Agentes que leen titulares antes que el mercado

Cuando un comunicado cae en el feed a las 09:41:07, el operador todavía está leyendo la primera línea. El agente ya terminó. Recibe titulares, notas de analistas y comunicados en bruto, sin normalizar, tal como llegan por las mismas tuberías que alimentan a cualquier terminal de noticias. No hay una etapa previa de limpieza ni un editor humano filtrando lo que entra: el texto crudo es la materia prima.

Un módulo de lenguaje extrae tres cosas de cada pieza: entidades (empresa, sector, funcionario, instrumento), tono (favorable, adverso, ambiguo) y urgencia (si el texto pide reacción inmediata o es contexto de fondo). Con eso construye un vector de riesgo que se compara contra los límites vigentes del portafolio. Si el vector cabe dentro de las bandas actuales, no pasa nada. Si las roza, el agente ajusta exposición antes de que el precio se mueva.

La latencia es el problema, no la predicción

Predecir el efecto de un titular es difícil y a menudo innecesario. Lo que importa es llegar antes que el resto del mercado a la conclusión de que algo cambió. Entre la publicación y la orden no pueden pasar más de unos pocos milisegundos; cualquier paso intermedio que agregue decenas de milisegundos invalida la señal. Por eso el pipeline se parte en dos: un camino rápido que solo mira entidades y urgencia, y un camino lento que analiza matices y alimenta el aprendizaje del modelo.

El camino rápido descarta sin piedad. Titulares duplicados, notas de opinión sin dato nuevo, comunicados de rutina con lenguaje previsible: todo eso se tira antes de tocar el portafolio. El agente no intenta entender el mundo, intenta decidir si el mundo cambió lo suficiente como para mover una posición.

Sobreajuste y fuentes únicas

Un agente que aprende de un solo proveedor de noticias se vuelve experto en ese proveedor y ciego al resto. La defensa es obligar al modelo a operar con al menos tres fuentes independientes antes de considerar una señal como válida, y penalizar internamente las lecturas que solo aparecen en una. Cuando dos fuentes se contradicen sobre el mismo hecho, el agente baja la confianza y reduce exposición en lugar de elegir bando.

También hay un problema de memoria. Si el modelo se entrena con la ventana de la última crisis, aprende a sobrerreaccionar a cualquier titular que se le parezca. Los equipos serios rotan las ventanas de entrenamiento y dejan fuera los episodios extremos para que el agente no confunda un titular rutinario con el inicio de otra tormenta.

El operador sigue teniendo el botón

Ningún agente autónomo que opere en serio funciona sin una potestad humana de congelamiento. El operador puede detener al agente en cualquier momento, revisar la cola de decisiones pendientes y decidir si las reglas siguen siendo válidas para la sesión. No es una salvaguarda decorativa: es la respuesta a los casos en los que el agente actúa dentro de sus reglas y aun así el resultado es indeseado.

Ese botón obliga a un diseño distinto. El agente tiene que poder explicar, en el momento, por qué quiso mover una posición: qué titular leyó, qué entidad extrajo, qué límite estaba rozando. Sin esa traza, congelarlo no sirve de nada porque nadie sabe qué revisar.

La discusión sobre agentes autónomos suele quedarse en la predicción. En la práctica, el trabajo real está en la latencia, en el descarte de ruido y en dejar claro quién puede apagar la máquina. El resto es infraestructura.