Como deve ser a nova infraestrutura financeira na era da IA?

Em novembro de 2024, os mercados de previsão anteciparam o resultado das eleições antes de qualquer outro agente. Enquanto pesquisas indicavam uma disputa acirrada e especialistas eram cautelosos em suas análises, o mercado atribuía a Trump 60% de chance de vitória. Quando os resultados foram divulgados, os mercados de previsão superaram todo o aparato tradicional de projeções—incluindo pesquisas, modelos e opiniões de especialistas.

Isso demonstra que mercados conseguem agregar informações dispersas e transformá-las em crenças precisas, com mecanismos de compartilhamento de risco exercendo papel central. Desde a década de 1940, economistas já previam que mercados especulativos superariam as previsões de especialistas. Agora, essa hipótese foi confirmada no maior palco global.

Vamos analisar os princípios econômicos envolvidos.

Em plataformas como Polymarket e Kalshi, apostadores injetaram bilhões em liquidez. O que receberam em troca? Produziram sinais instantaneamente acessíveis ao mundo inteiro, de forma gratuita. Hedge funds acompanharam atentamente, equipes de campanha absorveram os dados e jornalistas criaram painéis de monitoramento. Ninguém pagou por essa inteligência; na prática, os apostadores subsidiaram um bem público global.

Esse é o dilema central dos mercados de previsão: seu produto mais valioso—informação—é disponibilizado no instante em que é criado. Compradores sofisticados não pagam por informação pública. Provedores de dados privados podem cobrar taxas elevadas de hedge funds porque seus dados não estão disponíveis para concorrentes. Já os preços dos mercados públicos de previsão, por mais precisos que sejam, não têm valor para esses compradores.

Por isso, os mercados de previsão só prosperam em áreas onde há interesse suficiente em “apostar”—eleições, esportes, eventos de memes da internet. O que se obtém é entretenimento disfarçado de infraestrutura de informação. Perguntas críticas para tomadores de decisão—riscos geopolíticos, interrupções em cadeias de suprimentos, desfechos regulatórios, cronogramas de desenvolvimento tecnológico—ficam sem resposta porque ninguém aposta nelas por diversão.

A lógica econômica dos mercados de previsão está invertida. Corrigir isso faz parte de uma transformação muito mais ampla. Aqui, a informação se torna o produto, e a aposta é apenas um mecanismo para produzi-la—e um mecanismo limitado. Precisamos de um novo paradigma. O que segue é um esboço inicial de “finanças cognitivas”: infraestrutura redesenhada desde os princípios fundamentais, centrada na própria informação.

Inteligência Coletiva

Os mercados financeiros constituem uma forma de inteligência coletiva. Eles agregam conhecimentos, crenças e intenções dispersos em preços, coordenando milhões de participantes que nunca se comunicam diretamente. Isso é extraordinário, mas também altamente ineficiente.

Os mercados tradicionais evoluem lentamente devido a horários de negociação, ciclos de liquidação e barreiras institucionais. Expressam crenças apenas de forma ampla, por meio do preço—um instrumento pouco preciso. O escopo do que podem representar também é limitado: apenas ativos negociáveis, algo pequeno diante da amplitude das preocupações humanas. A participação é rigidamente restrita: barreiras regulatórias, exigências de capital e localização geográfica excluem a maioria das pessoas e todas as máquinas.

O universo cripto está mudando esse cenário, ao introduzir mercados 24/7, participação aberta e ativos programáveis. Protocolos modulares podem ser combinados sem coordenação central. O DeFi (Decentralized Finance) demonstrou que a infraestrutura financeira pode ser reconstruída como blocos abertos e interoperáveis, criados pela interação autônoma de módulos, e não por imposição de intermediários.

Ainda assim, o DeFi basicamente replica as finanças tradicionais, apenas com “tubulações” melhores. Sua inteligência coletiva ainda gira em torno do preço, foca em ativos e absorve novas informações de forma lenta.

Finanças cognitivas são o próximo passo: reconstruir sistemas inteligentes do zero para a era da IA e do cripto. Precisamos de mercados que “pensem”—mantendo modelos probabilísticos do mundo, absorvendo informações em qualquer nível de detalhe, acessíveis e atualizáveis por sistemas de IA, e permitindo que humanos contribuam com conhecimento sem precisar entender a estrutura subjacente.

