Cada vez que buscas, navegas o interactúas con una app, generas datos.
Esos datos valen miles de millones para las empresas de IA. Pero las plataformas que los recopilan se quedan con casi todo el valor.
Una nueva generación de mercados descentralizados de datos de IA quiere invertir ese esquema, usando cripto para pagar directamente a los contribuyentes siempre que sus datos entrenen un modelo de aprendizaje automático.
La mecánica va mucho más allá de un simple eslogan de “posee tus datos”.
Hay capas de verificación, sistemas de staking, restricciones de privacidad y economías de tokens, y en conjunto determinan si un contribuyente cobra de forma justa o no cobra nada.
Este artículo explica cómo funcionan esos sistemas, desde cero.
En resumen
- Los mercados descentralizados de datos de IA conectan a personas que poseen datos en bruto con desarrolladores de IA que necesitan conjuntos de entrenamiento etiquetados y verificados, y usan tokens cripto para manejar pagos sin confianza.
- Los contribuyentes envían datos, que se verifican en cadena o mediante redes de oráculos descentralizadas antes de liberar el pago, eliminando a la plataforma intermediaria del reparto de ingresos.
- Técnicas de preservación de la privacidad como el aprendizaje federado y las pruebas de conocimiento cero permiten monetizar los datos sin que la información subyacente abandone nunca el dispositivo del contribuyente.
- La economía de tokens, que incluye staking, slashing y puntuaciones de reputación, alinea incentivos para que los contribuyentes envíen datos precisos en lugar de basura.
- Proyectos como Kled AI en Solana representan la frontera actual, pero el modelo abarca múltiples cadenas y varias arquitecturas competidoras.
Por qué las empresas de IA necesitan tantos datos y quién los paga hoy
Los modelos de lenguaje grandes y los sistemas de reconocimiento de imágenes son hambrientos de datos en un grado difícil de exagerar.
Una sola sesión de entrenamiento para un modelo de frontera puede consumir cientos de miles de millones de tokens de texto, millones de imágenes etiquetadas o años de señales de comportamiento humano grabadas.
Esos datos tienen que venir de algún lado.
Hoy, la mayoría proviene de unas pocas vías.
El web scraping recopila texto público a gran escala. Los acuerdos de licencia con plataformas dan a los laboratorios de IA acceso a conjuntos de datos propietarios; Reddit, medios de noticias y agencias de fotos de stock ya han firmado este tipo de acuerdos.
Y las plataformas de anotación por crowdsourcing pagan pequeñas tarifas a trabajadores humanos para etiquetar imágenes, transcribir audio o calificar respuestas de IA por precisión.
El mercado de anotación es grande pero extractivo. Los trabajadores en plataformas centralizadas suelen ganar entre 1 y 5 dólares por hora, mientras que los conjuntos de datos etiquetados que producen se venden a desarrolladores de IA por órdenes de magnitud más por registro.
El problema es estructural. Una plataforma centralizada situada entre el dueño de los datos y el comprador de IA captura la mayor parte del margen. Fija precios, impone sus propios estándares de calidad y puede expulsar a los contribuyentes sin recurso. Los mercados descentralizados reemplazan esa capa de plataforma con contratos inteligentes, protocolos abiertos y rieles de pago denominados en tokens.
También lee: USDT brevemente destrona a Ethereum como el activo cripto n.º 2
Qué es realmente un mercado descentralizado de datos de IA
En su esencia, un mercado descentralizado de datos de IA es un protocolo donde la oferta y la demanda de datos se encuentran sin un intermediario controlador.
Del lado del comprador están los desarrolladores de IA o equipos de investigación que publican una “solicitud de datos”, especificando el tipo de datos, los estándares de calidad, los requisitos de formato y el precio que pagarán por cada registro validado.
Del lado del vendedor están los contribuyentes individuales o agregadores de datos que cumplen esas solicitudes.
El contrato inteligente actúa como la capa de custodia.
Un comprador bloquea fondos en el contrato cuando publica una solicitud. Cuando un contribuyente envía datos que superan la etapa de verificación, el contrato libera el pago automáticamente.
