Los agentes de IA analizan los riesgos de los protocolos DeFi, TVL y las tasas de rendimiento real
DeFi se mueve rápido: la liquidez rota, los incentivos cambian y el riesgo puede acumularse de manera invisible a través de contratos inteligentes, oráculos, puentes y gobernanza. Es exactamente por eso que los agentes de IA analizan los riesgos de los protocolos DeFi, TVL y las tasas de rendimiento real mejor cuando se construyen como sistemas, no como modelos únicos—sistemas que recogen evidencia, prueban suposiciones y mantienen un rastro de decisiones. En esta guía de estilo de investigación, aprenderás un marco práctico y paso a paso para construir un flujo de trabajo agente para monitorear protocolos, explicar riesgos y separar el rendimiento sostenible del ruido impulsado por emisiones. También haremos referencia a SimianX AI como un ejemplo de cómo estructurar el análisis de múltiples agentes en bucles de investigación auditables y repetibles que puedes reutilizar a través de protocolos.
Por qué el análisis de DeFi necesita agentes (no solo paneles de control)
Los paneles de control son excelentes para mostrar números. Pero el análisis de riesgos DeFi requiere comprender los mecanismos:
Un flujo de trabajo moderno con agentes de IA maneja esto dividiendo el problema en roles especializados: un agente recoge y valida datos, otro explica el diseño del protocolo, otro puntúa los riesgos y otro verifica si el “rendimiento” es realmente sostenible.
Idea clave: En DeFi, la historia no es el gráfico. La historia es la cadena de causas detrás del gráfico.
Conceptos clave: Riesgo de protocolo DeFi, TVL y rendimiento “real”
Antes de construir el sistema de agentes, define los objetos que estás midiendo:
1) Riesgo del protocolo (qué puede fallar, cómo y cuán probable es)
El riesgo de los protocolos DeFi es multidimensional. Incluye vulnerabilidades de contratos inteligentes, ataques a oráculos, shocks de liquidez, fallos de gobernanza, contagio por puentes y centralización operativa (claves de administrador, controles de actualización, firmantes multisig).
2) TVL (Valor Total Bloqueado)
El TVL se usa comúnmente como un vistazo de cuánto valor han depositado los usuarios en los contratos de un protocolo. Es útil, pero también puede ser manipulado mediante incentivos, ciclos o capital “pegajoso” que en realidad es frágil.
3) Tasas de rendimiento reales (también conocido como rendimiento realizado, rendimiento real)
Los protocolos a menudo publicitan APY que mezcla:
Para un análisis riguroso, los agentes deben separar de dónde provienen los rendimientos y cuán sensibles son a los regímenes del mercado, volumen y liquidez.
Una arquitectura multiagente para el análisis de DeFi
Un enfoque confiable es construir una tubería de agentes cooperativos, cada uno con un alcance limitado y salidas explícitas. Aquí hay un plan práctico que puedes implementar con agentes LLM + análisis determinista en cadena:
1. Agente de Ingesta
Recopila datos en cadena (eventos, balances, llamadas a contratos), metadatos fuera de cadena (documentación, auditorías) y datos de mercado (precios, volúmenes). Produce conjuntos de datos normalizados con marcas de tiempo y procedencia.
2. Agente Mapeador de Protocolos
Lee la documentación y contratos, luego genera un “mapa de protocolo” estructurado: componentes, dependencias (oráculos, puentes), capacidad de actualización, roles de administrador, rutas de comisiones y mecánicas de colateral.
3. Agente Analista de TVL
Calcula el TVL con precisión, lo descompone (por activo, cadena, pool), identifica el riesgo de concentración y detecta anomalías (entradas/salidas repentinas, TVL de lavado, bucles).
4. Agente de Analista de Rendimiento
Calcula el rendimiento realizado utilizando ingresos por tarifas y flujos de intereses, separa las emisiones, ajusta las suposiciones de capitalización y resalta riesgos como la IL (pérdida impermanente) o la exposición a liquidaciones.
5. Agente de Puntuación de Riesgo
Convierte la evidencia en un modelo de riesgo explicable (no una caja negra). Produce puntuaciones por categorías, señales de soporte y activadores de “qué cambiaría mi opinión”.
6. Agente de Monitoreo y Alertas
Supervisa propuestas de gobernanza, cambios de parámetros, acciones de administración, desviaciones de oráculos y flujos inusuales. Genera alertas con severidad y acciones recomendadas.
7. Agente de Reportes
Genera un memo de investigación legible para humanos: tesis, riesgos, salud del TVL, sostenibilidad del rendimiento y preguntas abiertas.
SimianX AI es un modelo mental útil aquí: trata el análisis como un bucle de investigación repetible con etapas claras y un registro de auditoría, no como una predicción única. Puedes aplicar el mismo flujo de trabajo a los protocolos DeFi, rotando entre cadenas y categorías mientras mantienes consistentes los resultados. (Puedes explorar el enfoque de la plataforma en SimianX AI.)
