Saltar al contenido
  • BTC $63.114 −2,9%
  • ETH $1.779 −2,5%
  • SOL $73,68 −2,0%
  • BNB $583,04 −2,3%
  • XRP $0,9692 −1,5%
  • DOGE $0,0588 −2,2%
  • ADA $0,1516 −2,5%

IA descentralizada: qué es, cómo funciona y por qué será central en la economía de la inteligencia

En el informe “State of AI 2025”, Messari dedica un capítulo completo a la Decentralized AI (deAI), definiéndola como un complemento necesario.

decentralized ai deai

En el informe “State of AI 2025”, Messari dedica un capítulo entero a la Decentralized AI (deAI), definiéndola no como una alternativa ideológica a la AI tradicional, sino como un complemento necesario para garantizar transparencia, seguridad y participación global.

En un mundo donde los modelos se convierten en black box y crece el poder de los laboratorios privados, el papel de la deAI no es teórico: es una respuesta estructural a los desafíos del nuevo orden de la inteligencia.

La inteligencia artificial se está convirtiendo en la infraestructura digital más estratégica del planeta. Pero mientras los gigantes tecnológicos consolidan su dominio, crece un movimiento paralelo que quiere construir una IA radicalmente diferente: abierta, verificable, permissionless y distribuida.

¿Qué es la Decentralized AI (deAI)?

La deAI es un sistema de IA construido sobre redes distribuidas, donde:

  • los datos pueden ser recopilados, etiquetados e intercambiados de manera permissionless;
  • el cálculo se realiza en redes globales de GPU independientes;
  • los modelos pueden ser entrenados y utilizados de manera coordinada, sin una única autoridad de control;
  • privacidad, verificabilidad y reputación están garantizadas a través de blockchain, criptografía y sistemas de certificación;
  • los agentes AI pueden transaccionar, identificarse y colaborar en un entorno trustless.

En otras palabras:

La deAI es la infraestructura que permite construir una IA abierta «para cualquiera y por cualquiera», sin tener que depender de un gigante privado.

¿Por qué la deAI se vuelve necesaria?

Messari divide las razones en dos categorías: filosóficas y prácticas.

🔹 Filosofía

  1. Concentración del poder
    La IA centralizada otorga un control enorme a pocas empresas (OpenAI, Google, Anthropic). Esto influye en narrativas, acceso a datos, estándares tecnológicos e incluso procesos sociales.
  2. Opacidad
    No sabemos cómo fueron entrenados los modelos, qué datos utilizan, qué sesgos incorporan.
  3. Confianza limitada
    No existen garantías verificables de que el modelo servido sea el declarado o que maneje los datos de manera correcta.

🔹 Práctica

  1. Coordinación global
    Las blockchain permiten coordinar millones de dispositivos y contribuyentes sin necesidad de confianza.
  2. Verificabilidad on-chain
    Identidad, reputación, estado del modelo e integridad pueden ser registrados de manera inmutable.
  3. Pagos nativos
    Los agentes de IA necesitan pagos instantáneos, microtransacciones y liquidación inmediata: aquí crypto es insustituible.
  4. Escalabilidad a través de redes distribuidas
    La deAI aprovecha hardware ya existente (PC gaming, edge devices, pequeños centros de datos), no solo GPU hyperscaler.

La deAI Stack: los 6 niveles que componen el ecosistema

El informe describe en detalle la pila tecnológica de la deAI, compuesta por 6 capas interconectadas: Data → Compute → Training → Privacy/Verification → Agents → Applications.

Veámoslos uno por uno.

1. Capa de Datos

El corazón de cada sistema de IA es el dataset.
En la deAI, los datos se recopilan, etiquetan, almacenan e intercambian a través de redes distribuidas.

Actividades principales:

  • recolección de datos (video, audio, sensores, interacciones reales)
  • etiquetado a través de marketplaces incentivados
  • limpieza y preprocesamiento
  • almacenamiento en redes distribuidas (Filecoin, Arweave, Jackal)
  • mercados de datos (Ocean, Vana, Cudis)

La descentralización permite:

  • mayor diversidad de datos
  • incentivos económicos directos a los contribuyentes
  • verificabilidad (provenance, timestamp, identidad)
  • reducción del costo de los datasets propietarios

Con la “data famine” prevista para el 2030, esta capa se vuelve crucial.

2. Capa de Cómputo

Aquí es donde ocurre la parte más costosa de la IA: realizar el training y la inference.

