La Fase 1 se hizo corriendo el validador en seco sobre el material real de las corridas que fallaron: un validador no necesita estar en el motor para saber qué habría detectado. Eso permitió juzgar la hipótesis sin implementar nada, y el resultado cambió el experimento dos veces.
El experimento consistía en pasar por el verificador los textos que el modelo escribió en producción. El review preguntó lo que yo no me había preguntado: ¿ese texto guardado es exactamente lo que el verificador evaluó?
Fui a verificarlo al código: el texto se guarda tal cual (rejected.push(texto)), pero varios claims se concatenan y el veredicto depende del contexto del segmento dentro del brief. Y la prueba de identidad que el review exige es imposible de producir: s4 falló, así que work_items.result es NULL y el brief completo no existe en ningún lado.
Por eso el experimento queda INVÁLIDO por procedencia, que no es lo mismo que falsado. No se ejecutó, y ejecutarlo habría producido un número sin derecho a interpretarse.
Ninguno se aceptó por autoridad: los siete se contrastaron contra el código y la base, y los siete resultaron correctos.
el experimento no demuestra que work_items.error.message sea la entrada que evaluó el verificador
verificación: CONFIRMADO leyendo el código: `rejected.push(texto)` guarda el SEGMENTO que el verificador evaluó (text-compose-brief.ts:3286), pero varios claims se concatenan con " | " y el veredicto depende del `context.component` del segmento, que se pierde al reubicarlo en un campo arbitrario. Y la prueba de identidad que el review pide es imposible: s4 falló, así que `work_items.result` es NULL y el brief completo NO EXISTE
efecto: el replay no puede usarse causalmente. El experimento queda INVÁLIDO por procedencia, no falsado ni confirmado
la Fase 1 falsa una versión demasiado estrecha de la hipótesis
verificación: CORRECTO: lo demostrado es "estas nueve reglas no produjeron bloqueantes", no "el material estaba suficientemente validado"
efecto: C1 y C5 se reescriben con ese alcance
verified no equivale a suficiente para componer el brief
verificación: CORRECTO y es el hallazgo más valioso del review: `buildDemandConsumptionUnion` certifica INTEGRIDAD de la evidencia, no CAPACIDAD DE SOSTENER AFIRMACIONES. Son dos dimensiones distintas y yo las confundí
efecto: REABRE parcialmente la hipótesis original: una validación pre-s4 de "claimability" sigue siendo defendible
los dos textos rechazados son fenómenos distintos
verificación: CORRECTO: el primero declara ausencia de volumen medido; el segundo afirma "demanda sostenida por frustración reiterada en comentarios", que es una afirmación cualitativa positiva. Un slot de ausencia no cubre el segundo
efecto: se separan en dos hipótesis independientes que hay que falsar por separado
E3 no permite atribuir el null al proveedor
verificación: CORRECTO: observé el material DESPUÉS del workflow. Que `aggregate_search_volume` sea null no distingue entre proveedor sin datos, petición mal formada, mercado sin soporte o pérdida en la normalización. Y la frase del modelo diciendo "el proveedor devolvió null" es texto del modelo, no evidencia
efecto: E3 se reescribe: "s4 recibió cero mediciones de volumen", sin atribuir causa
falta el falsador de procedencia
verificación: CORRECTO: el diseño mencionaba el riesgo pero no lo convertía en un resultado formal
efecto: se agrega INVALIDO como resultado posible, por delante de sobrevive/falsada, y es el que aplica hoy
no hay tres observaciones independientes
verificación: CONFIRMADO en la base: hay DOS mensajes únicos, no tres. 9781d049 aparece 3 veces con el MISMO texto (son sus 3 reintentos) y e57b6f79 ni siquiera falló por el verificador: falló por EDITORIAL_BUDGET_EXHAUSTED, que es un timeout
efecto: la muestra textual es de 2 casos únicos, y solo 2 de las 3 corridas fallaron por el verificador
| id | afirmación | dominio |
|---|---|---|
| E1 | El material de demanda que recibió s4 estaba VERIFICADO en las tres corridas que fallaron: status=verified, cero reason_codes | OBSERVADO · modelo: no aplica: no se ejecutó ningún nodo, se evaluó una función pura sobre material ya producido tiempos: no aplica: no se midió tiempo fuente: work_items.result de r4 y r12 en la base de producción, leídos en READ ONLY |
| E2 | Un validador de entrada con NUEVE reglas no encuentra ni un solo bloqueante en las tres corridas que fallaron | OBSERVADO · modelo: ninguna tiempos: no aplica fuente: validador-seco.ts, reglas V1 a V7 |
| E3 | En las tres corridas, s4 RECIBIÓ cero mediciones de volumen de búsqueda para el mercado objetivo (56-60 observaciones, ninguna con volumen). No se puede atribuir la causa: el material se observó después del workflow y no hay receipt del proveedor que distinga entre proveedor sin datos, petición mal formada, mercado sin soporte o pérdida en la normalización | OBSERVADO · modelo: ninguna tiempos: no aplica fuente: regla V2b del validador en seco, sobre la unión de demanda |
