jakiro
En 2025, Shengliang Lu y otros publicaron un artículo «Aplicaciones de IA en Web3 Suptech y Regtech: una perspectiva regulatoria», que señaló que el campo digital está experimentando una transformación transformadora impulsada por el aumento de la tecnología Web3 y los activos virtuales. Esta nueva fase de la tecnología de Internet utiliza la tecnología de contabilidad distribuida y los contratos inteligentes, al tiempo que promueve la descentralización, aumenta la transparencia y reduce la dependencia de los intermediarios. Estas innovaciones son cruciales para dar forma a las finanzas descentralizadas (DEFI).Sin embargo, la rápida popularidad de la tecnología Web3 también trae riesgos significativos, destacando estos riesgos por una serie de fallas muy esperadas y vulnerabilidades sistémicas.A través de su Autoridad Reguladora de Servicios Financieros (FSRA), los mercados globales de Abu Dhabi (ADGM) han establecido un marco regulatorio avanzado que es transparente y en línea con los estándares internacionales, creando así un entorno regulatorio favorable que protege los intereses de las partes interesadas.Este documento blanco explora la integración de la inteligencia artificial (IA) en tecnologías reguladoras para mejorar el monitoreo del cumplimiento y la gestión de riesgos.El Libro Blanco detalla el trabajo de investigación y desarrollo del Instituto de Finanzas Digitales Asiáticas de la Universidad Nacional de Singapur, la Autoridad Reguladora de Servicios Financieros ADGM y el Centro de Investigación del Instituto ADGM.El Libro Blanco finalmente resume los principales hallazgos y propone direcciones de cooperación futuras para mejorar aún más el panorama regulatorio.El Instituto de Tecnología Financiera de la Universidad Renmin de China compiló la parte central de la investigación.
1. Introducción
A medida que la tecnología Web3 lidera el avance de la tecnología de Internet, el campo digital está experimentando una rápida transformación. La tecnología Web3 se basa en la tecnología de contabilidad distribuida (DLT) y los contratos inteligentes, enfatizando la descentralización, la mejora de la transparencia y la reducción de la dependencia de los intermediarios.La tecnología del libro mayor distribuido, incluida Blockchain, proporciona libros de contabilidad seguros y sin manipulaciones para transacciones y datos, mientras que los contratos inteligentes promueven protocolos automatizados sin intermediarios.Esta combinación respalda el desarrollo de aplicaciones descentralizadas (DAPPS), especialmente en el campo de las finanzas descentralizadas (DEFI), que están remodelando las transacciones financieras a través de la interacción entre pares.La capitalización del mercado global de criptomonedas ha excedido la marca de $ 3 billones, comparable a algunas de las compañías más grandes del mundo, incluidas Apple y Microsoft.La base de usuarios de criptomonedas se ha expandido significativamente, creciendo en un 34% solo en 2023, de 432 millones en enero a 580 millones en diciembre.Este crecimiento destaca la creciente adopción y convergencia de las criptomonedas en el panorama financiero global.Además, los datos muestran que los Emiratos Árabes Unidos (EAU) lideran el mundo en la adopción de criptomonedas, con más del 30% de su población (aproximadamente 3 millones de personas) poseer activos digitales.Esto refleja la aceptación de FinTech y su ambición del país de convertirse en un importante centro de fintech.
ADGM juega un papel clave en el panorama financiero en rápida evolución.Como institución que supervisa los servicios financieros en el Centro Financiero Internacional y la Zona Libre, la Autoridad Reguladora de Servicios Financieros de ADGM (FSRA) ha estado a la vanguardia, comprometida a crear un entorno regulatorio que no solo respalde el crecimiento de los activos defi y virtuales (VA), sino que también respalde la transformación digital más amplia en el sector de servicios financieros.Desde su lanzamiento en 2018, FSRA ha establecido un marco regulatorio integral para los activos virtuales y los ha optimizado continuamente.El marco garantiza una fuerte supervisión y es consistente con los estándares internacionales al tiempo que apoya la innovación.Al adoptar la transformación digital, ADGM trabaja en estrecha colaboración con los socios del ecosistema de tecnología como Hub71 e instituciones de investigación como la Universidad Nacional de Singapur para promover la adopción de soluciones tecnológicas de vanguardia dentro de ADGM.Este enfoque proactivo ayuda a posicionar a Abu Dhabi como el destino preferido para las compañías financieras que buscan aprovechar la tecnología avanzada y los modelos financieros digitales.
Para mejorar aún más sus capacidades regulatorias, la Autoridad de Servicios Financieros ADGM está aprovechando los avances en Regtech y Suptech para simplificar los procesos regulatorios y de supervisión. A través de soluciones de tecnología de cumplimiento con IA, FSRA puede proporcionar interacciones regulatorias más interactivas y personalizadas, haciendo que el cumplimiento funcione más eficiente y conveniente para las entidades que operan dentro de ADGM.La implementación de herramientas de tecnología de supervisión capacitado por la inteligencia artificial ayuda a apoyar los objetivos de supervisión y gestión de riesgos de FSRA al tiempo que reduce los costos para las instituciones financieras.Juntas, estas iniciativas demuestran la misión de FSRA de proporcionar un entorno financiero transparente, eficiente y avanzado que no solo proteja los intereses de los clientes, los inversores y los participantes de la industria, sino que también promueva un crecimiento sostenible e innovación de ADGM.
La tecnología de supervisión (SUPTech) se refiere a la aplicación de la tecnología para mejorar las funciones de supervisión y supervisión de las autoridades reguladoras.Implica el uso de herramientas avanzadas como análisis de datos, inteligencia artificial y automatización para mejorar el monitoreo y la supervisión de las actividades reguladas, así como la implementación de marcos regulatorios.La tecnología de supervisión tiene como objetivo proporcionar a los reguladores información más efectiva y basada en datos que les permitan identificar mejor los problemas, evaluar los riesgos y hacer cumplir las regulaciones en tiempo real.
La tecnología de cumplimiento (REGTECH) se refiere al uso de la tecnología para simplificar, automatizar y mejorar los procesos de cumplimiento regulatorio para las empresas.Aprovecha herramientas innovadoras como inteligencia artificial, aprendizaje automático, automatización y análisis de datos para ayudar a las empresas a cumplir de manera más efectiva los requisitos regulatorios, reducir los costos de cumplimiento y mejorar la transparencia y la calidad de los informes. La tecnología de cumplimiento tiene como objetivo simplificar tareas complejas de cumplimiento, como monitorear las transacciones, identificar riesgos y garantizar el cumplimiento de los estándares legales.
