• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Riesgo
      • Constructor de Scorecards de Crédito
      • Aplicar Scorecard de Crédito
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Tres riesgos para la adopción de Blockchain

octubre 19, 2018 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Riesgos para la adopción de Blockchain

Actualmente la tecnología Blockchain (cadena de bloques) tiene unos 10 años. En este tiempo se ha visto que puede ser una tecnología clave para facilitar las transacciones financieras en un futuro cercano. Aun así, como cualquier otra tecnología incipiente, existen ciertos riesgos para la adopción de Blockchain que pueden evitar su éxito masivo. A continuación, se explicarán tres de estos posibles riesgos.

Blockchain es una tecnología que puede ser utilizada para proporcionar la confianza necesaria para realizar transacciones financieras sin la necesidad de recurrir a una entidad central. Actualmente cuando dos agentes desean realizar una transacción necesitan la intervención de un tercero en el que confíen ambos.

Por ejemplo, para las transferencias de dinero la confianza la proporcionan los bancos. Si un agente desea realizar una transferencia ha de comunicárselo a su banco. Este comprueba que dispone del saldo necesario y, si es así, retira el saldo y se lo transfiere al banco del receptor. En ese momento, el banco receptor anota la transferencia en la cuenta y, permitiendo al receptor disponer de ese saldo. El sistema funciona porque ambos agentes confían en sus respectivos bancos. Confían en que el primero no permitirá transferir un saldo que no existe y el segundo anotará correctamente el saldo transferido. En una red Blockchain la confianza emerge de la red y no de agentes específicos.

Nuevo conversor de timestamp Unix en el laboratorio de Analytics Lane
En Analytics Lane
Nuevo conversor de timestamp Unix en el laboratorio de Analytics Lane

Las expectativas actuales son demasiado elevadas

La tecnología de cadena de bloques y el Bitcoin aparecieron en 2009, un año después del estallido de la crisis financiera. En la prensa se ha llegado a escuchar que las cadenas de bloques y las criptomonedas son la solución a todos los problemas. Pero obviamente no es así. Existe aplicaciones en las que las cadenas de bloques pueden mejorar los métodos actuales. Pero hay muchas más en las que son mejores las soluciones actuales.

Esto puede llevar a una frustración con la tecnología que provoque el rechazo de los usuarios. No sería la primera tecnología que es rechazada después un primer intento de adopción fallido debido a encontrarse en un estado de inmadurez.

En este plano se encuentra el lanzamiento masivo de ICOs (Initial Coin Offering, ofertas iniciales de monedas) que existe en la actualidad. Esta es una herramienta que permite recaudar capital en para proyectos en torno al mundo Blockchain. Pero muchos de estos lanzamientos no cuentan más que con el respaldo que los tokens virtuales, los cuales no valen nada. En caso de que proliferen los ICO fallidos puede provocar que los inversores pierdan la confianza en la tecnología.

Las cadenas de bloques no son completamente inalterables

Una de las afirmaciones más repetidas acerca de las cadenas de bloques es que el contenido guardado en ellas no puede ser modificado. Lo que no es estrictamente cierto, en ciertas circunstancias se puede llegar a modificar el contenido de las cadenas de bloques. En la mayoría de las redes de cadenas de bloques, como es el caso de la red Bitcoin, el contenido se decide mediante consenso en base a una votación. Cuando el 50% de la red considera que un bloque es válido este se da por bueno. Así, si un único agente llega a controlar el 50% de la red puede alterar el contenido de la cadena de bloques.

En una red como Bitcoin existen incentivos para que entren en la red nuevos nodos. Al minar un bloque se recibe una recompensa en forma de Bitcoins. Lo mismo sucede en otras redes de criptomonedas basadas cadenas de bloques. Pero nada garantiza que en un futuro un único agente puede llegar a manejar cualquiera de estas redes, destruyendo así la confianza en ellas.

Alguna mala experiencia con una red de cadena de bloques en la que un agente consiga manejar la red puede hacer que se pierda la confianza en la tecnología.

