Recuerdo la primera vez que me di cuenta de que algo se sentía mal en los juegos de Web3. No fue un colapso dramático ni un momento destacado. Fue más silencioso que eso. Un juego que había estado observando de cerca todavía tenía usuarios, todavía tenía recompensas fluyendo, todavía tenía actividad en la cadena. Pero por debajo, la textura había cambiado. Los jugadores ya no estaban realmente jugando. Estaban extrayendo.
Ese sutil cambio ayuda a explicar por qué tantos juegos de Web3 no solo lucharon, se desmoronaron.
La gente a menudo culpa al mercado bajista, y sí, el momento importa. Pero cuando miras más de cerca, el colapso se alinea demasiado bien con cómo se diseñaron las recompensas. No fue solo presión externa. La propia base tenía grietas.
Toma los primeros sistemas de jugar para ganar donde las recompensas se distribuyeron ampliamente sin mucha segmentación. En la superficie, parecía justo. Todos podían ganar. Pero por debajo, no había distinción entre alguien que realmente se preocupaba por el juego y alguien que ejecutaba scripts para cultivar tokens. Los datos de DappRadar mostraron que la retención caía drásticamente en esos primeros modelos, y ese número cuenta una historia. Si los usuarios no se quedan, significa que las recompensas están atrayendo el comportamiento incorrecto. Significa que el sistema está alimentando actividad, no compromiso.
Y una vez que esa dinámica comienza, se acumula.
Ese impulso crea otro efecto. Los bots comienzan a dominar. No solo unos pocos, sino redes enteras de ellos. Los ataques Sybil, donde un actor finge ser docenas, se convierten en un comportamiento racional porque el sistema lo permite. Informes de Naavik señalaron esto como una de las mayores fallas estructurales en las economías P2E. Cuando una persona puede simular cincuenta jugadores, las recompensas dejan de ser incentivos y comienzan a ser fugas.
En la superficie, parece crecimiento. Más billeteras, más transacciones. Por debajo, está hueco. La economía está siendo drenada por participantes que nunca debieron sostenerla.
Entender eso ayuda a explicar por qué incluso los juegos más grandes no pudieron mantener su posición. Considera lo que sucedió con Axie Infinity. En su punto máximo, definió el espacio. Pero luego el volumen de comercio cayó un 98 por ciento a medida que la inflación de tokens se descontroló. Ese número no se trata solo de ciclos de mercado. Revela algo más profundo. El sistema de recompensas estaba inyectando más valor del que el ecosistema podía absorber.
Y cuando ese desequilibrio se establece, el sistema no se corrige por sí mismo. Acelera el problema.
Mientras tanto, otra capa de falla se estaba construyendo silenciosamente. Los estudios no sabían realmente si sus recompensas estaban funcionando. Podían ver tokens siendo distribuidos, pero no podían medir si esos tokens estaban creando retención o ingresos. Es una situación extraña cuando lo piensas. En los juegos tradicionales, cada incentivo es rastreado, probado, ajustado. En Web3, durante mucho tiempo, las recompensas eran solo... emitidas.
Así que lo que tenías era una economía sin retroalimentación. Sin una señal clara de lo que era efectivo. Sin forma de ajustar el sistema en tiempo real.
Y esa falta de ciclos de retroalimentación conduce a algo más visible. Los juegos mismos comienzan a perder su identidad. Cuando las recompensas son demasiado fáciles, demasiado frecuentes, demasiado desconectadas de acciones significativas, anulan la jugabilidad. Los jugadores se optimizan para la extracción, no para el disfrute. La experiencia se aplana en tareas repetitivas porque esas tareas son la forma más eficiente de ganar.
Podías sentirlo en cómo la gente hablaba de estos juegos. No en términos de estrategia o creatividad, sino en términos de rendimiento. Una vez que las recompensas disminuyeron, la ilusión se rompió. Y cuando eso sucedió, no había suficiente juego para mantener a las personas.
Para 2025, más de 300 juegos de Web3 habían cerrado según DappRadar. Ese número importa, pero lo que importa más es lo que representa. No es solo fracaso. Es un patrón. Un sistema que dependía completamente de nuevos jugadores ingresando para sostener recompensas eventualmente se queda sin nuevos jugadores.
