As empresas de criptomoedas estão a utilizar IA, mesmo enfrentando desafios contínuos

Por que motivo as empresas estão a unir cripto e IA

A conjugação da inteligência artificial com a tecnologia blockchain tornou-se uma prioridade estratégica para empresas de cripto que procuram reforçar a eficiência operacional e proporcionar experiências de excelência aos seus utilizadores. Os líderes do setor estão a investir em soluções inovadoras para explorar o potencial da IA em múltiplos domínios das suas operações, desde a conformidade e gestão de risco ao apoio ao cliente e ao desenvolvimento de produtos.

Jacqueline Burns-Koven, responsável pela inteligência de ameaças cibernéticas da Chainalysis – uma empresa de análise blockchain – referiu que a empresa começou a considerar formas de usar IA para tornar mais eficazes os produtos de conformidade, risco, investigação e crescimento destinados aos clientes. "Tal como qualquer empresa, beneficiamos ao recorrer à IA para melhorar os processos em toda a organização, tornando-os mais rápidos e eficientes", afirmou Burns-Koven. Este posicionamento espelha uma tendência crescente no setor, em que a IA é utilizada para otimizar processos complexos e aliviar os encargos operacionais.

No contexto da tributação de criptomoedas, a IA está a revolucionar a forma como os utilizadores gerem as suas obrigações fiscais. O fornecedor de software fiscal ZenLedger anunciou uma parceria com a april – empresa financeira baseada em IA – para simplificar o processo de entrega de declarações fiscais através de IA. Pat Larsen, cofundador e CEO da ZenLedger, explicou que o novo produto irá utilizar a tecnologia da april para conduzir os contribuintes por um único percurso, agregando requisitos federais e estaduais e decidindo, com base nos dados, quais as perguntas a colocar. "Ao contrário do software tradicional, que coloca questões por ordem de preenchimento dos formulários e separa os formulários federais e estaduais em secções distintas, muitas vezes repetindo as mesmas perguntas, esta solução simplifica e agiliza", afirmou Larsen. Esta abordagem inteligente reduz consideravelmente o tempo e a complexidade envolvidos na declaração fiscal de cripto.

Daniel Marcous, CTO e cofundador da april, detalhou o funcionamento técnico desta inovação. Referiu que a IA foi decisiva para permitir à april desenvolver um produto fiscal abrangente para diversos cenários, incluindo rendimentos provenientes de cripto e ativos digitais. Segundo Marcous, a april utiliza um método chamado "tax-to-code", em que modelos de linguagem extensivos são treinados para interpretar documentos fiscais e transformá-los em código de software, posteriormente revisto e ajustado por engenheiros fiscais. Esta abordagem combina a eficiência da IA com a especialização humana, garantindo precisão e conformidade.

Aplicações DeFi potenciadas por IA

A inteligência artificial está também a potenciar múltiplos casos de utilização em finanças descentralizadas (DeFi), abrindo novas perspetivas para a valorização, negociação e gestão de ativos digitais. Nick Emmons, cofundador e CEO da Upshot – empresa de infraestruturas de IA – explicou que está a construir uma rede descentralizada onde diferentes modelos de IA podem aprender entre si. Segundo Emmons, esta aprendizagem cruzada irá criar uma meta-inteligência numa rede alimentada por IA, tornando os sistemas mais eficientes e inteligentes face à utilização isolada de modelos individuais.

Emmons referiu que o modelo de IA da Upshot está a impulsionar casos de uso DeFi que, anteriormente, eram impraticáveis ou impossíveis de realizar. Por exemplo, afirmou que a IA pode tornar os feeds de preços para ativos de cauda longa – ativos digitais pouco negociados mas presentes em ambientes líquidos – muito mais eficientes. Os mecanismos tradicionais de formação de preços não conseguem lidar eficazmente com estes ativos devido à baixa frequência de negociação, mas a IA pode analisar diversas fontes de dados e gerar avaliações robustas. Declarou:

"A IA é uma ferramenta valiosa para disponibilizar atualizações de preços mais frequentes com base em diferentes fontes, e não apenas quando um ativo muda de proprietário. Isto permite-nos expandir consideravelmente o universo de ativos integrado no espaço DeFi."

Para ilustrar, Emmons referiu que a Upshot irá lançar em breve "watch perps" produzidos por feeds de relógios potenciados por IA. Esta inovação mostra que a IA pode criar mercados para ativos que antes eram ilíquidos. Acrescentou:

"Um relógio isolado não consegue gerar um feed em tempo real suficientemente credível para sustentar um mercado. Os modelos de IA processam grandes volumes de informação em simultâneo, o que viabiliza feeds de preços de alta precisão e alta frequência, convertendo ativos digitais em representações tokenizadas on-chain. Isto irá alargar o universo dos ativos digitais."

