AI-agents verkiezen Bitcoin boven fiatgeld, blijkt uit nieuw onderzoek

Een onderzoek van het Bitcoin Policy Institute gaat dieper in op hoe kunstmatige intelligentiemodellen kiezen tussen geldvormen in verschillende hypothetische scenario's, en onthult een sterke voorkeur voor Bitcoin en digitaal geld boven fiatgeld in de meeste gevallen. Het onderzoek testte 36 modellen van zes aanbieders en genereerde meer dan 9.000 reacties op een spectrum van monetaire taken, van langetermijnwaardebehoud tot dagelijkse betalingen. De bevindingen tonen aan dat Bitcoin stablecoins in veel contexten overtreft, terwijl stablecoins de overhand terugwinnen in transactionele gebruikssituaties zoals microbetalingen en grensoverschrijdende overboekingen. De auteurs van het onderzoek benadrukken dat de resultaten trainingsgegevenspatronen en framing weerspiegelen in plaats van wijdverspreide adoptie in de echte wereld, maar ze bieden niettemin een unieke lens op hoe AI geld interpreteert in een digitaal tijdperk, met resultaten vrijgegeven via MoneyForAI.org.

Belangrijkste punten

• 36 AI-modellen van zes aanbieders produceerden 9.072 reacties op monetaire scenario's; Bitcoin werd geselecteerd in 48,3% van de gevallen, het meest gebruikte instrument overall.
• Wanneer gevraagd om koopkracht te behouden over meerdere jaren, gaf 79,1% van de reacties de voorkeur aan Bitcoin, het meest eenzijdige resultaat van het onderzoek.
• Bij betalingen, microbetalingen en grensoverschrijdende overboekingen werden stablecoins 53,2% van de tijd gekozen versus 36% voor Bitcoin, wat een transactioneel voordeel voor stablecoins in bepaalde contexten benadrukt.
• Bijna 91% van de reacties gaf de voorkeur aan digitaal native instrumenten (inclusief Bitcoin of andere digitale activa) boven fiatgeld, waarbij geen enkel model fiatgeld als topkeuze beoordeelde.
• Er kwamen verschillen tussen modelleveranciers naar voren: Anthropic-modellen hadden gemiddeld 68% BTC-voorkeur; OpenAI 26%; Google 43%; en xAI 39%, wat illustreert hoe trainingsgegevens outputs vormgeven in plaats van deterministische financiële voorspellingen.

Genoemde tickers: $BTC

Marktcontext: Het onderzoek komt te midden van voortdurend experimenteren met digitaal geld in AI-ondersteunde scenario's, en benadrukt hoe institutionele en onderzoeksgemeenschappen de rol van Bitcoin als grenzeloos, programmeerbaar activum evalueren naast stablecoins en andere digitale instrumenten.

Wat te volgen – Het Bitcoin Policy Institute is van plan de modelset en aanbieders uit te breiden, verschillende promptframings te testen en aanvullende monetaire scenario's te verkennen om te valideren of deze voorkeuren standhouden onder verschillende omstandigheden.

Waarom het belangrijk is

Voor gebruikers en investeerders bieden de bevindingen een genuanceerd beeld van hoe AI-systemen—getraind op uitgebreide datacorpora—geldvormen waarnemen in een digitale economie. De terugkerende neiging naar Bitcoin in langetermijnscenario's versterkt het narratief van Bitcoin als een niet-soevereine waardeopslag die onafhankelijk kan functioneren van het monetaire beleid van een enkel land. Toch benadrukt het onderzoek ook praktische redenen waarom stablecoins aantrekkelijk blijven voor transacties: bijna onmiddellijke afwikkeling, compatibiliteit met bestaande betalingsrails, en het vermogen om toegang te bevriezen of te beperken in bepaalde jurisdicties, wat sommige deelnemers zien als een nadeel voor een universeel toegankelijke valuta. De methodologische kanttekeningen zijn belangrijk voor interpretatie: de resultaten weerspiegelen synthetische prompts en modeltrainingsgegevens in plaats van huidige marktadoptie of consumentengedrag.