Ninguna de las partes necesita confiar en la otra. Ambas confían en el código del contrato.
Los propios datos normalmente no viven en la cadena.
Almacenar gigabytes de imágenes etiquetadas en Ethereum (ETH) o Solana (SOL) sería prohibitivamente caro.
En su lugar, los datos residen en una red de almacenamiento descentralizado como IPFS o Arweave, y lo que va a la cadena es un hash con direccionamiento por contenido, una huella digital única del archivo.
El contrato inteligente comprueba que el hash que envió el contribuyente coincide con un archivo verificado y sin alterar antes de liberar el pago.
Un hash de contenido es una cadena corta de caracteres que se deriva matemáticamente del contenido exacto de un archivo. Si cambias un solo byte del archivo, el hash cambia por completo. Esto hace imposible reclamar pagos por datos alterados o reciclados a posteriori.
También lee: Techdollar recauda 3 millones de dólares para que trabajadores de startups cobren sin vender
Cómo funciona la verificación de datos sin un guardián central
La verificación es el problema más difícil en este diseño. Una plataforma centralizada puede contratar revisores de calidad.
Un contrato inteligente no puede leer una imagen ni juzgar si un texto está etiquetado con precisión; solo puede ejecutar lógica. Los mercados descentralizados resuelven esto con tres enfoques principales, a menudo usados en combinación.
Las pruebas criptográficas funcionan para datos estructurados cuya corrección puede comprobarse matemáticamente. Si un contribuyente envía trazas GPS, lecturas de sensores o registros financieros, una prueba de conocimiento cero puede confirmar que los datos cumplen ciertas propiedades, se registraron en cierto momento, caen dentro de un rango válido y provienen de un dispositivo específico, sin revelar los valores en bruto.
La validación por la multitud funciona para tareas de etiquetado subjetivo. Varios contribuyentes independientes revisan la misma pieza de datos y envían sus evaluaciones. El contrato compara las respuestas y paga a los contribuyentes cuyas respuestas se alinean con la mayoría, mientras penaliza a los que son sistemáticamente atípicos. Es una versión descentralizada de la técnica de anotación redundante que usan las plataformas centralizadas para detectar etiquetadores perezosos o maliciosos.
El staking y slashing añaden una capa económica encima. Los contribuyentes bloquean un depósito en el token nativo de la plataforma antes de poder enviar datos. Si sus envíos son rechazados repetidamente o marcados como fraudulentos por la capa de validación por la multitud, su stake es “slasheado”, parcial o totalmente confiscado. Esto hace que sea financieramente costoso enviar datos de baja calidad, alineando el incentivo del contribuyente con el requisito de calidad del comprador.
También lee: XRP pone a prueba el soporte de 1 dólar mientras se profundiza el riesgo de caída a 0,60 dólares
Cómo las técnicas de preservación de la privacidad protegen a los contribuyentes
Una tensión obvia en este modelo es la privacidad. Si un usuario vende su historial de navegación o datos de salud a un desarrollador de IA, el valor es real, pero la exposición también. Los mercados descentralizados abordan esto con dos técnicas cada vez más maduras.
El aprendizaje federado mantiene los datos en bruto completamente en el dispositivo del contribuyente. En lugar de enviar datos a un servidor central, el propio modelo de IA se envía a la máquina del contribuyente. El modelo se entrena localmente con los datos en bruto, y solo los pesos del modelo actualizados, parámetros matemáticos abstractos que no revelan directamente los datos subyacentes, se devuelven al desarrollador. Las actualizaciones de pesos de múltiples contribuyentes se agregan para producir un mejor modelo. Los datos de entrenamiento nunca abandonan el entorno del contribuyente.
La privacidad diferencial añade ruido estadístico calibrado a un conjunto de datos antes de compartirlo, haciendo imposible reconstruir los registros específicos de cualquier individuo a partir del agregado, al tiempo que se preservan los patrones estadísticos que hacen útil el conjunto para el entrenamiento. La cantidad de ruido es ajustable: más ruido implica garantías de privacidad más fuertes pero una utilidad de datos ligeramente menor.
