Diagnóstico post-W2 · qué hipótesis sobreviven

hipótesis 3 confirmadas · 3 cambiadas · 3 sin resolver · 1 refutada recomendaciones 4 sobreviven · 3 cambian · 1 nueva JEV 3 rondas, 24 preguntas producción intocada

01 El orden de autoridad, y por qué esta vez importó

1 · soberana

run_events y work_items: lo que el motor decidió. No se discute.

2 · observada

node_attempts y edge_transfers: la telemetría de W2.

3 · determinista

la estructura del grafo declarado.

4 · semántica

JEV, y solo sobre lo que las tres anteriores no deciden.

Verificación previa obligatoria: la capa 2 se contrastó nodo por nodo contra la capa 1 en las corridas con telemetría. Coinciden en los 46 nodos, así que la telemetría puede usarse como base factual sin contradecir a la evidencia soberana.

Pero el orden de autoridad no alcanzaba: faltaba preguntar si el hecho vale fuera del banco

Esta evaluación pedía, para cada recomendación, qué evidencia la falsaría. Al responder eso para la recomendación de atacar la cola, el hecho que la sostenía se cayó solo.

El banco de pruebas de W2 sustituye la llamada que gasta dinero por la salida ya guardada. Preserva la FORMA de los datos, y por eso todo el análisis de flujo vale. Pero borra el TIEMPO: la ejecución del arnés es ~8508x más rápida que la real. La ejecución máxima de un nodo en el banco fue de 60 ms; una corrida real tarda 510 s.

Consecuencia: dos hechos que reporté en W2 como propiedades del sistema eran propiedades del banco, y quedan retirados de la base factual. Las preguntas que se apoyaban en ellos se volvieron a hacer con el marco corregido, y varias respuestas cambiaron en las dos direcciones.

Hechos con validez externa (sobreviven)

Hechos retirados (solo valen dentro del banco)

02 Las hipótesis, una por una

Clasificación con la evidencia observada como base. Donde la evidencia no alcanza, el resultado es SIN RESOLVER y no se fuerza.

