Pagos con criptomonedas de agentes de IA: cómo mantener el gasto bajo control

Los pagos automatizados no son nuevos en el mundo de las criptomonedas. Los bots de trading, los scripts y los intercambios automáticos entre tokens llevan años moviendo fondos sin que una persona apruebe cada transacción. Pero solo ejecutaban decisiones que yo ya había tomado.

Un agente de IA va más allá. Recibe una tarea, elige cómo completarla y, durante el proceso, decide a quién pagar, cuándo y cuánto. Por primera vez, puedo delegar en una máquina parte de las decisiones financieras, no solo darle acceso al dinero.

El problema: cuanta más libertad tiene un agente, más caro sale un error de configuración. En un experimento, me costó unos $500. Fue entonces cuando dejé de ver los pagos de los agentes como una nueva generación de pagos automáticos y empecé a tratarlos como un modelo distinto de gestión del dinero.

De los bots de trading a los agentes de IA

Mi primera experiencia al dejar que un programa gestionara parte de mis fondos no tuvo nada que ver con la IA. Era un bot de trading: seguía algunos parámetros del mercado y operaba por su cuenta cuando se cumplían las condiciones que yo había establecido. Yo definía la lógica, el tamaño de la posición y el riesgo aceptable, y el software simplemente actuaba más rápido que yo.

Sus limitaciones no tardaron en aparecer. El bot manejaba todo lo que yo había previsto, pero no entendía nada fuera de ese marco. Cuando el mercado se comportaba de forma inusual, no podía decir: «Mejor no operar esta vez».

Esa es la diferencia clave con los agentes de IA actuales. Al bot le decía: «Si ocurre A, haz B». A un agente puedo decirle: «Consigue el resultado que necesito y encuentra la forma de hacerlo».

Esto cambia lo que significa un pago. Para mí, comprar siempre tiene etapas distintas: encontrar el producto, decidir y pasar al pago. Un agente no hace esa distinción. Pagar es un paso más de la tarea, igual que comparar proveedores —en segundos— o cambiar a otro activo o red dentro de los permisos que tiene.

Eso también distingue a los agentes de los pagos automáticos habituales. Una suscripción con cargo bancario supone un pago mensual de un monto fijo a una empresa conocida. Un agente puede decidir qué necesita, elegir un proveedor y evaluar si la compra vale la pena. La diferencia parece pequeña, pero, en cuanto al control del dinero, es un modelo completamente distinto.

Por qué las stablecoins son adecuadas para los pagos entre máquinas

Las stablecoins (tokens de criptomonedas cuyo valor está vinculado a una moneda como el dólar estadounidense) son adecuadas para los pagos entre máquinas porque son la única forma de dinero de uso habitual que es programable, permite transferir cantidades muy pequeñas a bajo costo, está disponible en todo momento y mantiene un valor estable. 

Las tarjetas no funcionan bien con montos pequeños. Un pago típico con tarjeta por internet tiene una comisión fija de unos 30 centavos más un porcentaje. Eso funciona para una compra de $50, pero no para una solicitud de datos de $0,15. Según un informe de Keyrock, el pago promedio de un agente de IA durante el año que terminó en abril de 2026 fue de apenas $0,31–$0,48, y cerca del 76 % de las transacciones de agentes fueron por montos inferiores a esa comisión mínima de 30 centavos.

La infraestructura bancaria está diseñada para las personas. Abres una cuenta, pasas las verificaciones, inicias sesión, confirmas la transferencia y, a veces, esperas la aprobación del banco, o hasta el lunes si es fin de semana. Un agente trabaja las 24 horas y, con stablecoins, crea una transacción, la firma y la envía a la red, donde el pago se liquida en segundos o minutos, cualquier día de la semana. El código se comunica directamente con el código.

Las criptomonedas volátiles desajustan el presupuesto. Bitcoin también es programable, pero su precio cambia. Si el presupuesto de un agente es de 0.001 BTC, su poder de compra real cambia cada hora, al igual que todos sus límites. Una cantidad como 20 USDT significa lo mismo para mí y para el programa, hoy y mañana. Es fácil planificar presupuestos y llevar un control de los gastos, y no hace falta recalcular los límites con cada movimiento del mercado.

