Por Javier Surasky
.png)
El robo de criptoactivos a Binance del 29 de octubre de 2026, por una suma total de más de USD 6.000 millones, puso en primer plano una capacidad raramente debatida en los debates sobre el poder digital, la de interpretar las huellas que deja el dinero cuando circula.
El 31 de octubre, la Oficina Federal de Investigación de
Estados Unidos (FBI) atribuyó ese defalco a como TraderTraitor, denominación
que usa para referirse a esa actividad cibernética maliciosa vinculada con
Corea del Norte, aunque el comunicado no expone la totalidad de la evidencia
que sustenta la acusación (Federal Bureau of Investigation, 2026).
Entre los actores que intervinieron en el seguimiento de los
fondos aparece Chainalysis, una empresa especializada en analizar transacciones
en cadenas de bloques, cuyo informe sobre el ataque, compartió pistas de
investigación con otros participantes para contribuir a identificar y congelar
activos sustraídos (Chainalysis, 2026c). La incluimos en nuestro mapa del poder de la IA debido a esa capacidad de intermediación: Chainalysis convierte
registros de transacciones en información que puede orientar investigaciones y
decisiones de control financiero.
La incorporación de inteligencia artificial (IA) amplía las
herramientas disponibles para hacerlo y plantea una tensión que ya conocemos
dentro del ecosistema de la IA: autoridades públicas que, para aumentar su
capacidad de acción, deben incrementar su dependencia de conocimiento organizado por una empresa privada.
Datos públicos, capacidad privada
Para entender el negocio de Chainanalysis tenemos que
distinguir observar una transacción de entender quién participa en ella, porque
en cadenas públicas, como Bitcoin, es posible consultar movimientos entre
direcciones, pero esos registros no incluyen necesariamente la identidad de sus
titulares.
Atribuir una operación es, justamente, vincular direcciones
con entidades o servicios mediante evidencia adicional y procedimientos de
análisis, y las empresas de inteligencia sobre cadenas de bloques comercializan
esa capacidad combinando agrupamientos de direcciones, etiquetas y herramientas
de rastreo (Lubbertsen et al., 2025). Como consecuencia, el hecho de que una
parte de los datos sea pública no implica que todos dispongan de los recursos
necesarios para interpretarlos.
Afirmo que en el ecosistema de la IA existe un "poder
de interpretar", que expresa la capacidad de organizar información de
manera que ciertas relaciones se vuelvan visibles y puedan fundamentar
decisiones. Ese poder tiene valor comercial.
Dónde interviene la inteligencia artificial
La relación de la empresa con la IA requiere mayor
precisión: en agosto de 2026, la empresa explicó que utiliza aprendizaje
automático para generar pistas, detectar anomalías y reconocer patrones, y que
aplica IA captada en el proceso de adquisición de Alterya, una compañía
dedicada a la prevención del fraude basada en IA (Levin, 2025), por
Chainalysis. Más recientemente, la compañía incorporó una oferta de agentes
entre los cuales se encuentra "Chain", que permite formular consultas
en lenguaje natural y propone funciones para generar gráficos de investigación,
informes y flujos de trabajo, aunque la misma empresa informa que, al 1º de
noviembre de 2026, se encuentra en fase beta (Chainalysis, s. f.-a).
No obstante, Chainanalysis afirma que no utiliza modelos
predictivos para construir los segmentos estructurales de billeteras, una tarea
para la que exige procedimientos deterministas, reproducibles y auditables
(Chainalysis, 2026b).
Esta distinción es importante para el caso Binance, porque
nos dice que el informe de Chainalysis describe indicios de automatización en
el movimiento de los activos robados, pero no demuestra que el ataque haya sido
ejecutado mediante IA, ni atribuye a la IA todos los resultados del rastreo de
movimientos que realizó (Chainalysis, 2026c).
La cooperación de Chainalysis con autoridades cuenta con reconocimiento externo a la empresa: en junio de 2026, el Departamento de Justicia estadounidense anunció la incautación de infraestructura utilizada por subsidiarias del grupo Huione y agradeció expresamente a los equipos de inteligencia de Chainalysis y Elliptic, junto con el equipo de investigación de ciberdelitos de Google, por aportar información a la investigación (U.S. Department of Justice, 2026), ejemplo que permite observar la lógica de interacciones por la cual una compañía aporta información, organismos públicos la integran enuna investigación y actúan mediante sus competencias. No hace falta, entonces, que una empresa tenga la facultad de ordenar un congelamiento para que su clasificación influya en la decisión de quien sí puede hacerlo.
