Economía de la obtención de beneficios: la cadena de simbiosis oculta entre los proyectos, VC y estudios

Autor: danny

Fue en ese invierno de 2020 cuando el objetivo del proyecto se desvió de “crear valor y servir a los usuarios” hacia “subir a los exchanges y atender bien al estudio”. La causa principal de este fenómeno radica en la contradicción entre la demanda rígida de datos por parte de los exchanges y el arranque en frío de los proyectos tempranos. Debido a la falta de usuarios y datos reales iniciales, pero con la necesidad de estos datos por parte de los exchanges, los proyectos se ven forzados a “conspirar” con los estudios, generando crecimiento artificial mediante manipulación de volumen para crear una falsa prosperidad y cumplir con las expectativas del mercado.

Este modelo lleva a que los proyectos se enfoquen directamente en “emprender frente a los exchanges” (To Exchange) y “cazar airdrops” (To Airdrop Hunter). En este contexto, surge en la industria el fenómeno de “el dinero malo expulsa al bueno”, es decir, comportamientos falsos y orientados a arbitraje (dinero malo) que acaparan recursos de la red, diluyen las recompensas y elevan los costos de uso, desplazando a los usuarios reales, útiles y orientados a la utilidad (dinero bueno).

Inicialmente, el “airdrop” fue una estrategia de marketing para atraer nuevos usuarios, pero su propósito original se ha perdido por completo, convirtiéndose en un mecanismo de transfusión para alimentar estudios y bots. Los proyectos y los exchanges se han sumido en esta fachada de datos construidos con scripts, lo que no solo genera un enorme desperdicio de recursos, sino que también engaña fundamentalmente la dirección del desarrollo de la industria.

Este artículo busca analizar las raíces, mecanismos y el impacto de este fenómeno en el futuro del sector. Exploraremos cómo los exchanges de primera línea como Binance y OKX, mediante sus estándares de listado, inadvertidamente se convierten en los “directores” de este mecanismo de incentivos distorsionado; y cómo las instituciones de capital riesgo, con economías de tokens de “FDV alto y circulación baja”, mantienen una relación simbiótica secreta con los “estudios de manipulación” para orquestar esta falsa prosperidad.

1. La estructura de incentivos de la economía “falsa”: de la creación de valor a la alienación por listado

La proliferación de estudios de manipulación no es un caos casual, sino una respuesta económica racional a la estructura de incentivos establecida en el mercado de criptomonedas actual. Para entender por qué los proyectos incluso “permiten” la existencia de estos estudios, primero hay que analizar las reglas del “portero” que controla la supervivencia en la industria: los CEX, VC y KOL.

1.1 El efecto portero de los exchanges: los datos como entrada

En el modelo actual de economía de tokens, para la mayoría de las infraestructuras y protocolos intermedios, lograr un “gran listado” en exchanges de primera línea (como Binance, OKX, Coinbase) es la definición del éxito del proyecto. Esto no solo es la liquidez necesaria para que los inversores iniciales puedan salir, sino también la señal de reconocimiento del mercado principal. Sin embargo, los estándares de listado de los exchanges, en la práctica, generan una demanda de datos falsos.

La revisión de solicitudes de listado en los exchanges se basa en indicadores cuantitativos. Binance, como el exchange con mayor cuota de mercado, aunque enfatiza públicamente “fuerte apoyo comunitario” y “modelo de negocio sostenible”, en la práctica, otorga gran peso a volumen de trading, número de direcciones activas diarias, número de transacciones en la cadena y TVL. OKX también señala que, además de aspectos técnicos, presta mucha atención a “tasa de adopción” y “posición competitiva en el mercado”.

