Asset digitali
I modelli di IA possono valutare i white paper sulle criptovalute? Uno studio lo mette alla prova
Aggiungi Securities.io alle tue fonti preferite su Google
Dal white paper originale di Bitcoin (BTC ) pubblicato nel 2008, sono nate moltissime nuove criptovalute, alcune delle quali, come Ethereum, (ETH ) sono diventate abbastanza popolari da rappresentare una seria alternativa all’originale. Questo, però, significa anche che la due diligence per gli investitori in criptovalute è diventata sempre più complessa.
Naturalmente, non si tratta di un problema esclusivo degli investimenti in criptovalute, ma la natura di questi asset rende le cose più difficili per la maggior parte degli investitori. In particolare, gli investitori retail interessati, ma anche molti investitori istituzionali, non possiedono le conoscenze matematiche e tecniche necessarie per comprendere appieno le scienze crittografiche e gli algoritmi alla base della maggior parte dei progetti crypto.
Inoltre, rispetto ai documenti standardizzati (ad esempio, prospetti e relazioni 10-K) previsti per i titoli tradizionali, gli asset digitali non dispongono di un formato di rendicontazione uniforme.
Si trovano così ad affrontare contemporaneamente una pericolosa combinazione di sovraccarico informativo, informative non strutturate e garanzie normative limitate.
«I numerosi fallimenti della prima ondata di offerte iniziali di monete (ICO) e le conseguenti perdite per gli investitori, incapaci di valutare la sostenibilità degli investimenti sulla base dei white paper, mostrano la necessità di rafforzare gli strumenti di due diligence e di tutela degli investitori nella finanza innovativa.»
Il sovraccarico informativo e la necessità di analizzare i rischi in modo oggettivo sembrano un caso d’uso ideale per l’IA, dato che i nuovi sistemi di IA sono progettati proprio per gestire questo tipo di compito complesso.
Un gruppo di ricercatori della Swiss Financial Market Supervisory Authority FINMA e dell’Università del Liechtenstein ha pubblicato un nuovo studio che esamina come i modelli linguistici di grandi dimensioni (LLM) potrebbero valutare nuovi progetti crypto, in particolare i loro white paper tecnici.
I ricercatori hanno pubblicato i risultati su Knowledge and Information Systems1, con il titolo «Applicazione degli LLM alla valutazione degli asset digitali: uno studio con metodi misti».
Usare gli LLM per analizzare i white paper sulle criptovalute
In sostanza, le «criptovalute» non sono soltanto opportunità di investimento speculativo, ma «asset digitali basati su protocolli integrati in sistemi decentralizzati di archiviazione delle informazioni, meccanismi di consenso distribuito e smart contract».
I rischi reali e i possibili casi d’uso delle nuove criptovalute dipendono da queste caratteristiche tecniche. Per questo le moderne tecnologie di IA, come gli LLM (modelli linguistici di grandi dimensioni), possono contribuire all’analisi automatizzata dei testi, all’estrazione di conoscenze e alla valutazione comparativa dei progetti.
L’affidabilità degli LLM, tuttavia, è una questione aperta. La loro utilità è limitata dalle finestre di contesto ridotte, dalle difficoltà nel gestire grandi raccolte di documenti e dal rischio di allucinazioni.
Gli investitori hanno quindi bisogno di una valutazione accurata dell’effettiva affidabilità di questi strumenti quando vengono usati per valutare progetti crypto.
Per valutare le capacità degli LLM in questo compito, i ricercatori hanno creato un quadro metodologico che parte dalla preelaborazione dei dati, durante la quale i white paper vengono strutturati e sintetizzati per l’analisi; prevede poi la progettazione di prompt specifici per l’IA e il confronto dei risultati con le valutazioni umane; infine, sviluppa un protocollo per usare gli LLM nella valutazione del potenziale dei progetti crypto.
Sviluppare gli strumenti giusti
Raccogliere i dati giusti
I ricercatori hanno utilizzato il Token Offerings Research Database (TORD) come fonte primaria di dati. Il database fornisce informazioni raccolte manualmente sulle offerte iniziali di monete (ICO), sulle offerte di security token (STO) e sulle offerte iniziali sugli exchange (IEO).
I dati comprendono i siti web ufficiali dei progetti, i white paper, le risorse web archiviate, i database secondari, le informative degli exchange e i documenti normativi.
Questi dati sono stati utilizzati per creare un campione di 29 progetti di token distinti per i quali erano ancora disponibili i white paper; 27 di questi avevano una valutazione aggregata degli esperti nel TORD.
È stata scelta la configurazione principale di OpenAI GPT−3.5-turbo, insieme a due modelli compatti open source, Qwen2.5-0.5B e Qwen2.5-1.5B. Nel complesso, sono state generate 1.008 valutazioni complete, ciascuna fornita da un esperto e da un LLM.
Mettere alla prova approcci diversi
I ricercatori hanno utilizzato metodi diversi per capire come impiegare al meglio gli LLM nell’analisi dei progetti crypto.
- Approccio 1: valutazione parziale del documento, che consisteva nell’inserire nell’LLM la maggior quantità possibile di contenuti del white paper, troncati a 4.000 token (circa 3.000 parole) per tenere conto dei limiti del modello.
- Approccio 2: valutazione basata su una sintesi, che affronta i limiti relativi ai token adottando un processo in due fasi: prima il white paper veniva sintetizzato, poi valutato.
- Approccio 3: valutazione del riepilogo incentrata sugli aspetti, perfezionando ulteriormente la sintesi mediante l’estrazione di informazioni mirate pertinenti alle decisioni di investimento, in particolare sulla personalità e sull’esperienza del management, sulle caratteristiche del prodotto e sulle condizioni di mercato.
- Ha inoltre individuato possibili segnali d’allarme, come la scarsa esperienza, la mancanza di partecipazione finanziaria o strutture di progetto mal concepite.
È stato stabilito che un limite di 120 parole per la conclusione della valutazione finale prodotta dagli LLM fosse ottimale per evitare errori e offrire a chi potrebbe usare lo strumento una conclusione di facile comprensione.
Sono state adottate quattro diverse strategie di formulazione dei prompt per guidare il ragionamento dell’LLM verso i migliori risultati possibili:
- Zero-shot (ZS): fornire istruzioni strutturate senza esempi a livello di progetto
- Few-shot (FS): potenziare lo ZS con dimensioni di valutazione esplicite e criteri di analisi specifici.
- Ragionamento a catena (CoT): usare una motivazione graduale, articolata per fattori.
- Ragionamento a catena con contesto e rubrica di valutazione (CoT-CR): includere considerazioni specifiche del settore, come i meccanismi di blocco dei token e l’originalità del progetto.
Risultati degli LLM
A eccezione della valutazione del riepilogo incentrata sugli aspetti, i modelli di IA hanno generalmente assegnato al progetto crypto un punteggio più alto rispetto alle valutazioni umane.
«Gli approcci 1 e 2 spesso condensano i contenuti narrativi senza far emergere in modo affidabile segnali d’allarme o indicazioni sulla governance, alimentando così un bias di ottimismo e una sistematica sovrastima rispetto alle valutazioni umane»
Nel complesso, i prompt CoT hanno prodotto i punteggi più bassi; in particolare, CoT + valutazione del riepilogo incentrata sugli aspetti è stato l’unico approccio a generare una valutazione inferiore a quelle basate sulle analisi umane.
Nonostante questa tendenza alla sovrastima, è stata osservata anche una lieve tendenza opposta a sottostimare i progetti più solidi.
Va inoltre osservato che, usando i modelli di IA Qwen2.5-0.5B e Qwen2.5-1.5B, si sono ottenuti risultati simili a quelli di GPT−3.5-turbo.
Spiegare i bias degli LLM
Il motivo per cui la maggior parte delle strategie di prompting porta gli LLM a sovrastimare i progetti crypto è che i riepiloghi generici e poco strutturati tendono a mantenere il tono promozionale dei white paper.
Al contrario, l’estrazione incentrata sugli aspetti evita perlopiù questo problema, ma presenta altri limiti. Può avvicinare le valutazioni alla prudenza delle analisi umane quando fa emergere debolezze nella governance, nella gestione o nella progettazione dei token; tuttavia, può anche penalizzare eccessivamente i progetti quando le prove sono incomplete o quando pochi indizi negativi isolati dominano le motivazioni alla base della valutazione.
Questo ha portato i ricercatori a concludere che gli LLM possono supportare la ricerca condotta da persone, ma non sostituirla del tutto.
«Questi meccanismi indicano che la principale sfida di progettazione non riguarda solo la scelta del prompt, ma anche la produzione di prove intermedie affidabili prima della valutazione. Di conseguenza, lo strumento dovrebbe essere usato per segnalare i casi che richiedono l’attenzione di esperti, non per assegnare punteggi definitivi agli investimenti.»
Nel complesso, secondo questo studio, non esiste un unico «approccio migliore» da adottare.
Nell’attuale matrice di progettazione, l’errore più basso si ottiene combinando il riepilogo strutturato con il prompting CoT (Approccio 2 + CoT).
L’approccio incentrato sugli aspetti, invece, fa emergere possibili segnali d’allarme e produce un punteggio medio più vicino alla media delle valutazioni umane.
Creare uno strumento di analisi delle criptovalute basato sull’IA
Questo ha portato il ricercatore a formulare proposte sul metodo ottimale per usare l’IA nell’analisi dei progetti crypto:
- La strutturazione delle prove dovrebbe precedere la generazione delle motivazioni del modello, per ridurre gli errori il più possibile.
- La calibrazione e la verificabilità dei risultati dovrebbero essere progettate e valutate separatamente. L’estrazione incentrata sugli aspetti dovrebbe essere usata per migliorare la verificabilità strutturale e la visibilità dei segnali d’allarme.
- Triangolazione dei modelli: gli schemi di errore osservati non dovrebbero essere attribuiti a una sola famiglia di modelli senza aver svolto test comparativi, poiché potrebbero dipendere dal funzionamento fondamentale degli LLM in generale.
«Nel loro insieme, questi principi ampliano il contributo: dalla semplice applicazione degli LLM a una serie di raccomandazioni progettuali per configurare strumenti di supporto alle decisioni verificabili in contesti di informativa finanziaria scarsamente standardizzati.»
Indicazioni per gli investitori
Questo studio offre informazioni interessanti agli investitori sia nel settore dell’IA sia in quello delle criptovalute.
Nel settore delle criptovalute, è chiaro che gli LLM non sono (ancora?) una soluzione in grado di sostituire la due diligence svolta da persone. Per esempio, i modelli di IA possono lasciarsi influenzare da un entusiasmo eccessivo o dal tono promozionale dei white paper sulle criptovalute, con il grave rischio di sopravvalutare il potenziale di questi progetti.
Tuttavia, usare l’IA per individuare i segnali d’allarme può essere molto utile, se si adotta il metodo giusto per formulare i prompt.
Per chi investe nell’IA, questo studio dimostra che, al momento, gli LLM non sono ancora pienamente in grado di sostituire il lavoro umano. Sono però uno strumento prezioso, soprattutto per selezionare grandi quantità di dati tecnici.
Lo studio dimostra inoltre che, per usare l’IA al meglio, è fondamentale imparare a formulare i prompt nel modo giusto e progettare un metodo di analisi adeguato. Dal punto di vista degli investimenti nella tecnologia IA, questo probabilmente indica che la maggior parte dei guadagni di produttività derivanti dall’IA arriverà gradualmente e non dipenderà soltanto dal miglioramento dei modelli. Sarà invece essenziale che gli utenti acquisiscano maggiore familiarità con gli strumenti di IA e imparino a migliorare la qualità dei risultati perfezionando la progettazione delle analisi e i prompt.
Investire nei mercati delle criptovalute
Coinbase
COIN Grafico dei prezzi
Man mano che le criptovalute si diffondono, un numero crescente di investitori vi si espone o aumenta la propria presenza sui mercati delle criptovalute. Lo stesso accade con il moltiplicarsi dei progetti nel settore.
Questo favorisce aziende come Coinbase, strettamente legate al trading di criptovalute, ai prezzi degli asset, alla custodia e alla partecipazione degli investitori istituzionali.
Investire in piattaforme tecnologiche e di scambio di criptovalute come Coinbase può quindi offrire agli investitori un’esposizione alle dinamiche del mercato delle criptovalute, senza dover scegliere arbitrariamente singoli token.
Ciò non significa, tuttavia, che Coinbase possa offrire agli investitori del suo titolo quotato in borsa gli stessi potenziali rendimenti (e rischi) di un investimento diretto in criptovalute. Si tratta invece di un investimento nelle infrastrutture del mercato delle criptovalute: al 30 giugno 2026 Coinbase dichiarava 246 miliardi di dollari di asset sulla propria piattaforma.
Oggi, oltre all’app principale e all’exchange di criptovalute di Coinbase, l’azienda offre una serie di servizi complementari:
- Coinbase One, un servizio premium in abbonamento che offre commissioni di trading azzerate, ricompense maggiorate per lo staking e offerte dei partner, come un calcolatore delle imposte sulle criptovalute, ricerche sulle criptovalute e altro.
- Coinbase Advanced, per chi fa trading di criptovalute a livello professionale.
- Coinbase Wallet, per custodire autonomamente le criptovalute al di fuori degli exchange, oltre che gli NFT.
- Coinbase Earn, un servizio di staking che consente ai possessori di criptovalute di bloccare i propri asset per ottenere interessi dalla rete; nel 2023 i clienti di Coinbase hanno guadagnato 230 milioni di dollari.
- Coinbase Card, una carta di debito Visa che consente di effettuare acquisti usando criptovalute e restituisce l’1% in Bitcoin quando si paga in USD e l’1,5% in USDC quando si paga in ETH. La carta è accettata ovunque siano accettate le carte di debito Visa.
- USD Coin (USDC), una stablecoin digitale il cui valore equivale a quello del dollaro statunitense, punta a creare un «dollaro digitale».
Man mano che vengono sviluppati strumenti sempre più avanzati, IA compresa, questi si integreranno con le infrastrutture esistenti del settore delle criptovalute. Ormai più matura e dominante, Coinbase è in una posizione favorevole per trarre vantaggio dalla crescente diffusione delle criptovalute, sostenuta dalla crescita degli ETF su Bitcoin, delle stablecoin e della tokenizzazione delle azioni.
(Puoi approfondire la storia, l’offerta e il potenziale d’investimento di Coinbase nel nostro rapporto dedicato all’azienda)
Ultime notizie e sviluppi sul titolo Coinbase (COIN)
Studio citato
1. Yann Thorens e altri. Applicazione degli LLM alla valutazione degli asset digitali: ricerca con metodi misti. Knowledge and Information Systems. 17 ottobre 2026. https://doi.org/10.1007/s10115-026-02910-2
