Si InfoFi Parte I trataba sobre la medición de la atención, la Parte II trata sobre su monetización. A medida que los protocolos puntúan y tokenizan la influencia, surge una nueva pregunta: ¿pueden estos sistemas crear economías duraderas, o están inflando ruido financiarizado?

CoinEx Research analizará los efectos de segundo orden de los modelos InfoFi y evaluará qué se necesita para hacer que los mercados de atención sean verdaderamente descentralizados, interoperables y significativos.

Tres arquetipos de las finanzas de la atención: Kaito, Noise, Cookie

Kaito: Minería narrativa y el volante de retroalimentación

Kaito representa la versión más completa del ciclo de retroalimentación social-capital. Su sistema Yaps recompensa a los usuarios por crear contenido nativo de criptomonedas, y su ecosistema incluye:

Tablas de clasificación pre-TGE que miden la presencia mental del proyecto;
Clasificaciones de Yappers que determinan la elegibilidad para las distribuciones de tokens;
Módulos Kaito Earns que vinculan la influencia con oportunidades de inversión.

El ciclo es cerrado y recursivo: contenido → Yaps → exposición → airdrop → más contenido. No es solo infraestructura de economía de creadores— es un embudo gamificado para la especulación narrativa.

Este bucle ha demostrado ser poderoso. Berachain y Story Protocol vincularon sus criterios de airdrop a las métricas de Kaito, legitimando los Yaps como un proxy para el capital de influencia. Sin embargo, también significa que el algoritmo de Kaito se convierte en el árbitro de facto de quién merece capital, lo que nos devuelve al problema de la puntuación opaca.

Noise: El mercado de derivados de atención

Donde Kaito recompensa la influencia, Noise la comercializa . Los usuarios pueden apostar al alza o a la baja sobre la presencia mental de un proyecto—no su precio de token, sino su capital social. Si crees que Farcaster está ganando tracción narrativa, puedes tomar una posición larga apalancada en su puntuación de atención.

Este modelo se inspira en mercados de predicción como Polymarket , pero con un giro: el "activo" no son eventos futuros, sino la percepción presente. Noise incluso utiliza Kaito como su único oráculo de atención, introduciendo una cadena de dependencia que es tanto innovadora como frágil.

La implicación es radical: la atención ya no es solo una señal—se convierte en una mercancía especulativa. Pero cuando esa mercancía se valora basándose en una única fuente de datos, el mercado es susceptible a la manipulación, el sesgo y la distorsión.

Cookie: Infraestructura para la influencia basada en datos

Cookie toma un camino diferente—menos especulativo, más infraestructural. Su tesis central es que la influencia es una función de datos ricos en contexto, no de participación bruta. Cookie rastrea interacciones a través de Twitter y datos on-chain para construir perfiles multidimensionales de KOL, que pueden ser utilizados por agentes de IA, especialistas en marketing y protocolos.

A diferencia de Kaito o Noise, Cookie no solo recompensa la atención—la analiza y empaqueta , aspirando a convertirse en una capa de inteligencia B2B para la economía de influencia programable. Su reciente lanzamiento de Snaps (una puntuación basada en la calidad y consistencia del contenido) comienza a cerrar el ciclo entre contenido y recompensas, mientras que su API Data Swarm señala ambiciones mucho más allá de las redes sociales.

Juntos, Kaito, Noise y Cookie representan tres arquetipos de InfoFi:

Kaito: Puntuar, recompensar y reasignar la atención.
Noise: Financiarizar y especular sobre la atención.
Cookie: Organizar y sintetizar la atención para agentes de IA.

Cada enfoque revela parte de la oportunidad—y parte del problema.

Experimentos frágiles: Loud, GiveRep, Wallchain

Loud: Incentivos sin resistencia

Loud representa uno de los primeros modelos puros de tokenización de la atención—recompensando a los usuarios basándose en métricas de visibilidad y redistribuyendo las tarifas de trading a los de mejor rendimiento. El concepto de Oferta Inicial de Atención (IAO) fue audaz, invirtiendo los modelos tradicionales de capital-primero en asignación de influencia-primero.

Sin embargo, sin mecanismos para mantener la calidad o filtrar el compromiso a largo plazo , el modelo luchó por retener una presencia mental duradera. Los aumentos de contenido se volvieron efímeros, y una vez que el impulso especulativo se enfrió, su economía de tokens perdió relevancia.

La conclusión no es que Loud "fracasó", sino que tokenizar la visibilidad requiere más que incentivos—exige filtros en capas para la persistencia de señales y el valor contextual.

GiveRep: Reputación sin diferenciación

La visión de GiveRep—mapear la interacción social en reputación on-chain—es convincente y muy necesaria en Web3. Sin embargo, su arquitectura actual trata toda actividad por igual, sin analizar el peso semántico de las contribuciones.

Una mención de un colaborador a largo plazo y una republicación casual reciben un tratamiento similar. Sin puntuación sensible a la calidad o validación entre plataformas, la reputación se convierte en una métrica superficial, no en una capa de confianza.

Además, su alcance actual dentro del ecosistema Sui limita los efectos de red. Para que tales sistemas escalen significativamente, la interoperabilidad y los filtros semánticos deben ser fundamentales, no opcionales.

Wallchain: Intención descentralizada, sustrato centralizado

Wallchain busca cuantificar la influencia real a través de métricas como X Score y puntos Quacks. La plataforma enfatiza la contribución auténtica y la evaluación diaria mediante IA. Sin embargo, su fuerte dependencia de los datos de X (Twitter) significa que la volatilidad a nivel de plataforma—cambios de algoritmo, límites de API, cambios de moderación—puede afectar directamente a la puntuación de influencia.

