O risco real do trading com IA está no ciclo de feedback, não em um modelo ruim

O trader de IA mais perigoso talvez não seja aquele que toma uma decisão ruim. Pode ser aquele que toma uma decisão razoável depois de observar milhares de outras máquinas fazendo a mesma coisa. Esse é o problema regulatório escondido por trás do entusiasmo atual com as finanças baseadas em agentes: os mercados não estão apenas ganhando novas ferramentas. Eles podem estar incorporando novos participantes cujas reações se amplificam mutuamente na velocidade das máquinas.

A Commodity Futures Trading Commission está colocando essa possibilidade na agenda. A Força-Tarefa de Inovação da agência anunciou uma sessão do Frontier Forum para 28 de outubro de 2026, concentrada em IA nos mercados de derivativos e na ascensão das finanças baseadas em agentes. A sessão faz parte de uma conversa regulatória mais ampla, e não é prova de que sistemas autônomos de trading já tenham tomado conta do mercado. Mas a escolha do tema importa. Ela sugere que os reguladores começam a tratar a IA como uma questão de estrutura de mercado, e não apenas de contratação de software.

A CFTC está certa ao passar dos modelos aos sistemas

Durante anos, a pergunta regulatória natural foi: este algoritmo é preciso, justo e está em conformidade? Essa pergunta continua importante, mas é estreita demais para sistemas capazes de interpretar informações, escolher ações e potencialmente ajustar seu comportamento com envolvimento humano limitado.

O próprio trabalho anterior da CFTC aponta nessa direção. Em 2024, seu Comitê Consultivo de Tecnologia recomendou atenção ao envolvimento humano, à governança, à qualidade dos dados, à privacidade e a estruturas de gestão de riscos desenhadas para riscos específicos da IA. O comitê também alertou que a IA generativa poderia criar instabilidade quando as empresas não compreendem ou controlam totalmente os dados e as estratégias envolvidos, como explica o relatório da CFTC.

Essa é uma base útil, mas o próximo passo é parar de tratar cada modelo implantado como um objeto isolado. Um agente de trading opera dentro de uma cadeia: os dados entram, um modelo os interpreta, uma ação chega ao mercado, outros sistemas reagem, e os dados resultantes passam a fazer parte do ambiente para decisões futuras. O perigo está nesse ciclo.

Um modelo pode ser defensável individualmente, enquanto o comportamento combinado de muitos modelos se torna desestabilizador. Se vários agentes identificarem o mesmo sinal, buscarem a mesma posição ou abandonarem o risco simultaneamente, suas ações poderão transformar um pequeno movimento em um movimento maior. Isso não significa que esse cenário seja inevitável. É um argumento de que testar um modelo por vez não consegue revelar todos os riscos de um mercado conectado.

“Supervisão humana” precisa significar um controle real, não um slogan

A linguagem regulatória costuma tratar o envolvimento humano como uma última verificação tranquilizadora. Mas uma pessoa que recebe um alerta automatizado depois que uma posição já mudou rapidamente não está necessariamente exercendo um controle significativo. Ela pode estar apenas observando um evento que não consegue reverter com rapidez suficiente.

O padrão prático deveria ser a capacidade de intervenção. As empresas precisam conseguir explicar o que um agente está autorizado a fazer, quais decisões exigem aprovação, como sua atividade pode ser pausada e quem é responsável quando o sistema se comporta fora dos limites esperados. Essas são opiniões sobre o que uma governança eficaz deveria exigir, não detalhes anunciados pela CFTC na documentação. Ainda assim, elas decorrem diretamente da preocupação da agência com empresas que não têm compreensão ou controle completos sobre operações de trading e programas de gestão de riscos baseados em IA.

O mesmo princípio se aplica aos fornecedores. Se uma instituição financeira depende de um modelo de terceiros cujo conjunto de dados de treinamento, ponderações ou atualizações não são transparentes, a responsabilidade não pode desaparecer na cadeia de fornecimento. A proteção da propriedade intelectual pode limitar o que um provedor revela, mas não deveria impedir uma empresa regulada de gerenciar e informar seus próprios dados de trading e compensação. Se isso acontecer, o arranjo não será apenas uma questão tecnológica; será uma lacuna de governança.

Os testes devem incluir a reação do mercado ao agente

Fazer backtesting de uma estratégia com dados históricos não é suficiente quando a estratégia modifica as condições que tenta explorar. Reguladores e empresas precisam de testes que perguntem como os sistemas interagem: se os agentes convergem para comportamentos semelhantes, com que rapidez abandonam posições e o que acontece quando os dados estão incompletos, são manipulados ou simplesmente estão errados.

A discussão da CFTC em 2024 identificou trading, gestão de riscos, conformidade, atendimento ao cliente e operações de back-office como casos de uso relevantes para a IA. Essa abrangência é importante porque a instabilidade pode não começar com uma instrução de trading óbvia. Uma avaliação de risco equivocada, uma classificação de conformidade incorreta ou uma interação automatizada com o cliente poderiam alterar decisões em outras partes da cadeia.

É aqui que o fórum da CFTC pode se tornar mais do que um exercício de escuta. A agência deveria pressionar os participantes a descrever condições mensuráveis de falha e procedimentos práticos de desligamento, em vez de aceitar promessas genéricas sobre inovação responsável. O público precisa saber não apenas se um agente tem bom desempenho em condições normais, mas também com que rapidez uma empresa consegue detectar um problema e contê-lo.

Os vencedores serão as empresas capazes de provar que têm controle

As regras para as finanças baseadas em agentes não deveriam ter como objetivo proibir a automação. A IA já tem usos consolidados nos mercados financeiros, incluindo monitoramento, detecção de fraudes, backtesting e gestão de riscos, segundo o relatório anterior da CFTC. Sistemas bem projetados podem reduzir o trabalho manual e identificar atividades incomuns mais rapidamente do que as pessoas.

O alvo regulatório mais adequado é a autonomia sem prestação de contas. Empresas que mantêm registros claros de mudanças nos modelos, permissões, fontes de dados, decisões e intervenções deveriam ter vantagem sobre aquelas que tratam um agente de IA como uma caixa-preta com uma conta de trading. Essa abordagem também beneficiaria desenvolvedores sérios: expectativas previsíveis são mais fáceis de atender do que exigências vagas para “usar a IA com responsabilidade”.

O fórum da CFTC em 28 de outubro é, portanto, um sinal, não uma solução. Sua importância dependerá de a conversa ir além das capacidades de modelos individuais e abordar o comportamento coletivo de máquinas conectadas ao mesmo mercado. Em nossa visão, os reguladores deveriam governar primeiro o ciclo de feedback: exigir prestação de contas por cada caminho de decisão, testar as interações em condições de estresse e tornar a intervenção real antes que as finanças autônomas se transformem em infraestrutura convencional. Quando um ciclo de feedback na velocidade das máquinas estiver visivelmente causando danos aos mercados, a supervisão já terá chegado tarde demais.