunes o revisando múltiples resultados de medios adversos que resultan describir a personas completamente distintas. Cada verificación de medios adversos consume normalmente entre 10 y 20 minutos del tiempo de un analista. Esta es la realidad cotidiana del trabajo de compliance y una de las principales razones por las que los profesionales calificados abandonan el sector. Asociaciones de la industria como ACAMS han señalado el aumento del agotamiento y la rotación en los roles de prevención de lavado de dinero como un problema estructural, no cíclico.

Es aquí donde la automatización demuestra su valor, aunque en una capacidad más limitada de lo que sugiere el hype. Scorechain AI está diseñado para entregar al analista un informe consolidado: la puntuación de riesgo de un monedero, los tipos de entidades con las que ha interactuado y los servicios y contrapartes identificadas a las que ha estado expuesto. Esto representa un trabajo que antes requería horas de rastreo manual a través de un libro contable. De manera fundamental, el informe no toma decisiones. Comprime la evidencia para que el oficial de compliance, la persona responsable de aprobar la decisión y defenderla ante un regulador, pueda revisarla en minutos y tomar la decisión final. La automatización efectiva no reduce la función de compliance; desplaza el foco desde el triaje repetitivo hacia el juicio profesional.

Por qué la rendición de cuentas humana es arquitectónica, no temporal

Esa distinción importa porque la alternativa conlleva un peligro real. En un entorno regulado, un modelo no puede responder ante un supervisor. Tanto la Sexta Directiva contra el Lavado de Dinero (AMLD6) como el Reglamento de Mercados de Criptoactivos (MiCA) exigen que las instituciones expliquen y respalden sus decisiones. MiCA, que comenzó a aplicarse en la Unión Europea a mediados de 2024 con disposiciones que se implementan gradualmente hasta 2025, impone algunas de las obligaciones operativas más detalladas que se han aplicado hasta ahora a los proveedores de servicios de criptoactivos, incluidos requisitos sobre gestión de reclamaciones, garantías prudenciales y monitoreo de abuso de mercado. "El algoritmo lo marcó" no constituye una defensa válida durante una inspección, y "el algoritmo lo autorizó" es aún peor. El único enfoque de diseño responsable es que la IA funcione como una capa de apoyo construida sobre datos confiables, con un oficial de compliance designado que conserve tanto la autoridad de decisión como la rendición de cuentas que la acompaña. La supervisión humana no es una medida temporal que se elimina a medida que los modelos maduran; es la arquitectura misma.

La calidad de un modelo está determinada en última instancia por lo que subyace a él. Esto es lo que los externos tienden a pasar por alto. Por sí sola, una IA que lee una blockchain solo percibe cadenas anónimas de caracteres transfiriendo valor a otras cadenas anónimas. No puede identificar que un monedero tres saltos aguas arriba pertenece a un exchange sancionado, o que la contraparte que recibe los fondos es un mixer en lugar de un proveedor de nóminas. Aportar ese contexto faltante es la función central del análisis de blockchain: adjuntar identidad y evaluaciones de riesgo a la actividad on-chain en bruto, rastrear la exposición indirecta a través de múltiples saltos en lugar de simplemente verificar la dirección que se tiene enfrente y calificarla frente a más de mil millones de puntos de datos y más de un millón de entidades cripto que Scorechain ha etiquetado desde 2015.

Considere un ejemplo concreto: un monedero parece limpio en una inspección inicial, pero el rastreo de sus flujos revela que la mayor parte de su saldo se originó dos saltos atrás desde una dirección vinculada a un operador de ransomware. Ese es un hallazgo que ningún modelo podría alcanzar solo con datos on-chain en bruto, pero es exactamente el tipo de hallazgo sobre el que un oficial de compliance debe actuar. Proporcionar a un modelo ese contexto le permite razonar sobre bases sólidas. Alimentarlo con datos insuficientes produce afirmaciones seguras pero equivocadas, lo cual en compliance es más peligroso que una honesta falta de información, porque da como resultado la autorización de transacciones que deberían ser marcadas.

La IA como participante del mercado, no solo como herramienta de compliance

Un desarrollo genuinamente nuevo es que la IA ya no es solo una herramienta utilizada por los equipos de compliance; se está convirtiendo en un participante del mercado que estos 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 Protocolo de Agentes Confiables de Visa y la integración de pagos de PayPal y OpenAI. El software está empezando a transaccionar con otro software, liquidando en criptoactivos a volúmenes que ningún equipo de tesorería podría procesar manualmente. Esto llega en un momento en que más de 50 jurisdicciones ya han adoptado o propuesto requisitos de la Travel Rule del FATF para los VASP, lo que significa que el perímetro de compliance para identificar contrapartes ya se está expandiendo más allá de lo que los procesos manuales pueden sostener.