Os componentes já estão ao alcance: mercados privados para corrigir o modelo econômico, estruturas composicionais para captar correlações, ecossistemas de agentes para ampliar o processamento de informações e interfaces homem-máquina para extrair sinais da mente humana. Cada parte pode ser construída hoje e, ao serem combinadas, criarão algo fundamentalmente novo.

Mercados Privados

Quando os preços permanecem privados, as restrições econômicas desaparecem.

Um mercado de previsão privado revela preços apenas para as entidades que subsidiam a liquidez. Essas entidades recebem sinais exclusivos—inteligência proprietária, não um bem público. Assim, o mercado passa a funcionar para qualquer questão em que “alguém precise de uma resposta”, independentemente do valor de entretenimento.

Debati esse conceito com @Dave_White.

Imagine um hedge fund macro buscando estimativas contínuas de probabilidade para decisões do Fed, inflação e dados de emprego—não como oportunidades de aposta, mas como sinais para tomada de decisão. Se a inteligência for exclusiva, eles pagarão por ela. Um fornecedor de defesa deseja distribuições de probabilidade para cenários geopolíticos; uma farmacêutica busca previsões para cronogramas de aprovação regulatória. Hoje, esses compradores não existem porque, assim que a informação é gerada, ela vaza imediatamente para concorrentes.

Privacidade é essencial para um modelo econômico viável. Quando os preços são públicos, compradores de informação perdem sua vantagem, concorrentes se beneficiam gratuitamente e todo o sistema volta a depender da demanda por entretenimento.

Ambientes de execução confiáveis (TEEs) viabilizam isso—um enclave computacional seguro onde operações são invisíveis a terceiros, inclusive aos operadores do sistema. O estado do mercado existe inteiramente dentro do TEE. Compradores de informação recebem sinais por canais verificados. Diversas entidades não concorrentes podem assinar mercados sobrepostos; janelas de acesso em camadas ajudam a equilibrar exclusividade e distribuição mais ampla.

TEEs não são perfeitos—exigem confiança nos fabricantes de hardware. Mas já oferecem privacidade suficiente para uso comercial, com engenharia madura.

Mercados Composicionais

Os mercados de previsão atuais tratam eventos como isolados. “O Fed vai cortar juros em março?” é um mercado. “A inflação do segundo trimestre vai superar 3%?” é outro. Traders que percebem a relação entre esses eventos—sabendo, por exemplo, que alta inflação pode aumentar as chances de corte de juros ou que forte emprego pode reduzi-las—precisam arbitrar manualmente entre pools desconectados, tentando reconstruir correlações que a própria estrutura do mercado elimina.

É como montar um cérebro em que cada neurônio dispara isoladamente.

Mercados de previsão composicionais são diferentes: mantêm uma distribuição conjunta de probabilidade sobre combinações de resultados. Uma negociação como “juros permanecem altos e inflação supera 3%” impacta todos os mercados relacionados, atualizando de forma sincronizada toda a estrutura probabilística.

Isso se assemelha ao funcionamento das redes neurais: cada atualização de treinamento ajusta bilhões de parâmetros de uma vez, e toda a rede responde a cada dado. Da mesma forma, cada negociação em um mercado de previsão composicional atualiza toda a distribuição de probabilidade, com a informação se propagando por estruturas de correlação, e não apenas por preços isolados.

O resultado é um “modelo”—uma distribuição de probabilidade sobre o espaço de estados de eventos globais, continuamente atualizada. Cada negociação aprimora o entendimento do modelo sobre as relações entre variáveis. O mercado aprende como o mundo real se conecta.

Ecossistemas Inteligentes

Sistemas automatizados de negociação já dominam o Polymarket. Eles monitoram preços, identificam distorções, executam arbitragem e agregam informações externas em uma velocidade inalcançável para humanos.

Os mercados de previsão atuais são projetados para apostadores humanos usando interfaces web. Agentes participam apenas de forma limitada nesse contexto. Um mercado de previsão nativo para IA inverte essa lógica: agentes tornam-se os principais participantes, com humanos atuando como fontes de informação.

Isso exige uma escolha arquitetural fundamental: separação rigorosa. Agentes que podem ver preços jamais devem ser fontes de informação; agentes que coletam informação jamais devem ver preços.