Este mecanismo crea una “paradoja de arranque en frío”: un nuevo protocolo Layer 2 o DeFi necesita usuarios reales para calificar para listado, pero sin la liquidez y las expectativas de incentivos de tokens que trae el listado, es difícil atraer usuarios genuinos. Los estudios de manipulación llenan exactamente ese vacío, ofreciendo una solución de “crecimiento como servicio”. Mediante scripts automatizados, estos estudios pueden generar en poco tiempo decenas de miles de direcciones activas diarias y millones de transacciones, trazando una curva de crecimiento perfecta para cumplir con los requisitos de diligencia debida de los exchanges.

Esta presión también se refleja en los rumores de “tarifa de listado”. Aunque exchanges líderes como Binance niegan cobrar altas tarifas y enfatizan la transparencia en los costos, en realidad, los proyectos suelen comprometerse a mantener cierto volumen de trading o a proporcionar grandes cantidades de tokens como presupuesto de marketing. Si un proyecto no tiene suficiente tráfico natural, debe depender de market makers y estudios para mantener esa prosperidad artificial, evitando ser eliminado o puesto en lista de observación.

1.2 La presión de los VC: indicadores de vanidad y liquidez de salida

Los VC juegan un papel catalizador en este ecosistema. En ciclos anteriores, miles de millones de dólares invirtieron en infraestructura. La lógica de negocio de los VC requiere salidas. El ciclo de vida típico de un proyecto cripto incluye ronda semilla, privada, TGE y listado.

En la fase de TGE, la valoración del proyecto está altamente correlacionada con el interés del mercado y la discusión pública. Debido a la falta de modelos tradicionales de valoración como P/E o flujo de caja descontado, se dependen de indicadores proxy:

• Número de direcciones activas, interpretado como “usuarios”.
• Número de transacciones, interpretado como “demanda por espacio en la cadena” y “actividad de usuarios”.
• TVL, interpretado como “escala de capital confiable” y “fondos de arranque”.

Afectados por la limpieza del sector y el mito de la riqueza rápida, muchos especuladores de corta duración se sienten atraídos por estos “indicadores de suelo” en lugar de por el valor real. Los VC saben que compiten con los minoristas por liquidez limitada, por lo que presionan a sus portafolios para maximizar estos datos antes del TGE.

Esto genera un grave riesgo moral: los VC pueden ignorar o incluso impulsar actividades de Sybil, porque los datos que generan estos estudios sustentan sus altas valoraciones y salidas. Por eso, se ven cuentas de Twitter de ciertos proyectos TGE con casi un millón de seguidores, direcciones de interacción cercanas a mil millones y miles de millones de transacciones.

Aunque en apariencia el total de usuarios registrados o el volumen de transacciones inicial parecen convincentes, en realidad, estos indicadores carecen de relación con el éxito a largo plazo del negocio. Sin embargo, en la mesa de negociación del mercado primario, estos son los criterios de entrada: un proyecto con 50,000 “direcciones activas” (aunque el 99% sean bots) suele tener una valoración mucho mayor que uno con 500 usuarios reales de alto patrimonio.

1.3 La alienación del marketing: de captar clientes a alimentar bots

El airdrop, inicialmente concebido como una estrategia de marketing descentralizada para distribuir tokens a usuarios reales y activar el efecto red, ha sufrido una transformación radical en la estructura de incentivos actual.

Los proyectos descubren que, en lugar de gastar presupuestos en educar al mercado y buscar usuarios genuinos (un proceso lento y costoso), es más fácil atraer estudios mediante la promesa de futuros airdrops. Esta estrategia de “puntos” o “misiones” es en esencia una transacción de compra de datos (o una forma de “descuento a futuro” en la compra de tokens). Los proyectos pagan (o prometen pagar) tokens, y los estudios entregan datos en la cadena, tarifas de gas y comisiones de transacción. En el corto plazo, esto beneficia a ambas partes: los proyectos obtienen datos “bonitos” para mostrar a exchanges y VC, y los estudios reciben tokens en expectativa.

