ASUS y Poesis prueban un agente de IA de autonegociación con capital real

ASUS y Poesis colaboraron en un experimento de una semana de duración en el que agentes de IA autónomos realizaron estudios de mercado, gestionaron riesgos y llevaron a cabo operaciones reales. Según el comunicado de ambas compañías, los agentes trabajaron en el portátil ASUS ExpertCenter Pro ET900N G3 utilizando tecnología NVIDIA.

La importancia del experimento no radica únicamente en el desarrollo de un nuevo bot de trading. Su esencia reside en que nos permite vislumbrar un nuevo mercado donde la IA ya no se limita a ofrecer consejos.

Ahora, vemos agentes capaces de recopilar datos, desarrollar estrategias y operar de forma continua. La disponibilidad ininterrumpida de las criptomonedas y su infraestructura programable las convierten en el entorno idóneo para la implementación de este cambio.

Un agente que opera, no solo asesora

ASUS aboga por ejecutar los agentes localmente. La empresa señala que la IA que se ejecuta continuamente no se adapta bien a un modelo de facturación en la nube. Esto se debe a que los agentes generan llamadas en segundo plano en lugar de limitarse a responder a solicitudes ocasionales de un usuario humano.

En un artículo de blog, ASUS describe esto como "La trampa del token", donde la actividad continua del agente puede generar facturas de API impredecibles y provocar que se alcancen los límites de uso impuestos por los proveedores de la nube.

ASUS utiliza su Ascent GX10 como ejemplo de los costes: una inversión inicial de unos 4.000 dólares más unos 384 dólares anuales de gastos de electricidad, en comparación con los 6.000 a 8.000 dólares en tarifas anuales de API para una carga de trabajo comparable basada en la nube.

Aunque el GX10 no fue el dispositivo utilizado en la prueba de Poesis y las pruebas se realizaron con el ExpertCenter Pro ET900N G3, la comparación pone de manifiesto claramente las premisas de ASUS con respecto al despliegue de agentes locales.

Sin embargo, hay una advertencia importante. Las pruebas de Poesis son solo una breve prueba de concepto, no una prueba de rendimiento a largo plazo, y no fueron diseñadas específicamente para el comercio de criptomonedas.

De los modelos predictivos a los agentes de acción

Un artículopublicado en marzo de 2026 describe la evolución de la IA financiera, desde el trading algorítmico basado en reglas hasta la predicción mediante aprendizaje automático y, actualmente, las finanzas automatizadas. Su modelo de cuatro capas describe las etapas de percepción de datos, razonamiento, generación de estrategias y ejecución con control. Entre sus posibles aplicaciones se incluyen el trading, la gestión de carteras, la monitorización de riesgos y las finanzas descentralizadas.

Sin embargo, la adopción de la IA financiera ya está en marcha. Según el Informe Global de IA en Servicios Financieros, elaborado por la Escuela de Negocios Judge de Cambridge con base en información de 628 empresas ubicadas en 151 países, hasta el 52 % de las empresas encuestadas ya han estado experimentando con IA con agentes o utilizándola en sus operaciones.

Las plataformas de criptomonedas ya se están abriendo a los agentes

Las plataformas de intercambio de criptomonedas han dedicado 2026 a desarrollar infraestructura que los operadores autónomos puedan utilizar. Binance lanzó Agent OS el 20 de agosto, conectando herramientas de IA con subcuentas específicas de Agentic.

Los retiros a través de la integración están bloqueados, mientras que los límites de la billetera incluyen $50,000 diarios para intercambios, $100,000 por defecto para transacciones DeFi y $20 para pagos x402.

Como Cryptopolitan informó, el despliegue generalizado incluye a Kraken y OKX en marzo, Bitget en abril, Gemini en abril y Coinbase en junio. El denominador común es la autonomía con permisos: los agentes pueden actuar, pero las plataformas de intercambio están implementando la separación de cuentas, permisos, límites o entornos controlados a su alrededor.

Dónde se concentran los riesgos

Las ventajas potenciales incluyen una mayor cobertura del mercado, una ejecución más rápida y una negociación electrónica más profundatronlo que forma parte de una transformación más amplia en los mercados de capitales analizada por S&P Global.

Sin embargo, los agentes autónomos también podrían magnificar las debilidades comunes. La Hipótesis del Mercado Algorítmico advierte que modelos similares que reaccionan a señales similares pueden crear mercados saturados y reactivos, así como una «monocultura algorítmica». El Consejo de Normas de los Mercados Financieros también subraya que la IA orientada al mercado sigue operando bajo supervisión humana y que la rendición de cuentas debe ser clara.

Las criptomonedas también se enfrentan a un problema de capacidad. Avalanche Bart Smith, CEO de declaró a The Block que si la actividad de los agentes llega a los mercados financieros a gran escala, una mayor cantidad de liquidaciones podría trasladarse a las cadenas de bloques y "no hay suficiente espacio en los bloques".

Su comentario es una proyección, pero refleja el desafío que supone la infraestructura: si los agentes de IA se convierten en una clase más numerosa de participantes en el mercado, los mercados tendrán que gestionar no solo más inteligencia, sino también mucha más actividad impulsada por máquinas.