Introducción
Is BTC Cheap? es una plataforma que ideé para responder a una pregunta muy concreta: ¿está Bitcoin barato o caro ahora mismo? La respuesta es un índice de 1 a 100 que combina valoración on-chain, ciclo, liquidez, sentimiento y análisis técnico. Si quieres conocer el proyecto completo, lo presenté en este artículo.
Hoy quiero contar algo distinto: cómo uso la inteligencia artificial dentro de él. Es fácil caer en la tentación de “ponerle IA” a todo, así que desde el principio me marqué una regla: la IA solo entra donde aporta algo que un algoritmo clásico no puede hacer bien, y siempre con controles para que un error del modelo no llegue a la web.
Donde NO hay IA: el índice
Lo primero es lo que la IA no hace: no calcula el índice.
El score de 1 a 100 sale de un pipeline en Python que se ejecuta cada noche: descarga los datos, calcula cada métrica y la convierte en un percentil frente a los últimos 4 años. Es determinista y reproducible: con los mismos datos da siempre el mismo resultado, y puedo comprobar cómo se habría comportado en cada techo y suelo desde 2011.
Un modelo de lenguaje no ofrece esas garantías. Por eso la parte central del proyecto, la que responde a la pregunta del nombre, se basa solo en datos y estadística.
1. Noticias: clasificar, eliminar duplicados y traducir
La web muestra las 10 noticias que más pueden mover el precio de Bitcoin en las últimas 48 horas. Cada 15 minutos, un script lee los feeds RSS de siete medios (Cointelegraph, CoinDesk, Decrypt, Investing.com, CNBC, BBC y la Reserva Federal) y la IA hace tres tareas, cada una en su propia llamada:
- Clasificar: asigna a cada titular una categoría (macro, geopolítica, flujos, cripto…) y un impacto de 0 a 10 según cuánto puede mover el precio en horas o días.
- Eliminar duplicados: cuando varios medios cuentan el mismo hecho, los agrupa y se queda con uno.
- Traducir: pasa al español solo las noticias que se van a publicar.
Algunas decisiones de diseño:
- Una tarea por llamada. Con modelos abiertos, pedirlo todo a la vez daba resultados menos fiables. Separado, cada respuesta es más sencilla y más fácil de validar.
- No pagar dos veces por lo mismo. Cada titular clasificado se recuerda durante 7 días, así que solo se envían al modelo los nuevos. Y la traducción solo se paga para las 10 que se publican.
- Salidas estructuradas. Cada llamada exige una respuesta JSON con un esquema estricto, así que el script recibe siempre datos con el formato esperado, no texto libre que interpretar.
- El impacto se diluye. La prioridad de cada noticia es su impacto menos su antigüedad: una noticia de hace dos días, por importante que fuera, deja sitio a las nuevas.
La agenda económica de la semana (datos de empleo, inflación, decisiones de tipos…) usa la misma idea: la IA traduce el nombre de cada evento la primera vez que aparece y la traducción se guarda. Como los eventos se repiten cada mes, casi nunca hace falta volver a llamar al modelo.
2. El análisis diario del precio
La funcionalidad más reciente es la página de Análisis: un análisis breve de la situación de Bitcoin que se genera de lunes a viernes a las 10:00 y a las 17:00, y los domingos a las 18:00 (hora de Madrid). Incluye:
- Un resumen de la situación y las claves que están moviendo el precio.
- De 1 a 3 zonas de soporte y de resistencia, con su fuerza.
- El sesgo del mercado y la confianza en él.
- Lo más probable en las próximas horas y en 1-2 días, con su precio objetivo y el precio que invalidaría ese escenario, más un escenario alternativo.
La web dibuja todo esto sobre el gráfico de velas: las zonas como bandas de color y los escenarios como flechas.
Qué recibe el modelo
Aquí tomé una decisión importante: el modelo recibe datos en bruto, nunca mis conclusiones. No le paso niveles calculados ni le digo si el mercado está alcista; recibe:
- Velas diarias, de 4 horas y de 1 hora.
- Datos de derivados: funding rate, open interest, porcentaje de cuentas en largo y ratio de compras y ventas a mercado.
- El Fear & Greed Index y los flujos de los ETF de las últimas 20 sesiones.
- Los titulares de impacto medio y alto de las últimas 48 horas, que ya clasifica el sistema de noticias.
- La agenda económica de la semana, con la previsión y el dato real cuando ya se ha publicado.
- La fecha y la hora, y si la bolsa de EE. UU. está abierta.
Con eso, el análisis es suyo: el modelo decide qué factores pesan más.
¿Por qué darle los datos en vez de dejar que busque en internet?
Lo valoré, e incluso lo probé con la búsqueda integrada de Gemini. Me quedé con pasarle los datos por varias razones:
- Control: sé exactamente con qué información trabaja y de qué momento es.