Nuevos riesgos causados por las características de la tecnología Web3, como la falla de los protocolos de blockchain como Terra (Luna) y las vulnerabilidades emergentes en los contratos inteligentes, resaltan la necesidad de establecer un marco regulatorio efectivo y una estrategia de gestión de riesgos.La naturaleza innovadora y descentralizada de la tecnología blockchain proporciona un caldo de cultivo para nuevos tipos de fraude y fallas sistémicas, y estos problemas deben resolverse antes de que puedan usarse ampliamente.Como una de las estrategias de respuesta, ADGM está explorando la aplicación de inteligencia artificial a soluciones de tecnología regulatoria y de supervisión para mejorar el monitoreo del cumplimiento y la gestión de riesgos.El Instituto NUS AIDF de Finanzas Digital (NUS AIDF) de la Universidad Nacional de Singapur lleva a cabo investigaciones de tecnología financiera en el campo de la tecnología de inteligencia artificial, proporcionando herramientas para el análisis predictivo, la detección de anomalías y el cumplimiento automatizado.FSRA está probando y validando estas tecnologías de IA para satisfacer las necesidades emergentes de regular y supervisar de manera efectiva la Web3 y el ecosistema de activos virtuales. Este Libro Blanco resume el trabajo de investigación y desarrollo de NUS AIDF y ADGM (incluidos el Centro de Investigación de la Academia FSRA y ADGM) en la aplicación de tecnologías de inteligencia artificial para apoyar actividades regulatorias y de supervisión en los sectores Web3 y activos virtuales.
Dado que este artículo está destinado a una audiencia más amplia y no está destinado a proporcionar definiciones específicas, los lectores deben tener en cuenta que los términos como «activos virtuales», «Web3», «blockchain», «DLT» y «red» se usan indistutablemente en el texto.Sin embargo, algunos términos se explican en la segunda parte.
El resto de este artículo está estructurado de la siguiente manera.La segunda parte introduce los antecedentes y el alcance de este artículo, y la tercera parte analiza las oportunidades potenciales para que los reguladores exploten la tecnología de inteligencia artificial.La cuarta sección explora las innovaciones de IA que dan forma a acciones y actividades regulatorias. La quinta sección examina los proyectos piloto realizados por NUS AIDF y ADGM, demostrando aplicaciones prácticas de estas innovaciones, como la evaluación de contratos inteligentes, las auditorías de seguridad y la debida diligencia impulsada por la inteligencia artificial. La sexta parte resume este artículo, resume los hallazgos de la investigación y explora direcciones futuras y áreas potenciales que pueden usarse para fortalecer el paisaje regulatorio.
2. Antecedentes
Esta sección tiene como objetivo explicar los términos clave utilizados en este artículo y sentar las bases para que los lectores comprendan mejor la discusión de los capítulos posteriores.
Activo virtual. El marco regulatorio de FSRA divide los activos digitales en diferentes categorías, incluidos los tokens de referencia de divisas fiat y valores digitales.Un activo virtual es una representación digital de valor que se puede negociar digitalmente y actúa como (1) un medio de intercambio; y/o (2) una unidad de cuenta; y/o (3) un medio de almacenamiento de valor, pero no tiene un estado de moneda fiduciaria en ninguna jurisdicción.Los activos virtuales (a) no son emitidos ni garantizados por ninguna jurisdicción, y sus funciones anteriores se realizan solo a través de acuerdos dentro de la comunidad de usuarios de activos virtuales;y (b) se distinguen de las monedas fiduciarias y electrónicas. Web3 representa la próxima evolución de Internet, la transición de «Read» (Web1) y «Read-Write» (Web2) a «Read-Write-De-Owner».A diferencia de la plataforma centralizada de Web2, Web3 utiliza la tecnología blockchain para brindar a los usuarios la propiedad real de sus datos, activos digitales e interacciones en línea.Este paradigma descentralizado reduce la dependencia de los intermediarios, promueve una mayor autonomía y privacidad del usuario, al tiempo que redefine la forma en que las personas interactúan con las plataformas digitales.
Tecnología de contabilidad distribuida (DLT) y redes blockchain.DLT es un sistema digital utilizado para grabar transacciones de activos, y sus datos se almacenan en múltiples sitios o nodos simultáneamente.A diferencia de las bases de datos centralizadas tradicionales, DLT está descentralizado sin autoridad central, lo que mejora la transparencia y la seguridad.Cada participante en la red mantiene una copia sincrónica del libro mayor, reduciendo el riesgo de un solo punto de falla.Blockchain es un tipo específico de DLT que organiza datos en bloques cifrados y luego lo vincula para formar una cadena en orden cronológico.Esta estructura asegura que los datos grabados se vuelvan libres de manipulaciones.Los activos virtuales generalmente se basan en una red blockchain.En Web3, DLT y Blockchain Networks Power Defi Platforms y aplicaciones descentralizadas (DAPPS) al habilitar transacciones seguras y transparentes.
Finanzas descentralizadas (Defi).Defi se refiere a un ecosistema financiero basado en blockchain y DLT, que puede permitir transacciones y servicios de igual a igual sin la necesidad de intermediarios tradicionales como bancos o instituciones financieras.Las aplicaciones DEFI utilizan contratos inteligentes, un programa de autoexecución en la red Blockchain, para automatizar y ejecutar operaciones financieras como préstamos, comercios e inversiones.
Inteligencia artificial (AI).En términos generales, la inteligencia artificial define una colección de tecnologías que permiten a las máquinas o sistemas comprender, aprender, actuar, razonar y percibir como humanos.Los sistemas de inteligencia artificial utilizan algoritmos, datos y energía informática para adaptarse y mejorar continuamente.El aumento en las herramientas de inteligencia artificial en los últimos años ha brindado la posibilidad de que la industria financiera integre sus capacidades en varios casos de uso.La inteligencia artificial trae beneficios significativos, incluida la eficiencia operativa mejorada, el cumplimiento regulatorio mejorado, la provisión de productos financieros personalizados y capacidades de análisis de datos avanzados.FSRA lanzó una iniciativa llamada OpenREG ya en 2022 para hacer que se pueda legable a la máquina de contenido regulatorio.El proyecto permite a las compañías de tecnología de cumplimiento y a la comunidad de ciencias de datos aprovechar este campo de capacitación de IA para construir la próxima generación de soluciones de tecnología de cumplimiento habilitadas para AI.
En este artículo, como parte del proceso continuo de la tecnología de IA de FSRA en su enfoque de supervisión, elaboramos la práctica de adoptar la IA para la tecnología de cumplimiento y supervisión de las acciones/actividades regulatorias Web3.En el proceso, consideramos ideas valiosas proporcionadas en el reciente informe publicado por el Consejo de Estabilidad Financiera (FSB), los principios regulatorios que se describen en la Ley de Inteligencia Artificial de la UE y el marco de riesgos desarrollado por el Proyecto Mindforge.