Estas técnicas importan también por razones regulatorias. Leyes como el RGPD en Europa y la Ley de Privacidad del Consumidor de California en EE. UU. imponen normas estrictas sobre la transferencia y el uso de datos personales. Un mercado que pueda demostrar de forma creíble que su canal de datos nunca transmite información personal en bruto puede enfrentar un camino regulatorio mucho más limpio que uno que simplemente monetiza exportaciones de datos sin procesar.
También lee: HIVE acaba de pedir prestados 115 millones de dólares al cero por ciento para apostar contra la minería de Bitcoin
Economía de tokens, staking y cómo cobran realmente los contribuyentes
El mecanismo de pago varía según la plataforma, pero la mayoría usa un token de utilidad nativo en lugar de pagar directamente en un activo principal como Bitcoin (BTC). El token cumple varias funciones a la vez.
Primero, es la unidad de cuenta para las solicitudes de datos. Los compradores denominan sus ofertas en el token, lo que significa que el token captura el valor del lado de la demanda: cuanto más solicitudes de datos se publican, más tokens se necesitan para financiarlas.
Segundo, el staking crea un bloqueo del lado de la oferta. Los contribuyentes deben tener y hacer staking del token para participar en el mercado, retirando oferta circulante y alineando sus incentivos con la salud de la red.
Tercero, la reputación suele estar ligada al historial de tokens. Un contribuyente que ha hecho staking de forma continua, ha tenido envíos aceptados y nunca ha sido slasheado construye un historial verificable en cadena. Esta puntuación de reputación puede permitirle cobrar una prima por sus datos, porque los compradores pueden confiar más en él que en un contribuyente nuevo sin historial.
En la práctica, los flujos de pago se ven así. Un comprador publica una solicitud y deposita, por ejemplo, 500 tokens en la custodia del contrato. Un contribuyente envía 50 registros etiquetados. La capa de validación los revisa y aprueba. El contrato libera 50 tokens al contribuyente, 2 tokens a los validadores que aprobaron el envío y mantiene los 448 tokens restantes para futuros contribuyentes. El comprador recibe acceso al registro del conjunto de datos verificado una vez confirmado el pago.
La economía de tokens solo funciona si hay una demanda genuina de los datos. Los proyectos que se lanzan con alta las recompensas para los contribuidores, pero sin compradores de desarrolladores de IA que paguen al otro lado del mercado, crean una presión inflacionaria sobre el token que no es sostenible.
Cómo Kled AI y proyectos similares implementan este modelo en Solana
Kled AI ejemplifica el estado del arte actual en Solana. El protocolo se presenta como un mercado descentralizado donde las personas pueden monetizar sus datos personales específicamente para el entrenamiento de modelos de IA. Los bajos costos de transacción y el alto rendimiento de Solana lo hacen práctico para los micropagos de alta frecuencia y bajo valor que requieren las economías de los mercados de datos; pagar una fracción de un token por una sola imagen etiquetada es económicamente viable en Solana de una manera en que no lo es en la red principal de Ethereum.
La arquitectura de Solana también importa para la velocidad. La verificación de datos que desencadena la liberación de un pago necesita liquidarse rápidamente. Un contribuidor no va a aceptar un mercado donde espere horas para la confirmación de un pago. La finalidad en sub-segundos de Solana hace que la experiencia de pago se sienta cercana a la de una plataforma tradicional, al tiempo que mantiene las propiedades sin confianza de un contrato inteligente.
Velvet, que está en tendencia junto con Kled AI, adopta un ángulo diferente: es una terminal de portafolio on-chain impulsada por IA que integra trading spot, perpetuos y estrategias de rendimiento. Es relevante para este espacio porque demuestra el mismo tema subyacente: sistemas de IA que operan utilizando datos on-chain y liquidan utilizando tokens cripto. Mientras Kled AI crea un mercado para datos de entrenamiento en bruto, Velvet es un ejemplo de una aplicación de IA que consume ese tipo de datos de mercado procesados. Representan dos extremos de la misma tubería de economía de datos.
