¿A qué debería parecerse la infraestructura financiera completamente nueva en la era de la IA?

null

Autor original: Matt Liston

Recopilación original: AididiaoJP, Foresight News

En noviembre de 2024, los mercados de predicción predijeron el resultado de las elecciones antes que los demás. Cuando las encuestas muestran que el ganador es indistinguible y los expertos están parpadeando, el mercado le da a Trump un 60% de posibilidades de ganar. Cuando se anunciaron los resultados, el mercado de predicciones superó a todo el sistema de predicción: encuestas, modelos, juicios de expertos, todo.

Esto demuestra que el mercado puede agregar información dispersa en creencias precisas, y el mecanismo de reparto de riesgos juega un papel. Desde los años 40 del siglo XX, los economistas han soñado que los mercados especulativos superarían las previsiones de los expertos, y hoy este sueño se valida en el escenario más grande.

Pero echemos un vistazo más de cerca a la economía que hay detrás.

Los apostantes de Polymarket y Kalshi aportan miles de millones de dólares en liquidez. ¿Cuál es su retorno? Generan una señal que todo el mundo puede ver al instante y gratis. Los fondos de cobertura lo observan, los equipos de campaña lo absorben y los periodistas construyen paneles de datos alrededor de ello. Nadie tiene que pagar por esta información, y los apostantes en realidad están subvencionando un bien público global.

Este es el dilema en el que se encuentran los mercados de predicción: la información que producen es la parte más valiosa, filtrada en el momento en que se genera. Y los compradores astutos no pagan por información pública. Los proveedores privados de datos cobran a los fondos de cobertura de forma exorbitante porque sus datos son invisibles para sus competidores. Por el contrario, el precio de mercado predicho públicamente, por muy preciso que sea, no tiene valor para estos compradores.

Por lo tanto, los mercados de predicción solo pueden existir en áreas donde suficiente gente quiera “apostar”: elecciones, deportes, eventos de memes online. Como resultado, tenemos un pasatiempo de entretenimiento disfrazado de infraestructura de información. Las preguntas que realmente importan a los responsables políticos siguen sin respuesta, como los riesgos geopolíticos, las interrupciones en las cadenas de suministro, los resultados regulatorios y los plazos para el desarrollo tecnológico, porque nadie apostaría por ellas para el entretenimiento.

La lógica económica de predecir el mercado está invertida. Y corregir esto forma parte de un cambio mayor. La información es un producto en sí misma, las apuestas son solo un mecanismo para producir información, y es un mecanismo limitado, necesitamos un paradigma diferente. A continuación se presenta un esquema preliminar de la “finanzas cognitiva”: una infraestructura rediseñada a partir de los principios básicos en torno a la propia información.

Inteligencia colectiva

Los mercados financieros son una inteligencia colectiva en sí mismos. Convergen conocimientos, creencias e intenciones dispersos en precios, orquestando así el comportamiento de millones de participantes que nunca se comunican directamente. Esto es notable, pero también extremadamente ineficiente.

Los mercados tradicionales son lentos porque están limitados por horarios de negociación, ciclos de liquidación y fricciones institucionales. Solo pueden expresar creencias en términos generales a través de la herramienta burda del precio. Las cosas que puede representar también son muy limitadas, es decir, el espacio para las reclamaciones comerciales es simplemente insignificante comparado con el espacio problemático que realmente importa a los humanos. Además, los participantes están severamente restringidos: barreras regulatorias, requisitos de capital y restricciones geográficas que excluyen a la gran mayoría de las personas y a todas las máquinas.

La aparición del mundo cripto está empezando a cambiar esto, incluyendo mercados interminables, participación sin permisos y activos programables. Protocolos modulares que pueden combinarse sin coordinación central. DeFi (finanzas descentralizadas) ha demostrado que la infraestructura financiera puede reconstruirse en componentes fundamentales abiertos e interoperables nacidos de la interacción de módulos autónomos en lugar de decretos guardianes.

Pero DeFi en gran medida simplemente replica las finanzas tradicionales con mejores “canales”. Su inteligencia colectiva sigue basándose en el precio, centrada en activos y lenta en absorber nueva información.

Las finanzas cognitivas son el siguiente paso: reconstruir los propios sistemas inteligentes desde principios fundamentales para la era de la inteligencia artificial y el cifrado. Necesitamos un mercado “pensante” que pueda mantener un modelo probabilístico del mundo, absorber información a cualquier nivel de granularidad, ser consultado y actualizado por sistemas de IA, y que los humanos puedan aportar conocimiento sin comprender la estructura subyacente.