Esto plantea una pregunta que la industria aún no ha respondido con claridad: ¿cómo se aplican los principios de Conoce Tu Transacción a una contraparte que es un software? La dirección, al menos, es evidente. Cuando los agentes transaccionan de forma independiente, los controles no pueden residir únicamente en la etapa de incorporación. Deben trasladarse a la capa de transacción misma: monitoreo en tiempo real, límites de velocidad, trazabilidad de procedencia y la capacidad de intervenir mientras los fondos aún están en movimiento. La transparencia que se defendió ante los escépticos durante años resulta ser la característica que hace que la actividad autónoma on-chain sea auditable.

Construyendo para el compliance autónomo

Scorechain lanzó recientemente Scorechain MCP, que expone su calificación de riesgo e inteligencia de entidades a través del Model Context Protocol, un estándar emergente que permite a los agentes de IA llamar a herramientas externas directamente. La inteligencia reside dentro de la plataforma de Scorechain, mientras que la IA permanece fuera de ella, consultándola para obtener respuestas en lugar de estar incrustada en la propia herramienta de compliance. La premisa es sencilla: un agente nunca debería transaccionar a ciegas. Antes de mover fondos o aprobar a una contraparte, un agente puede consultar a Scorechain para determinar si una dirección pertenece a una entidad sancionada, un mixer, una estafa conocida o un monedero privado limpio, y recibir una puntuación de riesgo a cambio.

Esto no es una capacidad hipotética. Scorechain procesa actualmente más de 1,5 millones de verificaciones AML al día, con una consulta de monitoreo que retorna en aproximadamente 235 milisegundos, lo suficientemente rápido para operar dentro de una transacción en vivo sin causar demora. El servicio está disponible donde los agentes y los flujos de trabajo realmente operan: como una aplicación dentro de ChatGPT y Claude, y como una integración en plataformas de automatización como n8n y Zapier. Una verificación de compliance integrada en el flujo en el momento de la decisión tiene mucho más valor que una añadida después de que los fondos ya se han movido.

La verificación más fundamental de todas, si una dirección aparece en una lista de sanciones, no debería estar restringida por un muro de pago. Por eso, Scorechain ofrece una API gratuita de monitoreo de sanciones que cualquier desarrollador, agente o flujo de trabajo puede utilizar. El monitoreo de exposición a sanciones no es el ámbito donde un proveedor de compliance debería extraer valor; representa la base sobre la que todo el mercado debería sostenerse.

Inteligencia de riesgo a nivel de activo

Está emergiendo un cambio de segundo orden que los emisores de tokens y los gestores de activos recién empiezan a enfrentar. Cuando el valor se traslada a stablecoins y activos tokenizados a velocidad de máquina, el riesgo que importa va más allá de la transacción individual y se extiende al activo mismo: quién lo posee, qué tan concentrada está esa propiedad y cuánto del suministro reside en entidades sancionadas o de alto riesgo. Esta es una pregunta fundamentalmente distinta al monitoreo de transacciones, y es la que la Digital Asset Intelligence de Scorechain está diseñada para responder, proporcionando a los emisores y gestores de activos una vista a nivel de activo de los tenedores y la exposición antes de emitir, listar o asignar. La urgencia crece a medida que acelera la participación institucional en activos tokenizados, con firmas como BlackRock lanzando fondos de tesorería tokenizados en blockchains públicas y grandes bancos pilotando infraestructura de liquidación con stablecoins.

Europa está mejor preparada para esta transición de lo que generalmente se le reconoce. MiCA y AMLD6 ya asumen un monitoreo continuo y una rendición de cuentas clara en lugar de una verificación única en la incorporación. Un régimen regulatorio que exige que la actividad sea explicable es precisamente lo que se necesita cuando el software comienza a mover dinero de forma autónoma.

La IA efectivamente está transformando el compliance cripto. Eliminará una cantidad significativa de trabajo tedioso, lo cual es un desarrollo positivo. Lo que no eliminará es la necesidad de juicio, rendición de cuentas y datos verificables. Si acaso, eleva el estándar en los tres aspectos. Los equipos que aborden la IA como un analista más rápido, uno fundamentado en inteligencia on-chain confiable y mantenido firmemente bajo control humano, serán los que estén posicionados para seguir siendo efectivos cuando las máquinas comiencen a transaccionar por sí mismas. Ese futuro está más cerca de lo que la mayoría de la gente cree.