| E4 | Hay DOS textos rechazados únicos, no tres: uno declara ausencia de volumen medido (27e31613) y otro afirma demanda cualitativa sostenida por señales sociales (9781d049, repetido en sus 3 reintentos). La tercera corrida (e57b6f79) NO falló por el verificador sino por timeout de la reparación | OBSERVADO · modelo: sí: son fallos de corridas reales con el modelo real tiempos: sí (son corridas de producción) fuente: work_items.error.message de los nodos s4 fallidos |
| E5 | Las tres corridas son ANTERIORES al encendido de BRIEF_DEMAND_CONTRACT_MODE=v15_dual (19-sep ~06:50 UTC): corrieron con el verificador legacy | OBSERVADO · modelo: sí tiempos: sí fuente: runs.created_at más la memoria del despliegue de V15 |
| E6 | La validación que la hipótesis propone añadir ANTES de s4 ya existe como función pura (buildDemandConsumptionUnion) y hoy corre DENTRO de s4 | OBSERVADO · modelo: no aplica tiempos: no aplica fuente: research/research-demand-consumption.ts:358 y su llamada en inngest/operations/text-compos |
| E7 | El intent declara SEIS idiomas a propósito: el material multi-mercado no es ruido sino lo pedido | OBSERVADO · modelo: no aplica tiempos: no aplica fuente: payload del RUN_STARTED, constraints.languages = ['es','en','pt','de','fr','zh'] |
| E8 | En dos de las tres corridas el documento de audiencia y la inteligencia de audiencia llegan VACÍOS (2 bytes) | OBSERVADO · modelo: ninguna tiempos: no aplica fuente: reglas V6 y V6b del validador en seco |
| E9 | El brief completo que el verificador evaluó NO EXISTE en ningún lado: s4 falló, así que work_items.result es NULL. Solo sobrevive el segmento citado en el mensaje de error | OBSERVADO · modelo: no aplica tiempos: no aplica fuente: work_items.result IS NULL en los nodos s4 fallidos |
Si una evidencia se invalida, toda conclusión que la referencie queda STALE y hay que rehacerla. Tres conclusiones ya se reescribieron por el review.
| id | conclusión | depende de | estado |
|---|---|---|---|
| C1 | Lo falsado es algo ESTRECHO: un validador BLOQUEANTE de INTEGRIDAD con estas nueve reglas no habría detenido ninguna de las corridas. NO está falsada la hipótesis amplia de que falte validación o conciliación antes de s4 | E1, E2, E6 | |
| C2 | Existe sin embargo una señal PREDICTIVA detectable antes de s4 y presente en las tres corridas: el mercado objetivo no tiene volumen medido, así que el brief solo puede declarar ausencia | E3, E7 | VIGENTE |
| C3 | La causa próxima de los fallos no es material inválido sino el verificador legacy rechazando prosa honesta: una declaración de ausencia y una descripción con títulos citados | E4, E5 | VIGENTE |
| C4 | Por lo tanto la brecha real no es de VALIDACIÓN sino de SEÑALIZACIÓN: nadie le dice al compositor que el mercado objetivo no tiene volumen, ni le da una forma estructurada de declararlo | E1, E3, E4 | VIGENTE |
| C5 | Un validador de integridad que bloquee no reduce la concentración de fallos porque no tiene nada que bloquear. Esto no dice nada sobre un validador de otra naturaleza | E2 | |
| C6 | INTEGRIDAD y CAPACIDAD DE SOSTENER AFIRMACIONES son dimensiones distintas, y confundirlas fue mi error. `verified` certifica que la evidencia es consistente; no certifica que exista señal para lo que el brief tendrá que afirmar. Una validación pre-s4 de esa segunda dimensión sigue siendo defendible y NO fue falsada | E1, E3 | |
| C7 | Los dos textos rechazados son dos fenómenos: H-A es la representación de una ausencia medida; H-B es una afirmación cualitativa de demanda apoyada en señales sociales. Un slot de ausencia cubre H-A y no cubre H-B | E4 | |
| C8 | El experimento diseñado queda INVÁLIDO por procedencia, que no es lo mismo que falsado: el brief que el verificador evaluó no existe, así que ningún replay puede probar que reproduce su entrada | E9 |
Los hechos entraron como dados. Lo que no cruza umbral queda UNKNOWN y no se fuerza.
| pregunta semántica | respuesta |
|---|---|
| claimability es validable antes | p=0.77 → SÍ firme [estable] |
| representa validacion faltante | p=0.363 → NO débil [estable] |
| dos fenomenos una solucion | p=0.39 → NO débil [estable] |
| donde pertenece la responsabilidad | en_el_contrato 0.497 → UNKNOWN [estable] |
| validador intermedio aporta | no_aporta 0.37 → UNKNOWN [estable] |
| audiencia vacia es defecto | p=0.65 → SÍ débil [estable] |
El resultado que importa es el primero: la distinción que el review aportó (integridad contra capacidad de sostener afirmaciones) reabre la hipótesis en una dimensión que mi análisis había cerrado de más.