Cómo los Agentes de Trading Impulsados por IA Están Transformando los Mercados de Predicción

El panorama del mercado de predicciones está experimentando un cambio fundamental. Lo que comenzó como una herramienta de pronóstico de nicho se ha convertido en un fenómeno de alcance masivo, pero una dinámica crítica está redefiniendo el terreno competitivo: los traders humanos ya no compiten solo entre sí, sino también contra las máquinas. Esta realidad emergente ha provocado una nueva ola de soluciones de trading con IA diseñadas para nivelar el campo de juego para los participantes minoristas.

Según datos de la industria, solo entre el 7 y el 13 % de los traders humanos logran obtener retornos positivos en los mercados de predicciones, mientras que la mayoría pierde dinero. Mientras tanto, la participación de máquinas se está acelerando rápidamente, con más del 30 % de las carteras en Polymarket ya utilizando agentes de IA. Esto no es una coincidencia. Las máquinas operan sin emociones, ejecutan estrategias con disciplina perfecta y pueden operar 24/7 sin fatigarse—ventajas que la mayoría de los humanos no pueden replicar.

La competencia humano-máquina en los mercados de predicciones

La brecha entre el rendimiento humano y el de las máquinas revela una verdad más profunda sobre los mercados financieros: la toma de decisiones tradicionalmente humana tiene una desventaja estructural. Los humanos toman decisiones apresuradas, pierden concentración fuera de horario y luchan con la disciplina emocional. Mientras tanto, los modelos de IA de última generación, integrados en flujos de trabajo personalizados, pueden alcanzar tasas de precisión predictiva superiores al 70 %, en stark contraste con las probabilidades de cara o cruz que enfrentaron los primeros intentos de trading con IA usando prompts básicos.

David Minarsch, CEO de Valory AG (la compañía detrás del protocolo Olas), sostiene que los agentes autónomos de IA representan una herramienta esencial para los traders minoristas que intentan competir en un ecosistema cada vez más automatizado. “Tienes participantes humanos en los mercados de predicciones junto a muchas máquinas”, explicó Minarsch. “Así que los humanos ya están en una batalla con las máquinas, aunque no lo sepan.”

El protocolo Olas opera en la intersección de la tecnología blockchain y los sistemas multi-agente. Proporciona infraestructura para agentes de software autónomos que ejecutan servicios en blockchains, interactúan directamente con contratos inteligentes y cooperan entre sí mientras ganan recompensas en criptomonedas. La visión va más allá del simple trading: Minarsch lo describe como la construcción de una “economía de agentes”—un ecosistema descentralizado donde los sistemas de IA autónomos realizan tareas económicas y generan valor para sus usuarios.

Historial de Polystrat: trading con IA a gran escala

Una de las implementaciones más visibles de esta visión es Polystrat, un agente de trading con IA que se lanzó en Polymarket en febrero de 2026. A diferencia de los bots tradicionales que ejecutan estrategias preprogramadas, Polystrat funciona como un agente autodirigido que comercia continuamente en nombre de usuarios que mantienen plena custodia y propiedad.

Los resultados iniciales han sido sorprendentes. En su primer mes de operación, Polystrat realizó más de 4,200 operaciones en Polymarket y registró retornos individuales de hasta un 376 %. Pero lo más importante es que los datos de rendimiento agregados cuentan una historia convincente: más del 37 % de los agentes de IA de Polystrat muestran resultados positivos de ganancias y pérdidas, en comparación con menos de la mitad de ese porcentaje para los traders humanos en la misma plataforma.

Esta brecha de rendimiento no proviene de la suerte. La diferencia clave radica en la consistencia. Las máquinas siguen sus estrategias programadas sin importar el ruido del mercado o impulsos emocionales. Analizan datos de manera metódica, identifican oportunidades sistemáticamente y ejecutan sin vacilación—una disciplina que separa a los ganadores de los perdedores en los mercados de predicciones.

Aprovechando la cola larga: donde la IA destaca en el trading

Más allá de las métricas de rendimiento, Polystrat y soluciones similares de trading con IA desbloquean una oportunidad económica pasada por alto: la “cola larga” de los mercados de predicciones—miles de preguntas de nicho, localizadas o especializadas que reciben poca atención humana.

