Ontem à noite, fiz uma coisa meio idiota, mas ao mesmo tempo bem interessante. Eu abri a IA e pedi que ela ajudasse a analisar uma estratégia on-chain; em seguida, perguntei de passagem: “Se no futuro um agente de IA puder automaticamente ajudar os usuários a negociar e a gerenciar ativos, qual é o maior risco?” As respostas apareceram rapidamente na tela, falando em eficiência, segurança, exatidão dos dados, capacidade do modelo… tudo isso estava certo. Mas eu fiquei olhando aquelas linhas de texto por um tempo e, de repente, senti que faltava uma pergunta mais importante. Se um sistema for suficientemente inteligente, ele também não deveria saber quando não deve agir? Essa questão me fez parar por alguns minutos.

Porque nos últimos anos, temos discutido muito sobre o que a IA pode fazer, mas falamos pouco, de verdade, sobre onde ficam seus limites quando a IA tiver capacidade de execução. Isso não é um cenário de ficção científica distante. Da negociação automatizada, para o gerenciamento de ativos on-chain, e então para mais e mais Agentes participando das decisões no futuro — essa tendência já começou a aparecer. E, justamente a partir dessa questão, eu reestudei > e o Newton Mainnet Beta.

Quando comecei a conhecer o Newton, para ser honesto, como muita gente, eu olhei primeiro para as direções mais populares: IA, Agentes e automação on-chain. Afinal, hoje o mercado adora falar sobre o futuro. Todo projeto te diz que o futuro será mais inteligente, mais eficiente e mais automatizado. Mas, quando eu realmente fui pesquisar, fiquei cada vez mais calmo. Porque eu descobri que, quanto mais rápido a tecnologia evolui, mais o verdadeiro problema que não é “se dá para fazer”, e sim “quem será responsável depois de fazer”. Essa é também a maior mudança que eu reinterpretei no Newton Protocol neste período. Ele não se limita a aumentar a eficiência de execução; ele está pensando num problema mais fundamental: quando as permissões de ativos e de operação passam gradualmente para sistemas de automação, como a autorização deve ser redefinida?

Antes, muitos modelos de gerenciamento de ativos on-chain tinham uma característica em comum: o usuário colocava os ativos dentro de um Vault, o curator ficava responsável por gerir a estratégia, e as regras eram escritas em documentos. Isso parece bem completo. Mas, quando chega a execução de verdade, sempre existe uma variável entre tudo isso: a pessoa. As regras estão ali, mas isso não significa que elas serão executadas necessariamente. Quando o mercado sobe, todo mundo acha que o gestor é profissional e que o desenho da estratégia é razoável; porém, quando se passa por cenários extremos, é que muitos problemas aparecem. Não porque o gestor seja necessariamente pouco confiável, mas porque o ser humano em si é a maior variável. Emoções, pressão, vieses de julgamento — coisas assim é difícil evitar completamente.

Então, eu acho que o VaultKit no Newton Mainnet Beta merece atenção. Ele não escolheu continuar fortalecendo a ideia de “confiar em um gestor ainda mais excelente”; em vez disso, tentou fazer com que as regras participem da execução. De acordo com a apresentação oficial da Newton, o VaultKit permite que as regras do cofre sejam aplicadas on-chain, verificando condições relevantes antes da liquidação de uma transação, e gerando provas de assinatura verificáveis por qualquer pessoa. Resumindo de forma simples: antes era “as regras dizem como você deve agir”. Agora é “as regras decidem se essa ação pode acontecer”. Parece apenas uma mudança de um passo, mas a lógica por trás é completamente diferente. Porque isso transforma a autorização, de um tipo de promessa baseada em confiança, em um mecanismo de execução verificável.

Pessoalmente, eu acho que o que o Newton tem de realmente interessante não é só resolver riscos, mas redesenhar o modelo de confiança on-chain. No passado, dependíamos mais da credibilidade das pessoas: confiar na equipe, confiar no gestor, confiar que algum formulador de estratégias seja suficientemente racional. Mas no futuro, quando os Agentes de IA começarem a ter cada vez mais permissões de execução, confiar apenas na credibilidade humana obviamente não basta. Um sistema pode ser muito inteligente, mas se não houver limites claros, quanto mais forte for a capacidade, maior será o impacto potencial. Isso me lembrou o stop loss nas negociações. Muita gente não desconhece a importância de um stop loss; o que acontece é que, quando chega a hora de executar de verdade, sempre muda o plano por causa das emoções: “espera mais um pouco”; “talvez rebata agora”; “essa situação é especial”. No fim, você descobre que o mais difícil de controlar não é o mercado — é você. O sentido de existir de regras é manter os limites com antecedência justamente quando é mais fácil perder o controle.

Claro, eu também não acho que quanto mais regras, melhor. Porque sempre existem situações complexas no mercado. Regras mais rígidas aumentam a determinismo, mas também podem reduzir a margem de flexibilidade. Então, eu penso que o que o Newton Protocol realmente precisa validar no longo prazo não é apenas se o VaultKit consegue restringir erros, mas se ele consegue encontrar um equilíbrio entre regras e liberdade. Afinal, no futuro, o mundo on-chain não pode depender totalmente de pessoas, nem totalmente de código. Sistemas verdadeiramente maduros devem achar um lugar razoável entre automação e restrições.

Agora, olhando para > e #Newt , eu não estou mais interessado em uma narrativa técnica simples. O que eu me importo é com a direção por trás disso. No passado, a competição on-chain era resolver “como conectar”. Depois, resolver “como negociar”. E no futuro, talvez o desafio seja: quando cada vez mais sistemas inteligentes agirem por nós, quem vai definir os limites deles? Eu acho que o ponto mais digno de discussão do Newton Protocol está exatamente aqui. Ele não é apenas fazer com que as máquinas tenham mais capacidade; ele está explorando como fazer com que capacidade e responsabilidade coexistam. Porque, no futuro, o perigo real nunca será uma IA que não executa. E sim uma IA que executa de tudo, mas não sabe quando deveria parar.