Lee más: ¿Cuál es la diferencia entre USDT y USDC? Una comparación clara

Cómo pagan hoy los agentes de IA: los protocolos detrás de los pagos de agentes

Para que un agente pueda pagar, el vendedor necesita saber quién paga, en nombre de quién y si el pago está autorizado. Varios estándares abiertos ya responden a estas preguntas. 

• x402, desarrollado por Coinbase, recupera el código de estado HTTP 402 «Pago requerido», que llevaba mucho tiempo sin usarse. Un servicio responde a una solicitud indicando un precio, el agente paga con stablecoins y la solicitud se procesa. Es adecuado para acceder a API, datos y recursos de cómputo pagando por cada solicitud. En abril de 2026, el protocolo pasó a la x402 Foundation, bajo la Linux Foundation, con miembros como Google, Stripe, AWS, Visa y Mastercard.
• AP2 (Agent Payments Protocol), presentado por Google en septiembre de 2025, describe cómo un usuario otorga a un agente un «mandato» verificable para comprar en su nombre. Funciona con tarjetas, transferencias bancarias y stablecoins; los pagos con criptomonedas se gestionan mediante una extensión de x402.
• ACP (Agentic Commerce Protocol), desarrollado conjuntamente por OpenAI y Stripe y lanzado en septiembre de 2025, permite a un agente completar una compra en un comercio, por ejemplo, comprar directamente dentro de ChatGPT.

Mi primera prueba: un agente que compra libros por mí

La siguiente etapa comenzó cuando intenté automatizar una tarea cotidiana en lugar de las operaciones de trading. Esta vez, el objetivo era distinto: en vez de ejecutar una instrucción financiera concreta, el programa tenía que completar varios pasos por su cuenta y llegar al resultado que yo buscaba.

Para el experimento, elegí el caso más sencillo posible: los libros. Compro libros con frecuencia y quería ver si podía eliminar la mayoría de los pequeños pasos de ese proceso. Le di al agente una lista de intereses, un límite de precio y algunas tiendas en las que podía comprar. A intervalos definidos, podía revisar las novedades, elegir opciones adecuadas y hacer un pedido si cumplía mis condiciones.

A propósito, no le di un presupuesto grande. En esta etapa, no se trataba de crear un comprador completamente autónomo, sino de probar la idea. Y con esa configuración, el sistema resultó sorprendentemente práctico. Ya no tenía que acordarme de comprar algo, volver a buscar la sección adecuada y comparar varias opciones. Establecí las reglas una sola vez y solo intervenía cuando algo quedaba fuera de ellas.

El error de configuración que me costó unos $500

Después de este primer experimento exitoso, cometí un error clásico: decidí darle más libertad al sistema. El escenario sencillo funcionó bien, así que parecía lógico pasar a una tarea en la que el agente tuviera que gestionar varios gastos por su cuenta.

En una prueba, le asigné un presupuesto específico y le permití comprar recursos de cómputo para procesar datos. Fijé un costo máximo por operación ($40) y especifiqué qué servicios podía usar. En teoría, todo parecía perfectamente seguro: el agente no podía enviar de repente todo el saldo a un destinatario desconocido ni comprar un servicio demasiado caro.

Pero pasé por alto una regla: no limité el número de operaciones idénticas por tarea.

Mientras trabajaba, el agente obtuvo resultados insatisfactorios varias veces. En lugar de detenerse y consultarme, concluyó, con bastante lógica, que el problema era la falta de recursos. El primer alquiler estaba dentro del límite, al igual que el segundo, y el tercero tampoco incumplía ninguna condición. Luego vino otro.

Para cuando me di cuenta de lo que pasaba, el gasto total se acercaba a los $500.

Mi primera reacción fue obvia: el sistema había hecho una tontería y desperdiciado dinero. Pero cuando repasé con calma la secuencia de acciones, resultó que el agente había actuado exactamente dentro de los límites que le había fijado.

Había prohibido las compras individuales caras, pero nunca había definido cuántas compras baratas eran aceptables. No había especificado después de cuántos intentos fallidos debía detenerse. Tampoco había establecido una regla que exigiera mi aprobación cuando aumentara el gasto. Desde la perspectiva del programa, comprar un poco más de capacidad de cómputo seguía siendo una forma perfectamente válida de alcanzar el objetivo.