La mayoría de los mercados de predicciones giran en torno a eventos de alto perfil: elecciones presidenciales, datos macroeconómicos, grandes competencias deportivas u otros resultados que capturan titulares. Pero innumerables preguntas menores permanecen en gran medida inexploradas porque los humanos carecen de tiempo o motivación para investigarlas. Un agente de IA, en cambio, puede analizar docenas o incluso cientos de mercados más pequeños simultáneamente, aplicando una metodología consistente en cada uno.

Esta capacidad podría transformar los mercados de predicciones de una novedad para traders minoristas a una infraestructura esencial para la inteligencia empresarial. Empresas, responsables políticos y tomadores de decisiones podrían desplegar agentes de IA para extraer sistemáticamente señales del mercado de la cola larga—agregando conocimientos distribuidos y revelando insights que las encuestas tradicionales o los modelos podrían pasar por alto. En este sentido, los mercados de predicciones podrían evolucionar hacia una tecnología upstream que alimenta los procesos de toma de decisiones en diversas industrias.

La industria de los mercados de predicciones ha demostrado un crecimiento explosivo. Para 2025, el volumen total de trading nocional en las principales plataformas superó los 44 mil millones de dólares, alcanzando picos mensuales de hasta 13 mil millones durante períodos de máxima actividad. Actualmente, el mercado está dominado por dos actores: Kalshi (una bolsa de contratos de eventos regulada en EE. UU. supervisada por la CFTC) y Polymarket (una plataforma global nativa de criptomonedas), que en conjunto controlan entre el 85 y el 97 % del volumen total de trading.

La simbiosis entre humanos y agentes de IA

A pesar del auge del trading impulsado por máquinas, Minarsch no visualiza que los agentes de IA reemplacen completamente a los humanos. En cambio, enmarca la relación como complementaria. “Los agentes de IA pueden actuar como algo en lo que los humanos confían”, sugirió, destacando un caso de uso emergente: potenciar a los agentes con conocimientos propios o información propietaria.

“Vemos demanda de usuarios que quieren que su agente acceda a su propia base de conocimientos o información propietaria”, señaló Minarsch. Este modelo híbrido permitiría a los agentes operar de manera más sistemática que cualquier humano, aprovechando al mismo tiempo los conocimientos o la experiencia en un dominio que posea el usuario. Un investigador podría inyectar conocimientos especializados en un agente; un analista, alimentar conjuntos de datos propietarios; un trader, imponer parámetros de riesgo personalizados.

Con el tiempo, los modelos predictivos subyacentes y las pipelines de datos que alimentan estos agentes han mejorado notablemente. Cuando se combinan con modelos de lenguaje de propósito general, generan alfa sostenido—el rendimiento superior que diferencia a los sistemas de trading con IA rentables de los mediocres.

Navegando riesgos y construyendo economías de propiedad del usuario

El crecimiento del trading con IA en los mercados de predicciones también plantea preocupaciones legítimas. Críticos han planteado cuestiones éticas sobre mercados que pronostican guerras, muertes o desastres—potenciales incentivos para manipular resultados o lucrar con eventos dañinos. Los marcos regulatorios aún están en desarrollo, y la estabilidad a largo plazo de estos ecosistemas sigue siendo una incógnita.

Minarsch reconoce que las barreras son esenciales. “Debe haber regulación sobre qué tipos de mercados de predicciones deben existir”, afirmó. Sin embargo, también sugiere que los propios agentes de IA podrían ser parte de la solución, detectando patrones sospechosos o intentos de manipulación que de otro modo podrían pasar desapercibidos.

El proyecto más amplio, sin embargo, trasciende la optimización del trading. La visión de Minarsch se centra en la propiedad del usuario y el empoderamiento económico. Un futuro en el que los sistemas centralizados de IA controlen la mayor parte de la actividad económica podría dejar a las personas marginadas si no poseen participaciones en la tecnología misma. Olas está diseñado para contrarrestar esta dinámica, asegurando que los usuarios mantengan la propiedad de sus agentes autónomos.

“Queremos crear más agentes de propiedad del usuario”, enfatizó Minarsch. Si tiene éxito, este modelo podría permitir a las personas desplegar software autónomo que genere valor en su nombre en múltiples mercados y servicios—los mercados de predicciones como campo de prueba inicial para una economía de agentes más amplia.

La convergencia del trading con IA, los mercados de predicciones y la infraestructura descentralizada sugiere que la próxima fase del fintech podría ser fundamentalmente diferente del pasado: no solo más rápida o eficiente, sino verdaderamente distribuida en su control y distribución de valor.