Pero la víctima de esta conspiración es toda la cultura del producto y los usuarios reales. Los estudios solo necesitan cumplir con un umbral mínimo de interacción (por ejemplo, interactuar una vez por semana con más de 10 USD), y los equipos de producto comienzan a optimizar sus productos en torno a estas interacciones mecánicas y scripts, en lugar de mejorar la experiencia auténtica. Esto genera una gran cantidad de “protocolos zombis” sin utilidad real, diseñados solo para bots. Porque, vamos, ¿quién va a hacer un swap de 10 USD en tokens solo para alimentar un bot?

2. La mecanización industrial de los estudios de manipulación (análisis de la oferta)

El término “estudio de manipulación” tiene un tono algo popular, incluso de burla, y refleja una autocrítica de la comunidad. Pero en el contexto de 2024-2025, se refiere a una industria altamente profesionalizada, capitalizada y con capacidad de desarrollo de software especializado. Estas entidades operan con eficiencia similar a empresas de software, usando herramientas complejas, algoritmos finos y una infraestructura que maximiza la exploración de los mecanismos de recompensa.

2.1 Infraestructura industrial y automatización

El umbral para participar en ataques Sybil se ha reducido drásticamente, gracias a la proliferación de herramientas profesionales. Programas como AdsPower y Multilogin, que permiten gestionar múltiples perfiles en un solo equipo, ofrecen la gestión de decenas o cientos de entornos de navegador independientes, cada uno con huellas digitales (User Agent, Canvas Hash, WebGL, etc.) y direcciones IP proxy distintas. Esto hace que las técnicas anti-fraude tradicionales (como detectar logins desde el mismo dispositivo) sean completamente ineficaces.

Un flujo típico de operación de un estudio incluye varias etapas altamente industrializadas:

Disfraz y aislamiento de identidad: usando navegadores con huellas digitales, aislan miles de wallets en almacenamiento local y cookies, asegurando que parezcan usuarios independientes en diferentes partes del mundo.

Generación y gestión masiva de wallets: usando wallets deterministas jerárquicos (HD), generan direcciones en masa. Para evitar análisis de clustering en la cadena, usan CEX con soporte de subcuentas para distribuir fondos. Como las direcciones de hot wallet en los CEX son compartidas, esto rompe la relación de fondos en la cadena y evita rastreos típicos de “cazadores de brujas” (incluso ajustan tiempos y montos de transferencias).

Automatización de interacciones: programan scripts en Python o JavaScript, combinados con Selenium o Puppeteer, para ejecutar interacciones en la cadena 24/7. Estos scripts pueden hacer swaps, puentes, préstamos, y además incluyen módulos aleatorios para simular intervalos y fluctuaciones humanas, engañando a los algoritmos de análisis de comportamiento.

Cadena de suministro KYC: para proyectos que intentan bloquear estudios mediante KYC forzado (como CoinList o verificaciones en ciertos proyectos), existe una industria madura de compra masiva de datos de identidad y biométricos en países en desarrollo, incluso usando IA para detección de vida y romper la protección de “Proof of Personhood”.

2.2 “Plataforma de tareas”: centro de entrenamiento y conspiración para manipulación en masa

Otra tendencia clave en 2024 es que, además de plataformas de tareas Web3 como Galxe, Layer3, Zealy, Kaito, los exchanges oficiales y proyectos como Binance Alpha, diversos Perp Dex y nuevas L1, se han unido a esta práctica. Estas plataformas parecen ser herramientas para educar usuarios o construir comunidades, mediante la publicación de “misiones” (por ejemplo: “cross-chain ETH a Base”, “swap en Uniswap”) que recompensan con puntos o NFTs.

Pero en realidad, estas plataformas sirven como “campo de entrenamiento” y “lista de tareas” para los estudios de manipulación.

Layer3, por ejemplo, opera un mercado de “crecimiento como servicio”: los protocolos pagan a Layer3 por tráfico, y Layer3 distribuye esas tareas a los usuarios. Para los estudios, Layer3 ofrece rutas de interacción aprobadas por los proyectos, que solo necesitan ser automatizadas con scripts para obtener registros “oficiales” de interacción a bajo costo.

