- La infraestructura detrás de los «tribunales de IA»: qué hay debajo de la nueva capa de adjudicación on-chain
- Así funciona el sistema que promete resolver disputas entre agentes autónomos en minutos y por centavos de dólar
- De Kleros a GenLayer, la adjudicación descentralizada deja de ser un experimento de nicho y empieza a perfilarse como la infraestructura que la economía de agentes de IA necesita para resolver desacuerdos sin recurrir a un humano
Cuando los agentes de inteligencia artificial empiecen a negociar, pagar y contratar servicios entre sí sin intervención humana, va a aparecer un problema que ningún rail de pagos, ninguna capa de identidad y ningún motor de ejecución resuelve por sí solo: ¿qué pasa cuando dos agentes no coinciden en si el acuerdo se cumplió? Ese vacío es el que un puñado de proyectos de blockchain viene intentando llenar desde hace varios años, y el que GenLayer Labs puso otra vez sobre la mesa con el lanzamiento de su testnet Internet Court. Pero la noticia relevante no es una startup en particular: es que la adjudicación automatizada basada en blockchain empieza a consolidarse como una categoría de infraestructura propia, con varios enfoques compitiendo por resolver el mismo problema.
El problema que los contratos inteligentes no pueden resolver solos
Un contrato inteligente tradicional funciona bien cuando todo puede reducirse a una regla binaria verificable on-chain: si ocurre X, ejecutá Y. El límite aparece cuando el acuerdo depende de conceptos como «calidad razonable», «entrega a tiempo» o «cumplimiento sustancial del servicio», que exigen interpretación y no solo verificación de datos. Ahí es donde la ejecución determinista se queda corta y donde estos proyectos intentan insertar una capa de juicio automatizado.
La respuesta técnica común a este problema combina tres piezas: paneles de validadores independientes (humanos, modelos de IA o ambos) que evalúan una disputa; un mecanismo de consenso que agrega esas evaluaciones en un veredicto; y un sistema de incentivos económicos —normalmente vía staking— que castiga a quien se aparta sistemáticamente de la mayoría. Sobre esa base, cada proyecto agrega su propia variante.
Cómo se arma un panel de IA para dictar un veredicto
En el caso de GenLayer, la arquitectura selecciona al azar un primer panel de cinco validadores, cada uno corriendo un modelo de lenguaje distinto, para reducir el riesgo de que el sesgo de un solo modelo defina el resultado. Si el caso lo amerita, ese panel puede escalar hasta unos 1.000 validadores sobre una red diseñada para soportar hasta 1.500. La lógica se apoya en dos ideas: la mayoría de las transacciones son legítimas y no necesitan revisión completa (de ahí el nombre «Democracia Optimista»), y cuando hay impugnación, no se busca que los modelos repitan la misma respuesta palabra por palabra sino que sus conclusiones satisfagan un criterio de equivalencia definido en el propio contrato.
Los llamados «Intelligent Contracts» —escritos en Python, no en el lenguaje rígido de un smart contract clásico— pueden interpretar lenguaje natural y consultar información de la web abierta antes de resolver. Todo corre sobre una red de capa 2 anclada a Ethereum y construida con tecnología de zkSync, buscando mantener el costo de cada decisión cerca de los USD 0,50 y el tiempo de resolución en torno a los 30 minutos. Como referencia de escala, la red de pruebas procesa unas 350.000 transacciones diarias y entre 20.000 y 25.000 decisiones adjudicadas por día, con un consorcio de 27 empresas —entre ellas OKX y ConsenSys— respaldando el desarrollo de estándares comunes para pagos y disputas entre agentes.
Por qué importa ahora
. La «capa de adjudicación» empieza a discutirse como una pieza de infraestructura tan necesaria como los rails de pago o las capas de identidad para que la economía de agentes autónomos funcione sin fricción.
. Varios jugadores están apostando a que este mercado —resolver desacuerdos de bajo valor entre máquinas, a escala y a centavos de dólar— va a necesitar más de un proveedor.
No es un invento nuevo: la adjudicación descentralizada tiene antecedentes
Lo distintivo de esta ola es que reemplaza jurados humanos por modelos de lenguaje, pero la arquitectura de fondo —paneles descentralizados, staking, apelaciones con comités más grandes— viene de proyectos anteriores que llevan años operando:
- Kleros, en producción desde 2019 sobre Ethereum, usa jurados humanos incentivados por teoría de juegos: quienes votan con la mayoría cobran una fee, quienes se apartan pierden su stake. Su producto Kleros Oracle, desarrollado junto con Reality.eth, ataca específicamente el «problema del oráculo»: cómo traer eventos del mundo real a la cadena de forma verificable. Kleros ya empezó a posicionarse explícitamente como capa de verificación y resolución de disputas para transacciones entre agentes de IA.
- UMA (Optimistic Oracle) aplica una lógica similar a la de los rollups optimistas: alguien propone una respuesta con un bono en garantía, y si nadie la disputa dentro de un plazo, se da por válida. Si hay objeción, la decisión escala a una votación de holders del token. Es el mecanismo que resuelve buena parte de los mercados de predicción tipo Polymarket.
- Aragon Court (2019) y Jur fueron los primeros experimentos de «justicia descentralizada» con jurados sorteados y stake económico, pensados originalmente para disputas dentro de DAOs; hoy funcionan más como antecedente académico que como infraestructura activa a gran escala.
La diferencia de GenLayer con este linaje es doble: reemplaza el jurado humano por un comité de modelos de lenguaje que puede escalar casi en tiempo real, y construye el criterio de «equivalencia» directamente en el contrato para poder evaluar interpretaciones de lenguaje natural, no solo hechos verificables.
Los límites son los mismos para toda la categoría
Ningún proyecto de este tipo resuelve el problema de fondo: un modelo de lenguaje (o un jurado humano mal incentivado) puede equivocarse con total seguridad, y usar varios modelos en paralelo reduce la dependencia de uno solo pero no elimina errores correlacionados —modelos entrenados con datos parecidos pueden compartir el mismo sesgo—. Tampoco resuelve cómo se apela un veredicto automatizado ante una jurisdicción real, ni qué pasa cuando la evidencia depende de información externa que cambia con el tiempo. Por eso todos estos proyectos, GenLayer incluido, se presentan como un complemento para las disputas de bajo valor entre sistemas automatizados —donde el arbitraje tradicional es demasiado caro y lento para justificarse— y no como un reemplazo de los tribunales para conflictos con responsabilidad legal real.