3.Oportunidades para aprovechar la inteligencia artificial para regular las actividades de Web3
Debido a las características únicas como la tecnología blockchain, los contratos inteligentes y la velocidad de la innovación Web3, existen algunas diferencias sutiles en el marco regulatorio de Web3 en comparación con las regulaciones tradicionales.A nivel mundial, el reciente enfoque regulatorio de Web3 se ha centrado principalmente en los activos virtuales y sus plataformas comerciales.Esto incluye la implementación de medidas contra el lavado de dinero (AML), como la integración de soluciones «KYT» y la implementación de requisitos de «regla de viaje»; el establecimiento de la guía prudente para los emisores de stablecoin; y la reciente regulación de entidades descentralizadas sin propiedad como la Fundación DLT y la Organización Autónoma Descentralizada (DAO).Estos esfuerzos para establecer marcos regulatorios e imponer salvaguardas para proteger a los clientes e inversores demuestran una aceptación creciente de los activos virtuales y la Web3.Al examinar las características inherentes de Web3 y los activos virtuales desde la perspectiva de los reguladores financieros, se debe considerar las siguientes (pero no limitadas a):
»Se operan continuamente las 24 horas, los 7 días de la semana, con una supervisión manual mínima a través de contratos inteligentes de auto-ejecución en DLT;»Los riesgos de seguridad se intensifican debido a las vulnerabilidades en la codificación de contratos inteligentes, la explotación potencial de los ataques y la dependencia de las redes descentralizadas;»Introdujo conceptos» nuevos «que utilizan la innovación de blockchain para transformar los marcos financieros tradicionales existentes o proponer ideas novedosas que no tienen un precedente histórico en absoluto.»La naturaleza descentralizada de Web3 garantiza la inmutabilidad de las transacciones y los contratos inteligentes, mejora la confianza y la transparencia, pero también hace que el manejo de errores como errores de» dedo gordo «, piratería o consecuencias inesperadas sea desafiante.
La regulación de las actividades de Web3 presenta algunos desafíos, lo que hace que sea necesario innovar enfoques regulatorios y desarrollar nuevas herramientas para mejorar la supervisión y las capacidades de monitoreo y ejecución.Sin embargo, estos desafíos también brindan oportunidades importantes para dar forma a un futuro mejor para el ecosistema Web3.
Innovación de ritmo rápido e identificación de riesgos.La naturaleza innovadora y el ritmo rápido de la tecnología Web3 hacen que sea difícil identificar y mitigar los riesgos emergentes de manera oportuna.Este entorno dinámico requiere un mayor grado de capacidad de respuesta en los procesos y marcos regulatorios para garantizar que los reguladores sigan siendo ágiles y capaces de identificar, evaluar y responder de manera efectiva a los riesgos potenciales.
La brecha en la capacidad de respuesta aumenta la probabilidad de fraude y falla del mercado.Sin embargo, estos desafíos regulatorios también crean oportunidades para construir marcos «desde cero» que permitan la integración de principios prospectivos que se pueden ajustar con el tiempo.Esto puede fomentar el desarrollo de un modelo de negocio eficiente que se adapte a la singularidad de Web3 y, en última instancia, cultivar un mercado estable y vibrante que cumple con los objetivos regulatorios y promueve el crecimiento de la industria.La inteligencia artificial puede responder rápidamente al desarrollo de Web3 identificando rápidamente los puntos de mejora en los manuales de reglas regulatorias, desempeñando así un papel en la promoción de la investigación de temas relacionados y la construcción de marcos regulatorios.
Monitoreo avanzado de riesgos en tiempo real.La monitorización efectiva del riesgo en el ecosistema Web3 requiere herramientas avanzadas que puedan analizar cantidades masivas de datos de blockchain en tiempo real.Dada la operación continua de DLT y contratos inteligentes las 24 horas, los 7 días de la semana, los métodos regulatorios de punto en el tiempo tradicionales a menudo luchan por lidiar con la cantidad y la complejidad de los datos generados por los intercambios.Por lo tanto, los reguladores necesitan urgentemente desarrollar herramientas analíticas más complejas.La implementación de sistemas de monitoreo continuo y herramientas automatizadas de gestión de riesgos ayuda a monitorear el cumplimiento regulatorio y permite una respuesta proactiva a posibles amenazas.
La complejidad de la jurisdicción.La naturaleza descentralizada de las actividades de Web3 a menudo presenta desafíos entre jurisdictos a los enfoques regulatorios.Debido a que cada regulador puede tener diferentes enfoques para la gobernanza de los activos virtuales, las empresas pueden encontrar difícil y costoso mantener el cumplimiento bajo múltiples requisitos regulatorios a veces conflictivos, lo que aumenta la tendencia a llevar a cabo el arbitraje regulatorio.Las herramientas de tecnología de cumplimiento impulsadas por la inteligencia artificial tienen el potencial de ayudar a las empresas a simplificar y administrar estas complejidades.Al automatizar las tareas de cumplimiento diario, identificar los requisitos regulatorios superpuestos, adaptarse de manera más efectiva a las nuevas reglas y ayudar a los procesos de informes regulatorios, la IA puede reducir los costos y las cargas operativas, lo que en última instancia facilita que las empresas cumplan con diferentes expectativas regulatorias.En los siguientes capítulos, exploraremos los beneficios de usar inteligencia artificial para regular los procesos en una variedad de escenarios.
4. Innovación de inteligencia artificial
El desarrollo de la tecnología de inteligencia artificial ha sufrido un progreso significativo, cambiando el patrón de operación e innovación de todos los ámbitos de la vida.En los campos de Web3 y los activos virtuales (VA), la inteligencia artificial tiene el potencial de mejorar en gran medida la supervisión regulatoria y la eficiencia de cumplimiento.Esta sección proporciona una visión general de las tecnologías de IA emergentes y explora cómo la innovación de IA remodelará el entorno regulatorio para Web3.Primero, esta sección introducirá brevemente los modelos AI ampliamente utilizados (solo describimos brevemente modelos con amplio potencial de aplicación en el campo regulatorio), y luego explorará los casos de uso de la adopción de estas tecnologías de IA en actividades regulatorias.Antes de considerar posibles direcciones para el desarrollo futuro, también discutiremos los principales desafíos que enfrentan el aprovechamiento de la inteligencia artificial.