Kaito es otro mercado de alquiler de volumen (media buy). Está lleno de voces de bots IA, que indirectamente alimentan un mar de comentarios y tweets sin sentido en Twitter.

Galxe permite crear tareas que combinan interacciones en cadena y seguimiento en redes sociales. Aunque ofrece funciones anti-bruja (como Galxe Passport), muchas de estas funciones son opciones premium de pago, y muchos proyectos, para maximizar la participación, no activan filtros estrictos.

Curiosamente, estas plataformas, consciente o inconscientemente, entrenan a los bots. Al estandarizar comportamientos complejos en tareas lineales (“Tarea A + Tarea B = Recompensa”), crean una lógica determinista que los scripts manejan con facilidad. El resultado: una gran cantidad de “usuarios mercenarios” que solo hacen las acciones mínimas para obtener recompensas, y dejan de interactuar en cuanto terminan.

2.3 La economía de los estudios: ROI como motor de asignación de capital

La esencia de los estudios de manipulación es una estrategia de asignación de capital. En sus libros, el costo de adquisición incluye tarifas de gas, slippage y fondos ocupados, y se evalúa en función del retorno de inversión (ROI).

Por ejemplo, gastar 100 USD en gas en un grupo de 50 wallets y obtener tokens a valor de 5,000 USD tiene un ROI de 4,900%. Casos históricos muestran que estas ganancias son frecuentes:

Caso Starknet: un desarrollador en GitHub puede obtener aproximadamente 1,800 STRK. En los primeros días, con un precio superior a 2 USD, eso equivale a más de 3,600 USD por cuenta. Si un estudio registra y mantiene 100 cuentas, sus ganancias superan los 360,000 USD.

Caso Arbitrum: la distribución de airdrop fue aproximadamente el 12.75% del total de tokens. Incluso wallets con mínimos registros de interacción recibieron valor por miles de dólares en ARB. Esta inyección de liquidez valida la viabilidad del modelo y les proporciona munición (capital) para ataques mayores en ciclos futuros (zkSync, LayerZero, Linea).

Estas altas rentabilidades generan un ciclo de retroalimentación positiva: los airdrops exitosos financian a los estudios, que desarrollan scripts más sofisticados, compran mejores huellas digitales y proxies, y en el siguiente ciclo capturan mayor cuota, desplazando aún más a los usuarios reales.

3. La ruina tras la fachada: emisión de tokens, fuga de personas y vaciamiento

Las “victorias” de los estudios se reflejan en el pobre rendimiento de los principales protocolos tras los airdrops, revelando un patrón claro: crecimiento artificial -> snapshot de airdrop -> caída en retención.

3.1 Starknet: la avalancha de retención y el alto costo de adquisición

Starknet, la prometedora red ZK-Rollup, lanzó en 2024 un gran airdrop de tokens STRK. La distribución fue amplia, buscando cubrir desarrolladores, primeros usuarios y stakers en Ethereum.

El análisis en cadena muestra que, de los usuarios que reclamaron, solo el 1.1% permaneció activo posteriormente. Es decir, el 98.9% de los beneficiados son “mercenarios” que dejan de contribuir tras recibir la recompensa.

Starknet gastó aproximadamente 100 millones de dólares (valor en tokens) para captar unos 500,000 usuarios. Con una tasa de retención del 1.1%, el costo por usuario retenido supera los $1,341. Para cualquier protocolo Web3 o empresa Web2, esto es insostenible y catastrófico.

La presión de venta hizo que el precio de STRK cayera un 64% tras el lanzamiento. Aunque el valor de mercado global pareció crecer por los desbloqueos, la capacidad de compra del token se desplomó.