Otros proyectos que están construyendo en este espacio incluyen Ocean Protocol, que fue pionero en el concepto de activos de datos tokenizados en Ethereum, y Grass, que recompensa específicamente a los usuarios por contribuir con ancho de banda ocioso y datos de navegación a las canalizaciones de entrenamiento de IA. Cada uno adopta un enfoque arquitectónico algo diferente, pero comparte el mismo modelo central de pagos reforzados criptográficamente por contribuciones de datos verificadas.
También lee: El congelamiento Mythos de Anthropic abre la puerta a los retadores asiáticos Sakana AI y 360
Quién se beneficia realmente de este modelo y cuáles son los riesgos
Para los contribuidores individuales de datos, el atractivo es directo: el valor que antes se extraía de forma gratuita ahora puede capturarse directamente. Alguien con una gran presencia en redes sociales, experiencia específica en un dominio o acceso a tipos de datos poco comunes —historias clínicas, documentos legales profesionales, contenido en idiomas distintos del inglés— puede exigir una prima significativa en un mercado con verdadera demanda por parte de desarrolladores de IA.
Para los desarrolladores de IA, los mercados descentralizados ofrecen acceso a tipos de datos que son difíciles de obtener mediante scraping o licenciamiento tradicional. Datos de preferencias generados por humanos, anotaciones de nichos especializados y contenido multilingüe de regiones subrepresentadas son genuinamente escasos. Un protocolo que pueda obtener y verificar esos datos a escala representa un valor real.
Los riesgos también son reales, en ambos lados. La volatilidad del precio del token significa que un contribuidor pagado hoy en el token nativo podría descubrir que ese pago vale significativamente menos en términos de dólares para cuando intente gastarlo. Los compradores enfrentan el riesgo opuesto: el precio del token puede dispararse entre el momento en que planean una compra de datos y cuando la ejecutan, haciendo que su adquisición de datos sea más cara de lo presupuestado.
La calidad de los datos sigue siendo un desafío no resuelto a escala. Los mecanismos de validación colectiva y basados en staking reducen el fraude, pero no lo eliminan.
Actores maliciosos sofisticados pueden manipular sistemas de reputación con el tiempo, y los desarrolladores de IA que compran datos de un nuevo mercado no probado asumen un riesgo de calidad que no existe cuando compran a proveedores de anotaciones consolidados con largos historiales.
El riesgo regulatorio es la mayor incógnita. La monetización de datos personales se sitúa en la intersección del derecho de privacidad de datos, la regulación de valores para los tokens implicados y los marcos de gobernanza de IA que aún se están redactando. Un mercado que opere cumpliendo la normativa en una jurisdicción puede estar en una zona gris legal en otra.
También lee: ¿Se dirige Ethereum a 1.000 dólares tras perder un soporte clave?
Reflexiones finales
Los mercados descentralizados de datos para IA representan una respuesta específica y técnicamente fundamentada a un problema económico genuino: las personas que generan datos de entrenamiento históricamente han capturado casi nada de su valor.
Los contratos inteligentes, el almacenamiento con direccionamiento por contenido, el aprendizaje federado y el staking de tokens juntos crean un sistema donde ese valor puede fluir directamente a los contribuidores, sin que un intermediario de plataforma capture el margen.
El modelo aún está en una etapa temprana.
La economía de tokens está madurando, los sistemas de verificación necesitan demostrar que escalan a millones de contribuidores sin ser manipulados, y el entorno regulatorio en torno a la monetización de datos personales continúa sin resolverse.
Pero el lado de la demanda de la ecuación no va a desaparecer.
Los desarrolladores de IA necesitan más datos, de más tipos, de los que las fuentes centralizadas pueden proporcionar de forma confiable.
Esa necesidad estructural es lo que da a los mercados descentralizados de datos su tesis a largo plazo.
Lee a continuación: XRP se arriesga a una caída del 30 % mientras la actividad de las ballenas y el RSI se desploman