4.1 Tecnologías emergentes de inteligencia artificial
Aprendizaje automático (ML). El aprendizaje automático es un subconjunto de inteligencia artificial que se centra en tomar predicciones o decisiones basadas en datos.Los algoritmos de aprendizaje automático son buenos para analizar grandes cantidades de datos de transacciones para detectar patrones y anomalías que predicen la actividad fraudulenta o los problemas de cumplimiento.Al aplicar técnicas supervisadas, no supervisadas y de aprendizaje de refuerzo, los modelos de aprendizaje automático se pueden adaptar y mejorar con el tiempo, proporcionando a los reguladores herramientas poderosas para mejorar la eficiencia y la precisión del monitoreo sin supervisión humana continua.
Procesamiento del lenguaje natural (PNL). El procesamiento del lenguaje natural se centra en permitir que las computadoras comprendan y procesen el lenguaje humano (es decir, texto).Al extraer y analizar automáticamente información crítica de archivos masivos y comunicaciones, el procesamiento del lenguaje natural puede brindar eficiencia a las revisiones y evaluaciones regulatorias.Los modelos avanzados de procesamiento del lenguaje natural han hecho un progreso significativo en la comprensión y la generación de textos similares a los humanos y pueden usarse para responder a las consultas de los reguladores y el público de manera automatizada.Sin embargo, las técnicas de procesamiento del lenguaje natural pueden tener riesgos potenciales de malentendidos y sesgos, ya que los modelos pueden no considerar completamente contextos o tono que varían según las normas culturales o sociales.Tales desafíos pueden conducir a respuestas o acciones regulatorias incorrectas cuando estas tecnologías se adoptan sin intervención humana.
AI generativa.La IA generativa se refiere a la tecnología de inteligencia artificial que puede generar contenido nuevo (como texto, imágenes y otros medios) basados en los datos existentes.Sin embargo, las técnicas de procesamiento del lenguaje natural pueden tener riesgos potenciales de malentendidos y sesgos, ya que los modelos pueden no considerar completamente contextos o tono que varían según las normas culturales o sociales.Tales desafíos pueden conducir a respuestas o acciones regulatorias incorrectas cuando estas tecnologías se adoptan sin intervención humana.
Agentes de inteligencia artificial (agentes de IA).Los agentes de inteligencia artificial están especializados en modelos de IA generativos que pueden realizar tareas complejas a través de flujos de trabajo preestablecidos, como automatizar las interacciones de servicio al cliente, generar documentos legales y regulatorios, e incluso realizar negociaciones virtuales en nombre de los operadores humanos.En el campo regulatorio, los agentes generativos de inteligencia artificial e inteligencia artificial tienen muchas aplicaciones potenciales.Por ejemplo, las entidades reguladas pueden usarlas para generar automáticamente informes detallados de cumplimiento periódico o bajo demanda.Los reguladores también pueden usar tales tecnologías de inteligencia artificial para analizar grandes cantidades de datos de presentación regulatoria y generar una lista de posibles violaciones e indicadores de riesgo.Sin embargo, de manera similar a las limitaciones inherentes de la tecnología de procesamiento del lenguaje natural, el modelo actual de inteligencia artificial generativa, que se basa principalmente en modelos de idiomas grandes (LLM), tiene limitaciones en la precisión y confiabilidad de su producción debido a las posibles «ilusiones» y malentendidos contextuales.
General AI. La inteligencia artificial general se refiere a un sistema altamente autónomo que puede realizar cualquier tarea cognitiva que los humanos puedan realizar.A diferencia de la IA generativa diseñada específicamente para tareas creativas específicas de contenido, Universal AI se caracteriza por su versatilidad y capacidad para adaptarse a una amplia gama de escenarios sin programación prepecífica.Aunque todavía está en la etapa conceptual, la IA general puede promover sistemas de gestión regulatoria y de gestión de cumplimiento altamente adaptables que puedan adaptarse de forma autónoma a nuevas regulaciones y requisitos de cumplimiento legal complejos de una manera que requiere poca o ninguna intervención humana.
4.2 Soluciones de inteligencia artificial en el campo de la regulación Web3
En esta sección exploramos cómo se pueden aplicar diferentes tipos de tecnologías de IA en el campo regulatorio de Web3 para abordar los desafíos en el monitoreo, la aplicación de la ley y la gestión del cumplimiento.Dividamos estas tecnologías en dos categorías: aplicaciones que utilizan inteligencia artificial débil (IA estrecha) y aplicaciones utilizando inteligencia artificial generativa.Tenga en cuenta que la IA débil se refiere a un sistema de IA diseñado para realizar tareas específicas y operar bajo limitaciones limitadas.También se les llama «inteligencia artificial especializada» o «inteligencia artificial débil».
Herramientas de informes regulatorios.La herramienta de informes regulatorios impulsada por la inteligencia artificial puede recopilar, enviar y analizar automáticamente los rendimientos regulatorios y los informes de certificación.Estos sistemas utilizan algoritmos avanzados de minería y procesamiento de datos para extraer y organizar información de grandes conjuntos de datos para facilitar los informes regulatorios perfectos.Además de informar la automatización, las herramientas de IA que realizan análisis predictivos pueden ayudar a las entidades reguladas a identificar factores de riesgo, reduciendo así las posibles fallas de cumplimiento.Por ejemplo, la inteligencia artificial puede usarse para monitorear y predecir los riesgos financieros que pueden obstaculizar el cumplimiento de la liquidez y las obligaciones de capital.
Perfil de riesgo.Un sistema de inteligencia artificial utilizado específicamente para retratos de riesgo puede analizarse y clasificarse de acuerdo con las características de riesgo y los requisitos reglamentarios aplicables de activos virtuales o entidades financieras.Estos sistemas pueden evaluar el rendimiento histórico, el comportamiento del mercado y los factores externos para mantener un perfil de riesgo dinámico.Al aprender constantemente de nuevos datos y actualizaciones regulatorias, estas herramientas de perfil de IA pueden mantener los perfiles sincronizados con el panorama financiero en constante evolución.
Conozca su transacción (KYT).Utilizando el análisis de gráficos y las redes neuronales gráficas (GNN), los sistemas de detección de anomalías y KYT y anomalías alimentadas por inteligencia artificial pueden diseñarse especialmente para monitorear y analizar cuentas y transacciones en redes blockchain.Al aprovechar la inteligencia artificial para examinar los flujos de transacciones de blockchain complejos, las entidades reguladas podrán identificar mejor las transacciones y cuentas de alto riesgo y mejorar las medidas para implementar requisitos contra el lavado de dinero (AML).Si bien las soluciones de KYT existentes se basan principalmente en las reglas, los actores de la industria están integrando tecnologías de IA, como el uso del reconocimiento de patrones para la agrupación de billeteras y el análisis de flujo de activos de cadena cruzada.
