Traders de IA pierden dinero en mercados de predicción: qué reveló un estudio

Los mercados de predicción Kalshi y Polymarket generaron expectativas de ganancias rápidas entre usuarios de redes sociales, pero un nuevo estudio cuestiona esa narrativa. Una investigación publicada en el repositorio arXiv de la Universidad de Cornell revela que los modelos de inteligencia artificial de última generación no logran obtener rentabilidad en estas plataformas.

Investigadores de Arcada Labs llevaron a cabo el experimento asignando US$10.000 a cada uno de seis modelos de IA de frontera para operar durante 57 días a principios de 2025. El objetivo era evaluar bajo condiciones realistas cómo la inteligencia artificial podía gestionar información en tiempo real, tomar decisiones de inversión y ser recompensada según su desempeño en estas plataformas.

Todos los modelos registraron pérdidas significativas. En Kalshi, las pérdidas oscilaron entre 16% y 30,8% del capital inicial. En Polymarket, las pérdidas fueron menores, aunque el período de análisis fue más corto. Grace Li, cofundadora de Arcada Labs y coautora del estudio, atribuye esta diferencia a cómo se estructuraron las pruebas en cada plataforma.

En Kalshi, los modelos operaron sobre un conjunto limitado de 26 mercados predeterminados. En cambio, en Polymarket tuvieron libertad para elegir entre un universo más amplio de opciones. "No nos dimos cuenta de cuánto impacto tendría permitir que los modelos eligieran libremente en qué mercados operar", reconoce Li.

Este hallazgo contradice las afirmaciones que circulan en redes sociales sobre traders de IA obteniendo ganancias extraordinarias. Li señala que esas publicaciones "podrían no estar exagerando su impacto", pero advierte que son casos puntuales, no evidencia de un sistema rentable. Menciona que en pruebas internas más recientes, el modelo Opus 4.6 ejecutó "un par de operaciones fenomenales", pero considera que estos éxitos son excepcionales.

Sin embargo, Li mantiene una perspectiva optimista sobre el futuro. Cree que los modelos de inteligencia artificial mejorarán de forma consistente con el tiempo y eventualmente superarán el desempeño de operadores humanos. "Imaginamos que los modelos mejorarán de manera constante, hasta que los fondos de cobertura impulsados por IA se vuelvan algo habitual", afirma.

Para Li, el interés principal no radica en las ganancias económicas, sino en las implicaciones más amplias. "Nos interesa menos cuál es la ganancia económica absoluta de esta capacidad, y más qué significa para la humanidad esta unidad adicional de inteligencia", concluye la investigadora.