- Reproducibilidad: cada análisis se guarda en un registro, y puedo revisar después qué datos tenía y cuánto acertó.
- Coste: la búsqueda con Gemini requiere un plan de pago; con los datos, cada análisis cuesta una fracción de céntimo.
Lo que decidí NO darle
También es importante lo que se queda fuera:
- Datos de liquidaciones. Llegué a integrar las liquidaciones de varios exchanges a través de APIs externas, pero las retiré: cuando hay liquidaciones fuertes ya aparecen en los titulares, y quitarlas hacía el código más simple y la consulta más barata.
- Mis propias ideas sobre el mercado. Por ejemplo, el precio de Bitcoin suele moverse poco los fines de semana. En vez de decírselo al modelo, lo que sesgaría su análisis, le paso un dato neutral: la hora y si la bolsa está abierta. Si lo considera relevante, lo tendrá en cuenta.
Validar antes de publicar
Un modelo de lenguaje puede equivocarse con total seguridad, así que ninguna respuesta se publica sin pasar controles:
- El precio que cita el modelo debe estar a menos de un 3 % del precio real en Binance.
- Los soportes deben estar por debajo del precio y las resistencias por encima, a una distancia y con una anchura razonables, y como mucho 3 de cada lado.
- La dirección de cada escenario se deduce del objetivo: un escenario “alcista” con un objetivo por debajo del precio no se sostiene.
- Los objetivos no pueden estar fuera de un rango realista, y el escenario alternativo debe ir en una dirección distinta del principal.
Si una respuesta no supera los controles, se pasa al siguiente modelo. Y si ninguno sirve, la web mantiene el último análisis válido.
Elegir el modelo
Probé varios modelos con exactamente los mismos datos y comparé sus respuestas:
- GLM-5.3 Flash (inferencia serverless de DigitalOcean) dio el análisis más completo y preciso. Es el principal.
- Qwen 3.5 es el primer respaldo.
- Gemini 3.5 Flash acertó también, aunque con menos detalle, y queda como último respaldo usando su nivel gratuito.
- Otros, como DeepSeek V4 Flash, interpretaban mal la tendencia de los datos de derivados, así que los descarté.
La comparación me enseñó que no basta con elegir “el mejor modelo” en abstracto: hay que probarlos con tus datos y tu tarea. Fue así como detecté, por ejemplo, que algunos proponían un escenario alternativo en la misma dirección que el principal, y añadí la validación correspondiente.
Cuánto cuesta
Uno de mis objetivos era que el proyecto fuera sostenible con un coste mínimo:
- Noticias y agenda: 1-2 $ al mes.
- Análisis diario: unos 0,35 $ al mes.
- Gemini, cuando hace falta como respaldo, dentro de su nivel gratuito.
Menos de lo que cuesta un café al mes por toda la IA de la plataforma.
La IA como herramienta de desarrollo
Además de usar IA dentro del proyecto, la he usado para construirlo. He desarrollado Is BTC Cheap? con la ayuda de Claude Code, el asistente de programación de Anthropic.
La idea, el enfoque del índice y cada decisión de producto son míos: qué métricas entran y cuáles no, cómo se presenta la información, qué datos recibe el análisis o qué se queda fuera. Claude Code me ha permitido avanzar mucho más rápido en la implementación, investigar alternativas (APIs, modelos, costes) y comparar opciones antes de decidir. Pero la dirección la marco yo, y reviso cada cambio antes de publicarlo.
Creo que esa es la forma sensata de trabajar con IA hoy: como un compañero muy capaz, no como un sustituto del criterio propio.
Transparencia y responsabilidad
Publicar contenido generado por IA sobre un activo financiero exige ser claro con quien lo lee:
- La web indica qué contenido genera la IA y con qué modelo se ha hecho cada análisis.
- Los textos hablan de probabilidades y escenarios, nunca de certezas, y el modelo tiene instrucciones de no dar recomendaciones de compra o venta.
- El aviso legal recuerda que nada de esto es asesoramiento financiero y que el contenido automático puede contener errores.
Conclusión
La IA en Is BTC Cheap? cumple tres funciones concretas: filtrar el ruido de las noticias, traducir y redactar un análisis que valido antes de publicar. El índice, que es el corazón del proyecto, sigue siendo pura estadística.
En resumen:
- La IA se usa solo donde aporta valor que un algoritmo clásico no da.
- Recibe datos en bruto y no conclusiones, para que su análisis sea independiente.
- Nada se publica sin validar, y si un modelo falla hay respaldo.
- Todo funciona por menos de 3 $ al mes.
Si te interesa ver el resultado, pásate por isbtccheap.com/analisis. Y si tienes ideas para mejorarlo, me encantará leerlas.