Evaluación de riesgos financieros.En el campo financiero tradicional, los modelos de inteligencia artificial se han utilizado en el pronóstico del flujo de efectivo y la gestión de liquidez.En Defi, los operadores y usuarios de la plataforma pueden usar modelos de inteligencia artificial para gestionar de manera más efectiva la liquidez analizando y prediciendo riesgos de liquidez dentro y entre intercambios descentralizados y plataformas de préstamos.Estos modelos se pueden usar para monitorear el volumen de transacciones, las reservas de tokens y el comportamiento del usuario para identificar la posible escasez de liquidez antes de que se vuelvan severas.La advertencia y los conocimientos procesables proporcionados por dichos modelos son útiles no solo para las instituciones financieras que brindan servicios a los consumidores, sino también a los reguladores que monitorean estos servicios, ayudando a mantener la estabilidad y la confianza del ecosistema defi.
Verificaciones automáticas de cumplimiento.Los controles automáticos de cumplimiento realizados por la inteligencia artificial generativa pueden revolucionar cómo las empresas cumplen con las regulaciones mediante la interpretación de varios marcos legales en diferentes jurisdicciones.Dichas herramientas de IA involucrarán análisis semánticos complejos para comprender los matices de los textos regulatorios, las decisiones judiciales, las cartas interpretativas y otras publicaciones regulatorias relacionadas.Esta tecnología puede actualizar sus bases de datos regulatorias y algoritmos en tiempo real a medida que pasan nuevas regulaciones, lo que permite a las empresas adaptarse rápidamente a los cambios regulatorios.La implementación de tales herramientas reguladoras de IA permitirá a las empresas lograr el cumplimiento de las regulaciones locales e internacionales de manera más eficiente y económica que nunca antes, reduciendo significativamente su riesgo de sanciones y desafíos legales.Los modelos de IA generativos también son herramientas valiosas para Web3 y proveedores de servicios de activos virtuales (VASP), que pueden acelerar tareas manuales, como escribir documentos blancos, chárters y crear chatbots para el servicio al cliente.Otras herramientas de IA emergentes ayudan a acelerar el mantenimiento de las actualizaciones y el cumplimiento de la divulgación de información, y garantizar que las comunicaciones y los materiales de marketing permanezcan dentro del alcance de la supervisión permitida.Estos desarrollos representan el potencial del cambio de la industria hacia una mayor eficiencia y un mayor cumplimiento regulatorio.
Auditoría de contrato inteligente.Las auditorías de contratos inteligentes utilizan inteligencia artificial generativa para analizar y analizar la lógica y la funcionalidad de los contratos inteligentes en múltiples plataformas y lenguajes de programación.Los modelos avanzados de idiomas grandes (LLM) pueden facilitar una revisión detallada de la lógica de código complejo para identificar inconsistencias, vulnerabilidades y problemas de cumplimiento con los marcos legales existentes.Estos sistemas de IA se pueden aprender de las auditorías pasadas para mejorar su precisión diagnóstica, brindando un fuerte apoyo a los desarrolladores y reguladores para verificar la seguridad y el cumplimiento legal de los contratos inteligentes.La siguiente sección se expandirá aún más en proyectos piloto para explorar tales aplicaciones.
Análisis de sentimientos del mercado.La IA generativa se puede utilizar para analizar grandes cantidades de datos no estructurados de las redes sociales, foros y medios de comunicación para evaluar el sentimiento público sobre las condiciones del mercado o los activos específicos.Al interpretar el lenguaje y detectar cambios de estado de ánimo, tales herramientas pueden predecir tendencias potenciales del mercado, proporcionando advertencias a los comerciantes e inversores que desean responder a las tendencias del mercado, así como a los reguladores monitoreando la manipulación del mercado.
4.3 Desafíos en la implementación de la inteligencia artificial
Para lograr resultados efectivos y confiables, la implementación de sistemas de inteligencia artificial para la supervisión regulatoria requiere una variedad de desafíos. Examinamos algunos problemas clave, como problemas de ética y privacidad, mitigación del sesgo de IA y la necesidad de mejorar la transparencia en el comportamiento del modelo.Abordar estos desafíos es fundamental para generar confianza en el uso de la IA en los procesos regulatorios, especialmente en escenarios en los que se requieren acciones de supervisión y juicio.El despliegue de la inteligencia artificial en el campo regulatorio ha causado problemas éticos y de sesgo obvios que necesitan atención cuidadosa.Las normas éticas son cruciales para garantizar que las decisiones de IA que puedan influir profundamente en las vidas individuales se mantengan justas y efectivas.El sesgo inherente a los datos de entrenamiento o los algoritmos puede conducir a resultados sesgados que ponen a algunos grupos en una desventaja injusta, socavando así la equidad y la efectividad de la regulación.La divulgación clara de cómo se utilizan, procesan y comparten los datos para promover la responsabilidad y generar confianza entre las partes interesadas.Además, los reguladores que dependen de la IA para interpretar grandes cantidades de datos presentados por sus entidades reguladas deben garantizar que haya medidas que permitan a la IA explicar qué datos se usan y cómo sacar conclusiones.Sin transparencia en el uso de datos y la trazabilidad suficiente de los procesos de toma de decisiones, las entidades reguladas pueden cuestionar la confiabilidad de sus decisiones que afectan sus decisiones y tensan su relación con sus reguladores.
Los sistemas de inteligencia artificial requieren acceso a grandes cantidades de datos, lo que plantea grandes preocupaciones de privacidad.Estos sistemas pueden exponer inadvertidamente información confidencial o datos de uso indebido, lo que resulta en posibles infracciones o acceso no autorizado.La recopilación, el almacenamiento y el procesamiento de dichos datos deben estar sujetos a medidas estrictas de protección de datos para proteger la privacidad personal.En el campo regulatorio, la integridad de las respuestas de AI es vulnerable a los desafíos provocados por el «pirateo rápido».Los usuarios pueden proporcionar una entrada engañosa consciente o inconscientemente, afectando la matriz de decisión del modelo, lo que a su vez afecta la calidad y la confiabilidad de la salida.Abordar estas vulnerabilidades requiere herramientas avanzadas de monitoreo en tiempo real para analizar y mitigar de manera efectiva posibles indicaciones maliciosas.La precisión y capacidad de la IA para generar respuestas puede contribuir a la sobredependencia en los usuarios.La supervisión manual sigue siendo necesaria para evitar la dependencia excesiva de los sistemas de IA y garantizar el uso prudente de las capacidades de IA.
