Por Canuto  

Los agentes de IA pueden ejecutar operaciones a velocidad de máquina, pero un timeout o una conexión inestable puede llevarlos a trabajar con información desactualizada. Las cifras de Binance y el antecedente de Knight Capital ilustran por qué la infraestructura y los controles importan tanto como el modelo.
***

  • Binance informó que sus conexiones MCP se duplicaron durante la primera semana y que, en dos semanas, las solicitudes diarias superaron las 90.000.
  • La plataforma reportó que el 95% de las solicitudes se completó en 60 milisegundos y una tasa de éxito del 97%, aunque el alcance de esas métricas no queda detallado.
  • El episodio de Knight Capital en 2012 muestra cómo un fallo automatizado puede multiplicar órdenes y pérdidas antes de que una persona alcance a intervenir.

Dos agentes de trading pueden usar el mismo modelo y seguir la misma estrategia, pero obtener resultados distintos si sus conexiones con el mercado no responden igual. En una sesión volátil, una plataforma podría procesar una orden en milisegundos mientras otra agota el tiempo de espera; para un sistema automatizado, ese retraso puede significar operar con información incompleta o reintentar una transacción en condiciones menos favorables.

La infraestructura, por tanto, deja de ser un asunto técnico secundario cuando un agente encadena consultas de saldo, lectura de precios y envío de órdenes sin esperar a que una persona revise cada paso. Un análisis publicado por The Next Web sostiene que la confiabilidad de esa tubería puede limitar el desempeño real de los agentes, incluso cuando el modelo y la estrategia son idénticos.

Cuando una demora afecta la decisión

En una aplicación de consumo, una demora suele ser un problema de experiencia: una pantalla tarda en cargar y la persona puede volver a tocar un botón o esperar. Un agente, en cambio, interpreta lo que recibe y decide qué hacer a continuación, de modo que un timeout puede convertirse en un dato faltante que altere el resto del flujo.

Si el agente no confirma que una consulta terminó, podría continuar con información de cuenta desactualizada, saltarse una verificación o intentar de nuevo una orden cuando el precio ya cambió. El riesgo no proviene necesariamente de que el modelo haya razonado mal, sino de que el sistema que lo conecta con el mercado no le entregó a tiempo el estado que necesitaba.

MCP es un estándar abierto que permite conectar aplicaciones de IA con herramientas externas. En un flujo de trading, la estabilidad de esas conexiones importa porque el agente puede necesitar consultar datos y ejecutar acciones sucesivas antes de completar una operación.

Las cifras de Binance y lo que dejan abierto

Jeff Li, vicepresidente de Producto de Binance, dijo que las conexiones MCP se duplicaron durante la primera semana de adopción de Agent OS y que el volumen de llamadas aumentó veinte veces. Según Li, al cabo de dos semanas las solicitudes diarias superaban las 90.000, con un 95% completado en 60 milisegundos y una tasa de éxito del 97%.

Esas métricas ofrecen una señal de actividad y desempeño, pero no describen por sí solas todas las condiciones de operación. El dato de que el 95% de las solicitudes se completó en 60 milisegundos no especifica dónde se midió la latencia ni cómo se trataron las solicitudes que tardaron más o no se completaron.

La tasa de éxito también requiere contexto para dimensionar su efecto en un flujo automatizado. Si el volumen supera las 90.000 solicitudes diarias y el 3% no tiene éxito, la aritmética apunta a unas 2.700 solicitudes fallidas al día. Es una estimación basada en las cifras comunicadas, no un recuento publicado de fallos; el resultado concreto depende de cómo se definió el indicador y de si las solicitudes se repiten o se recuperan.

Li afirmó que la siguiente etapa del acceso al mercado dependerá no solo de las capacidades de los agentes, sino también de la rapidez y confiabilidad con que respondan cuando cambien las condiciones. Binance Research planteó una idea similar: a medida que los agentes mejoran, el límite puede trasladarse de la inteligencia del modelo a la infraestructura que entrega datos y permite ejecutar acciones de forma confiable.

Las llamadas encadenadas amplifican los fallos

La latencia, la tasa de éxito y el desempeño bajo carga no son variables independientes para un agente que necesita completar varios pasos antes de operar. Una persona puede notar un error y detenerse, mientras que un sistema automatizado suele encadenar llamadas: consulta el saldo, revisa el libro de órdenes, calcula el tamaño de una posición, envía la orden y verifica su ejecución.

Si cada una de esas cinco llamadas tiene una probabilidad de éxito del 97% y los resultados son independientes, la probabilidad de que toda la secuencia termine sin fallos es cercana al 86%. Es un cálculo ilustrativo, no una medición del sistema de Binance, pero muestra por qué una tasa de éxito alta en una solicitud individual no garantiza el mismo nivel de confiabilidad en una operación completa.

La independencia de los fallos tampoco puede darse por sentada en momentos de tensión. La demanda puede aumentar cuando los precios se mueven y las solicitudes pueden concentrarse en el mismo periodo, justo cuando los tiempos de respuesta y la disponibilidad son más importantes para decidir si un agente continúa, espera o cancela.

Por eso, la evaluación de una infraestructura para agentes no debería limitarse a una cifra promedio o a una medición tomada en condiciones normales. También conviene conocer cómo responde ante picos de actividad y qué mecanismos existen para evitar que una demora o una respuesta incompleta desencadene una acción incorrecta.

El antecedente de Knight Capital y las preguntas pendientes

El trading automatizado ya conoce las consecuencias de un fallo que se propaga con rapidez. El 1 de agosto de 2012, un despliegue defectuoso de software en Knight Capital envió más de 4 millones de órdenes al mercado en 45 minutos mientras la firma intentaba ejecutar 212 órdenes de clientes.

Knight operó más de 397 millones de acciones y perdió más de USD $460 millones. La Comisión de Bolsa y Valores de Estados Unidos (SEC) anunció que la firma acordó pagar USD $12 millones para resolver cargos relacionados con la regla de acceso al mercado. El episodio muestra que los sistemas automáticos pueden multiplicar un error antes de que una persona consiga intervenir.

La lección no implica que los agentes actuales reproduzcan aquel caso, sino que la automatización exige controles acordes con su velocidad. El artículo de The Next Web compara esa evolución con la de los pagos: disponibilidad y capacidad de procesamiento dejaron de ser atributos adicionales para convertirse en condiciones básicas de los sistemas que gestionan dinero de otras personas.

Antes de conectar un agente a una cuenta con fondos, conviene preguntar en qué condiciones se informa la latencia y si la medición cubre solo el servidor o el recorrido completo. También importa saber qué cuenta como fallo, qué hace el agente después de un timeout y si existen límites de tasa para las solicitudes.

La evaluación debería incluir el comportamiento durante los periodos de mayor actividad y volatilidad, no solo una medición tomada en la semana de lanzamiento. También es relevante que la plataforma publique las métricas de forma sostenida: cifras comparables en el tiempo permitirían distinguir una mejora real de una instantánea favorable y darían a los usuarios elementos para evaluar el riesgo.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados