El punto que se pretendía señalar no era que los modelos más pequeños sean universalmente mejores, sino que el rendimiento depende de la tarea para la que se entrenan.

“Los modelos de frontera son asombrosos generalistas”, escribió Armstrong. “Pero cada vez verás que los modelos especialistas superan en tareas más específicas, ya sea trabajando en equipos o por sí solos.”

La serie Owning Intelligence de Coinbase describió cómo evolucionó ese enfoque: la empresa primero añadió un agente de riesgo de IA a su modelo de aprendizaje automático y motor de reglas existentes para Onramp, que permite a los usuarios comprar criptomonedas a través de aplicaciones asociadas, incluido el pago como invitado sin una cuenta de Coinbase.

Un experimento en línea encontró un 30% menos de transacciones fraudulentas y un 22% menos de valor en fraude en el grupo que usó la revisión adicional de IA. El agente examinó secuencias recientes de transacciones para identificar patrones que podrían no ser evidentes en un solo pago. Podía bloquear una transacción que había superado las verificaciones iniciales, pero no podía revertir un bloqueo previo.

Coinbase probó después versiones más recientes de modelos de código cerrado contra un punto de referencia fijo de 16140 transacciones de 7293 usuarios, incluidas 813 transacciones confirmadas como fraudulentas. Informó de que las versiones más nuevas de Opus, Sonnet y GPT tuvieron un rendimiento peor que sus predecesoras en varias métricas de detección de fraude.

También te puede interesar:

  • Los agentes de IA asumen un papel más importante en la ciberseguridad, según CertiK
  • Apple corrige una vulnerabilidad de iOS que podría permitir a atacantes ejecutar código malicioso en iPhones
  • Un inversor de criptomonedas reclama a Coinbase una pérdida de 25 millones de dólares

GPT-5.6 mejoró la precisión, pero registró una exhaustividad menor, lo que significa que identificó una proporción menor de transacciones fraudulentas. Ese resultado motivó el paso a un modelo de pesos abiertos, cuyos parámetros podían adaptarse directamente en lugar de acceder solo a través de la API de un proveedor.

Se señala un problema por la autonomía de la IA

El enfoque de Coinbase encaja en un debate más amplio sobre agentes de IA que asumen trabajo contra el crimen financiero y la seguridad, y la semana pasada CertiK advirtió que agentes de seguridad más autónomos podrían traer riesgos derivados de resultados incorrectos y de una menor supervisión humana. La firma recomendó límites claros para las decisiones autónomas y un responsable identificado para cada agente.

Sin embargo, el agente de la exchange opera dentro de esos límites: devuelve una puntuación de riesgo y tiene códigos de aplicación que aplican la política de decisiones. También puede bloquear una transacción que las verificaciones anteriores habían permitido, pero no puede anular un bloqueo que ya se haya realizado.