4.4 Dirección futura
Se espera que la integración de tecnologías avanzadas de inteligencia artificial afecte la formulación, monitoreo e implementación de regulaciones futuras.Prevemos posibles avances en análisis predictivo y toma de decisiones, así como tecnologías emergentes que pueden cambiar las actividades regulatorias.Los avances en análisis predictivo pueden remodelar los métodos de regulación y supervisión impulsados por la IA.Estos avances no solo permiten enfoques regulatorios proactivos, sino también preventivos, es decir, predicen posibles problemas de cumplimiento y violaciones regulatorias antes de que ocurran.Los algoritmos de aprendizaje automático se pueden capacitar para prever excepciones antes de la actividad o violaciones fraudulentas.Esto permite a los responsables políticos abordar posibles problemas antes de que se intensifiquen, mejorando así la precisión y la puntualidad de las intervenciones regulatorias.Se espera que las innovaciones tecnológicas, como la computación cuántica y las redes neuronales avanzadas, amplíen las capacidades analíticas de los sistemas de inteligencia artificial, lo que les permite procesar e interpretar datos regulatorios complejos a un mayor nivel de complejidad.Por ejemplo, la computación cuántica puede procesar la computación a gran escala a un ritmo sin precedentes, facilitando una evaluación más detallada e integral.Las redes neuronales avanzadas pueden aprender de conjuntos de datos más diversos y complejos, proporcionando ideas matizadas que anteriormente no estaban disponibles.Al mismo tiempo, los avances teóricos en la ética y la gobernanza de la IA informan el desarrollo de marcos que guían a estas tecnologías para operar dentro de los valores sociales y estándares legales reconocidos.A medida que se desarrollan estas tecnologías y marcos, ayudarán a generar herramientas regulatorias más eficientes, más eficientes y más justas impulsadas por la IA.
5. Pilot de ADGM en innovación de inteligencia artificial (trabajo conjunto con la Aidf de la Universidad Nacional de Singapur)
El mercado global de Abu Dhabi (ADGM) y el Instituto Asiático de Finanzas Digitales (NUS AIDF) comparten objetivos comunes para abordar los riesgos y los desafíos regulatorios planteados por el sector Web3 en rápida evolución. Con este fin, las dos partes han lanzado un proyecto piloto conjunto desde 2022 para estudiar tecnologías de inteligencia artificial que pueden usarse para mejorar el proceso de auditoría de seguridad de las aplicaciones blockchain y los activos virtuales (VA).Pilotear el uso de tecnologías de IA innovadores para analizar registros de auditoría y rastrear eventos de seguridad histórica para identificar patrones y proporcionar información sobre las posibles vulnerabilidades.Esta sección presenta tres pilotos que demuestran el potencial de IA en el avance de las evaluaciones regulatorias de VA y sus proveedores de servicios.
5.1 Piloto 1: Evaluación de adaptabilidad de contrato inteligente basada en IA
5.1.1 Introducción
Los contratos inteligentes son los componentes básicos de la tecnología blockchain que pueden ejecutar de manera segura y automáticamente protocolos y transacciones en una plataforma descentralizada. Dada su importancia en las aplicaciones de blockchain, es necesario realizar una evaluación y verificación integrales de su base de código para garantizar que funcione como se esperaba y cumple con los estándares regulatorios.Esta sección presenta el primer proyecto piloto: una plataforma de evaluación de adaptabilidad de contrato inteligente capacitada por AI.
5.1.2 Soluciones y proveedores de servicios existentes
Las prácticas actuales de verificación de contrato inteligente combinan una evaluación manual con herramientas tecnológicas avanzadas para solucionar problemas de posibles vulnerabilidades y mejorar la eficiencia.Los principales proveedores de servicios que incluyen CERTIK, Trail of Bits, Halborn, Hacken y otros proveedores de servicios líderes, adoptan exhaustivamente análisis estáticos y dinámicos y métodos de verificación formales liderados por artificialmente para evaluar y reforzar contratos inteligentes en términos de ataques cibernéticos y problemas de rendimiento.A medida que la tecnología Web3 ingresa a una industria regulada, el paradigma de la verificación de contratos inteligentes debe ampliarse con urgencia.Además de la vulnerabilidad técnica, cuando se utilizan contratos inteligentes para automatizar actividades reguladas, sus auditorías también deben cubrir la verificación de cumplimiento de los requisitos regulatorios relevantes.
5.1.3 Evaluación impulsada por la IA
Este piloto analiza la relación de consistencia entre el código de contrato inteligente y el libro blanco VA a través de dos métodos.
Método de validador basado en LLM. Este método utiliza modelos de IA patentados para analizar el grado de alineación entre el código de contrato inteligente y su libro blanco VA correspondiente.La preparación de datos de capacitación primero extrae términos y especificaciones de la base de código de contrato inteligente ampliamente utilizada y los clasifica de acuerdo con los diferentes tipos de proyectos para formar una base de conocimiento requerida para el análisis dirigido.Posteriormente, se utiliza un modelo de lenguaje grande (LLM) para extraer evidencia del código de contrato inteligente que se evaluará y su documento blanco para verificar si los objetivos descritos en el documento blanco se implementan en el código.El modelo se verificó al elemento por elemento utilizando preguntas y respuestas (Figura 1) y revisó el contenido del documento blanco alrededor de la base de código.
Al mismo tiempo, el modelo también realiza controles técnicos ampliamente aceptados en la industria para identificar posibles vulnerabilidades, como el análisis de código estático; y compara los detalles de implementación con las prácticas de toda la industria y los estándares relacionados para verificar su consistencia. La verificación anterior ayuda a garantizar que los contratos inteligentes se ejecuten como se esperaba y cumple con los estándares operativos y de cumplimiento establecidos en el Libro Blanco.
Método de generación de código.Este método utiliza AI para generar fragmentos de código en función de los objetivos y funciones descritas en el documento blanco de VA (por ejemplo, emitir tokens con una emisión máxima de 100 millones).Estos fragmentos de código generados se comparan con el código de contrato inteligente original: ejecute el código original y el código generado AI respectivamente en las mismas condiciones de entrada y compare los resultados de la salida.El objetivo es verificar que la salida funcional sea consistente cuando la estructura o estilo del código puede ser diferente.Si la salida coincide, se puede confirmar que el código original se ejecuta de acuerdo con las especificaciones del documento blanco;Si hay una diferencia en la salida, el código se revisará aún más, encontrará la fuente de inconsistente y ajustará o reevalúe según corresponda.Opcionalmente, también se puede realizar una prueba de comparación directa entre el código generado por IA y el código de contrato original (Figura 2).