El crecimiento fue el motor. Pero el crecimiento no es estable.
Cuando miré por primera vez lo que el equipo de Pixels estaba construyendo con Stacked, lo que destacó no fueron solo las características. Fue el marco. No estaban tratando de hacer las recompensas más grandes. Estaban tratando de hacerlas precisas.
Esa distinción lo cambia todo.
En la superficie, las recompensas específicas suenan simples. Dar incentivos a los jugadores correctos. Pero por debajo, requiere identificar lo que realmente significa 'correcto'. El compromiso debe medirse en comportamiento, no solo en actividad. ¿Están los jugadores completando tareas significativas? ¿Están regresando con el tiempo? ¿Están contribuyendo al ecosistema de maneras que lo sostengan?
Si esa segmentación se mantiene, las recompensas pasan de ser un costo a ser una inversión.
El mismo pensamiento en capas se aplica a la prevención de fraude. Bloquear bots no se trata solo de prohibir cuentas. Se trata de hacer que sea difícil para el comportamiento falso imitar el compromiso real. Los sistemas de detección más fuertes reducen las fugas, pero también cambian los incentivos. Si la agricultura se vuelve más difícil, los jugadores reales enfrentan menos competencia por las recompensas.
Eso crea una señal más clara a través del sistema.
Luego está la idea de una capa económica impulsada por IA. Suena abstracta al principio, pero la función principal es sencilla. Monitorear la economía en tiempo real y ajustar las recompensas dinámicamente. Si la inflación aumenta, las emisiones pueden reducirse. Si el compromiso disminuye, los incentivos pueden redistribuirse.
Lo que esto permite es algo que los juegos de Web3 han carecido. Adaptabilidad.
Por supuesto, eso introduce sus propios riesgos. Los sistemas automatizados pueden sobrecorregir. Pueden responder a señales a corto plazo de maneras que interrumpen el equilibrio a largo plazo. Si este enfoque se mantiene estable con el tiempo, aún está por verse. Las primeras señales sugieren que funciona mejor que los modelos estáticos, pero sigue siendo una capa en evolución.
La parte más interesante, al menos para mí, es el retorno del gasto en recompensas. Suena como una métrica técnica, pero se traduce en una pregunta simple. Por cada token distribuido, ¿qué obtienes a cambio?
Retención. Ingresos. Compromiso.
Si ese ciclo de retroalimentación es claro, los estudios pueden tomar decisiones informadas. Pueden dejar de adivinar. Y eso cambia cómo se construyen los juegos desde cero. Las recompensas se convierten en herramientas, no solo en incentivos.
Mientras tanto, la personalización agrega otra dimensión. En lugar de dar a cada jugador las mismas tareas, el sistema se adapta a cómo los individuos realmente juegan. Un jugador competitivo podría ser recompensado por actividad PvP. Un constructor podría ganar a través de la elaboración o exploración.
Esto crea una conexión más natural entre la jugabilidad y las recompensas. Alinea los incentivos con el comportamiento en lugar de forzar el comportamiento para que coincida con los incentivos.
Y sin embargo, hay un contraargumento que vale la pena considerar. Incluso con mejor segmentación y sistemas más inteligentes, las recompensas aún pueden distorsionar la jugabilidad. Si el juego subyacente no es atractivo por sí mismo, ninguna cantidad de optimización lo solucionará.
Así que el éxito de algo como Stacked no solo depende de su mecánica. Depende de la calidad de los juegos que apoya.
Al ampliar la vista, este cambio refleja un patrón más amplio en Web3 en este momento. El espacio se está alejando de modelos de crecimiento puro y hacia la sostenibilidad. Puedes verlo en DeFi, donde el rendimiento se está volviendo más sólido. Puedes verlo en NFTs, donde la utilidad se está repensando. Y puedes verlo aquí, donde los incentivos están siendo rediseñados para crear un compromiso constante en lugar de explosiones cortas.
Si esta dirección se mantiene, los juegos de Web3 dejan de tratarse de ganar tanto como sea posible, tan rápido como sea posible. Se trata de crear sistemas donde el valor se gana con el tiempo, a través de una participación que realmente importa.
Y tal vez ese sea el verdadero cambio.
