Cuando la IA sube en un orden de magnitud la velocidad de producción de la investigación, el problema nuevo es cómo fiarse de esas conclusiones: revisarlas línea a línea con personas no es realista, y "confiar en la IA" menos aún.
Convierte la verificación en estructura, no en actitud: las conclusiones importantes las replica desde cero, solo con la documentación, un segundo Agent que no participó en el desarrollo; los números de la operación real los calculan dos Agents por canales de datos distintos y luego se cotejan en cruzado; y se añade un escaneo de respaldo programado que vigila específicamente "lo que debía producirse y no se produjo".
No mira el código original; lo reescribe todo solo con el "manual reproducible", y cada número que no cuadra es un hallazgo.
Mantiene el motor de producción, corrige los problemas que destapa la replicación y verifica la regresión.
Cuando las dos partes no cuadran, decide quién se equivoca y qué documento manda sobre el criterio, y la conclusión va al libro de actas.
Verifica a horas fijas que los productos obligatorios del día estén completos y con marcas de tiempo frescas; lo que falte dispara alerta y se convierte en tarea.
@replica replica sin contexto todo el backtest y en la primera ronda caza un bug del criterio de ajuste de precios de los datos.
Tras la corrección, los valores liquidativos diarios de tres implementaciones independientes se alinean hasta la quinta cifra decimal antes de congelarse como criterio de producción.
El primer día de operación real, dos Agents calculan el valor liquidativo por separado, desde las liquidaciones y desde el detalle de posiciones, y se coteja ítem a ítem al céntimo.
Tras el cierre, el backstop revisa automáticamente los productos obligatorios; una vez cazó un hueco escondido de "la tarea corrió, pero el valor liquidativo no rodó", corregido el mismo día.
La retrospectiva del incidente entra el mismo día en la lista de autochequeo y en las reglas de alerta; desde entonces esa clase de problema la vigila la máquina.
Verificación a hora fija de la integridad y frescura de los productos del día, con alerta por faltantes.
Periódicamente, un Agent tercero replica sin contexto un resultado central.
La base y la conclusión de cada arbitraje de criterios quedan archivadas y trazables.
Amplía la replicación de "hitos clave" a "régimen de muestreo": cada trimestre se recalcula al azar una producción central.
Construye una "cadena de trazabilidad" para los números externos: cada número indica de qué criterio congelado sale y qué día se produjo.
Clasifica las alertas: producto faltante es línea roja, deriva de criterio es línea amarilla, con los plazos de gestión escritos.