Honestamente, cada vez que veo a alguien alabar un proyecto de oráculos diciendo que "el futuro será de tal o cual manera", automáticamente me echo para atrás—no porque estos proyectos en sí tengan problemas, sino porque simplemente no quiero volver a ser mordido por mi propia certeza.

Ahora mi hábito es justo lo contrario: evalúo cualquier infraestructura como si "en algún momento fallará". Suena un poco pesimista, pero creo que esa es la actitud más honesta. No se trata de cuánto brilla cuando funciona sin problemas, sino de si puede mantenerse en pie cuando colapsa—los oráculos, en realidad, las fallas nunca son eventos de baja probabilidad, solo varía su magnitud. Los problemas menores pueden aislarse, pero un gran accidente puede ser mortal.

¿Y por qué digo esto? Porque con AI y oráculos, el riesgo se amplía directamente. Los oráculos tradicionales se centran en "el precio está siendo manipulado", pero estos proyectos que usan datos no estructurados tienen varias capas adicionales de riesgos: la información en sí puede estar contaminada, las falsedades ya existen, los textos pueden ser manipulados hábilmente, y los sesgos del modelo también juegan un papel. En definitiva, no solo son más fáciles de engañar, sino que también hay más formas de caer en trampas. Por eso, mi lógica es al revés—no te apresures a alabar, primero imagina que fallará, y luego evalúa si tiene la capacidad de salvarse a sí mismo.

Mi juicio es que, para que un oráculo dure mucho tiempo, la barrera más fuerte no será cuán preciso sea el razonamiento, sino la capacidad de respuesta ante emergencias. Es decir, después de un error en la salida, ¿puede detener rápidamente las pérdidas, puede responsabilizar, puede revertir, puede revisar? Y, en última instancia, ¿puede hacer que los desarrolladores confíen en seguir usándolo?

Me concentro en tres aspectos prácticos:

Primero, cuando las evidencias fuera de cadena se contradicen, ¿se atreve a tomar una decisión? Prefiero que dé una salida con baja confianza, o incluso que rechace la liquidación y explique las razones, en lugar de forzar un resultado solo para parecer "decidido".