En marzo de 2026, el UK AI Agent Hackathon, organizado por la Asociación de Blockchain del Imperial College de Londres, se llevó a cabo en Londres. Peter Steinberger, creador de OpenClaw, viajó personalmente al evento. Más de 1200 desarrolladores usaron OpenClaw como marco principal para crear seis proyectos, incluyendo sistemas de gestión de riesgos agrícolas, plataformas de bioinformática y sistemas neuronales para ciudades inteligentes; la charla de Peter, inicialmente de 30 minutos, duró más de dos horas.
(Resumen previo: ¿La marea de IA favorece a los constructores de criptomonedas? Las tres principales instituciones financieras votan con sus pies, demostrando todo.)
(Información adicional: La Asociación Mundial del Oro, en colaboración con BCG, lanzó un marco de oro tokenizado compartido, enfrentándose directamente a Tether y Paxos.)
En marzo de 2026, el UK AI Agent Hackathon 2026, organizado por la Asociación de Blockchain del Imperial College de Londres, se realizó en Londres. Este hackathon, centrado en OpenClaw, atrajo a más de 1200 inscritos y logró un récord de 5000 espectadores en vivo en línea durante el Demo Day, alcanzando la cima de las tendencias globales en X.
Muchos participantes lo consideran el “primer Hackathon Universitario OpenClaw del mundo”. Peter Steinberger, creador de OpenClaw, viajó personalmente a Londres para participar.
El 7 de marzo, equipos de varias universidades presentaron prototipos construidos en una semana, cubriendo desde agricultura y bioseguridad hasta gobernanza urbana y protección DeFi. A continuación, seis proyectos destacados:
AgroMind integra monitoreo satelital de cultivos, datos meteorológicos y señales de mercado para construir un sistema predictivo y de cobertura automática de riesgos en la cadena de suministro agrícola. Su escenario principal es un flujo de trabajo de cobertura automática.
La información en la cadena de suministro agrícola siempre ha sido un problema de dinero. Los precios de las commodities fluctúan mucho, a menudo por riesgos climáticos que se gestaron meses antes en ciertas regiones, y el mercado solo reacciona cuando salen noticias. AgroMind busca llenar ese vacío. Combina monitoreo satelital, datos meteorológicos y señales de mercado; cuando las imágenes satelitales muestran signos tempranos de sequía en una región de soja en Brasil, el sistema ya está en marcha, incluso antes de informes oficiales. Verifica las existencias del usuario y la volatilidad del mercado, redacta planes de cobertura y, si las condiciones son adecuadas, coloca órdenes en plataformas de comercio de commodities. No es solo una herramienta de IA, sino un analista que vigila en tiempo real las imágenes satelitales, sin dormir.
La bioinformática tiene un problema de larga data: las mejores herramientas y conocimientos están restringidos a unas pocas universidades y empresas farmacéuticas, inaccesibles para la mayoría de los investigadores.
ClawBio busca hacer lo mismo que Hugging Face en modelos de IA, pero en bioinformática. Es un repositorio abierto de habilidades biológicas, que almacena análisis verificados y reproducibles, accesibles a cualquier agente, incluyendo detección de toxinas y reconocimiento de funciones biológicas peligrosas.
Un escenario interesante: un usuario toma una foto del envase de un medicamento, el agente consulta las habilidades de ClawBio con archivos genómicos locales y en segundos devuelve una tarjeta personalizada de dosificación. Los datos se procesan localmente, sin subir nada a servidores. Este enfoque “Local-First” es especialmente sensible en salud, para proteger la privacidad.
BioSentinel tiene metas aún más ambiciosas. Comienza con datos de salud pública globales, rastrea continuamente información de fuentes como la OMS, CDC, CIDRAP, y cuando detecta una amenaza emergente, identifica proteínas objetivo del patógeno y usa herramientas de biología computacional como RFdiffusion y ProteinMPNN para diseñar posibles moléculas terapéuticas efectivas.
Cada candidato a molécula pasa por una revisión en bases de datos de toxinas para evitar crear algo peligroso. Todo el proceso puede ser controlado mediante una interfaz de chat. Los investigadores solo necesitan expresar sus necesidades, y el agente programa las herramientas automáticamente; esto reduce mucho las barreras en biología computacional.
El origen de este proyecto es simple: Londres genera diariamente una gran cantidad de datos de sensores —tráfico, calidad del aire, estado de infraestructura—, pero estos datos están desconectados, y nadie sabe realmente el estado actual de la ciudad.
El equipo usa OpenClaw para integrar monitoreo en tiempo real del tráfico, calidad del aire y datos financieros. Si la calidad del aire en un barrio cae repentinamente, el sistema no solo registra el evento, sino que también envía recomendaciones de rutas con menor contaminación a escuelas y viajeros cercanos. Si hay fallos en farolas o sensores, la respuesta será mucho más rápida que la de un reporte manual. La visión a largo plazo es abrir este marco a los gobiernos locales, integrándolo con los sistemas existentes, en lugar de crear uno nuevo desde cero.