Los componentes que lo hacen posible no son misteriosos: modificar modelos económicos con mercados privados, capturar correlaciones con estructuras combinatorias, procesar información a gran escala con ecosistemas de agentes y extraer señales del cerebro humano mediante interfaces hombre-máquina. Cada parte puede construirse hoy en día y, al combinarse, crea algo nuevo con un significado cualitativo.

Mercado privado

Si no se revela el precio, se levantarán las restricciones económicas.

Un mercado de predicción privado solo permite que la entidad que subvenciona la liquidez vea el precio. Por tanto, la entidad recibe una señal exclusiva, una información propietaria, no un bien público. Como resultado, el mercado de repente se vuelve viable en cualquier pregunta de “alguien necesita respuestas”, independientemente de si alguien está dispuesto a apostar por diversión o no.

Hablé de este concepto con @_Dave_White_.

Imagina un fondo de cobertura macroeconómico que quiere estimaciones continuas de probabilidad de decisiones de la Fed, resultados de inflación y datos de empleo como señales de toma de decisiones en lugar de oportunidades de apuestas. Mientras la inteligencia sea exclusiva, están dispuestos a pagar por ella. Un contratista de defensa quiere una distribución de probabilidad de escenarios geopolíticos, y una farmacéutica quiere supervisar las previsiones de los plazos de aprobación. Sin embargo, hoy en día estos compradores no existen, porque una vez que se genera la información, se filtra inmediatamente a los competidores.

La privacidad es la base de lo que mantiene vigente el modelo económico. Una vez que el precio se hace público, el comprador de información pierde la ventaja, los competidores empiezan a aprovecharse de la vida libre y todo el sistema retrocede para depender únicamente de las necesidades de entretenimiento.

Esto es posible gracias a un entorno de ejecución confiable, un enclave informático seguro donde los procesos computacionales son invisibles para el exterior, incluso para los operadores del sistema. El estado del mercado existe completamente dentro de TEE. Los compradores de información reciben señales a través de canales verificados. Múltiples entidades no competidoras pueden suscribirse a mercados superpuestos; Las ventanas de acceso escalonadas pueden equilibrar la exclusividad de la información con una distribución más amplia.

El TEE no es perfecto, requiere confianza en el fabricante del hardware. Pero ya proporciona suficiente privacidad para aplicaciones comerciales, y la tecnología de ingeniería está ahora bastante madura.

Mercado combinado

Los mercados de predicción actuales ven los eventos como aislados entre sí. “¿Bajará la Fed los tipos de interés en marzo?” En un mercado independiente. “¿La inflación superará el 3% en el segundo trimestre?” en otro mercado. Un operador que entienda la correlación intrínseca entre estos eventos, como saber que una alta inflación puede aumentar la probabilidad de recortes de tipos, o que un empleo fuerte puede reducir la probabilidad de recortes, debe recurrir a un arbitraje manual entre estos fondos desconectados para intentar reconstruir correlaciones que han sido destruidas por la propia estructura del mercado.

Es como construir un cerebro donde cada neurona solo puede disparar de forma aislada.

Los mercados de predicción de carteras se diferencian en que mantienen una “distribución de probabilidad conjunta” de múltiples combinaciones de resultados. Una operación que diga “los tipos de interés siguen siendo altos y la inflación supera el 3%” creará ondas en todos los mercados relevantes del sistema, actualizando simultáneamente toda la estructura de probabilidad.

Esto es similar a cómo aprende una red neuronal: en el entrenamiento, cientos de millones de parámetros se ajustan simultáneamente con cada actualización de gradiente, y toda la red reacciona a cada dato en su conjunto. Cada operación en la misma cartera predice que el mercado actualiza toda su distribución de probabilidad, y la información se propaga a través de una estructura de correlación en lugar de limitarse a actualizar precios aislados.

Lo que surge es un “modelo”, una distribución de probabilidad que se actualiza continuamente en el espacio de estados de eventos mundiales. Cada transacción optimiza la percepción del modelo sobre las correlaciones entre cosas. El mercado está aprendiendo cómo está conectado el mundo real.