Las redes de computación descentralizada (DCN):

  • Akash
  • Render
  • io.net
  • Aethir
  • Hiperbólico
  • EigenCloud
  • Exabits

La principal ventaja: hacen disponible el cómputo bajo demanda a precios de mercado, no impuestos por un proveedor de nube.

Históricamente ineficaces para el entrenamiento a gran escala (debido a latencias y sincronizaciones), hoy los DCN son perfectos para servir inferencia, porque:

  • requiere menos comunicación entre GPU
  • puede ejecutarse en hardware heterogéneo
  • es el segmento destinado a representar el 50–75% de la demanda de computación para el 2030

3. Capa de Entrenamiento e Inferencia

Messari distingue claramente:

Pre-entrenamiento

Muy difícil de descentralizar:
requiere conjuntos de datos enormes, sincronización estricta, ancho de banda altísimo.

Post-entrenamiento (SFT / RLHF / RL)

Perfecto para redes distribuidas:

  • más asincronía
  • menos comunicación
  • más escalabilidad
  • posibilidad de crowdsourcing de datos

Inferencia descentralizada

Es el eslabón perdido que hace que la deAI sea utilizable en la vida real.

Ejemplos citados en el informe:

  • Prodia
  • Caídas
  • Fortytwo Network
  • dria
  • inference.net

4. Capa de Privacidad y Verificación

Aquí entran en juego las tecnologías criptográficas más complejas.

Técnicas fundamentales:

  • ZKML (aprendizaje automático de conocimiento cero)
  • Optimistic ML (verificación a través de un período de desafío)
  • ML basado en TEE (entornos de ejecución confiables)
  • FHE (encriptación completamente homomórfica)
  • MPC (computación multipartita)
  • Aprendizaje federado

Objetivo:

Asegurar que un modelo haya sido calculado correctamente, sin modificaciones y sin exponer datos sensibles.

Proyectos mencionados:

  • Phala (TEE)
  • Zama (FHE)
  • Nillion (MPC)
  • EZKL (ZKML)
  • Lagrange (zkML + infraestructura de verificación)

Este es el layer más importante para la adopción empresarial.

5. Agentes y Capa de Orquestación

El informe analiza cómo los autonomous agents están convirtiéndose en la nueva «interfaz» de la IA.

Un stack completo incluye:

  • modelo base (LLM o SLM)
  • herramientas (API, billetera, automatización de navegador)
  • framework (ElizaOS, Daydreams, Olas, Questflow)
  • estándar de comunicación
  • coordinación multi-agente
  • integridad verificable (prompt inviolable, reasoning verificado)

Las blockchain desbloquean para los agentes:

  • identidad
  • reputación
  • pagos self-custodial
  • acceso trustless a servicios financieros
  • auditabilidad

Los agentes serán los principales «usuarios» de la blockchain en los próximos 5 años.

6. Capa de Aplicaciones

El nivel final: las aplicaciones construidas sobre toda la stack.

Ejemplos:

  • agentes de trading
  • bots DeFi autónomos
  • navegadores autónomos
  • sistemas de ciberseguridad
  • etiquetado de datos impulsado por IA
  • universos multi-agente para gaming, discovery o e-commerce
  • motores de recomendación descentralizados

Las aplicaciones deAI funcionan como las AI normales, pero con tres diferencias:

  1. transparencia
  2. verificabilidad
  3. interoperabilidad con crypto

¿Por qué ahora? Las 5 fuerzas que impulsan la deAI

Messari identifica cinco megatendencias que crean un terreno perfecto para el crecimiento de la decentralized AI:

  1. Demanda de inferencia en auge vertical
  2. Agotamiento de datos públicos y demanda de datos propietarios
  3. Explosión de los agentes de IA que deben transaccionar de manera autónoma
  4. Guerra global por el talento y costos prohibitivos del cómputo
  5. Avances en la descentralización del training y la verification

La IA centralizada no puede satisfacer todo: se necesita complementariedad.

Conclusión: la deAI es la base de la IA abierta, verificable y participativa

La AI descentralizada no es una tendencia: es una respuesta estructural.
A medida que los modelos crecen y el poder de las Big Tech se concentra, la necesidad de:

  • verificar
  • descentralizar
  • certificar
  • coordinar
  • compensar
  • proteger
  • distribuir

se vuelve central.

La deAI es la infraestructura que permite a la AI ser no solo potente, sino también:

  • abierta
  • segura
  • distribuida
  • accesible globalmente

Francesco Antonio Russo

Todos los artículos de Francesco Antonio Russo