El agente no incumplió ninguna regla. El problema eran mis propias reglas

Este caso, más que cualquier otra experiencia, cambió mi forma de ver los pagos autónomos.

Los problemas no siempre ocurren porque un modelo «se volvió loco», un servicio fue hackeado o el código falló. Una situación mucho más desagradable es que un agente actúe de forma racional dentro de unas reglas mal diseñadas por su dueño. No sabe lo que yo «realmente quería decir» si eso no está en las restricciones.

Después de eso, por fin lo entendí: darle una billetera a un agente es la parte fácil. Definir correctamente su libertad financiera es mucho más difícil.

Lee más: Cómo pierden dinero realmente los usuarios de criptomonedas en 2026

Autonomía controlada: 6 límites que ahora fijo para cada agente de IA

Desde entonces, mi enfoque es mucho más cauteloso. Ya no considero que un único límite global sea protección suficiente. Una configuración sólida necesita varias restricciones independientes, cada una destinada a un tipo de error.

En esencia, ahora trato la billetera de un agente como un presupuesto operativo separado dentro de una empresa. No necesita acceso completo a los fondos principales. Para una tarea concreta, necesita exactamente los permisos indispensables para realizarla, y nada más.

Una lección más: estos límites deben estar fuera del modelo de IA, en la billetera o en la infraestructura de pagos, no en el prompt. Un prompt es una petición, no una garantía. Un error de programación o una inyección de prompts (instrucciones ocultas en una página web o un archivo que toman el control del comportamiento del agente) pueden hacer que el agente lo ignore. Un límite aplicado por la billetera simplemente rechaza la transacción.

Lo sé: esto es mucho menos espectacular que la idea de «darle una billetera a la IA y dejarla actuar libremente», pero está mucho más cerca de un producto real. La autonomía total luce muy bien en las demostraciones. Cuando hay dinero real de por medio, la libertad controlada me importa mucho más.

Lee más: ¿Tu negocio está listo para aceptar stablecoins?

Por qué los pagos de agentes podrían transformar el mercado de criptomonedas

Durante años, la industria de las criptomonedas ha asociado la adopción masiva con personas que poseen criptomonedas, pagan con ellas en tiendas y se las envían entre sí. No estoy seguro de que los humanos vayan a impulsar la próxima ola de actividad de pagos. A mi juicio, están surgiendo dos modelos.

En el modelo de agente a servicio, un agente encuentra un recurso, consulta el precio y paga por uso, mientras que la persona solo fija el presupuesto y los requisitos. 

En el modelo de agente a agente, un agente delega parte de una tarea a otro y le paga una vez terminado el trabajo. Un agente de investigación, por ejemplo, puede contratar un análisis de datos complejo a un agente especializado en un área concreta, en lugar de hacerlo todo por sí mismo. 

Si esto se generaliza, una parte importante de los participantes en la economía ni siquiera serán personas.

Las cifras actuales siguen siendo modestas. Según un informe de Keyrock, los agentes de IA liquidaron algo más de $73 millones en la blockchain durante el año anterior, una cifra mínima para el sector cripto. Pero la tendencia importa más que el volumen. Una persona no puede hacer miles de compras relevantes al día, pero una empresa puede operar decenas de agentes que sí lo hagan. La escala se medirá entonces no solo por el número de titulares de billeteras, sino también por la cantidad de programas autónomos y la actividad económica que generen.

Los componentes ya existen: modelos que planifican secuencias complejas de acciones, API y dinero programable en forma de stablecoins y contratos inteligentes. Lo que falta es enseñar a estos sistemas a gestionar un presupuesto de forma segura. Si se logra, el sector cripto tendrá una nueva clase de participantes: programas que necesitan dinero directamente para hacer su trabajo. 

Cuando decidas desarrollar soluciones para ellos, Volet.com puede ayudarte a configurar la infraestructura financiera: aceptar pagos en stablecoins y enviar pagos directamente en la blockchain, sin intermediarios que custodien tus fondos.