La mayoría de los productos de IA están diseñados pensando en empresas tecnológicas, no en pequeños negocios como un restaurante en Kingston Street. Highstreet AI busca resolver esa brecha.
Su propuesta es desplegar un conjunto de agentes colaborativos: uno que entienda las necesidades, otro que consulte inventarios en tiempo real, uno que redacte facturas y enlaces de pago, y finalmente, un panel con un botón de “aprobación” para el dueño.
El proceso requiere que solo apruebe esa última acción. Highstreet afirma que este sistema puede ahorrar más de 10 horas semanales a un comerciante, sin necesidad de conocimientos técnicos.
La brecha entre inversores minoristas y institucionales no solo es por la diferencia de fondos, sino también por capacidades analíticas y velocidad de respuesta.
AlphaMind busca cerrar esa brecha. Los usuarios pueden comparar su portafolio con las posiciones públicas de Buffett, pero el sistema no solo muestra un gráfico comparativo; mediante agentes de OpenClaw, analiza riesgos de concentración en múltiples plataformas y ejecuta reequilibrios automáticamente.
Su misión: los viejos instrumentos dicen qué pasó; AlphaMind explica por qué pasó y se encarga de solucionarlo.
En noviembre, Peter Steinberger, desarrollador austriaco, lanzó un proyecto llamado “Clawdbot”. Se puede enviarle mensajes por Telegram o WhatsApp, y gestiona calendarios, correos, ejecuta scripts e incluso navega en la web.
Nadie esperaba que este proyecto se volviera viral en solo dos meses. OpenClaw se popularizó a finales de enero de 2026, y el 14 de febrero Steinberger anunció que se unía a OpenAI para impulsar la próxima generación de agentes de IA personales. El proyecto OpenClaw fue transferido a una fundación de código abierto para su continuidad. Este desarrollador, que acaba de convertirse en una figura central en el mundo de la IA, llegó a Londres gracias a este hackathon.
Su viaje a Londres estuvo a punto de no realizarse. Los organizadores revelaron que, justo antes de partir, Peter tuvo problemas con su visa, y “todo el equipo entró en pánico”, hasta que dos días antes del evento lograron resolverlo. Tras obtener la visa, cambió su vuelo para asegurarse de asistir a todas las sesiones. Cuando entró por primera vez en un aula del Imperial College, solo miraba su teléfono, tomando notas y preparando su charla, sin ninguna actitud de “celebridad de IA”.
Durante el hackathon, Peter
En la fiesta de inversión de Sequoia que siguió, un desarrollador que no consiguió entrada, bajo la lluvia de Londres, se quedó afuera. Peter lo notó, sin dudarlo, se acercó y empezó a conversar con él. Cuando le preguntaron cómo la explosión de agentes cambiará el futuro de los grandes modelos, respondió con honestidad: “No lo sé. Yo prefiero usar las herramientas que tengo para construir cosas interesantes.”
Su charla, originalmente de 30 minutos, se extendió más de dos horas por la buena energía y las preguntas del público. Los organizadores dijeron después: “Eso fue muy importante para nosotros, y, para ser honestos, todavía le debemos una disculpa.”
Al abandonar Londres, Peter dejó una frase: “No buscas significado, creas significado.” Quizá esa sea la lección más importante para quienes quieren hacer algo en la era de la IA.
Steinberger no tiene mucho aprecio por el mundo de las criptomonedas, pero la lista de proyectos en ese hackathon y su postura personal muestran un contraste claro. En la página del proyecto en DoraHacks, aparecen varias direcciones concretas para Web3:
· La identidad y soberanía del agente son temas recurrentes. clawOS se construye sobre el protocolo Nostr, donde cada agente tiene identidad y billetera independientes, sin depender de plataformas; Cortex.OS intenta resolver el problema de caja negra en IA en Web3, haciendo que cada decisión del agente sea trazable en la cadena.
· Otra línea es la gestión directa del dinero: Trading Narwhal y Vibe4Trading apuestan a que los agentes pasen de asistir en la visualización a ejecutar operaciones directamente, aunque la arquitectura de OpenClaw no favorece las claves privadas.
· También hay proyectos interesantes en gobernanza y supervisión pública: WatchDog usa seis agentes autónomos para monitorear contratos del gobierno británico en busca de anomalías; CivicLift permite a los ciudadanos interactuar con gobiernos locales mediante agentes; GreenClaw es un centro de operaciones de seguridad urbana colaborativa con múltiples agentes.
Pero, desde el principio, la seguridad ha sido la mayor barrera para que OpenClaw entre en Web3. Los agentes pueden acceder a archivos, APIs y sistemas, pero no hay nada que supervise qué hacen exactamente. En escenarios con activos reales, usar OpenClaw requiere mucha precaución.