Los juegos que sobrevivan no serán los que paguen más. Serán aquellos en los que las recompensas se sientan como un reflejo del juego, no como un reemplazo del mismo.
Recuerdo la primera vez que me di cuenta de que algo se sentía mal en los juegos de Web3. No fue un colapso dramático o un momento destacado. Fue más tranquilo que eso. Los jugadores aún se estaban conectando, los tokens aún se estaban emitiendo, pero la energía se había ido. La gente no estaba jugando porque quería. Estaban extrayendo lo que podían antes de irse. Esa diferencia importa más que la mayoría de las métricas que rastreamos.
Cuando la gente dice que el 99% de los juegos de Web3 están muertos o muriendo, suena exagerado al principio. Pero si te sientas con los datos durante un minuto, comienza a sentirse menos como una opinión controvertida y más como un reconocimiento tardío. DappRadar rastreó cientos de proyectos cerrándose o desvaneciéndose hasta 2025, y lo que destaca no es solo el número en sí. Es el patrón subyacente. Estas no fueron fallas aleatorias. Siguieron las mismas grietas estructurales.
Las recompensas, que se suponía eran la base, terminaron desestabilizando todo.
Toma el primer problema. Las recompensas fueron a los jugadores equivocados. En la superficie, parecía crecimiento. Las cuentas de billetera estaban aumentando, la actividad diaria parecía saludable y las emisiones estaban fluyendo. Pero por debajo, una gran parte de esa actividad no era un compromiso real. Era extracción. Bots y agricultores se optimizaron para recompensas, no para la jugabilidad, y porque la mayoría de los sistemas no podían distinguir la intención, les pagaron de todos modos. Lo que eso permitió fue una falsa sensación de tracción. Lo que creó fue una base de jugadores hueca.
Entender eso ayuda a explicar por qué la retención colapsó tan rápidamente en los primeros modelos de jugar para ganar. No fue que los jugadores perdieran interés de repente. Muchos de ellos nunca estuvieron realmente allí en primer lugar.
Ese impulso crea otro efecto. Una vez que los bots se dan cuenta de que un sistema es fácil de explotar, se escalan. Aquí es donde se forma el segundo problema. Un solo operador que maneja docenas de billeteras no es solo una molestia. Cambia todo el equilibrio económico. Naavik ha señalado cómo los ataques Sybil se convirtieron en uno de los drenajes más consistentes en estos ecosistemas. Si una persona puede comportarse como cincuenta, entonces tu modelo de recompensas ya no está ligado a los jugadores. Está ligado a quien mejor scripts el sistema.
En la superficie, eso parece participación. Por debajo, es dilución.
Luego viene la parte que la mayoría de los equipos no midieron completamente. La economía misma. Cuando miré por primera vez los números de The Block sobre Axie Infinity, la caída del 98% en el volumen de comercio no era solo una estadística. Era una señal. Mostró lo que sucede cuando las emisiones superan la creación de valor durante demasiado tiempo. La inflación no se siente peligrosa al principio porque las recompensas se sienten bien. Pero con el tiempo, erosiona la razón por la que esas recompensas importan.
Los estudios estaban distribuyendo tokens sin un ciclo de retroalimentación claro. No sabían si un dólar en recompensas traía de vuelta más de un dólar en retención o ingresos. Sin esa visibilidad, los incentivos se convierten en conjeturas. Y las conjeturas a gran escala se vuelven caras rápidamente.
Mientras tanto, algo más tranquilo estaba sucediendo dentro de los propios juegos. Las recompensas comenzaron a reemplazar la jugabilidad en lugar de apoyarla. A un nivel superficial, esto parecía éxito. Los jugadores estaban trabajando más, las sesiones eran más largas, la actividad era alta. Pero la textura de ese compromiso había cambiado. No era la curiosidad o la competencia lo que impulsaba el comportamiento. Era la obligación.
Una vez que las recompensas disminuyeron, la ilusión se rompió. Los jugadores no se fueron porque la economía cambió. Se fueron porque no había suficiente debajo para quedarse.
Eso se conecta directamente con el problema final. La mayoría de los sistemas no tenían un diseño de retención a largo plazo. Dependían de flujos constantes de nuevos jugadores para sostener recompensas para los existentes. Funcionó mientras el crecimiento estuviera por delante de las emisiones. Pero cuando el crecimiento se desaceleró, lo que siempre sucede, toda la estructura se invirtió. Las nuevas recompensas no podían cubrir las antiguas expectativas.
