Chainalysisは、ブロックチェーン調査において機械学習を決定的な証拠として扱うべきではないとし、予測モデルは大量のオンチェーンデータの中からパターンを見つけるのに役立つ一方、ウォレット支配に関する基礎的な主張には適さないと主張した。8月14日に公表した報告書で、このブロックチェーン分析企業は、機械学習を用いてウォレットのセグメントを特定したり、複数のブロックチェーンアドレスが同一主体に支配されているかどうかを判断したりはしていないと述べた。同社はウォレットクラスタリングをTier 1の構造インテリジェンスに分類しており、その手法は決定論的で、再現可能かつ監査可能でなければならないとしている。また、AIは、そうした出力が確率的なシグナルとして扱われ、追加の検証を経ることを条件に、リード生成、異常検知、パターン認識、証拠に基づくカテゴリー評価において引き続き有用だと述べた。Chainalysisはさらに、この問題をドーバート基準（専門家証拠に関する米国の判断基準）の下での法的精査にも結び付け、2024年の United States v. Sterlingov 事件を引き合いに出した。同社によると、同事件では裁判所が、クラスターがどのように構築されたか、またその論拠が独立して検証可能かどうかを検討した上で、自社のクラスタリング手法は十分に妥当であると認定した。