Estratégias de rendimento otimizadas por IA

Além disso, Emmons destacou que vaults DeFi potenciados por IA estão a tornar-se realidade, assinalando uma evolução relevante nas estratégias de investimento automatizadas. Um vault DeFi funciona como um fundo com estratégia de auto-compounding que gere e executa operações conforme condições predefinidas on-chain. Contudo, Emmons alertou que a atividade on-chain é limitada em termos de capacidade computacional. "Assim, o rendimento que cada utilizador pode gerar está condicionado", explicou. Esta limitação técnica tem restringido a sofisticação das estratégias on-chain.

Para colmatar esta limitação, Emmons referiu que modelos de IA podem ser aplicados para interpretar dados de forma mais eficiente. "A IA pode codificar estratégias que passem a operar on-chain sob a forma de vaults, podendo ser usadas para market making e outras funções." Processando dados complexos fora da cadeia e implementando estratégias otimizadas na cadeia, a IA viabiliza mecanismos de geração de rendimento mais avançados.

Ainda numa fase embrionária, a RoboNet é um protocolo DeFi suportado por IA para mercados de ativos de cauda longa e fungíveis. Desenvolvida pela Upshot, permite criar vaults on-chain geridos por modelos de machine learning que geram rendimento através de estratégias automáticas de otimização de liquidez. Trata-se de uma implementação prática de DeFi baseada em IA que pode servir de referência para futuras evoluções no setor.

Desafios da integração entre IA e cripto

Embora a IA permita uma maior eficiência nos produtos cripto, subsistem vários desafios que exigem resolução para garantir uma implementação segura e eficaz. O cruzamento destas duas tecnologias disruptivas acarreta riscos e preocupações específicos que requerem atenção por parte de programadores, reguladores e utilizadores.

Problemas de confiança e transparência

Por exemplo, Emmons referiu que, ao utilizar IA na construção de protocolos DeFi, os criadores dos modelos devem ser confiáveis, caso contrário podem emergir múltiplos problemas. O funcionamento opaco de muitos sistemas de IA origina vulnerabilidades nas aplicações financeiras. Declarou:

"Podem surgir enviesamentos e manipulações, pelo que é fundamental repensar a stack de IA em formatos descentralizados. Modelos distintos podem supervisionar outros modelos, reduzindo o enviesamento e criando uma fonte de inteligência mais transparente."

Emmons acrescentou que provas de conhecimento zero (ZK) podem servir para verificar modelos de machine learning, assegurando criptograficamente a integridade do modelo. "A Upshot lançou um produto onde verificámos o resultado do nosso modelo de previsão de preços principal num circuito ZK. Isto oferece garantias e integridade computacional para protocolos permissionless." Esta abordagem constitui um caminho promissor para gerir questões de confiança em aplicações de cripto potenciadas por IA.

Marcous acrescentou acreditar que a colaboração entre IA generativa, especialistas fiscais e engenheiros reduz o risco, pois existe sempre validação humana. "Na april, realizamos testes rigorosos a todo o produto, e é obrigatório passar avaliações da Autoridade Fiscal norte-americana e das autoridades estaduais antes do lançamento", explicou. Este modelo human-in-the-loop assegura que os resultados da IA são revistos por especialistas antes da implementação em produção.

Incerteza regulatória

Apesar da utilidade destas abordagens, a ausência de regulamentação específica sobre IA deverá continuar a desafiar o setor cripto. Por exemplo, permanece difícil saber se a IA está a ser aplicada tendo em conta o interesse dos utilizadores, dos investidores ou dos criadores dos modelos. Esta falta de transparência pode gerar conflitos de interesse e coloca questões de responsabilidade sempre que sistemas de IA tomam decisões que afetam os resultados financeiros dos utilizadores.

Por isso, alguns países estão a criar entidades para supervisionar a IA. Por exemplo, o presidente dos Emirados Árabes Unidos e governante de Abu Dhabi, Sheikh Mohamed bin Zayed Al Nahyan, promulgou uma lei para criar o Conselho de Inteligência Artificial e Tecnologia Avançada. Segundo o governo de Abu Dhabi, "o conselho será responsável por desenvolver e aplicar políticas e estratégias relativas à investigação, infraestruturas e investimentos em inteligência artificial e tecnologia avançada na região". Trata-se de um dos primeiros quadros governamentais abrangentes para supervisão da IA.

Gary Gensler, presidente da United States Securities and Exchange Commission, também alertou para os riscos que a IA pode trazer ao setor financeiro tradicional. Neste sentido, prevê-se que haja maior clareza regulatória sobre IA nos Estados Unidos nos próximos tempos. O enquadramento regulatório da IA nas finanças deverá evoluir significativamente à medida que as autoridades acompanham o impacto destas tecnologias.

Perspetiva futura

Todos estes progressos são relevantes, já que Emmons considera que a IA acabará por ser integrada em todas as funções essenciais da sociedade. Para já, referiu que o setor cripto irá adotar sobretudo formas de IA já presentes nos sistemas financeiros tradicionais. Explicou:

"O cripto é uma inovação financeira, pelo que este tipo de IA é mais apropriado para aplicações financeiras. Os modelos clássicos de machine learning são, além disso, mais compatíveis e atrativos para estes formatos verificáveis, permitindo que as ferramentas criptográficas associadas estejam disponíveis mais rapidamente do que os modelos generativos de IA."

Esta abordagem pragmática indica que o setor cripto irá priorizar técnicas de IA testadas e comprovadas na finança tradicional antes de explorar tecnologias mais avançadas. À medida que a tecnologia evolui e os quadros regulatórios se consolidam, espera-se uma integração mais profunda entre IA e cripto, podendo transformar a criação, negociação e gestão de ativos digitais.

Perguntas Frequentes

Por que razão as empresas de cripto recorrem à tecnologia de IA? Quais os cenários de aplicação?

As empresas de cripto utilizam IA para deteção de fraude, gestão de risco, otimização de negociação e análise de mercado. A IA reforça a segurança através do reconhecimento de padrões, automatiza a monitorização de transações, aumenta a precisão nas previsões de preços e personaliza a experiência do utilizador. Estas aplicações impulsionam a eficiência operacional e o volume de negociação.

Como é aplicada a IA na negociação de criptomoedas e gestão de risco?

A IA analisa dados históricos de mercado para identificar riscos e oportunidades de negociação. Deteta anomalias e padrões suspeitos em tempo real, reforçando a segurança. Os modelos de machine learning otimizam decisões de carteira e reduzem perdas potenciais através de avaliação automatizada de risco e estratégias de mitigação.

Quais os principais desafios e riscos das empresas de cripto ao recorrer à IA?

As empresas de cripto enfrentam elevada complexidade técnica na implementação de IA, incerteza regulatória sobre governança, vulnerabilidades de segurança de dados, dificuldades na adoção de mercado e escassez de especialistas em blockchain-IA. Estes obstáculos dificultam o desenvolvimento e aumentam os custos operacionais.

Qual o papel da IA na deteção de fraude em criptomoedas e na prevenção de branqueamento de capitais (AML)?

A IA monitoriza transações em tempo real para identificar atividades suspeitas e padrões, tornando mais eficaz a deteção de fraude e a conformidade AML. Automatiza processos de reporte, reduz o peso regulamentar e melhora a eficiência operacional das empresas de cripto.

Que papel desempenha a IA na proteção das plataformas de troca de criptomoedas?

A IA identifica e previne ameaças de segurança em tempo real, automatiza respostas a incidentes, sinaliza transações fraudulentas e reforça a segurança global das plataformas através de monitorização contínua e deteção de anomalias.

Quais os requisitos e restrições impostos pelos reguladores às empresas de cripto que usam IA?

Os reguladores exigem que as empresas de cripto implementem quadros de conformidade adaptados à IA para negociação e gestão de risco. Impõem transparência e supervisão algorítmica, adotando uma abordagem de "regulação mínima eficaz" para estimular a inovação nos serviços financeiros suportados por IA.

Quais as vantagens e desvantagens dos projetos cripto baseados em IA face aos tradicionais?

Os projetos cripto baseados em IA oferecem maior eficiência graças à automação e adaptação dinâmica ao mercado, viabilizando decisões rápidas e operações otimizadas. Porém, enfrentam maiores desafios técnicos, riscos de implementação e vulnerabilidades nos algoritmos de IA que os projetos tradicionais tendem a evitar.

Que desafios de privacidade de dados e conformidade enfrenta a IA no setor das criptomoedas?

A IA no universo cripto enfrenta riscos de privacidade devido à reutilização indevida de dados, falhas de segurança que expõem informação sensível e desafios de conformidade com normas como o RGPD e a CCPA. As empresas devem garantir governação de dados rigorosa, encriptação robusta e práticas transparentes de consentimento para proteger dados pessoais e assegurar o cumprimento regulamentar.