Esa relación debe considerarse en un marco de desigual distribución de capacidades técnicas y humanas y abre la pregunta sobre cuál es
la real aptitud que tiene una autoridad pública para revisar los supuestos y
reconstruir el razonamiento que acaban por orientar sus acciones.
A ello debe sumarse el cuestionamiento sobre la capacidad
real de sus sitemas de detectar casos, aunque un estudio presentado por
Lubbertsen, van Eeten y van Wegberg (2025) evaluó si Chainalysis vinculaba
correctamente las direcciones de criptomonedas con tres plataformas utilizadas
para actividades delictivas: BestMixer, Hansa Market y Wall Street Market. Para
comprobarlo, los investigadores contrastaron los resultados de la herramienta
con datos de esas plataformas obtenidos por las autoridades. Encontraron muy
pocas vinculaciones erróneas, pero la proporción de actividad que Chainalysis
lograba identificar variaba según la plataforma y el período analizado. Los
resultados fueron favorables, aunque no permiten asegurar que la herramienta
funcione igual en otros casos.
Ese hallazgo respalda la utilidad y confiabilidad en la
atribución de acciones que hace Chainanalysis, pero eso no implica que se estén
revisando todas las relaciones relevantes. Dicho de otro modo, una herramienta
puede producir resultados confiables dentro de su cobertura y dejar fuera una parte importante de la actividad que se intenta reconstruir, y saber lo que
está quedando afuera es importante, aunque esa información solo pueda ser
conocida parcialmente porque ¿Cómo decir qué es lo que no se encontró?
Eso no quita que, para quien debe tomar decisiones de
interés público o empresarial, sea importante conocer qué procedimiento produjo
un resultado y qué alcances tuvo. La propia Chainalysis distingue las señales
probabilísticas que orientan una investigación de las afirmaciones que sostiene
mediante métodos auditables (Chainalysis, 2026b), un segundo elemento que
debería permanecer visible cuando la información pasa de la plataforma al
expediente o, yendo un paso más allá, a una decisión de cumplimiento
financiero.
De lo dicho hasta aquí surge claramente que el acceso a una
herramienta como la que ofrece Chainanalysis, dadas las potenciales
consecuencias de sus resultados, debe ir acompañado de capacidad para
cuestionar sus resultados: mi propuesta es que las instituciones que utilizan
la información bridada por Chainalaysis y compañças similares se aseguren de
contar con personal capaz de revisar los análisis, y que sus acuerdos de
contratación con Chainalaysis prevean acceso suficiente a la documentación
metodológica necesaria para comprender los procesos realizados por la empresa,
y cuando una clasificación contribuya a una medida que afecte a una persona o
grupo de personas, o a otra empresa, también debería existir una vía efectiva
para pedir su revisión.
La seguridad del intermediario
La concentración de conocimiento especializado también
plantea un problema de seguridad. El 30 de octubre de 2026, Chainalysis informó
que había sufrido un incidente distinto y no relacionado con el robo a Binance:
según su comunicado, un actor externo accedió sin autorización a sistemas y
herramientas internas mediante técnicas ofensivas basadas en agentes,
obteniendo acceso a nombres, correos electrónicos y otros datos de usuarios de
su plataforma, aunque afirmó no haber encontrado indicios de acceso no autorizado
al contenido de sus investigaciones, ni a resultados de consultas (Chainalysis,
2026a).
El alcance real de ese incidente sigue bajo investigación, y
es un recordatorio de que la seguridad de quienes prestan apoyo a las
investigaciones forma parte de la seguridad de la investigación misma.
Chainalysis amplía nuestro mapa hacia actores capaces de volver comprensibles actividades que otros no pueden entender, para lo que reúnen datos, métodos, experiencia y talento humano a fin de ofrecer una lectura operativa del dinero digital. La IA amplía esa capacidad y facilitar su incorporación al trabajo cotidiano de empresas y gobiernos.
Pero, cuando ese servicio se vuelve difícil de sustituir,
emerge una cuestión política sensible: para un Estado, disponer de mejores
herramientas de investigación puede ampliar su autonomía frente a redes
delictivas, mientras que depender de interpretaciones que no puede revisar
puede reducirla frente al proveedor.