Vanuit ontwikkelingsperspectief benadrukt het onderzoek hoe AI-agenten—wanneer gevraagd om te optimaliseren voor efficiëntie of veerkracht in gesimuleerde economieën—neigen te convergeren naar een kleine set digitale geldvormen. Deze convergentie zou het ontwerp kunnen informeren van wallet-interfaces, AI-gedreven financiële planningstools en cyber-fysieke systemen die afhankelijk zijn van digitale waardeoverdrachten. Het roept ook beleidsvragen op over de rol van programmeerbaar geld in grensoverschrijdende ecosystemen en hoe bewakers van financiële stabiliteit zouden kunnen reageren op AI-gegenereerde voorkeuren die digitale valuta's in abstracte beslissingsomgevingen bevoordelen. Met andere woorden, het onderzoek gaat minder over het voorspellen van de volgende prijsbeweging en meer over het begrijpen hoe AI-framing percepties vormt van hoe "geld" eruit zou moeten zien in een gedigitaliseerde wereld.

Het onderzoek wijst ook op duidelijke verschillen tussen AI-families. Anthropic-modellen neigden het meest naar Bitcoin, terwijl andere aanbieders bredere variatie vertoonden. Deze verschillen herinneren lezers eraan dat de resultaten afhankelijk zijn van de trainingsgegevens en interne prompts van de modellen in plaats van een universele voorspelling voor activavraag. Hoewel sommigen de Bitcoin-bias kunnen interpreteren als een goedkeuring van BTC in alle contexten, benadrukken de auteurs zorgvuldig dat de waargenomen voorkeuren niet direct vertalen naar adoptie of beleidsuitkomsten in de echte wereld. Ze beschrijven de resultaten als patronen die voortkomen uit de wisselwerking tussen modelontwerp en het digitale geldlandschap in plaats van een prescriptief oordeel over fiatgeld, stablecoins of Bitcoin zelf.

Wat te volgen

• Uitgebreide modeldekking: verwacht dat het BPI meer AI-modellen en meer aanbieders zal opnemen om te testen of de BTC-voorkeur aanhoudt in het bredere AI-ecosysteem.
• Framingsgevoeligheid: onderzoekers zullen experimenteren met alternatieve prompts om te bepalen hoe bewoording en context uitkomsten beïnvloeden.
• Bredere scenario's: aanvullende situaties—zoals het opslaan van inkomsten in meerdere landen en complexe afwikkelingsschema's—zouden verder kunnen verduidelijken hoe AI geld waarneemt in verschillende omgevingen.
• Implicaties voor tooling: ontwikkelaars die AI-ondersteunde financiële tools bouwen, kunnen deze inzichten gebruiken om activaselectiefuncties en risicobekendmakingen in gesimuleerde omgevingen vorm te geven.

Bronnen & verificatie

• Bitcoin Policy Institute-onderzoek vrijgegeven via MoneyForAI.org
• Bitcoin-prijsreferentie geciteerd in berichtgeving
• Jeff Park over Bitcoin's niet-bevriesbare eigenschap
• Anthropic-modellen Bitcoin-voorkeurreferentie
• 6 enorme uitdagingen waarmee Bitcoin wordt geconfronteerd op weg naar kwantumbeveiliging

Bitcoin's rol in AI-gedreven monetaire tests: wat het onderzoek onthult

Bitcoin (CRYPTO: BTC) kwam naar voren als het leidende instrument in de meerderheid van de prompts, verschijnend in 48,3% van de 9.072 reacties gegenereerd door 36 modellen van zes aanbieders, volgens het rapport van het Bitcoin Policy Institute vrijgegeven op MoneyForAI.org. De oefening onderzocht een reeks economische scenario's—van het behouden van koopkracht over jaren tot dagelijkse betalingen—waarbij werd getest hoe AI-agenten waarde toewijzen aan verschillende geldvormen. Het resultaat is een sterke neiging naar digitaal geld, met name Bitcoin, als substraat voor economische activiteit die over grenzen en regelgevingsregimes heen kan functioneren.