Esto no es un defecto de diseño, sino un reflejo de una restricción más amplia de InfoFi: los proyectos Web3 siguen dependiendo profundamente de las superficies de datos Web2 . Hasta que surjan sustratos de atención nativos y verificables, muchos sistemas InfoFi enfrentarán esta misma fragilidad—a pesar de sus aspiraciones descentralizadas.

El dilema de la descentralización: Protocolos con dependencias de plataforma

Fuentes de datos centralizadas, envoltorios descentralizados

A pesar de las ambiciones de InfoFi, la mayoría de los proyectos se construyen sobre plataformas centralizadas como X (Twitter)—un único punto de fallo para toda la estructura. Cuando la atención del usuario se extrae de redes gobernadas de forma privada, la opacidad algorítmica, las políticas de moderación y los controles de acceso se convierten en riesgos ascendentes.

Ya sea el X Score de Wallchain, los Yaps de Kaito o las clasificaciones KOL de Fantasy.top, persiste la misma debilidad: métricas Web3 construidas sobre terreno Web2.

Sistemas de puntuación: Los nuevos guardianes opacos

La mayoría de los motores de puntuación de InfoFi siguen siendo de código cerrado, no verificables y resistentes al desafío . Yaps, Quacks, Snaps—todos determinan el acceso de los usuarios a recompensas, airdrops y visibilidad—pero su lógica interna está oculta.

Esta opacidad recrea la misma asimetría de confianza que Web3 se propuso disolver . Si la influencia va a ser financiarizada, los modelos detrás de ella deben ser auditables y componibles. De lo contrario, estamos cambiando una caja negra (algoritmos Web2) por otra.

Teatro de gobernanza, no propiedad real

Algunas plataformas adoptan narrativas orientadas a la comunidad (por ejemplo, staking de reputación, slashing social), pero pocas tienen marcos de gobernanza significativos. Las decisiones sobre pesos de puntuación, umbrales de clasificación o elegibilidad para airdrops a menudo permanecen centralizadas detrás de equipos de producto o juntas asesoras.

La verdadera descentralización exige más que la distribución de tokens—requiere control dirigido por los usuarios sobre los modelos de datos que definen el acceso, el capital y la influencia.

Potencial del Protocolo: Hacia dónde debe dirigirse InfoFi

Agentes de IA como Consumidores Nativos de InfoFi

La próxima generación de agentes de IA no solo procesará información, sino que realizará transacciones basadas en ella. Los conjuntos de datos de InfoFi —señales sociales en tiempo real, tendencias narrativas, puntuaciones de reputación— son entradas ideales para agentes autónomos que ejecutan estrategias de inversión, curación o investigación.

Imagina un gestor de cartera de IA utilizando el índice de mindshare de Kaito para ajustar la exposición a tokens emergentes. O un bot de puntuación de reputación usando datos de Wallchain y GiveRep para evaluar a los contribuyentes del protocolo. Estos agentes demandarán datos estructurados y de alta integridad, empujando a InfoFi a mejorar la calidad de las señales, la transparencia y la interoperabilidad.

Aquí es donde las APIs de datos enfocadas en IA de Cookie podrían convertirse en middleware crítico, transformando el contenido humano ruidoso en inteligencia utilizable por máquinas.

DeFi: Las Finanzas Sin Confianza Necesitan Contexto Confiable

DeFi siempre ha carecido de una capa de crédito nativa. La mayoría de los protocolos dependen de la sobrecolateralización, no porque quieran, sino porque no tienen forma de valorar el riesgo.

InfoFi puede ayudar a solucionar esto. Los sistemas de reputación en cadena como los perfiles de Ethos podrían permitir a los prestamistas evaluar a los prestatarios más allá de los saldos de las carteras. Las métricas predictivas de Kaito o Cookie podrían impulsar estrategias de rendimiento basadas en la atención. Y los índices de mindshare podrían servir como entradas de riesgo para el modelado de volatilidad y la fijación de precios de seguros.

Al incorporar reputación, influencia y atención en DeFi, InfoFi podría finalmente dar a Web3 una capa de confianza que no sea ciega.

El Cambio Crucial: De Plataforma a Protocolo

Nada de esto sucederá a menos que los actores de InfoFi estén dispuestos a autodescentralizarse. Esto significa:

Convertir los modelos de puntuación en módulos de código abierto;
Hacer que la gobernanza sea programable e inclusiva;
Construir capas de ingesta de datos que no dependan de plataformas heredadas.

Conclusión: La Influencia es el Activo, pero Solo si es Verificable

InfoFi abrió una nueva frontera: tratar la información, la atención y el capital social como activos económicos líquidos. Pero la primera ola de experimentos —por ambiciosos que fueran— ha revelado los costos estructurales de la descentralización incompleta, la puntuación opaca y el diseño especulativo.

Aun así, la tesis sigue siendo poderosa. Si Web3 quiere escapar del ruido de los medios algorítmicos y reconstruir la confianza en sus narrativas, debe invertir en infraestructura que haga que la influencia sea medible, transparente y componible.

La próxima fase no se ganará a través de mecánicas de hype o minería de tablas de clasificación. Se construirá sobre datos verificables, protocolos nativos de IA y capas de confianza que escalen con el contexto. El futuro de InfoFi no depende de quién capture la atención, sino de quién pueda demostrar su valor.

Influencia del Reajuste de Precios en Web3 (II): La Financiarización de la Información