Hay algo interesante sucediendo en los mercados de predicción que creo que vale la pena seguir.

En 2024, el volumen total de negociación era de alrededor de 9 mil millones de dólares. Saltó a más de 40 mil millones en 2025 — un crecimiento superior al 400%. No es exagerado decir que esto se convirtió en una tendencia irreversible. Polymarket y Kalshi dominan el espacio, pero la dinámica entre ellas es interesante: Kalshi salió victoriosa en cuestiones legales sobre contratos electorales y se expandió rápidamente en mercados deportivos; Polymarket construyó una arquitectura más descentralizada y global, "matching fuera de cadena, liquidación en cadena".

Pero lo que realmente llamó mi atención es el potencial de los agentes de IA en este espacio. Y aquí está el punto crucial: no se trata de que la IA "prevea mejor" que los humanos. Es sobre transformar información dispersa en oportunidades de ejecución más rápida y disciplinada. Los mercados de predicción, por naturaleza, agregan información a través de transacciones reales — es una especie de externalidad positiva del sistema. Cuando tienes esta estructura, los agentes pueden explotar ineficiencias de forma mucho más eficiente que los traders manuales.

La arquitectura tiene sentido: capa de información (noticias, datos en cadena), capa de análisis (identificar desviaciones de precio), capa de estrategia (calcular posición óptima), capa de ejecución (múltiples mercados, optimización de slippage). El desafío es que no todas las estrategias funcionan bien con automatización. La arbitraje de liquidación — cuando el resultado ya está definido pero el mercado aún no ha precificado — es prácticamente diseñada para agentes. También el arbitraje entre plataformas. Pero la especulación direccional? Ahí todavía necesitas juicio humano.

En términos de gestión de posición, la fórmula de Kelly es la teoría clásica, pero en la práctica los traders profesionales usan algo más simple: dividen el capital en unidades fijas y varían el número de unidades según la confianza en la señal. Esto reduce la complejidad y deja menos espacio para errores de modelo.

En el panorama actual, tenemos frameworks oficiales (Polymarket lanzó su propio framework de agentes), herramientas de análisis como Polyseer y Oddpool, y algunos agentes autónomos como Olas Predict y UnifAI Network. Pero honestamente, todavía no hemos visto un producto maduro que integre todo — generación de estrategia, ejecución eficiente, control de riesgo sistemático y un modelo de negocio cerrado. Olas Predict es probablemente el más avanzado, pero aún limitado por la liquidez de Omen.

En términos de monetización, veo tres caminos: infraestructura (datos y herramientas B2B), suscripción a estrategias (SaaS de señales), y vaults gestionados (más complejos regulatoriamente). El camino más viable ahora es el del medio — herramientas de señal sin custodia de fondos. Menos fricción regulatoria, ingresos más predecibles.

Lo que hace esto todo interesante es que los mercados de predicción están evolucionando de un nicho a algo con externalidad real en el sistema financiero — CME y Bloomberg están integrando probabilidades de eventos como datos de mercado. Cuando tienes infraestructura, liquidez y claridad regulatoria (que los EE.UU. están empezando a ofrecer), los agentes de IA ganan espacio legítimo para operar.

Todavía estamos en las primeras etapas, pero el espacio se está moviendo rápido. Vale la pena seguir no solo a los agentes en sí, sino también las herramientas de análisis y las estrategias que funcionan mejor. Si estás en Gate, tienes acceso a datos de múltiples cadenas — puede ser un buen punto de partida para explorar cómo podrían funcionar los agentes en mercados de predicción descentralizados.