El caso de Starknet es una lección: los usuarios “comprados” con airdrops son solo fantasmas. Los estudios extraen valor y lo transfieren a la siguiente fase, dejando solo datos inflados y espacio vacío en los bloques.

3.2 zkSync Era: “la era” termina en caída de datos

El patrón de zkSync Era es similar. Antes del snapshot, la actividad en la red creció exponencialmente, incluso superando a Ethereum en algunos momentos, siendo promocionada como líder L2.

Tras el anuncio y la confirmación del snapshot, la actividad se desplomó: las direcciones activas diarias cayeron del pico de 455,000 en febrero de 2024 a 218,000 en junio, una caída del 52%. El volumen diario de transacciones bajó de 1.75 millones a 512,000. Todo esto antes de los desbloqueos de tokens.

Los datos de Nansen muestran que, de los 10,000 primeros wallets que reclamaron, casi el 40% vendieron todos sus tokens en 24 horas. Solo el 25% optó por mantener.

Este desplome en actividad antes de la distribución confirma que la burbuja de prosperidad fue solo impulsada por incentivos externos. Cuando los estudios consideran que la “foto” está tomada, dejan de ejecutar scripts. La caída de datos es solo superficial; la verdadera realidad es que la narrativa de “ecosistema próspero” se desmorona.

3.3 LayerZero: la “autoincriminación” y la guerra interna por confianza

LayerZero, protocolo de interoperabilidad cross-chain, intentó una medida radical contra los estudios: lanzar un mecanismo de “autoincriminación”. La propuesta era que si admitías ser un “brujo” (bot), podías conservar un 15% del airdrop; si ocultabas y te descubrían, no recibías nada.

LayerZero identificó y marcó más de 800,000 direcciones como posibles atacantes “brujo”. Esto generó una gran fractura en la comunidad. Los críticos argumentan que señalar a usuarios que usan herramientas como Merkly como “brujo” es injusto, pues estos usuarios generan ingresos por tarifas y volumen en cross-chain, de los cuales LayerZero se beneficia.

Aunque esta “limpieza” redistribuyó tokens a los “usuarios duraderos”, en la semana posterior a la listado, el precio cayó un 23%. Más grave aún, el plan de “cazadores de brujos” incentivó denuncias mutuas, creando un ambiente de vigilancia y hostilidad que dañó la reputación del proyecto.

$ZRO 4. La expulsión de la buena moneda por la mala en el mercado de activos digitales

En economía, cuando la tasa de cambio es fija, la mala moneda expulsa a la buena. En el contexto de adquisición de usuarios en cripto, esto se traduce en que los usuarios falsos desplazan a los reales.

4.1 Formas de la mecánica de expulsión

Dilución de recompensas: los airdrops suelen ser juegos de suma cero. Los proyectos asignan un porcentaje fijo (por ejemplo, 10%) en tokens a la comunidad. Si un estudio controla 10,000 wallets, se lleva una porción enorme del premio, diluyendo mucho la participación de los usuarios reales con una sola wallet. Cuando los usuarios reales ven que un año de uso solo les da recompensas insignificantes, su interés en participar se reduce casi a cero.

Congestión y tarifas elevadas: la manipulación industrial consume valioso espacio en bloques. En picos de volumen (como Linea Voyage o Arbitrum Odyssey), las tarifas de gas se disparan. Los usuarios genuinos, incapaces de pagar esos costos, migran a otras cadenas o dejan de usar. La red termina solo con bots, que pueden amortizar esas altas tarifas con las expectativas de grandes airdrops, mientras que los beneficios reales de los usuarios no cubren esos costos.

Mecanismos complejos: algunos TGE diseñan tareas tan complicadas que solo los bots o máquinas sin descanso pueden completarlas, dejando fuera a los humanos. Se dice que en 2025, la guerra de Perp Dex se ha convertido en una batalla de scripts.

