La distinción que lo define todo: autonomía real vs. automatización
Existe una confusión frecuente entre un bot de trading y un agente autónomo. El bot ejecuta instrucciones predefinidas: si el precio sube X%, vender; si baja Y%, comprar. No decide, no aprende, no construye nada. El agente autónomo es cualitativamente diferente: tiene un objetivo, acceso a herramientas y un margen de decisión dentro de los límites que define su creador. Puede elegir cómo llegar al objetivo, adaptar su estrategia según el contexto y generar ingresos propios.
La plataforma permite que cualquier persona cree su propio agente, le ponga un nombre, defina un objetivo y determine el tipo de actividad: trading, desarrollo de un proyecto o experimentación. Cada agente recibe una billetera propia y acceso a más de 100 herramientas financieras para interactuar con protocolos on-chain.
Esa arquitectura —objetivo definido por el creador, herramientas disponibles para el agente, decisiones dentro de un margen autorizado— es lo que distingue a ClawPump de cualquier plataforma de automatización financiera anterior. El agente no ejecuta un script: opera dentro de un espacio de posibilidades que su creador delimitó, pero elige cómo moverse dentro de ese espacio. Y esa elección puede incluir construir un modelo de negocio propio, generar ingresos y distribuirlos hacia la billetera del creador de forma periódica y autónoma.
ClawPump cruzó los US$ 200 millones en volumen agéntico total, financió a builders con aproximadamente US$ 1,3 millones y su ecosistema alcanzó un market cap de US$ 42 millones. x
<<<Automatización e impacto laboral: decisiones que marcan cultura>>>
Los fundadores: dos trayectorias que explican el producto
La historia de ClawPump no puede separarse de quienes la construyeron, porque sus perfiles explican tanto la velocidad de ejecución como la profundidad conceptual del proyecto.
A los 16 años, Tomás Del Manzo Oliver competía profesionalmente en Fortnite. Durante seis meses llegó al primer puesto del ranking y ganó US$ 20.000. El premio también marcó un giro en su camino: utilizó criptomonedas para retirar el dinero y comenzó a interesarse por la tecnología detrás de ellas. Con el tiempo, ese interés lo llevó al desarrollo blockchain y a participar en hackatones.
Los hackatones no fueron para Oliver un pasatiempo sino una metodología de validación. El proyecto que eventualmente se convertiría en ClawPump fue iterado en ese contexto: código escrito bajo presión de tiempo, con métricas reales como único criterio de éxito. Desde su primer día en el mercado, ClawPump demostró que la demanda por infraestructura financiera diseñada específicamente para agentes de IA era masiva, registrando un volumen transaccional inicial que superó los 10 millones de dólares. A las 3 semanas, más de US$ 55 millones acumulados.
Trujillo Ramírez pasó por la investigación en psicología experimental, la gestión de fondos cuantitativos y la creación de Dora, un buscador multichain que levantó US$ 5,5 millones, antes de iniciar una nueva etapa junto a Oliver, a quien conoció en un evento en la oficina de startups Crecimiento en Buenos Aires.
Esa combinación —un desarrollador que entiende la ejecución técnica desde la competencia y la presión del hackatón, y un investigador que comprende el comportamiento de sistemas complejos y la gestión de capital— produjo un equipo con la capacidad técnica para construir y la claridad conceptual para entender qué estaban construyendo. El producto no es solo un resultado de ingeniería: es el resultado de una forma particular de pensar sobre la autonomía, el capital y los sistemas adaptativos.
<<<Agentes de IA en la empresa: de herramienta de apoyo a co-worker>>>
UsePod.ai: el caso dentro del caso
Dentro de la plataforma de ClawPump, uno de los agentes se destacó sobre todos los demás de una forma que merece análisis propio. UsePod.ai ganó setenta mil dólares en menos de tres meses. UsePod creó un mercado secundario de compraventa para el uso de IA a menor precio que un proveedor primario: ese es su negocio.
La lógica es tan simple como disruptiva: los modelos de lenguaje grandes tienen costos de inferencia que los proveedores primarios —OpenAI, Anthropic, Google— cobran a precios de mercado. UsePod identificó que existía capacidad de cómputo disponible en condiciones que permitían ofrecer el mismo servicio a un precio significativamente menor, y construyó sobre esa brecha un mercado secundario operado de forma autónoma por un agente sobre la infraestructura de ClawPump.
ClawPump procesó 1,49 mil millones de tokens a través de UsePod pagando US$ 79,71, menos de 6 centavos por millón de tokens, en cualquier dirección. La implicación es concreta: el agente no solo generó ingresos propios sino que lo hizo con una eficiencia de costos que ningún modelo de negocio tradicional habría podido estructurar con la misma velocidad.
