È ora di trasformare i mercati predittivi in un sistema operativo per il processo decisionale
Opinione di: Jesus Rodriguez, co-fondatore e CTO di Sentora.
Il coordinamento umano è limitato da un pessimo algoritmo.
Quando una DAO, una società o uno stato-nazione prende una decisione, si affida a “manual feature engineering” come comitati e votazioni basate sulle sensazioni. Gli input emozionali e ad alta dimensione vengono compressi attraverso il protocollo della politica umana sperando in un output almeno decente.
È lento, non scala e raramente esistono sanzioni per aver sbagliato.
Decenni fa, Robin Hanson propose un’alternativa matematicamente elegante chiamata Futarchy: "Vota sui valori, scommetti sulle convinzioni." Si definisce la funzione obiettivo, e poi si lascia che un mercato predittivo determini il percorso da seguire.
Oggi, i mercati predittivi finalmente funzionano in scala. Tuttavia, continuiamo a trattarli come casinò digitali e luoghi di osservazione passiva. Stiamo prevedendo il futuro, ma non stiamo usando quelle previsioni per indirizzarlo. È ora di smettere di operare come semplici luoghi di scommessa e diventare un vero sistema operativo decisionale.
Cosa calcolano davvero i mercati
Per comprendere il sistema operativo, togli l’interfaccia di scommessa e guarda ai fondamenti. Un mercato predittivo è un meccanismo continuo e permissionless per aggregare convinzioni disperse, pesate rigorosamente in base alla convinzione.
Considera come una rete neurale comprime dati pixel caotici in una densa e utile rappresentazione matematica chiamata embedding. Un mercato fa esattamente lo stesso sulla conoscenza umana. Prende le informazioni distribuite e contraddittorie possedute da milioni di partecipanti e le comprime in un singolo, chiaro intero: il prezzo. Il prezzo è l’embedding della verità collettiva.
I mercati sono continuamente auto-correttivi. Ogni errore di prezzo è letteralmente un’opportunità di profitto. Se il prezzo non riflette la realtà, esiste una ricompensa finanziaria per chiunque sia capace di fornire l’informazione mancante. Questo funziona come un metodo di discesa del gradiente in tempo reale per la verità. Nessun comitato e nessun LLM lo fa nativamente.
Da una singola scommessa all’intelligenza combinatoria
I mercati attuali sono strutturalmente semplici. Sono architetture “single-neuron”: Raggiungerà Token X i 10$? Questo è utile, ma troppo limitato per uno strato realmente decisionale.
La chiave è il mercato condizionale: "Probabilità dell’esito X, dato che si verifica la decisione Y." Si passa così da una previsione statica a un vero e proprio gate logico dinamico. Invece di scommettere semplicemente sul prezzo di Ethereum, possiamo attivare due mercati condizionali: "Prezzo ETH al 31 dicembre se viene effettuato l’upgrade del protocollo", e "Prezzo ETH se il protocollo non viene aggiornato".
Lo spread tra questi due prezzi non è una scommessa. È una stima quantitativa, diretta e causale di quanto il mercato creda che valga l’upgrade. Abbiamo appena costruito un sistema decentralizzato di inferenza causale.
Mappare lo spazio degli stati
Storicamente, i mercati finanziari erano massicci. Solo oggetti macro, come mega-corporazioni e debito sovrano, avevano prezzi liquidi. La “lunga coda” delle scelte restava senza prezzo, affidata all’intuizione manageriale.
Il sistema operativo decisionale riduce il costo marginale di creazione di un mercato quasi a zero. Mappiamo l’intero spazio discreto delle scelte umane e delle macchine in un vettore di prezzi continuo e differenziato.
Devi scegliere tra due agenzie PR? Un micro-mercato prezza l’influenza prevista in termini di TVL di ciascuna. Un agente AI che indirizza i dati? Un micro-mercato valorizza la latenza prevista di due endpoint API. Ora, ogni azione potenziale ha attaccato un vettore matematico leggibile, che punta verso l’outcome ottimale.
I primitivi di un sistema operativo decisionale
Per collegare questi gate logici condizionali in un sistema operativo, serve uno stack specifico on-chain composto da un kernel di liquidità, un middleware di contesto e un’API di esecuzione.
Il kernel di liquidità funge da “peso” del sistema. I mercati hanno bisogno di memoria, e nella finanza decentralizzata, la memoria è il capitale. Gli automated market maker assicurano che vi sia sempre una controparte, iniziando la liquidità in modo che il gradiente di mercato resti fluido e negoziabile.
Segue il middleware di contesto, che gestisce la “forward pass”. Per sapere cosa sia successo realmente, oracoli ottimistici e protocolli decentralizzati di giustizia processano dati dal mondo reale. Le zero-knowledge proof consentono ai partecipanti di negoziare su informazioni private, verificando i dati on-chain senza divulgare l'informazione sottostante.
Infine, l’API di esecuzione funge da attuatore. Gli smart contract leggono la differenza condizionale generata dal kernel ed eseguono automaticamente un cambio di stato senza intervento umano.
L’applicazione di un sistema operativo decisionale
Una volta distribuito, questo sistema operativo sostituisce le infrastrutture legacy in diversi ambiti, a partire dalla governance delle DAO. Il voto tradizionale tramite token soffre di "teatro governance". I progetti possono risolvere ciò prendendo decisioni con impatti economici, mettendo fondamentalmente in pratica la Futarchy. Per finanziare una campagna di marketing, una DAO lancia token derivati PASS e FAIL. I trader acquistano PASS se credono che la campagna aumenterà il valore della tesoreria. Se il prezzo medio temporale di PASS è superiore, l’API esegue automaticamente il trasferimento. La matematica sostituisce la politica.
Anche la DeFi intelligente verrà trasformata. Oggi la DeFi si affida a oracoli di prezzo che riportano lo stato attuale di un asset. Il sistema operativo introduce oracoli decisionali che rappresentano la probabilità prevista di uno stato futuro. Se un mercato continuo prezza l’alta probabilità di un grave drawdown di collateral nelle prossime 48 ore, l’API di un protocollo di lending restringe automaticamente i loan-to-value ratio. Il risk management diventa dinamico.
Il sistema operativo diventerà il backend del Web2 tramite API predittive di nuova generazione. Un’azienda logistica non assumerà analisti per modellare i rischi della supply chain. Potrà invece chiamare una semplice API che prevede uno sciopero nei porti. Se il mercato globale liquido restituisce una probabilità dell’85% di sciopero, la loro AI di logistica reindirizzerà automaticamente i container.
Questa infrastruttura consente l’arbitraggio autonomo delle AI. Quando due agenti di trading autonomi non concordano sull’esito previsto di un evento, serve un giudice imparziale. Non si chiama un comitato umano: si interroga il Decision OS. Gli agenti che prezzano correttamente guadagnano capitale e reputazione, mentre quelli allucinati vengono puniti finanziariamente e “potati”. L’evoluzione, mediata dai mercati.
Dalla speculazione al sistema operativo
I mercati predittivi hanno completato con successo la loro fase testnet come casinò speculativi. Hanno dimostrato che la liquidità decentralizzata può aggregare conoscenza dispersa in modo accurato ed efficiente. Ma la speculazione era solo il bootloader.
La prossima epoca è quella infrastrutturale. Passando da scommesse su singole variabili a gate logici combinati, questi mercati possono aggiornarsi e diventare un vero sistema operativo decisionale. Le DAO, i protocolli DeFi e gli agenti AI ottengono una loss function nativa e differenziabile per il mondo reale.
La liquidità c’è. L’infrastruttura degli oracoli è pronta. È ora di iniziare a usare questa tecnologia per calcolare il percorso ottimale verso il futuro.
Opinione di: Jesus Rodriguez, co-fondatore e CTO di Sentora.
Esclusione di responsabilità: il contenuto di questo articolo riflette esclusivamente l’opinione dell’autore e non rappresenta in alcun modo la piattaforma. Questo articolo non deve essere utilizzato come riferimento per prendere decisioni di investimento.
Ti potrebbe interessare anche
La competizione per il ruolo di presidente della Banca Centrale Europea si concentra sulla capacità di gestire le crisi: il rischio del debito francese diventa una pietra di paragone
La contesa per il ruolo di presidente della Banca Centrale Europea si sta sempre più concentrando su una questione centrale: quale candidato sarà più capace di gestire i "vigilantes" del mercato obbligazionario. Con i problemi di debito della Francia che risvegliano dolorosi ricordi di turbolenze nell’area euro e l’attuale presidente Lagarde pronta a lasciare anticipatamente l’incarico, l’olandese Klaas Knot e lo spagnolo Pablo Hernández de Cos potrebbero presto subentrare tra le turbolenze finanziarie.