4.2 “Base de ruido” y pérdida de señales

La proliferación de estudios aumenta el “Noise Floor” del ecosistema. Con entre el 80% y 90% del tráfico siendo inorgánico, los proyectos no pueden determinar si tienen un ajuste real producto-mercado.

En medio de tanta contaminación de datos y transacciones tóxicas, las métricas tradicionales como pruebas A/B, feedback de usuarios o tasas de adopción fallan. Los proyectos empiezan a optimizar UI/UX para scripts, no para humanos (por ejemplo, reducir clics para facilitar scripts, no para mejorar la usabilidad).

El mercado entra en la paradoja del “Mercado de Limones”: los proyectos de alta calidad, que no manipulan datos, están subvalorados; los de baja calidad, que manipulan y parecen “populares”, atraen fondos y atención. La consecuencia final es que los buenos proyectos se ven forzados a abandonar o a colaborar con la manipulación, degradando la calidad general del mercado.

4.3 La “embriaguez” y complicidad de los proyectos

Bajo la influencia del entorno y la permisividad de los exchanges, algunos proyectos se “embriagan” con las apariencias de datos. Los datos bonitos son la única prueba que pueden presentar a inversores y público. Admitir que el 90% de sus usuarios son falsos colapsaría la valoración y podría impedirles listar, además de enfrentar posibles demandas.

Por eso, los proyectos caen en una “ignorancia performativa”: implementan medidas anti-brujo que parecen estrictas (como bloquear scripts básicos), pero dejan “puertas traseras” para estudios avanzados. Incluso uno de los cofundadores de Layer3 ha admitido públicamente que algunos proyectos prefieren no filtrar estrictamente a los bots, porque están optimizando métricas que impulsan narrativas y financiamiento.

Este acuerdo cierra un ciclo: los proyectos venden datos falsos a VC/exchanges; los estudios generan datos falsos para los proyectos; y los VC/exchanges venden proyectos “embellecidos” a los minoristas.

5. Conclusión

La industria actual es como un atleta dopado con estimulantes (datos falsos): en el corto plazo, sus músculos (TVL, usuarios) crecen, pero sus órganos internos (ingresos reales, comunidad) están en decadencia.

Era un camino para cambiar el mundo, un ciberpunk revolucionario, pero el ecosistema se ha degradado en una “Economía Performativa”: los proyectos pagan o firman opciones con estudios para “producir” datos que cumplen arbitrariamente con los estándares de exchanges y VC.

No es que los estudios hagan mal su trabajo, sino que todo es un acto comercial. Cuando el mercado se llena de estudios y de incentivos para inflar tráfico, la cosa cambia.

Este ciclo de “Proyecto-VC-Exchange-Estudio” es un juego de suma negativa, que consume la confianza del sector para mantener una prosperidad a corto plazo. Para romperlo, la industria debe pasar por un doloroso proceso de “desleveraging”.

Para los proyectos, la búsqueda de listado en exchanges reemplaza la exploración del ajuste producto-mercado (PMF). Los proyectos están diseñados para “ser inflados”, no para “ser usados”. Además, los incentivos de tokens por miles de millones — originalmente para activar comunidades reales — son ahora máquinas profesionales de extracción y arbitraje, que terminan abandonando los proyectos.

No solo expulsan a la buena moneda, sino que expulsan a la verdadera. A menos que la industria cambie su foco de “usuarios activos” y “transacciones” a la creación de valor real y uso genuino, solo avanzaremos en la expulsión de la buena por la mala.

Los estudios ganaron la batalla de los airdrops, pero su victoria puede significar que la industria cripto pierda la guerra de la adopción masiva.

Quizá, solo cuando los beneficios de “usar el producto” superen a los de “inflar datos”, la buena moneda regresará, y el ecosistema cripto podrá salir del lodazal de la burbuja falsa y avanzar hacia una verdadera implementación tecnológica.

2026, que podamos ser jugadores torpes en esta era dominada por los “datos como rey”.