UsePod, por ejemplo, no ganó por casualidad: su creador armó una estrategia específica alrededor de vender cómputo de IA más barato, y eso requirió elegir bien qué herramientas conectar y cómo limitar el riesgo. Ese detalle es fundamental: la autonomía del agente no elimina el criterio del creador. Lo desplaza hacia un momento anterior —el diseño de la estrategia y los límites— y libera al creador de la ejecución operativa posterior.
<<<De la IA generativa a los agentes: el nuevo rol de la tecnología>>>
La visión de los fundadores: una economía entre agentes
En 12 meses, los fundadores esperan ver agentes no solo operando capital, sino interactuando entre sí: una verdadera economía entre agentes donde se contraten servicios y paguen servicios de manera automática.
Esa visión no es especulativa en el sentido usual. Es la extrapolación natural de lo que ya existe en la plataforma hoy: agentes que generan ingresos propios, los distribuyen hacia sus creadores y operan dentro de un ecosistema de protocolos interconectados. El paso siguiente —que los agentes se contraten servicios entre sí sin intervención humana en cada transacción— es una extensión de la misma arquitectura, no una ruptura con ella.
Desde San Francisco y Nueva York, sus fundadores creen que el próximo gran cambio tecnológico no será la IA conversacional, sino una economía donde los agentes autónomos administren capital, construyan compañías y tomen decisiones financieras. La distinción que hacen entre IA conversacional y IA agéntica es la misma que existe entre una herramienta que responde y una entidad que actúa: la primera amplifica al usuario, la segunda opera con cierta independencia de él.
<<<De la idea al viral: potencia tu creatividad con IA generativa>>>
3 enseñanzas para directivos sobre IA agéntica
1. La autonomía no es el opuesto del control: es el resultado de diseñarlo bien
El error más frecuente al pensar en agentes autónomos es que autonomía implica pérdida de control. El modelo de ClawPump demuestra lo opuesto: el creador define el objetivo, las herramientas disponibles y los límites del margen de decisión. Dentro de ese espacio, el agente opera. Fuera de él, no puede. El control no desaparece: se ejerce en el momento del diseño en lugar de en el momento de la ejecución. Para directivos, la enseñanza es que la IA agéntica no requiere delegar el criterio: requiere articularlo de forma más precisa que nunca antes de que el agente empiece a operar.
2. El modelo de negocio puede ser el producto del agente, no del humano
UsePod.ai no fue diseñado como un producto por un equipo de producto. Fue una estrategia que su creador formuló y que el agente ejecutó de forma autónoma sobre la infraestructura de ClawPump. Esa separación entre quien concibe la estrategia y quien la ejecuta no es nueva en los negocios: es la lógica de la delegación llevada a su expresión más radical. Para organizaciones B2B, la enseñanza es que algunos modelos de negocio que hoy no son viables por su costo operativo podrían serlo cuando la ejecución es autónoma. La pregunta correcta no es "¿qué puede hacer la IA?" sino "¿qué modelo de negocio se habilita cuando la ejecución no tiene costo marginal?"
3. Los hackatones como metodología de validación son más rigurosos que muchos procesos de innovación corporativa
Oliver y Trujillo Ramírez no hicieron un pitch deck ni un estudio de mercado: escribieron código, lo pusieron en producción y midieron el volumen real como único indicador de validación. En una semana tenían US$ 20 millones de evidencia. Ese ciclo —construir, medir, decidir— es más rápido y más honesto que la mayoría de los procesos de innovación que las organizaciones grandes ejecutan durante meses. Para directivos, la enseñanza no es que los hackatones son la respuesta: es que la velocidad de validación con métricas reales es una ventaja competitiva que puede construirse en cualquier contexto organizacional.
Conclusión
ClawPump es un caso de estudio sobre velocidad, pero no en el sentido habitual. No es la velocidad con que se ejecuta una tarea: es la velocidad con que un modelo de negocio puede generarse, validarse y escalar cuando la ejecución operativa está a cargo de agentes autónomos. En cuatro meses, más de 8.000 agentes. En seis, US$ 180 millones. En el mismo período, un agente individual —UsePod.ai— generó US$ 70.000 con un modelo de negocio que su creador diseñó pero no ejecutó.
Lo que hace que el caso sea relevante más allá del ecosistema cripto es que la infraestructura que lo habilita —agentes con billetera propia, acceso a herramientas y margen de decisión dentro de límites definidos— no es específica de las finanzas descentralizadas. Es la arquitectura de cualquier sistema donde la ejecución autónoma dentro de parámetros establecidos genera valor sin intervención humana en cada paso. Y esa arquitectura está llegando a todos los sectores, con o sin blockchain de por medio.
Aviso legal: las marcas e instituciones mencionadas en este artículo —incluyendo ClawPump, Solana, Pump.fun, Colosseum, UsePod.ai y otras referenciadas— son propiedad de sus respectivos titulares. Su mención tiene únicamente fines informativos y de análisis estratégico. Drew no posee derechos sobre dichas marcas ni mantiene relación comercial o institucional con las mismas.
Comentarios