Deutsche Bank, che due settimane fa ha previsto con precisione il picco, afferma che le azioni tecnologiche devono ancora scendere del 5% per raggiungere il "fondo della tendenza a lungo termine"
Due settimane fa Deutsche Bank ha declassato il rating delle azioni tecnologiche statunitensi e dei titoli growth a larga capitalizzazione. Da allora, i titoli tecnologici hanno sottoperformato gli altri componenti dello S&P 500 di 12 punti percentuali. Tuttavia, la banca evidenzia che le azioni tecnologiche hanno ancora circa 5 punti percentuali di spazio al ribasso prima di raggiungere il fondo del canale di tendenza di lungo periodo. Le posizioni degli istituzionali si stanno rapidamente riducendo e si registrano segni di deflusso dei 30 miliardi di dollari destinati all'acquisto sul minimo. In futuro, la performance degli utili, i flussi di capitale e i rischi esterni determineranno se la correzione si fermerà a una semplice rotazione strutturale.

Avvertimento da Goldman Sachs: sia che la Fed aumenti o meno i tassi a dicembre, il mercato potrebbe non essere preparato.
Goldman Sachs continua a considerare l'aumento dei tassi di dicembre come scenario di riferimento, ma il mercato valuta la probabilità di rialzo intorno al 90%, e sta diventando sempre più difficile prezzare un intero rialzo di 25 punti base. Nel frattempo, la spesa in capitale per l'AI nel 2027 è prevista a 1,6 trilioni di dollari, mentre la domanda di finanziamento tramite debito e i rischi di inflazione energetica rimangono irrisolti. Inoltre, lo spread creditizio relativo all'AI si è ampliato al livello più alto dell'anno, e il rendimento dei Treasury USA continua ad essere influenzato da forze contrastanti.

Quando si fermerà la discesa del trading AI? Il mercato osserva il "dilemma del prigioniero" dietro la massiccia emissione di debito da parte di Meta
Barclays ritiene che la corsa delle grandi aziende dell’AI a reperire finanziamenti in anticipo abbia creato un “dilemma del prigioniero”, causando un’emissione collettiva di obbligazioni che farà aumentare i costi di finanziamento e limiterà il restringimento degli spread creditizi. Con l’aumento del rischio delle obbligazioni con rating basso e la crescente differenziazione del credito tra gli emittenti AI, la capacità del mercato di assorbire l’offerta di finanziamento diventerà la chiave per determinare se il trading AI può stabilizzarsi.