Ahí es cuando el colapso se siente repentino, a pesar de que se estuvo construyendo todo el tiempo.
Lo interesante de Stacked, construido por el mismo equipo detrás de Pixels, es que parte de una suposición diferente. En lugar de preguntar cómo distribuir recompensas, pregunta quién debería recibirlas y por qué.
En la superficie, su sistema parece una mejor segmentación. Las recompensas van a jugadores que realmente están comprometidos. Pero por debajo, eso requiere algo más preciso. Significa rastrear el comportamiento de una manera que separe la intención del ruido. No solo quién inicia sesión, sino cómo juegan, qué contribuyen y si es probable que se queden.
Eso por sí solo cambia la economía. Si las recompensas están concentradas en jugadores que generan valor a largo plazo, entonces las emisiones dejan de ser un costo puro y comienzan a convertirse en inversión. Lo que eso permite es un ciclo de retroalimentación donde el gasto puede medirse contra la retención y los ingresos, algo que la mayoría de los sistemas anteriores carecían.
También está la capa de control de fraude. Bloquear bots no es una idea nueva, pero hacerlo de manera efectiva en sistemas abiertos siempre ha sido difícil. El enfoque de Stacked se basa en una detección y respuesta más rápida, que, si se mantiene, reduce la ventana donde las explotaciones son rentables. Eso importa porque la mayor parte de la actividad de los bots no es leal. Se mueve a donde el sistema es más débil.
Corta esa oportunidad rápidamente, y el comportamiento cambia a otro lugar.
La parte más ambiciosa es la idea de una capa económica impulsada por IA. En la superficie, se describe como equilibrar recompensas en tiempo real. Por debajo, es un intento de gestionar algo que la mayoría de los equipos manejaban manualmente o no lo hacían en absoluto. Las economías de los juegos son sistemas dinámicos. El comportamiento de los jugadores cambia, las condiciones del mercado cambian y los horarios de recompensas estáticas no pueden mantenerse.
Si un sistema automatizado puede ajustar los incentivos basándose en resultados reales, entonces la economía se vuelve receptiva en lugar de fija. Eso podría estabilizar las cosas. También podría introducir nuevos riesgos. Los modelos son tan buenos como los datos de los que aprenden, y si esos datos son sesgados o incompletos, los ajustes podrían amplificar las señales incorrectas.
Esa incertidumbre vale la pena mantenerla.
Lo que encuentro más fundamentado es la idea de rastrear el retorno del gasto en recompensas. Suena simple, pero ha faltado en la mayoría de los juegos de Web3. Si puedes medir cuánto retención o ingresos genera cada unidad de recompensa, entonces puedes comenzar a tomar decisiones que se asemejan más al diseño de productos y menos a un subsidio.
Ese cambio se siente pequeño, pero cambia los incentivos a nivel de estudio. Obliga a los equipos a pensar en sostenibilidad más temprano, no después de que la economía comience a romperse.
Mientras tanto, la personalización une todo esto. No todos los jugadores valoran lo mismo, y tratarlos como unidades idénticas siempre ha sido uno de los defectos silenciosos en estos sistemas. Si las recompensas se adaptan al comportamiento, entonces el compromiso se convierte en algo más ganado que extraído. Los jugadores se sienten vistos en lugar de procesados.
Si esto se mantiene, sugiere un patrón más amplio. Los juegos de Web3 se están alejando de incentivos generales hacia incentivos específicos. De crecimiento a cualquier costo hacia retención que se compone con el tiempo. Se trata menos de cuánto das y más de cuán precisamente lo das.
Eso no garantiza el éxito. Mejores herramientas no conducen automáticamente a mejores juegos. Si la experiencia subyacente no es convincente, ningún sistema de recompensas lo solucionará. Y si los mercados vuelven a caer drásticamente, incluso las economías bien diseñadas serán puestas a prueba.
Pero sí aborda la base que falló antes.
Lo que todo esto revela es algo simple pero fácil de ignorar. El problema nunca fue solo demasiadas recompensas. Fue recompensas sin comprensión.