El desafío consiste en organizar el trabajo de tal manera
que el conocimiento adquirido siga siendo tanto verificable por el Estado como
discutible por quienes se ven afectados por él: cuando una interpretación
privada contribuye a una decisión pública, la institución que decide debe poder
explicar sus razones y crear los mecanismos que le permitan a quienes se
sientan damnificados reclamar la reparación de sus consecuencias.
El caso de Chainalysis permite advertir que el poder digital
también se construye al organizar lo que otros pueden conocer, área en la que
la selección de un proveedor adquiere una dimensión política escasamente discutida.
Datos básicos:
- Chainalysis fue fundada en 2014 por Michael Gronager, Jan Møller y Jonathan Levin, siendo este último su actual director ejecutivo.
- La empresa ofrece datos, software y servicios a organismos gubernamentales, plataformas de intercambio de criptoactivos e instituciones financieras.
- Según lo informa en sus páginas institucionales, al 1 de noviembre de 2026, sus soluciones son utilizadas por más de 1.500 organizaciones en más de setenta países. (Chainalysis, s. f.-b).
- En enero de 2025, Chainalysis adquirió Alterya, una empresa especializada en prevenir fraudes financieros mediante IA, centrada en los casos en que la propia víctima autoriza el pago porque fue engañada, cuya tecnología busca identificar cuentas y direcciones vinculadas con estafas para que bancos y plataformas de pagos puedan intervenir antes de que las víctimas transfieran su dinero (Levin, 2025).
- El valor de Chainalysis fue estimado a fines de octubre de 2026 en USD 1.620 millones (DefiLlama, s. f.), una estimación considerablemente inferior a los USD 8.600 millones anunciados en su ronda de financiación de mayo de 2022, aunque ambas cifras responden a métodos y contextos distintos.
Referencias
Chainalysis. (2026a, 30 de octubre). Chainalysis security
incident information. https://www.chainalysis.com/blog/security-incident-october-30/.
Chainalysis. (2026b, 14 de agosto). Machine learning has a specific role in
blockchain intelligence. https://www.chainalysis.com/blog/ml-role-in-blockchain-intelligence/.
Chainalysis.
(2026c, 30 de octubre). The $6.4 billion Binance hack: Tracing the North
Korea link. https://www.chainalysis.com/blog/binance-exploit-latest-findings-and-response/.
Chainalysis. (s.
f.-a). Chainalysis agents: AI for blockchain intelligence. Recuperado el
1 de noviembre de 2026. https://www.chainalysis.com/ai-agents/.
Chainalysis.
(s. f.-b). Company. Recuperado el 1 de noviembre de 2026. https://www.chainalysis.com/company/.
DefiLlama. (s. f.). Chainalysis. Recuperado el 1 de
noviembre de 2026, de https://defillama.com/pre-ipo/chainalysis
Federal
Bureau of Investigation. (2026, 31 de octubre). North Korea responsible for
$6 billion+ Binance attack. https://www.fbi.gov/investigate/cyber/alerts/2026/north-korea-responsible-for-6-billion-binance-attack.
Levin, J.
(2025, 13 de enero). Welcoming fraud detection innovator Alterya to
Chainalysis and doubling down on the prevention of illicit activity. Chainalysis.
https://www.chainalysis.com/blog/chainalysis-alterya-announcement/.
Lubbertsen, K., van Eeten, M., & van Wegberg, R. (2025).
Ghost clusters: Evaluating
attribution of illicit services through cryptocurrency tracing. En 34th
USENIX Security Symposium (USENIX Security 25) (pp. 1357–1374). USENIX
Association. https://www.usenix.org/system/files/usenixsecurity25-lubbertsen.pdf
U.S.
Department of Justice. (2026, 23 de junio). Justice Department seizes
backend infrastructure used by the Huione Group for money laundering services.
https://www.justice.gov/opa/pr/justice-department-seizes-backend-infrastructure-used-huione-group-money-laundering-services?trk=article-ssr-frontend-pulse_little-text-block.
U.S. Department of Justice. (2026, 23 de junio). Justice Department seizes backend infrastructure used by the Huione Group for money laundering services. https://www.justice.gov/opa/pr/justice-department-seizes-backend-infrastructure-used-huione-group-money-laundering-services?trk=article-ssr-frontend-pulse_little-text-block.