H1 El cuello es la conciliación tardía STILL_UNKNOWN
antes
causa estructural dominante (choice 0.707 en el escáner inferido)
W2
W2 no aporta evidencia temporal utilizable (ver validez de constructo). Lo que sí aporta: el material llega íntegro a s4, así que la hipótesis ya no puede apoyarse en "llega mal"
JEV
preguntado sin el dato de cola: es_donde_esta_el_control 0.573 margen 0.376 [borde]
por qué
la respuesta se movió: con el dato falso de cola elegía la conciliación tardía; sin él se inclina a "es normal que los fallos se concentren donde está el único control fail-closed" (0.573), pero en zona borde y sin cruzar el umbral. No se fuerza: la hipótesis no queda ni confirmada ni refutada.
H2 El fan-in de s4 es la causa de los fallos CHANGED_BY_W2
antes
p(sano)=0.227: el fan-in se leía como causa
W2
capa 1 confirma la concentración de fallos; la estructura no cambió (7 deps, 18 inputs)
JEV
sintoma_no_causa 0.7 margen 0.463 [estable] (y con el marco anterior daba sintoma_no_causa 0.887)
por qué
de CAUSA a SÍNTOMA, y la reclasificación sobrevive a la corrección del marco: 0.887 con el dato falso, 0.70 sin él, la misma elección las dos veces. Atacar el fan-in por sí solo no tocaría la causa.
H3 Falta validación intermedia antes de s4 CONFIRMED
antes
p=0.77 sobre análisis del template
W2
W2 probó que el material llega ÍNTEGRO (41 aristas verificadas con hash). Esta evidencia podía refutar la hipótesis y no lo hizo
JEV
p=0.77 [estable]
por qué
se mantiene en 0.77 con evidencia nueva que podía tumbarla. Integridad no es validez: el material llega entero y aun así puede no ser consumible, y esa distinción solo se puede hacer ahora.
H4 Pérdida de información en el handoff r4→s4 CHANGED_BY_W2
antes
score 3.16/4 y 3.46/4: "pérdida seria"
W2
MEDIDO: la arista está entre las 41 verificadas; el valor llega byte a byte idéntico al que produjo r4
JEV
cambia_de_naturaleza 0.987 margen 0.974 [estable]
por qué
la pérdida MATERIAL queda refutada por medición, y la capa 2 manda sobre el juicio de capa 4. JEV, con el hecho dado, elige "cambia de naturaleza" con 0.987, la señal más firme del ejercicio: puede quedar pérdida SEMÁNTICA, que es justamente lo que ninguna telemetría puede medir.
H5 Hay que partir s4 en fases STILL_UNKNOWN
antes
p=0.76-0.78, con la latencia de s4 entre sus argumentos
W2
W2 no puede decir nada sobre el tiempo de s4. Lo que sí confirma: concentra el 100% de los fallos y quema reintentos sin producir
JEV
con el dato falso de SLA: p=0.527 [estable] y p=0.353 [estable] · con el marco corregido: p=0.66 [estable]
por qué
caso de libro de por qué hay que revisar la validez de los hechos: con el dato falso ("cabe en su SLA") la señal caía a 0.353 y yo la había clasificado REFUTED; sin ese dato sube a 0.66. El hecho inválido la estaba SUPRIMIENDO. Con 0.66 no alcanza para confirmarla ni para descartarla.
H6 s5 es arquitectónicamente prescindible CHANGED_BY_W2
antes
p(necesario)=0.17-0.237
W2
OBSERVADO: su output está huérfano, ningún nodo lo consumió en ninguna corrida. Hecho estructural, con validez externa
JEV
función vale p=0.6 [estable] · debe bloquear p=0.67 [estable] · debe estar en el camino p=0.19 [estable]
por qué
no sobra: está mal cableado. La función vale (0.60), su veredicto debería tener consecuencia si se conserva (0.67), y lo que claramente no corresponde es el estado actual, esperar en el camino crítico sin bloquear (0.19).
H7 Hay aristas declaradas que no mueven datos CONFIRMED
antes
3 deducidas del template, sin poder probar la ausencia
W2
MEDIDO con receipt de captura completo: 14 aristas con cero consumo, que se parten en 11 de lineage intencional y 3 sin ninguna justificación declarada
JEV
¿las 3 son necesarias?: p=0.213 [estable] · ¿el mecanismo de las 11 es correcto?: p=0.13 [estable]
por qué
las 3 originales quedan probadas por observación y JEV les da 0.213 de tener una razón no declarada. Las 11 restantes NO son el mismo hallazgo: son deliberadas, aunque el mecanismo quede cuestionado (0.13).
H8 El lineage del entregable está incompleto CONFIRMED
antes
p=0.90 deducido del template
W2
MEDIDO: 22 contribuyentes reales contra 13 declarados, con la lista exacta de los 9 ausentes
JEV
gravedad: 3.95/4 [estable] · ¿completar ya?: p=0.703 [estable]
por qué
deducido antes, MEDIDO ahora, y con la lista cerrada. La gravedad sube a 3.95/4: la promesa de veracidad del producto se apoya en una procedencia que no refleja lo que ocurrió.
H9 14 nodos exceden su SLA STILL_UNKNOWN
antes
señal determinista del escáner inferido, con la advertencia de que la medición incluía cola
W2
el banco de pruebas colapsa la ejecución ~8500x, así que no puede decir nada sobre cuánto tarda un nodo. La lista vacía de "SLA excedidos con ejecución pura" es un artefacto, no una refutación
JEV
no aplica: es una cuestión de medición, no semántica. A JEV no se le pregunta
por qué
lo reporté como REFUTED en W2 y estaba mal. Lo único establecido es que la medición ANTERIOR mezclaba espera y trabajo y por eso era inadecuada; la medición correcta exige telemetría en producción y todavía no existe.
H10 La cola domina el tiempo del workflow REFUTED (fuera del banco)
antes
no existía: sin telemetría la cola era invisible
W2
76% dentro del banco, donde el trabajo no ocurre. Una corrida real tarda 510 s y la ejecución del banco tope 60 ms por nodo: el hecho no sobrevive fuera del arnés
JEV
¿vale la pena medirlo en producción?: p=0.89 [estable]
por qué
es el hallazgo que más lejos llegó siendo falso: lo reporté como propiedad del sistema y era una propiedad del banco. JEV, con la corrección sobre la mesa, dice con 0.89 que medirlo de verdad en producción vale la pena, y esa es la única conclusión que queda en pie.

