Há algumas semanas, eu continuava vendo @NewtonProtocol descrito por meio da linguagem familiar de agentes de IA e automação onchain. A ideia básica parecia útil, mas não exatamente surpreendente: os usuários definem uma tarefa, o software a executa e a infraestrutura da blockchain torna o resultado verificável.
Essa foi a minha primeira impressão, pelo menos.
Comecei a ler mais porque queria entender, na prática, o que “automação verificável” realmente significava. Será que Newton estava principalmente tentando provar que um agente concluiu uma transação corretamente? Era outro mercado para estratégias automatizadas? Ou a parte importante estava acontecendo em outro lugar?
A camada de políticas mudou a forma como eu olhei para isso.
Newton foi projetado em torno de regras que podem ser verificadas antes de ações sensíveis onchain serem executadas. Essas políticas podem definir limites, permissões, condições de mercado, requisitos de autorização ou outras restrições. Uma transação que viole a política relevante pode ser interrompida antes que os fundos se movam, em vez de ser apenas identificada como um problema depois.
Isso é mais interessante do que a automação sozinha.
A automação responde a uma pergunta prática: o software consegue executar a tarefa?
A camada de políticas responde a uma questão mais importante: essa ação específica deve ser permitida sob essas condições?
Eu entendo por que essa arquitetura é útil. Dar a um agente de IA controle irrestrito sobre uma carteira é desconfortável, especialmente quando o agente está interagindo com mercados voláteis, contratos desconhecidos ou saldos altos. Uma política pode restringir os ativos que ele pode usar, limitar o tamanho das transações, exigir certas condições de mercado ou bloquear ações que fiquem fora de uma estratégia aprovada.
Em vez de confiar que o agente se lembre de cada limite, o sistema tenta impor esses limites no momento da execução.
Mas uma distinção continuou me incomodando.
Um mecanismo de políticas pode verificar que uma ação segue as regras. Ele não consegue provar automaticamente que as próprias regras são sensatas.
No começo, eu tratei “verificável” como algo próximo de “seguro”. Ao olhar com mais cuidado, percebi que essas não são a mesma afirmação. Newton pode ajudar a estabelecer que uma operação atendeu a uma política definida em um momento específico. Isso é valioso. Ainda assim, a qualidade do resultado depende de quem projetou a política, de quais informações ela usou e de quais situações o autor não conseguiu antecipar.
Considere um tesouro que permite que um agente automatizado rebalance participações em stablecoins. A política dele poderia dizer que o agente não pode mover mais do que 10% do tesouro por transação e só pode usar protocolos aprovados.
O agente segue essas regras perfeitamente.
Então um único stablecoin aprovado começa a perder confiança no mercado. O agente continua alocando para ele porque o ativo permanece na lista aprovada e as condições escritas não foram atualizadas. Tecnicamente, o sistema de políticas funcionou. A ação foi autorizada exatamente como foi projetada. O resultado indesejado veio de uma política incompleta, não de uma falha na aplicação.
Esse exemplo mostra qual é, para mim, o desafio mais profundo de Newton.
Quem é responsável por traduzir intenções humanas em regras que as máquinas possam impor?
A maioria dos usuários não pensa naturalmente em casos-limite, falhas de oráculo, condições incomuns de liquidez ou restrições conflitantes. Os desenvolvedores podem conseguir escrever políticas detalhadas, mas os usuários comuns provavelmente dependerão de templates, aplicações, provedores de risco ou instituições para definir esses limites para eles.
Isso cria uma nova superfície de confiança. Podemos confiar menos na execução de forma cega, mas ainda precisamos avaliar as pessoas e os processos por trás da política.
O risco aumenta à medida que a automação se torna mais autônoma. Um erro mal projetado que afeta uma pequena carteira experimental é uma coisa. O mesmo erro dentro de um tesouro institucional, um sistema de pagamentos ou uma rede de agentes interagindo poderia se repetir em milhares de transações antes que alguém entenda totalmente o padrão.
Isso não torna a camada de políticas menos valiosa. Isso a torna a parte central do sistema.
O token nativo de Newton, NEWT, eventualmente pode ser avaliado por meio da participação na infraestrutura de segurança e autorização do protocolo, mas eu não estou pronto para formar uma visão forte de mercado apenas com base na narrativa. A tecnologia é interessante; a tese do token ainda depende de integrações significativas, uso contínuo e evidências de que a autorização baseada em políticas resolve problemas que os usuários vão pagar para evitar.
Eu inicialmente via Newton como infraestrutura que ajuda agentes a fazer coisas automaticamente. Agora eu vejo mais como infraestrutura que define o que os agentes têm permissão para fazer.
Essa é uma ideia mais forte, mas também leva a uma pergunta mais difícil: quando as máquinas conseguem seguir regras perfeitamente, quanto de atenção estamos dando aos humanos que as escrevem?