Los dos métodos anteriores forman un marco de verificación para evaluar la implementación, posicionar errores y omisiones de contratos inteligentes, y garantizar que el contrato funcione de manera set y declarada públicamente.Dichas ideas pueden proporcionar a los reguladores una base objetiva valiosa para verificar la verificabilidad de las declaraciones del proyecto.
5.2 Piloto II: Evaluación de informes de auditoría
5.2.1 Introducción
Para garantizar que la lógica comercial llevada a cabo por Smart Contracts sea segura y confiable, la parte del proyecto generalmente contrata a una compañía de auditoría de seguridad para evaluar el código y publicar un informe de auditoría al público. Sin embargo, revisar dichos informes a menudo requiere experiencia en los campos de la informática y la seguridad, que los reguladores pueden no tener.Para llenar este vacío de conocimiento, este piloto prueba un marco de evaluación para aprovechar LLM para evaluar la adecuación de dichos informes de auditoría de seguridad.
5.2.2 Soluciones y proveedores de servicios existentes
En la práctica tradicional, los informes de auditoría de seguridad se basan en herramientas de automatización, evaluación manual y análisis de expertos, el proceso lleva mucho tiempo y las conclusiones son subjetivas. Las auditorías generalmente requieren que los auditores verifiquen la base de código, la configuración y los procesos operativos para identificar vulnerabilidades y enlaces débiles.Dado que la evaluación es principalmente artificial y la intensidad laboral es alta;Al mismo tiempo, la dependencia de los juicios profesionales humanos también trae riesgos de error y diferencias subjetivas, y las interpretaciones de los diferentes auditores sobre los descubrimientos y riesgos pueden no ser consistentes.El crecimiento de la complejidad y la escala del proyecto Web3 establece requisitos más altos en los métodos de auditoría existentes.El rápido desarrollo de la tecnología, las características obvias de código abierto y el aumento en el número de aplicaciones descentralizadas han provocado que los auditores enfrenten presiones temporales, lo que puede afectar la profundidad de análisis.Las auditorías de seguridad a menudo solo pueden proporcionar «instantáneas» en un cierto momento, por lo que pueden ignorar las amenazas y vulnerabilidades que continúan surgiendo después de la auditoría.Otro desafío importante es la complejidad técnica. Los informes suelen ser altamente técnicos y complejos en detalle, lo que dificulta que el público y los reguladores comprendan y expliquen completamente las conclusiones.
5.2.3 Informe de auditoría de seguridad basado en IA Evaluación asistida
Esta herramienta de evaluación utiliza IA para medir la calidad de los informes de auditoría.El Pilot First utiliza el reconocimiento de caracteres ópticos (OCR) y la tecnología de recuperación de información personalizada para recopilar y organizar los datos requeridos para la evaluación, incluido el alcance de la auditoría, los métodos de evaluación, las herramientas de auditoría y las descripciones de problemas en el informe.Luego, el informe se procesa utilizando un modelo LLM estándar para generar representaciones integradas y representado como vectores como se muestra en la Figura 3. Este proceso utiliza tecnologías avanzadas de procesamiento del lenguaje natural (PNL), como el análisis de sintaxis de reconocimiento de entidad y sintaxis de dependencia basado en bibliotecas personalizadas para comprender y clasificar el contenido del informe.Una vez completado el procesamiento de datos, la herramienta utiliza los vectores almacenados para comparar y evaluar los conjuntos de conocimiento predefinidos (la base de datos que se muestra en la figura a continuación).El conjunto de conocimiento cubre cinco categorías específicas: (1) calidad y cobertura de contenido, (2) identificación de vulnerabilidad y clasificación de prioridad, (3) mitigación de estrategias e impactos en informes, (4) calidad de presentación y metodología de auditoría, y (5) informes de relevancia y accesibilidad.El proceso de evaluación es tanto de velocidad como integral, y generalmente toma aproximadamente cinco minutos por informe.Finalmente, llame a LLM nuevamente para generar el informe de evaluación. El informe contiene los puntajes totales obtenidos por el resumen ponderado de la subdivisión de las evaluaciones por cada categoría mencionada anteriormente, reflejando el rendimiento general del informe de auditoría de seguridad y señalando las áreas de fortalezas y áreas a mejorar.Al mismo tiempo, el informe también se basará en
La descripción detallada generada por LLM se da en los resultados de evaluación intermedia de cada categoría, y se aclaran sus ventajas y preocupaciones. El diagrama esquemático se muestra en la Figura 3.
5.3 Pilot 3: Diligencia debida inteligente basada en AI
5.3.1 Introducción
La diligencia inicial y debida para los proyectos Web3 es crucial para los reguladores durante la licencia y la supervisión continua. Los proveedores de servicios de activos virtuales (VASP) como intermediarios de activos virtuales también deben realizar su propia diligencia debida en proyectos de blockchain relevantes y sus tokens antes de proporcionar activos virtuales (VAS) a los clientes.Debido a las características descentralizadas de blockchain, la identidad del seudónimo y la nueva forma organizacional, la debida diligencia Web3 enfrenta desafíos únicos. Identificar y verificar identidades verdaderas, comprender la infraestructura técnica compleja y la respuesta a diversas estructuras organizacionales y marcos legales evolutivos hacen que el proceso sea más complejo.Mientras tanto, los datos disponibles públicamente en el campo Web3 se pueden utilizar para mejorar su comprensión de las actividades: los datos en la cadena pueden proporcionar información verificable en tiempo real sobre las transacciones y la operación de contrato inteligente;Información cualitativa fuera de la cadena (como calificaciones del equipo, sentimiento de mercado, foros y discusiones de DAO, canales oficiales de redes sociales) complementa la evaluación.Sin embargo, a pesar de la divulgación de datos, la ingestión de dicha información masiva y altamente técnica sigue siendo un desafío y requiere herramientas maduras de procesamiento y análisis.La introducción de la inteligencia artificial (IA) simplifica el proceso de diligencia debida, lo que permite a los reguladores y VASP revisar y evaluar los proyectos de Web3 de manera más eficiente.
5.3.2 Soluciones y proveedores de servicios existentes
Para abordar las necesidades del análisis de datos complejos y la diligencia debida, muchos proveedores de servicios emergen en los campos Web3 y VA.Las herramientas y servicios proporcionados por estas compañías pueden optimizar los procesos de cumplimiento, verificar la identidad y manejar algunas obligaciones regulatorias bajo diferentes jurisdicciones legales.Por ejemplo, Chainalysis y elíptico proporcionan herramientas de análisis Blockchain para ayudar a rastrear la fuente de transacciones de activos criptográficos y apoyar el anti-lavado de dinero (AML) y combatir el financiamiento del cumplimiento del terrorismo (CFT).Otras compañías proporcionan soluciones de verificación de identidad digital, tratando de identificar a los usuarios en un entorno descentralizado.Aunque las herramientas anteriores son efectivas en enlaces específicos, aún no pueden cubrir la supervisión completa del espectro requerido por los reguladores y VASP.Este piloto tiene como objetivo mejorar aún más el proceso general de diligencia debida para reguladores y VASP.