Ecosistema inteligente

Los sistemas automatizados de trading ya dominan Polymarket. Monitorizan precios, detectan errores de precios, ejecutan arbitraje, agregan información externa y lo hacen más rápido que cualquier persona.

El mercado de predicciones actual está diseñado para apostadores humanos usando interfaces web. Los agentes están “a regañadientes” involucrados en este diseño. Un mercado de predicción nativo de IA invertiría completamente esta lógica: los agentes se convirtieron en actores principales, mientras que los humanos estaban conectados al sistema como fuente de información.

Aquí hay una decisión arquitectónica crucial: debe lograrse un aislamiento total. Un agente que pueda ver el precio no debe ser una fuente de información al mismo tiempo; Y el agente responsable de obtener información no debe tener acceso al precio.

Sin este “muro”, el sistema se corroerá a sí mismo. Un agente que puede obtener información y observar precios puede deducir qué información es valiosa a partir de movimientos de precios en sentido inverso, y luego buscarla por sí sola. De este modo, las propias señales del mercado se convierten en un “mapa del tesoro” para guiar a los demás. El comportamiento de adquisición de información degenera en una compleja “transacción prospectiva”. El mecanismo de aislamiento garantiza que el agente de adquisición de información solo pueda beneficiarse proporcionando señales verdaderamente novedosas y únicas.

En el lado de la “pared”: los agentes de transacciones, que compiten en estructuras complejas de cartera para identificar errores de valoración; y agentes evaluadores, que evalúan la información entrante mediante mecanismos adversariales, discerniendo qué es señal, qué es ruido y qué es manipulación.

Al otro lado del “muro”: están los agentes de adquisición de información, que operan completamente fuera del sistema central. Monitorizan los flujos de datos, escanean documentos, contactan con personas individuales con conocimientos únicos y envían información al mercado en una dirección. Son compensados cuando su información resulta valiosa.

La compensación fluye en dirección opuesta a lo largo de la cadena. Una operación rentable recompensa al agente que ejecuta la operación, al agente que evalúa esa información y al agente adquirido que inicialmente proporcionó esa información. Este ecosistema se convierte así en una plataforma: por un lado, permite a agentes de IA altamente especializados monetizar sus capacidades; Por otro lado, también se convierte en una capa base para que otros sistemas de IA recopilen inteligencia que guíe sus acciones. El agente es el propio mercado.

Inteligencia humana

Una gran parte de la información más valiosa del mundo existe solo en la mente humana. Por ejemplo, ingenieros que saben que el progreso de su producto ha quedado rezagado; Analistas que detectan cambios sutiles en el comportamiento del consumidor; Observadores que notaron detalles que ni siquiera los satélites podían ver.

Un sistema nativo de IA debe ser capaz de captar estas señales del cerebro humano sin verse abrumado por la enorme cantidad de ruido. Dos mecanismos hacen esto posible:

Participación de intermediarios agentes: Permite a los humanos “comerciar” sin ver el precio. Una persona simplemente expresa una creencia en lenguaje natural, como “Creo que el lanzamiento del producto se retrasará.” Un “agente de traducción de creencias” dedicado analiza esta predicción, evalúa su confianza y, en última instancia, la traduce en una posición en el mercado. Este agente coordina con un sistema que tiene acceso a precios para construir y ejecutar órdenes. Los participantes humanos solo recibirán retroalimentación aproximada sobre los resultados: “posición abierta” o “ventaja insuficiente”. La remuneración se establecerá una vez finalizado el evento en función de la precisión de la previsión y la información sobre el precio no se filtrará durante todo el proceso.

Mercado de información: Permite a los agentes de adquisición de información pagar directamente por señales humanas. Por ejemplo, un agente que quiere entender la rentabilidad de una empresa tecnológica puede identificar a un ingeniero con conocimientos internos relevantes, comprarle un informe de evaluación y verificarle y pagarle en función del valor de esa información en el mercado. Los humanos son pagados por su conocimiento sin comprender estructuras de mercado complejas.

Tomemos como ejemplo a la analista Alice: ella cree que una fusión y adquisición no pasará la aprobación regulatoria basada en el juicio profesional. Introduce esta visión a través de una interfaz de lenguaje natural, y su “agente de traducción de creencias” analiza la predicción, evalúa su confianza a partir de detalles lingüísticos, verifica su historia y construye una posición adecuada sin tocar el precio en todo el proceso. El “agente coordinado” en el límite del TEE juzga si sus opiniones tienen una ventaja informativa basada en la probabilidad implícita del mercado actual y ejecuta las operaciones en consecuencia. Alice solo recibirá una notificación de “posición abierta” o “ventaja insuficiente”. Los precios siempre se mantienen en secreto.

