Tenía esa suposición clavada en la cabeza durante un tiempo.
Que sistemas como Newton Protocol son básicamente herramientas para controlar agentes autónomos. Definís estrategias, establecés reglas, conectás datos y el agente se comporta como querés. Más automatización, pero todavía bajo tu dirección.
Así es como normalmente se enmarca.
Vos seguís a cargo. El agente solo ejecuta más rápido.
Pero algo se sentía ligeramente fuera de lugar cuando empecé a mirar cómo Newton realmente estructura las cosas.
Cuanto más leía, menos parecía control.
Y cuanto más empezó a parecerse a la contención.
La diferencia es sutil, pero cambia la forma en que piensas sobre todo el sistema.
Newton no intenta hacer que los agentes “se comporten correctamente” en un sentido inteligente. No depende de que tomen buenas decisiones. En cambio, construye un conjunto de límites a su alrededor y dice: lo que ocurra dentro de esta caja está bien; cualquier cosa fuera es imposible.
Al principio pensé que solo era una capa de seguridad.
Ahora creo que es más bien una admisión.
Una admisión de que, una vez que los agentes están en funcionamiento, especialmente los que reaccionan a datos en tiempo real, no puedes predecir o guiar por completo lo que harán. Puedes sugerir comportamientos, pero no puedes garantizarlos.
Así que, en lugar de intentar dirigir al agente directamente, Newton desplaza el problema.
Plantea una pregunta distinta.
No “¿qué debería hacer el agente?”
Pero “¿qué es lo que nunca se le permite hacer al agente?”
Eso suena como un cambio pequeño, pero en realidad es una mentalidad completamente distinta.
Es como la diferencia entre entrenar a alguien y poner barandillas en una carretera.
El entrenamiento asume comprensión. Las barandillas asumen errores.
Newton se basa claramente en el segundo supuesto.
Y sinceramente, eso se siente más realista.
Si lo piensas en términos simples, el agente se vuelve menos como un trader que sigue un plan y más como un proceso que corre dentro de un entorno restringido. Puede moverse, pero solo dentro de límites predefinidos. Puede actuar, pero solo bajo ciertas condiciones.
No lo estás dirigiendo paso a paso.
Estás definiendo los bordes de su mundo.
Esa es la idea central en la que me costó un poco asentarse.
El control, en este sistema, es indirecto.
No controlas el comportamiento. Controlas el espacio en el que el comportamiento puede existir.
Pero eso también introduce un tipo extraño de distancia entre el usuario y el resultado.
Porque una vez que esos límites están definidos, el sistema los hace cumplir automáticamente. Las políticas se evalúan frente a los datos entrantes, y las decisiones ocurren antes incluso de que se envíe cualquier transacción.
Lo que significa que, cuando algo ocurre, en realidad no es una “decisión” en el momento.
Es simplemente el resultado de restricciones anteriores que se van desarrollando.
Eso puede resultar un poco incómodo.
Especialmente cuando las cosas no salen como las esperabas.
Porque ahora la pregunta no es “¿por qué hizo eso el agente?”
Es “¿por qué permití que eso fuera posible?”
Y esas son preguntas muy diferentes.
También hay una fricción práctica aquí que no creo que reciba suficiente atención.
Definir límites suena más fácil de lo que en realidad es.
Es una cosa decir: no dejes que mi posición caiga por debajo de cierto ratio de colateral. Es otra distinta pensar cómo eso interactúa con alimentaciones de precio volátiles, actualizaciones de datos con retraso o brechas repentinas de liquidez.
Los bordes del sistema son donde se esconden la mayoría de los problemas.
Y esos bordes son exactamente lo que tú eres responsable de definir.
Así que, aunque Newton reduce ciertos riesgos, desplaza en silencio la responsabilidad de vuelta al usuario, de una forma diferente.
Ya no eres responsable de reaccionar rápido.
Tienes la responsabilidad de anticipar correctamente.
Y la anticipación es más difícil que la reacción.
También hay algo interesante en cómo esto afecta a la confianza.
En un sistema tradicional, podrías confiar en el propio agente o en la estrategia que hay detrás. Aquí, estás depositando la confianza en las restricciones. Confías en que los límites que has definido sean lo bastante estrictos para prevenir daños y lo bastante flexibles para permitir un comportamiento útil.
Ese equilibrio no es evidente.
Demasiado laxo, y el sistema no te protege.
Demasiado ajustado, y se vuelve inutilizable.
Y como todo se hace cumplir antes de la ejecución, no tienes muchas segundas oportunidades para ajustar en tiempo real.
Cuanto más lo pienso, menos Newton se siente como una “plataforma de agentes” y más se siente como un sandbox.
No del tipo en el que construyes libremente, sino del tipo en el que todo se permite solo dentro de paredes invisibles.
Eso no necesariamente es algo malo.
De hecho, podría ser la única forma realista de lidiar con sistemas autónomos que interactúan con dinero real.
Pero sí cambia la historia.
Esto no trata de darle a los usuarios más control sobre los agentes.
Se trata de obligar a los usuarios a aceptar que el control es limitado, y luego darles herramientas para definir esa limitación con la mayor precisión posible.
Todavía no estoy seguro de cómo la mayoría de la gente manejará ese cambio.
Porque requiere un tipo diferente de pensamiento.
Menos sobre lo que quieres que ocurra y más sobre lo que estás absolutamente decidido a no permitir que ocurra.
Y esas dos cosas no siempre están alineadas.
Así que la pregunta a la que sigo volviendo es bastante simple.
A medida que estos sistemas se vuelven más complejos y se usan más ampliamente, ¿la gente realmente mejora en definir esos límites?
¿O terminaremos por construir jaulas más sofisticadas, basadas en supuestos que parecen adecuados en el momento, pero que no resisten cuando las cosas empiezan a moverse?
