Últimamente hay demasiados proyectos de agentes de IA. Muchas narrativas hablan de “ejecución automática”, “trading autónomo” y “reordenación inteligente de cartera”. Suena genial, pero siempre me preocupa algo: el dinero en cadena no es un demo de laboratorio. Si el agente se ve mal guiado por un prompt injection, o ejecuta una instrucción incorrecta, cuando el dinero se va no se puede arreglar con un simple “fue un error del modelo”. Lo que me hizo poner más atención esta vez es lo que Newton Protocol ha hecho aquí. No se trata solo de hacer que el agente de IA negocie mejor, sino de empezar con una pregunta más de fondo: ¿el agente realmente tiene permisos para realizar esta operación? ¿Ese dinero se puede gastar? ¿La dirección del destinatario ha sido aprobada? ¿Se ha superado el límite diario? ¿La llamada al contrato está dentro de la lista blanca? En el pasado, muchas veces todo esto dependía de recordatorios del frontend, revisiones manuales o monitorización posterior. Pero Newton lo convierte en comprobaciones de reglas pre-liquidación. Las Políticas escritas en Rego se evalúan antes de que la operación se liquide; solo si pasan, se emite la prueba de firma; si no, se bloquea. Este diseño es clave para la “finance” agentic, porque en el futuro no habrá personas supervisando cada operación. Mucha ejecución se disparará mediante sistemas de automatización. Sin guardrails, cuanto más capaz sea la IA para hacer cosas, más se amplificará el riesgo. La importancia de VaultKit también está en esto: permite que el Vault curator, desarrolladores y estrategas empaquen cosas como spending caps, approved payees, cumplimiento de mandatos y señales de riesgo en un “policy pack”, en lugar de que cada proyecto arme por su cuenta una lógica frágil y temporal. Con la verificación de datos de precios que aporta RedStone y las señales de riesgo de Credora, la evaluación de políticas deja de ser solo reglas vacías y empieza a basarse en datos reales. Detrás de $NEWT no hay que mirar eslóganes, sino el gasto de comisiones, la seguridad del colateral, la red de operadores y el volumen real de llamadas. Si los agentes de IA van a gestionar el dinero de verdad, el primer paso no es ser más inteligente: es aprender primero a quedar controlado por las reglas. ¿Qué opináis? Cuando el agente esté en cadena, ¿lo más necesario es la capacidad de generar rendimiento, o los límites de seguridad que se puedan ejecutar?

@NewtonProtocol $NEWT #Newt