5.3.3 Diligencia debida asistida por AI-AI
Este piloto introduce la tecnología de IA de múltiples aspectos para mejorar las prácticas de diligencia debida de los reguladores y VASP.
La IA generativa admite la incorporación.Cuando un proyecto se aplica a una licencia de una agencia reguladora, Generative AI se utiliza para personalizar el proceso de entrada de acuerdo con el enfoque del proyecto Web3.El modelo desarrollado en este piloto puede generar automáticamente formularios personalizados y enumerar la lista de envío requerida.Dicha personalización puede evitar un proceso general de «talla única» y reducir los requisitos de envío que no están relacionados con el negocio específico de la Compañía.
Las IA generativas revisan las redes sociales.Pilotear el uso de herramientas de IA para monitorear y analizar el rendimiento de las redes sociales de las empresas y su personal clave, identificando divulgaciones públicas inconsistentes, riesgos de reputación y signos de declaraciones engañosas o fraudulentas.El modelo utilizado puede comprender el contexto del contenido y las emociones y las preocupaciones potenciales de salida para que los reguladores se refieran. (Nota: este párrafo del texto original tiene un duplicado y se presenta aquí).
Agente de preguntas y respuestas regulatorias (Q & amp; un agente).El agente permite a los reguladores realizar preguntas de recuperación en los datos del proyecto Web3, cubriendo documentos autoinformados empresariales, detalles de contratos inteligentes, anuncios y divulgaciones oficiales, etc.Según los últimos datos durante la consulta, el agente proporciona información fácil de entender a los antecedentes no técnicos a la demanda; Todas las respuestas están clasificadas y marcadas con fuente, acompañadas de enlaces de datos originales.El sistema continuará actualizando con nuevos datos y admitirá a los reguladores para acceder a más fuentes de datos.
Este piloto reemplaza efectivamente el trabajo repetitivo y redundante mediante el uso de IA en enlaces como entrada empresarial, identificación de riesgos e información regulatoria en tiempo real.Dado que numerosos reguladores están explorando activamente tales innovaciones, el proyecto tiene el potencial de desplegarse y evolucionar aún más a mayor escala.
6. Conclusión y trabajo futuro
6.1 Conclusión
La rápida evolución de las actividades de Web3 y VA allana el camino para la innovación al tiempo que trae desafíos regulatorios nuevos y complejos.La integración de la IA en los procesos regulatorios promete mejorar la caja de herramientas de los reguladores para monitorear, predecir y mitigar los riesgos que surgen de los sectores Web3 y VA.El proyecto piloto introducido en este artículo ofrece ejemplos prácticos de IA en este campo y demuestra su papel práctico en la mejora de la práctica de cumplimiento de la industria.
6.2 Puntos clave
El potencial de transformación de la inteligencia artificial en la tecnología regulatoria Web3 (SUPTech) y la tecnología reguladora (Regtech)
· Las soluciones impulsadas por la IA pueden mejorar significativamente la efectividad de la regulación de Web3, incluido el análisis de riesgos en tiempo real, la detección de vulnerabilidad a futuro y el monitoreo de cumplimiento más eficiente.
· Al usar una variedad de tecnologías de IA (como el aprendizaje automático, la PNL de procesamiento del lenguaje natural, la IA generativa y la agencia autónoma), los reguladores pueden mantener mejor la supervisión, optimizar los procesos de informes, descubrir anormalidades y comprender las emociones y la opinión pública en el ecosistema descentralizado.
· La integración de la IA en la regulación Web3 simplifica la complejidad entre los dominios legales, se adapta a las 24 horas, los 7 días de la semana y hace que los marcos de cumplimiento sean más accesibles, flexibles e innovadores.
Desafíos que enfrentan la implementación de la IA
· Ética y privacidad, sesgo del modelo y la necesidad de transparencia y trazabilidad son problemas clave.
· La supervisión humana es esencial, lo que reduce la dependencia excesiva de la IA y garantiza la confiabilidad de las aplicaciones.
Aplicaciones prácticas demostradas por el piloto
· La evaluación del contrato inteligente mejorado con AI ayuda a garantizar la coherencia con el documento blanco y los estándares regulatorios.
· La evaluación automática de los informes de auditoría y los procesos de diligencia debida pueden mejorar significativamente la eficiencia.
· Las herramientas generativas de IA admiten procesos entrantes empresariales, análisis de redes sociales y proporcionan información útil a los reguladores de manera eficiente.
Dirección futura
· Los avances en análisis predictivo, sistemas de IA adaptables y la colaboración global impulsarán prácticas regulatorias más efectivas.
· Establecer un marco de gobierno de IA y estándares éticos se convertirá en la clave para mantener la confianza y la responsabilidad.
6.3 Trabajo futuro
Mirando hacia el futuro, varias direcciones clave impulsarán la evolución continua e integración de la inteligencia artificial (IA) en el proceso regulatorio:
Modelos AI avanzadosCon el avance de la tecnología de IA, se espera que las capacidades del modelo y la calidad de los resultados mejoren aún más, al tiempo que logran costos más bajos y la utilización de recursos informáticos.
· Análisis predictivo mejoradoOtros desarrollos en el análisis predictivo respaldarán predicciones más precisas de riesgo y violaciones de cumplimiento.Con conjuntos de datos más grandes y más especializados, así como algoritmos más complejos, los sistemas de IA pueden proporcionar una intervención temprana proactiva al identificar de manera proactiva los problemas antes de que ocurran.
Gobierno y ética avanzados de IAPara garantizar que las aplicaciones de IA en los escenarios regulatorios sean éticos, transparentes y reducen las desviaciones, es imperativo establecer un marco sistemático de gobernanza de IA.El desarrollo de estándares y pautas éticos de IA ayudará a generar confianza y responsabilidad en los sistemas regulatorios basados en IA.
AI adaptable y explicableLos futuros sistemas de IA deben tener capacidades adaptativas y poder aprender y evolucionar continuamente con cambios en el entorno regulatorio y las actividades de Web3.Mejorar la interpretabilidad de los algoritmos y decisiones hará que las decisiones regulatorias sean más transparentes y comprensibles para las partes afectadas por ellas.
· Colaboración globalEstablecer y compartir las mejores prácticas a través de los niveles legales promoverá una regulación más consistente y efectiva del ecosistema Global Web3.