03 Las recomendaciones regeneradas

Cada una con su evidencia previa, la evidencia nueva, el juicio de JEV, qué le pasó, y sobre todo qué evidencia la falsaría.

REC-1 Resolver el limbo del evaluador s5 CAMBIÓ
evidencia previa
inferida: p(necesario)=0.17, arista s5→s6 residual (0.183), s5 mal posicionado (0.267)
evidencia W2
OBSERVADA y con validez externa: el output de s5 no lo consumió ningún nodo en ninguna corrida; la arista s5→s6 tiene cero consumo probado con receipt completo
juicio JEV
función vale p=0.6 [estable] · debe bloquear p=0.67 [estable] · debe seguir en el camino crítico p=0.19 [estable]
confianza
alta en el diagnóstico (huérfano medido); media en cuál de las dos salidas elegir
beneficio
un control real donde hoy hay uno decorativo, o un nivel menos de espera en el camino crítico
riesgo
bajo si sale del camino; medio si se vuelve blocking, porque pasa a poder frenar publicaciones que hoy pasan
qué la falsaría
encontrar un consumidor del veredicto FUERA del grafo (un panel, una alerta, un cron). Eso lo convierte en interfaz externa y cambia la recomendación de sentido
REC-2 Retirar las tres aristas sin datos ni procedencia SOBREVIVE
evidencia previa
deducida del template: r0→r8, r14→r12, s5→s6 sin inputs que las consuman
evidencia W2
OBSERVADA: cero transferencias en las tres, con receipt de captura completo en el destino, que es lo que hace legal concluir ausencia
juicio JEV
¿necesarias por alguna razón no declarada?: p=0.213 [estable]
confianza
alta: hecho medido con validez externa más juicio consistente
beneficio
topología honesta y una espera menos; r12 deja de esperar a r14 sin leerlo
riesgo
bajo, no nulo: si alguna encierra una garantía de orden no escrita, quitarla la rompe en silencio
qué la falsaría
un efecto lateral no declarado: que r8 dependa de algo que r0 deja en un tercero, o que r12 necesite que r14 haya terminado por consistencia de caché
REC-3 Pre-conciliación determinista antes de s4 SOBREVIVE
evidencia previa
p=0.77, apoyada en que el material llegaba mal a s4
evidencia W2
OBSERVADA: el material llega ÍNTEGRO (41 aristas verificadas con hash recomputado). La hipótesis podía morir acá y no murió
juicio JEV
p=0.77 [estable] · y el fan-in de s4 queda como sintoma_no_causa 0.7 margen 0.463 [estable]
confianza
alta: es la única recomendación que sobrevivió a evidencia capaz de refutarla
beneficio
detectar material inconciliable antes de gastar el trabajo del compositor, de forma determinista
riesgo
medio: nodo nuevo en el camino crítico, zona Inngest; exige diseño del cerebro y review adversarial
qué la falsaría
que los rechazos de s4 no sean anticipables con información previa a componer. Si el verificador solo puede juzgar sobre la prosa ya escrita, no hay nada que un check previo pueda mirar
REC-4 Partir s4 en fases CAMBIÓ
evidencia previa
p=0.76-0.78, con la latencia de s4 entre sus argumentos
evidencia W2
ninguna utilizable sobre tiempos. Sí confirma que s4 concentra el 100% de los fallos y quema reintentos
juicio JEV
con el dato falso: p=0.353 [estable] · con el marco corregido: p=0.66 [estable]
confianza
media: 0.66 es señal débil a favor, estable en las tres corridas
beneficio
fallos diagnosticables por fase y no re-pagar la generación en cada reintento
riesgo