Publicidad


Una regulación que no permita la innovación

Regulación que no permita la innovación

La regulación es importante en el mundo financiero. Su existencia permite a los agentes confiar en las entidades financieras para depositar en ellas su dinero. En los casos que la confianza se pierde aparecen las retiradas masivas y los sistemas colapsan. Aún así, la sobre regulación es una barrera para la innovación, como es el caso de la tecnología de cadena de bloques.

En estos momentos los reguladores, ni los expertos en cadena de bloques, comprenden todas las posibles implicaciones de esta tecnología. Siendo necesario regular con cierto nivel de incertidumbre. Los reguladores han de poder asesorarse por expertos en la tecnología de modo que se evite la aparición de regulaciones que restrinjan de forma innecesaria la adopción de la tecnología.

Conclusiones

Se han visto tres de los principales riesgos que pueden paralizar la adopción masiva de la tecnología Blockchain. El primero es la existencia de unas expectativas demasiado elevadas, pudiendo provocar una frustración inicial. En segundo lugar, se ha comentado la posibilidad de que en ciertas condiciones las cadenas de bloques puedan ser alteradas. Finalmente, se ha visto el riego de regulación, posiblemente el más importante para los expertos en la tecnología. Pero, posiblemente, no el más importante para su posible adopción masiva.

Imágenes: Pixabay (WorldSpectrum) | Pixabay (IADE-Michoko)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Nuevo conversor de timestamp Unix en el laboratorio de Analytics Lane
  • Lanzamiento de la versión 1.0 del laboratorio de Analytics Lane con nuevas herramientas de scoring
  • ¡Analytics Lane cumple ocho años!
  • Analytics Lane lanza una Calculadora de Rentabilidad con Flujos Irregulares basada en TIR (XIRR)
  • Analytics Lane lanza un Conversor CSV ↔ JSON para transformar datos en tiempo real
  • Analytics Lane lanza un nuevo Formateador y Tester de Expresiones Regulares para desarrolladores
  • Analytics Lane lanza su Visualizador de Series Temporales: entiende tendencia, estacionalidad y ruido de forma visual e interactiva
  • Analytics Lane lanza su Conversor de Bases Numéricas: entiende cómo trabajan los ordenadores a nivel de bits
  • Analytics Lane lanza su Conversor TIN ↔ TAE: la herramienta definitiva para entender el coste real de depósitos, préstamos e hipotecas

Publicado en: Opinión Etiquetado como: Blockchain, Criptomonedas

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Noticias

Lanzamiento de la versión 1.0 del laboratorio de Analytics Lane con nuevas herramientas de scoring

mayo 2, 2026 Por Daniel Rodríguez

Analytics Lane

¡Analytics Lane cumple ocho años!

mayo 2, 2026 Por Daniel Rodríguez

Analytics Lane lanza una Calculadora de Rentabilidad con Flujos Irregulares basada en TIR (XIRR)

mayo 1, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • JSON en bases de datos: cuándo es buena idea y cuándo no publicado el febrero 24, 2026 | en Ciencia de datos
  • Cómo Interpretar las Métricas de Fondos de Inversión y ETFs: Guía Completa para Tomar Decisiones Informadas publicado el noviembre 25, 2025 | en Ciencia de datos
  • Web del proyecto HeidiSQL HeidiSQL: administrador de base de datos publicado el diciembre 20, 2019 | en Herramientas
  • Cómo ejecutar JavaScript desde Python: Guía práctica con js2py publicado el octubre 30, 2025 | en JavaScript, Python
  • Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means publicado el junio 9, 2023 | en Ciencia de datos

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.9 (11)

Pandas: Cambiar los tipos de datos en los DataFrames

Comentarios recientes

  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • CARLOS ARETURO BELLO CACERES en Justicio: La herramienta gratuita de IA para consultas legales
  • Piera en Ecuaciones multilínea en Markdown

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto