Geen enkel groot AI-bedrijf heeft crypto trading bots aanbevolen. Geen enkel vooraanstaand AI-lab traint modellen hiervoor. Toch gebruiken steeds meer handelaren Anthropic’s Claude om geautomatiseerde Polymarket-bots te bouwen, waarbij ze zeggen miljoenen winst te maken. In populaire posts wordt beweerd dat iedereen dit kan doen.
Maar de luidste winnaars gebruiken strategieën die elk quant-fonds ‘s nachts kan nadoen.
Drie aannames, nul garanties
Deze narrative rust op drie aannames. Big tech gaat uiteindelijk gespecialiseerde handelsmodellen bouwen. Losse handelaren kunnen op lange termijn een voorsprong houden op instituties. Autonome AI-agenten kunnen betrouwbaar geld verdienen op open markten.
Haseeb Qureshi, managing partner bij Dragonfly Capital, is het met alle drie niet eens. In het Bankless-interview wees hij op aansprakelijkheidsrisico, marktstructuur en het feit dat AI steeds meer een standaardproduct wordt. Volgens hem maken deze factoren deze hype veel minder aantrekkelijk dan het lijkt.
De aansprakelijkheidsval
Qureshi zegt dat AI bouwen voor blockchain-taken technisch makkelijk is. Een EVM-simulator kan herhaald lenen of token swaps makkelijk testen. De modellen kunnen het – ze zijn er alleen nog niet op gericht.
De reden is institutioneel, niet technisch. Ten eerste heeft crypto een reputatieprobleem waar AI-labs zich niet aan willen branden. “Crypto is een beetje suf,” zei Qureshi.
Maar het echte obstakel is aansprakelijkheid. Stel dat Claude een fout maakt met een hefboomtrade en zo $2 miljoen verliest. Of per ongeluk $10.000 naar een verkeerd adres stuurt. Geen enkele disclaimer is sterk genoeg om boze reacties te voorkomen.
“Het zal voor 100% gebeuren,” zei Qureshi. “Iedereen met een slechte ervaring, dat gaat extreem viral.”
Hij vergeleek het beheren van een crypto-wallet van een gebruiker met het injecteren van ongereguleerde Chinese stoffen. Het risico is veel groter dan de mogelijke opbrengst. Slecht advies over code is gênant. Een lege wallet betekent een rechtszaak.
Anthropic heeft al onderzoek gepubliceerd over AI en blockchain. In de SCONE-bench-studie is getest hoe goed geavanceerde modellen smart contract-kwetsbaarheden kunnen misbruiken. Maar dat is cybersecurity-onderzoek, geen product-roadmap.
Het keerpunt komt door concurrentie. Wanneer een lab besluit dat crypto-volume te belangrijk wordt om aan concurrenten te laten, zal men beginnen met trainen. Tot die tijd blijft het stil.
Het Jane Street-probleem
Zelfs zonder big tech staat het trading-verhaal voor een basisprobleem. Elke strategie gebouwd op een openbaar model is vanzelfsprekend beschikbaar voor iedereen — ook voor institutionele quant-firma’s.
Qureshi’s punt is simpel. Als een simpele Claude-bot winstgevende trades kan vinden op Polymarket, kan Jane Street er 5.000 tegelijk draaien. Dat bedrijf heeft snellere systemen en meer kapitaal. Elk winstgevend voordeel wordt razendsnel opgeschaald tot het is uitgewerkt, nog voordat een retail-handelaar kan inloggen. “Als het in het basismodel zit, doet Jane Street het nu al,” zei hij.
De enige manier waarop een gewone bot wint, is met nieuwe signalen die het basismodel niet heeft. Een Claude die alleen aan een API is gekoppeld, is dat niet.
Waarom ‘Go Make Money’ niet werkt
Qureshi breidde het argument uit naar meer dan alleen trading – naar het idee dat autonome AI-agenten zelfstandig inkomen kunnen verdienen.
De eerste optie is dat een AI-agent ‘werknemer’ wordt en zijn werk verkoopt. Maar dat is economisch onmogelijk. Er bestaan miljoenen identieke Claude-instanties. Geen enkele heeft unieke vaardigheden of locatievoordeel. Een AI-agent inhuren is gewoon Anthropic’s rekenkracht afnemen via een omweg. Niemand betaalt meer dan de API-prijs van Anthropic voor hetzelfde resultaat.
De tweede optie is een bedrijf starten. Dit klinkt beter, maar volgens Qureshi werkt het om een subtielere reden toch niet. Elke AI-agent haalt ideeën uit exact dezelfde trainingsdata. Daardoor komen ze met hetzelfde soort ideeën. Vraag tien Claude-instanties om een startup-idee en je krijgt tien versies van hetzelfde plan.
Echte ondernemers, zegt Qureshi, hebben wat Peter Thiel “earned secrets” noemt. Dat zijn inzichten ontstaan uit specifieke ervaringen op specifieke plekken en momenten. Bankless bouwde zijn merk omdat de oprichters een unieke mix van crypto-kennis, verhalen vertellen en communitygevoel hadden. Op precies het juiste moment. Een nieuwe Claude heeft geen levenservaring. Dus geen earned secrets.
Dit leidt tot een ongemakkelijke conclusie. AI-agenten kunnen niet winnen met trading. Ze krijgen geen baan. Ze verzinnen geen originele bedrijfsplannen. Waar ligt dan hun werkelijke voordeel ten opzichte van mensen? Qureshi’s antwoord was expres uitdagend: misdaad. Dit is geen toekomst waar Qureshi blij mee is, maar het volgt logisch als je alle institutionele remmen wegneemt.
Wat dit betekent
De handelaren die Polymarket-bots bouwen zijn echt. Sommige winsten zijn dat misschien ook – voorlopig. Maar institutionele quant-bedrijven zullen elk voordeel uit het basismodel snel weg-arbitreren. Big tech gaat pas op crypto trainen als concurrentie dat afdwingt. En de autonome agent-economie vindt zijn eerste echte toepassing misschien buiten bereik van de wet.
Voor de gemiddelde handelaar die nieuws leest over AI-bots die miljoenen binnenhalen, is de boodschap duidelijk. Het huis wint altijd. In AI-trading laat het huis 5.000 bots draaien met supersnelle snelheid.