El marco de riesgo: lo que los agentes deben puntuar y por qué
Una puntuación robusta de riesgo DeFi no es un solo número. Es un portafolio de riesgos con pistas de evidencia separadas.
Una taxonomía práctica de riesgos (amigable para agentes)
| Categoría de riesgo | Qué puede salir mal | Indicadores de alta señal que un agente puede monitorear |
|---|---|---|
| Riesgo de contrato inteligente | Errores, explotaciones, reentradas, fallos de autenticación | Proxies actualizables, gráficos complejos de privilegios, cambios no auditados, patrones de llamadas inusuales |
| Riesgo de oráculo | Manipulación de precios, feeds obsoletos | Feeds de baja liquidez, gran desviación entre fuentes, deriva rápida de TWAP, fallos en los latidos del oráculo |
| Riesgo de liquidez | Salida se vuelve costosa/imposible | Concentración de TVL, libros de órdenes superficiales, alto deslizamiento, dependencia de un único pool |
| Riesgo de gobernanza | Captura de parámetros, propuestas maliciosas | Baja participación de votantes, concentración de ballenas, propuestas apresuradas, patrones de bypass de admin |
| Riesgo de puente/cross-chain | Contagio a través de puentes | Alta participación de TVL bridged, dependencia de un solo puente, historial de exploits en puentes |
| Riesgo de diseño económico | Mecanismos insolventes, incentivos reflexivos | Emisiones insostenibles, economía unitaria negativa, dependencia de recompensas “tipo ponzi” |
| Riesgo operacional/centralización | Compromiso de clave de admin, censura | Multisig único, conjunto pequeño de firmantes, proceso de actualización opaco, pausadores privilegiados |
Cómo los agentes convierten el riesgo en una puntuación (sin pretender certeza)
Un buen agente de puntuación hace tres cosas:
1. Fundamentación en evidencia: cada afirmación de riesgo apunta a una señal concreta (grafo de roles de contrato, historial de gobernanza, diseño de oráculo, profundidad de liquidez, flujos de ingresos).
2. Razonamiento del mecanismo: el agente explica cómo ocurre la falla.
3. Disparadores contrafactuales: el agente define qué datos reducirían la puntuación de riesgo (por ejemplo, “dos nuevas auditorías + actualizaciones con timelock + redundancia de oráculo”).
Mejor práctica: Tratar la puntuación de riesgo como clasificación explicable, no profecía.
Ejemplo: una plantilla de puntuación simple y explicable
Then convert to an overall grade only at the end—and keep the breakdown visible.
Análisis de TVL: lo que los agentes de IA deberían calcular (más allá del número principal)
El TVL a menudo se trata como un marcador. Los agentes deberían considerarlo como una señal de salud, con contexto.
Paso 1: Descomponer el TVL en lo que realmente importa
Un agente de TVL debería mostrar:
Paso 2: Medir la calidad del TVL, no solo la cantidad
Un TVL alto aún puede ser débil si es:
Métricas derivadas útiles:
Paso 3: Detectar anomalías con un flujo de trabajo de “explicar-luego-alertar”
Un agente de monitoreo no debería solo disparar alertas. Debería producir una mini-explicación causal:
Señales de alerta comunes de TVL (lista de verificación del agente):
Tasas de rendimiento reales: cómo los agentes calculan el rendimiento realizado y real
“El rendimiento” es una de las métricas más fáciles de malinterpretar porque los protocolos pueden anunciar:
Una definición práctica para “tasas de rendimiento reales”
Para un sistema de agentes, defina tasa de rendimiento real como:
APR de comisiones/interesesAPR de incentivosAPR totalNotas sobre volatilidad / drawdown / riesgo extremoPaso a paso: descomposición de rendimiento que deberían producir los agentes
1. Recopilar distribuciones
2. Separar incentivos
3. Normalizar
4. Ajustar por riesgo
Fórmulas de ejemplo (simples pero útiles)
fee_apr = (fees_paid_to_lp / average_tvl) * (365 / days)
incentive_apr = (rewards_value / average_tvl) * (365 / days)
total_apr = fee_apr + incentive_apr
(con los incentivos claramente etiquetados como no sostenibles a menos que se demuestre lo contrario)
Tabla de calidad de rendimiento (qué reportar)
| Componente de rendimiento | Fuente | Sostenibilidad | Qué puede romperlo |
|---|---|---|---|
| APR de tarifas | Tarifas de trading, interés de préstamos | Medio–Alto (si la demanda persiste) | Colapso del volumen, caída de la utilización, competencia |
| Participación en ingresos | Distribución de ingresos del protocolo | Medio–Alto | Cambios de gobernanza, desactivación de tarifas |
| APR de incentivos | Emisiones de tokens | Bajo–Medio | Caída del precio de la recompensa, fin de emisión, dilución |
| “Puntos” | Programa fuera de cadena | Incierto | Cambios de reglas, token no lanzado |
La prueba de “rendimiento real” (regla de decisión del agente)
Un agente de rendimiento puede implementar una prueba sencilla y explicable:
Una versión más rigurosa usa escenarios:
Luego, recalcular el APR realizado esperado y marcar la fragilidad.