Esta arquitectura trata la atención humana como un recurso escaso que debe ser asignado cuidadosamente y compensado de forma justa, en lugar de un recurso público que puede ser explotado a voluntad. A medida que estas interfaces maduran, el conocimiento humano se volverá “fluido”: la información que conoces se alimenta en un modelo global de la realidad y se recompensa cuando se demuestra correcta. La información atrapada en la mente ya no estará atrapada.

Panorama futura

Extiende la vista lo suficiente para ver a dónde nos llevará todo esto.

El futuro será un océano de relaciones fluidas, modulares e interoperables. Estas relaciones se formaron y disiparon espontáneamente entre actores humanos y no humanos, sin un guardián central. Esto es una especie de “confianza fractal autónoma”.

Los agentes negocian con ellos, los humanos aportan conocimiento a través de interfaces naturales y la información fluye hacia un modelo de realidad continuamente actualizado, que cualquiera puede consultar, pero nadie puede controlarlo.

El mercado de predicción actual es solo un boceto aproximado de este panorama. Validan el concepto central (el reparto de riesgos produce creencias precisas), pero quedan atrapados en modelos económicos falsos y suposiciones estructurales falsas. Las apuestas deportivas y las apuestas electorales son para la financiación cognitiva lo que ARPANET (el Internet temprano) es para el Internet global actual: es una “prueba de concepto” que se confunde con la forma definitiva.

El verdadero “mercado” es en realidad cada decisión tomada bajo incertidumbre, es decir, casi todas las decisiones. Gestión de la cadena de suministro, ensayos clínicos, planificación de infraestructuras, estrategia geopolítica, asignación de recursos, nombramientos y despidos de personal… El valor de reducir la incertidumbre en estas áreas supera con creces el valor de entretenimiento de apostar en eventos deportivos. Simplemente no hemos construido la infraestructura necesaria para captar ese valor.

Lo que viene es el “momento OpenAI” en el campo de la cognición: un proyecto de infraestructura a escala civilizacional, pero cuyo objetivo no es el razonamiento individual, sino la creencia colectiva. Las grandes empresas de modelos de lenguaje están construyendo sistemas que “razonan” a partir de datos de entrenamiento pasados; Las finanzas cognitivas, en cambio, buscan construir sistemas que “creen”: mantienen una distribución de probabilidad calibrada sobre el estado del mundo, la actualizan continuamente mediante incentivos económicos en lugar de descensos de gradiente, e integran el conocimiento humano a cualquier nivel de destreza. Los LLM codifican el pasado; Los mercados de predicción convergen creencias sobre el futuro. Solo combinando ambos podemos formar un sistema cognitivo más completo.

Cuando se escale por completo, esto evolucionará hacia una infraestructura: los sistemas de IA pueden consultarlo para entender la incertidumbre del mundo; Los humanos pueden aportar conocimiento a él sin comprender sus mecanismos internos; Toma el conocimiento local de sensores, expertos en el sector e investigaciones de vanguardia y lo sintetiza en un modelo unificado. Un modelo auto-optimizado y predictivo del mundo. Un sustrato sobre el que la incertidumbre misma puede intercambiarse y combinarse. La inteligencia que emerge al final superará la suma de sus partes.

Los ordenadores civilizados son exactamente la dirección que las finanzas cognitivas buscan construir.

Lo que está en juego está en juego

Todas las piezas del puzzle están en su lugar: las capacidades del agente han superado el umbral que puede usarse para la predicción; La computación confidencial se ha trasladado del laboratorio al entorno de producción; Los mercados de predicción han demostrado una encajadura a gran escala entre producto y mercado en el ámbito del entretenimiento. Estos hilos convergen en una oportunidad específica e histórica: construir la infraestructura cognitiva necesaria para la era de la inteligencia artificial.

Otra posibilidad es que el mercado de predicción siempre se mantenga en el nivel del entretenimiento, actuando con precisión durante las elecciones, normalmente sin importarle y sin poder tocar los temas realmente importantes. La infraestructura en la que los sistemas de IA entienden la incertidumbre dejará de existir, y las valiosas señales atrapadas en la mente humana permanecerán en silencio para siempre.