alto: multiplica handoffs de un estado grande en el corazón del pipeline
qué la falsaría
medir qué parte del tiempo y del dinero de un reintento de s4 se va en re-generar. Si es marginal, la recomendación muere; si es la mayoría, se confirma
REC-5 Aplanar la cadena serial del final CAMBIÓ
evidencia previa
la cadena r4→r10→r11→r12 añadía unos 207 s
evidencia W2
esos 207 s no se pueden atribuir: el banco no mide trabajo real. El argumento de latencia queda sin sustento
juicio JEV
¿hay razones arquitectónicas, no de latencia, para acortarla?: p=0.653 [estable]
confianza
baja-media: 0.653 estable, pero sobre un argumento distinto del original
beneficio
menos estados intermedios y menos superficie de fallo; el beneficio de tiempo es desconocido
riesgo
medio
qué la falsaría
medir en producción el tiempo real de cada eslabón. Si la cadena no pesa, queda solo el argumento de simplicidad, que no suele pagar el riesgo
REC-6 Completar y rederivar la procedencia del entregable SOBREVIVE y se AMPLÍA
evidencia previa
p=0.90 deducido del template
evidencia W2
MEDIDA: 22 contribuyentes reales contra 13 declarados; los ausentes son exactamente r7, r8, r10, r11, r12, r13, r14, r15 y s0_audience
juicio JEV
gravedad 3.95/4 [estable] · completar ya p=0.703 [estable] · ¿el mecanismo de aristas es correcto? p=0.13 [estable]
confianza
muy alta: hecho medido, lista cerrada, gravedad 3.95/4
beneficio
trazabilidad real del entregable, que es donde se apoya la promesa de veracidad del producto
riesgo
bajo para completar la lista; medio para cambiar el mecanismo (toca el publish)
qué la falsaría
que la procedencia fina ya viaje dentro del contenido del brief y el lineage sea deliberadamente un resumen. Hay que mirar un brief publicado para descartarlo
REC-7 Experimento de contribución de los nodos ámbar SOBREVIVE
evidencia previa
necesidad ámbar para s1 (0.457), s3 (0.327), r1b (0.477), r9 (0.513)
evidencia W2
ninguna: la telemetría prueba que sus datos CRUZAN las aristas, no que el brief los USE
juicio JEV
no se volvió a preguntar: la evidencia nueva no toca esta hipótesis
confianza
sin cambios
beneficio
hasta cuatro nodos candidatos a recorte, con evidencia en vez de intuición
riesgo
bajo: es una medición
qué la falsaría
no aplica: es un experimento para generar evidencia
REC-8 Medir en producción qué parte de la latencia es espera NUEVA
evidencia previa
no existía
evidencia W2
el banco midió 76% de cola y ESO NO VALE afuera: la ejecución está colapsada ~8500x. La lección es que hoy nadie sabe cuánto de los 510 s de una corrida real es espera y cuánto es trabajo
juicio JEV
p=0.89 [estable]
confianza
alta: 0.89 estable, y es la conclusión que sobrevive al error
beneficio
sin ese dato, cualquier cambio de forma del grafo motivado por latencia es a ciegas; el banco ya demostró que la intuición se equivoca
riesgo
bajo: encender la telemetría en un entorno con trabajo real, no cambiar nada
qué la falsaría
no aplica: es la medición que falta. Lo que sí puede pasar es que el resultado vuelva irrelevantes a REC-4 y REC-5

04 Lo que queda explícitamente abierto

STOP. Diagnóstico y recomendaciones entregados. Ninguna recomendación implementada: REC-1 a REC-8 esperan tu decisión. La verificación de hash cross-run sigue sin validar y así queda declarada. Producción intacta y la telemetría apagada.