Há algo interessante acontecendo nos mercados de previsão que acho que vale a pena acompanhar.

Em 2024, o volume total de negociação era algo em torno de US$ 9 bilhões. Pulou para mais de US$ 40 bilhões em 2025 — crescimento acima de 400%. Não é exagero dizer que isso virou uma tendência irreversível. Polymarket e Kalshi dominam o espaço, mas a dinâmica entre elas é interessante: Kalshi saiu vitoriosa em questões legais sobre contratos eleitorais e expandiu rápido em mercados esportivos; Polymarket construiu uma arquitetura mais descentralizada e global, "matching off-chain, liquidação on-chain".

Mas o que realmente me chamou atenção é o potencial dos agentes de IA nesse espaço. E aqui está o ponto crucial: não se trata de IA "prever melhor" do que humanos. É sobre transformar informações dispersas em oportunidades de execução mais rápida e disciplinada. Os mercados de previsão, por natureza, agregam informações através de transações reais — é uma espécie de externalidade positiva do sistema. Quando você tem essa estrutura, agentes podem explorar ineficiências de forma muito mais eficiente que traders manuais.

A arquitetura faz sentido: camada de informação (notícias, dados on-chain), camada de análise (identificar desvios de preço), camada de estratégia (calcular posição ótima), camada de execução (múltiplos mercados, otimização de slippage). O desafio é que nem todas as estratégias funcionam bem com automação. Arbitragem de liquidação — quando o resultado já está definido mas o mercado ainda não precificou — é praticamente feita para agentes. Arbitragem entre plataformas também. Mas especulação direcional? Aí você ainda precisa de julgamento humano.

Em termos de gerenciamento de posição, a fórmula de Kelly é a teoria clássica, mas na prática traders profissionais usam algo mais simples: dividem o capital em unidades fixas e variam o número de unidades conforme confiança no sinal. Isso reduz complexidade e deixa menos espaço para erros de modelo.

No landscape atual, temos frameworks oficiais (Polymarket lançou seu próprio framework de agentes), ferramentas de análise como Polyseer e Oddpool, e alguns agentes autônomos como Olas Predict e UnifAI Network. Mas honestamente, ainda não vimos um produto maduro que integre tudo — geração de estratégia, execução eficiente, controle de risco sistemático e um modelo de negócio fechado. Olas Predict é provavelmente o mais avançado, mas ainda limitado pela liquidez do Omen.

Em termos de monetização, vejo três caminhos: infraestrutura (dados e ferramentas B2B), assinatura de estratégias (SaaS de sinais), e vaults gerenciados (mais complexo regulatoriamente). O caminho mais viável agora é o do meio — ferramentas de sinal sem custódia de fundos. Menos atrito regulatório, receita mais previsível.

O que torna isso tudo interessante é que os mercados de previsão estão evoluindo de um nicho para algo com externalidade real no sistema financeiro — CME e Bloomberg estão integrando probabilidades de eventos como dados de mercado. Quando você tem infraestrutura, liquidez e clareza regulatória (que os EUA estão começando a oferecer), agentes de IA ganham espaço legítimo para operar.

Ainda estamos cedo, mas o espaço está se movimentando rápido. Vale acompanhar não só os agentes em si, mas também as ferramentas de análise e as estratégias que funcionam melhor. Se você está em Gate, tem acesso a dados de múltiplas cadeias — pode ser um bom ponto de partida para explorar como agentes poderiam funcionar em mercados de previsão descentralizados.