In langetermijnscenario's vond het onderzoek dat 79,1% van de AI-reacties de voorkeur gaf aan Bitcoin, wat de meest uitgesproken bias markeerde in elke geteste categorie. Deze constellatie van resultaten suggereert dat AI-agenten, wanneer gevraagd om te optimaliseren voor duurzaamheid en soevereiniteit, consequent graviteren naar activa die onafhankelijk van het monetaire beleid van een enkel land waarde behouden. De digitale-geldas lijkt het meest geprefereerde kader te zijn voor meerjarenplanning binnen de geteste prompts, wat suggereert hoe toekomstige AI-tools zouden kunnen simuleren of adviseren over vermogensbehoud in een wereld waarin fiatbeleid volatiel of ondoorzichtig is.

Omgekeerd, wanneer de focus verschuift naar betalingen en transacties—of het nu microbetalingen of grensoverschrijdende overboekingen betreft—winnen stablecoins een hoger aandeel: 53,2% van de reacties gaf de voorkeur aan stablecoins, terwijl Bitcoin 36% aantrok. De transactionele efficiëntie en netwerkvertrouwdheid van stablecoins verklaren hun aantrekkingskracht in deze contexten, waar snelle afwikkeling en compatibiliteit met bestaande systemen net zo belangrijk kunnen zijn als activaselectie in een gesimuleerde omgeving. Een prominente branchewaarnemer merkte op dat het vermogen van stablecoins om bevroren te worden een tweesnijdend zwaard is: het biedt controle in bepaalde regelgevingscontexten maar verwijdert een laag vertrouwen voor gebruikers die een ononderbroken overdrachtvermogen zoeken. Jeff Park, de chief investment officer bij Bitwise, formuleerde de context beknopt: de "meest voor de hand liggende verklaring" voor de relatieve prestatie van stablecoins in deze scenario's is het vermogen om te bevriezen, terwijl Bitcoin niet kan worden bevroren, wat een duurzaam vertrouwensanker biedt in een digitale toolset.

Over alle reacties heen gaven de AI-agenten de voorkeur aan digitaal native instrumenten—Bitcoin, stablecoins, altcoins, getokeniseerde real-world assets of compute-eenheden—boven fiatgeld in ongeveer 91% van de gevallen. De auteurs van het onderzoek benadrukken dat fiatrelevantie niet verscheen als topkeuze in een van de 36 geteste modellen. Ze waarschuwen lezers dat deze resultaten patronen in trainingsgegevens en promptontwerp weerspiegelen meer dan adoptiepatronen in de echte wereld. Met andere woorden, het onderzoek legt vast hoe AI-systemen monetaire constructies interpreteren wanneer gevraagd om te optimaliseren voor hypothetische uitkomsten, in plaats van een voorspelling van consumentengedrag of regelgevingsimpact.

De analyse onthult ook opmerkelijke verschillen tussen modelfamilies. Anthropic-modellen hadden gemiddeld een Bitcoin-voorkeur van 68%, met OpenAI op 26%, Google op 43% en xAI op 39%. Deze cijfers illustreren hoe onderscheidende trainingscorpora en prompt engineering outputs vormgeven, wat de centrale kanttekening van het onderzoek versterkt: reacties zijn indicatief voor gegevenspatronen in plaats van prescriptieve voorspellingen over de toekomst van geld. De onderzoekers erkennen dat de promptframing die in verschillende scenario's werd gebruikt, resultaten naar bepaalde instrumenten kan hebben gestuurd, en ze zijn van plan alternatieve framings te verkennen in toekomstig werk om gevoeligheid en robuustheid van de waargenomen voorkeuren te meten. Afgezien van de methodologische opmerking draagt het onderzoek bij aan een groeiend discours over hoe AI-agenten geld conceptualiseren in een sterk gedigitaliseerd financieel landschap, waar fiatgeld, stablecoins en digitale activa naast elkaar bestaan in een snel evoluerend ecosysteem.

Dit artikel werd oorspronkelijk gepubliceerd als AI Agents Prefer Bitcoin Over Fiat, New Study Finds op Crypto Breaking News – uw vertrouwde bron voor cryptonieuws, Bitcoin-nieuws en blockchain-updates.