Integrándolo todo: un flujo de trabajo agentico que puedes implementar
Aquí hay un plan de construcción práctico que puedes seguir por etapas:
1. Definir la decisión
2. Mapear el mecanismo del protocolo
3. Construir la tubería de TVL
4. Construir la tubería de rendimiento
5. Crear la puntuación de riesgo
6. Implementar monitoreo
7. Generar un informe
Consejo al estilo de SimianX AI: mantén los resultados consistentes en todos los protocolos con una plantilla fija de informe (mismas secciones, misma rúbrica de puntuación, mismos umbrales de alerta). Así es como conviertes el análisis en un producto, no en un cuaderno aislado.
¿Cómo analizan los agentes de IA los riesgos de los protocolos DeFi y TVL en la práctica?
Lo hacen combinando mediciones determinísticas en la cadena (balances, flujos, ingresos) con razonamiento estructurado (mapeo de mecanismos, análisis de dependencias y puntuación explicable). La clave es separar la recopilación de datos de la interpretación: un agente recopila hechos verificados, otro agente explica lo que esos hechos significan, y un tercer agente los convierte en una calificación de riesgo con suposiciones explícitas. Esto reduce las ilusiones y hace que los resultados sean auditables.
Modos comunes de fallos (y cómo fortalecer tus agentes)
Incluso los buenos agentes pueden fallar. Diseña defensivamente:
Una regla simple de seguridad: ningún agente único puede "aprobar" un protocolo. La aprobación requiere acuerdo entre (a) el mapeador del protocolo, (b) el analista de TVL y (c) el evaluador de riesgos—más un umbral mínimo de evidencia.
Preguntas frecuentes sobre cómo los agentes de IA analizan los riesgos de los protocolos DeFi, TVL y las tasas de rendimiento real
¿Cuál es la mejor manera de medir la calidad del TVL, no solo el tamaño del TVL?
Mira la concentración de TVL, la mezcla de activos (estable vs volátil), la exposición a puentes y la retención después de la caída de incentivos. Un protocolo con un TVL ligeramente inferior pero alta retención y depósitos diversificados puede ser más saludable que una granja con un TVL alto y capital mercenario.
¿Cómo calcular el rendimiento real en DeFi si las recompensas están mezcladas con incentivos?
Separa las distribuciones de tarifas/intereses/ingresos de las emisiones, luego calcula el APR realizado para cada componente durante una ventana de retroceso. Trata los incentivos como frágiles, a menos que sean pequeños o estructuralmente vinculados a los ingresos.
¿Cómo detectan los agentes de IA el TVL "falso" o mercenario?
Buscan flujos repentinos alineados con cambios en los incentivos, concentración de direcciones, rotación rápida después de ajustes en las recompensas y patrones de bucles que inflan los depósitos aparentes sin añadir usuarios duraderos.
¿Son suficientes las auditorías para reducir los puntajes de riesgo de un protocolo?
Las auditorías ayudan, pero no son suficientes. Los agentes también deben puntuar la actualizabilidad, privilegios de administrador, diseño de oráculos, concentración de gobernanza y controles operativos (bloqueos de tiempo, acciones de emergencia, firmantes).
¿Pueden los agentes de IA dar consejos de inversión sobre cuál protocolo DeFi es el más seguro?
Pueden generar investigaciones estructuradas y señales de riesgo, pero no deben reemplazar el juicio humano. Usa agentes para reducir los puntos ciegos, documentar suposiciones y monitorear continuamente los riesgos cambiantes.
Conclusión
Cuando los agentes de IA analizan los riesgos de los protocolos DeFi, el TVL y las tasas de rendimiento real, el objetivo no es una etiqueta mágica de “seguro”—es un sistema de investigación auditable que explica por qué un protocolo parece saludable o frágil. Los setups más sólidos descomponen el TVL en señales de calidad, descomponen el rendimiento en flujo de caja real frente a incentivos, y califican las categorías de riesgo con evidencia y pruebas de escenarios. Si deseas operacionalizar esto en un flujo de trabajo repetible—donde las etapas multi-agente produzcan memorandos consistentes, alertas de monitoreo y trazas de decisiones claras—explora cómo SimianX AI estructura el análisis agente y las líneas de investigación en SimianX AI.
