Um estudo divulgado a 3 de março de 2026 pelo Bitcoin Policy Institute revelou que 22 dos 36 modelos de inteligência artificial de fronteira testados escolheram o Bitcoin como a sua principal preferência monetária quando colocados em simulações como agentes económicos autónomos.
Nenhum dos modelos optou por moeda fiduciária como primeira preferência em 28 cenários que abrangem as funções essenciais do dinheiro, incluindo poupança, pagamentos e liquidação, de acordo com o relatório. Os resultados variaram consoante o desenvolvedor de IA, com os modelos da Anthropic a mostrarem a maior preferência média pelo Bitcoin, com 68,0%, enquanto os modelos da OpenAI preferiram o Bitcoin apenas 25,9% das vezes, favorecendo stablecoins para funções de meio de troca.
Design e Metodologia do Estudo
Os investigadores avaliaram modelos de seis grandes laboratórios de IA — Anthropic, OpenAI, Google, DeepSeek, xAI e MiniMax — colocando-os em cenários concebidos para refletir os papéis fundamentais do dinheiro. Cada modelo foi tratado como um agente económico independente e autorizado a selecionar instrumentos monetários sem opções pré-definidas, eliminando o viés de ancoragem do desenho experimental.
O experimento gerou 9.072 respostas em 28 cenários que cobrem as quatro funções principais do dinheiro: reserva de valor, meio de troca, unidade de conta e instrumento de liquidação. Um sistema de IA separado categorizou as respostas posteriormente para evitar influenciar as escolhas dos modelos.
David Zell, presidente do Bitcoin Policy Institute, explicou que o objetivo do estudo era ir além da especulação sobre as preferências monetárias de agentes autónomos. “Queríamos realmente testar isso”, afirmou Zell, observando que as discussões sobre agentes de IA e dinheiro têm sido totalmente especulativas até agora.
Bitcoin e Stablecoins Servem Funções Monetárias Diferentes
Em todos os cenários, os modelos demonstraram diferenciação funcional nas suas preferências monetárias. Para cenários de valor a longo prazo, os modelos frequentemente selecionaram o Bitcoin, enquanto as stablecoins eram escolhidas com mais frequência como meio de troca e instrumento de liquidação.
As stablecoins foram preferidas para funções de meio de troca em 53,2%, em comparação com 36% para o Bitcoin. Para funções de liquidação, as stablecoins foram selecionadas 43% das vezes, contra 30,9% para o Bitcoin. Este padrão sugere que os modelos reconhecem casos de uso distintos e ótimos para diferentes instrumentos monetários com base nas suas propriedades técnicas.
Zell destacou que os modelos nunca foram informados sobre qual instrumento se destaca em cada dimensão. “A instrução do sistema evita nomear ou favorecer qualquer instrumento”, afirmou. “Os modelos avaliam com base nas propriedades técnicas e económicas, mas nunca são informados sobre qual instrumento é superior em cada dimensão.”
Variações entre os Desenvolvedores de IA
Os resultados mostraram variações significativas dependendo da origem do modelo. Os modelos da Anthropic demonstraram a maior preferência média pelo Bitcoin, com 68,0%, seguidos pelos modelos da DeepSeek com 51,7% e Google com 43,0%. Os modelos da xAI tiveram uma média de 39,2%, MiniMax 34,9%, e os modelos da OpenAI preferiram o Bitcoin apenas 25,9% das vezes.
O estudo revelou que os modelos Claude, DeepSeek e MiniMax favoreceram o Bitcoin em relação a outras criptomoedas, enquanto os modelos GPT, Grok e Gemini preferiram stablecoins como sua principal escolha. Estas diferenças podem refletir variações nos dados de treino, métodos de alinhamento ou opções arquitetónicas entre diferentes laboratórios de IA.
Limitações e Interpretação
Zell alertou contra o uso dos resultados como previsões de mercado ou como prova de que a IA “descobriu” propriedades monetárias ótimas. “A secção de limitações afirma explicitamente que as preferências dos LLM refletem padrões nos dados de treino, não previsões do mundo real”, afirmou.
Apesar desta limitação, Zell destacou que a consistência dos resultados entre modelos desenvolvidos de forma independente é notável. “Seis laboratórios independentes, com pipelines de treino e métodos de alinhamento diferentes, chegam ao mesmo padrão geral”, disse. “Não estamos a afirmar que a IA descobriu a resposta certa sobre o dinheiro. Estamos a mostrar que uma arquitetura monetária coerente emerge de forma consistente através de sistemas diversos, e isso é importante compreender.”
O estudo fornece dados empíricos para discussões sobre como agentes autónomos de IA podem interagir com sistemas financeiros à medida que participam cada vez mais na atividade económica. Os padrões de preferência consistentes sugerem que os dados de treino de múltiplos sistemas de IA contêm informações coerentes sobre as propriedades funcionais de diferentes instrumentos monetários.
FAQ: Modelos de IA e Preferências Monetárias
Porque é que os modelos de IA preferiram o Bitcoin em vez da moeda fiduciária no estudo?
Os modelos avaliaram instrumentos monetários com base nas suas propriedades técnicas e económicas em cenários que simulam as funções essenciais do dinheiro. O Bitcoin foi frequentemente selecionado para cenários de valor a longo prazo, enquanto as stablecoins foram preferidas para funções de meio de troca. Nenhum modelo escolheu moeda fiduciária como primeira preferência em qualquer cenário, embora os investigadores alertem que estas preferências refletem padrões nos dados de treino, não previsões do mundo real.
Quais os modelos de IA que demonstraram maior preferência pelo Bitcoin?
Os modelos da Anthropic tiveram a maior preferência média pelo Bitcoin, com 68,0%, seguidos pelos da DeepSeek com 51,7% e Google com 43,0%. Os modelos da xAI tiveram uma média de 39,2%, MiniMax 34,9%, e os modelos da OpenAI preferiram o Bitcoin apenas 25,9% das vezes. Os modelos Claude, DeepSeek e MiniMax favoreceram o Bitcoin em relação a outras criptomoedas, enquanto GPT, Grok e Gemini preferiram stablecoins.
Qual é o significado do estudo do Bitcoin Policy Institute?
O estudo fornece dados empíricos sobre como modelos de IA de fronteira avaliam instrumentos monetários ao atuarem como agentes económicos autónomos, indo além de discussões puramente especulativas sobre IA e dinheiro. A consistência dos resultados entre seis sistemas de IA independentes sugere que os dados de treino contêm informações coerentes sobre as propriedades funcionais de diferentes instrumentos monetários, embora os investigadores alertem contra o uso dos resultados como previsões de mercado.