Sem esse “muro”, o sistema se autocanibaliza. Um agente capaz de acessar informações e observar preços pode inferir quais informações são valiosas a partir dos movimentos de preço e buscá-las. Os sinais do mercado viram um mapa do tesouro para outros. A coleta de informação se transforma em front running sofisticado. A separação garante que agentes coletores de informação só possam lucrar fornecendo sinais verdadeiramente novos e únicos.

De um lado do “muro” estão agentes de negociação, competindo em estruturas composicionais complexas para identificar distorções, e agentes de avaliação, que usam mecanismos adversariais para analisar informações recebidas e distinguir sinal de ruído ou manipulação.

Do outro lado estão agentes coletores de informação, operando totalmente fora do sistema central. Eles monitoram fluxos de dados, analisam documentos e se conectam com pessoas que detêm conhecimento único—alimentando o mercado com informações em fluxo único. Quando sua informação se mostra valiosa, são remunerados.

A remuneração percorre o caminho inverso. Uma negociação lucrativa recompensa o agente de negociação, o agente de avaliação e o agente original de coleta de informação. O ecossistema se torna uma plataforma: agentes de IA altamente especializados podem monetizar suas habilidades, enquanto a plataforma também serve de base para outros sistemas de IA coletarem inteligência para orientar suas ações. Os agentes são o próprio mercado.

Inteligência Humana

Grande parte das informações mais valiosas do mundo reside apenas nas mentes humanas: um engenheiro que sabe que seu produto está atrasado; um analista que percebe mudanças sutis no comportamento do consumidor; um observador que nota detalhes invisíveis até mesmo para satélites.

Um sistema nativo de IA deve captar esses insights do cérebro humano sem ser inundado por ruído. Dois mecanismos tornam isso possível:

Participação mediada por agentes: permite que humanos “negociem” sem ver preços. Uma pessoa simplesmente expressa sua crença em linguagem natural, como “Acredito que o lançamento do produto será adiado”. Um agente tradutor de crenças interpreta a previsão, avalia o grau de confiança e a converte em uma posição de mercado. Esse agente se coordena com sistemas que têm acesso a preços para construir e executar a ordem. O humano recebe apenas feedback básico—“posição estabelecida” ou “vantagem insuficiente”. Os pagamentos são liquidados após o evento, conforme a precisão da previsão, e nenhuma informação de preço é divulgada.

Mercados de informação: permitem que agentes coletores de informação paguem diretamente a humanos por seus insights. Por exemplo, um agente em busca de dados sobre resultados de uma empresa de tecnologia pode identificar um engenheiro com conhecimento interno, adquirir uma avaliação e validá-la e remunerá-la conforme o valor de mercado subsequente. Humanos são compensados por seu conhecimento sem precisar entender estruturas de mercado complexas.

Tome a analista Alice como exemplo: ela acredita, com base em sua experiência, que determinada fusão não será aprovada por reguladores. Ela insere essa opinião via interface de linguagem natural; seu agente tradutor de crenças interpreta a previsão, mede sua confiança pela linguagem, verifica seu histórico e constrói uma posição—sem nunca ver preços. Um agente de coordenação na fronteira do TEE avalia se sua opinião tem vantagem informacional conforme as probabilidades de mercado atuais e executa a negociação. Alice só recebe notificações de “posição estabelecida” ou “vantagem insuficiente”. Os preços permanecem confidenciais durante todo o processo.

Essa abordagem trata a atenção humana como um recurso escasso, que deve ser cuidadosamente alocado e justamente recompensado, e não explorado livremente. À medida que essas interfaces evoluem, o conhecimento humano se tornará “líquido”: o que você sabe fluirá para um modelo global da realidade e será recompensado se comprovado correto. Informação presa em mentes não permanecerá mais aprisionada.

Uma Visão de Futuro

Se ampliarmos o olhar, é possível prever para onde estamos caminhando.

O futuro será um oceano de relações fluidas, modulares e interoperáveis. Essas relações se formarão e se dissolverão espontaneamente entre participantes humanos e não humanos, sem intermediários centrais. Isso é “confiança autônoma fractal”.

Agentes negociam com agentes, humanos contribuem com conhecimento por interfaces naturais e a informação flui continuamente para um modelo de realidade permanentemente atualizado—aberto a todos, controlado por ninguém.

Os mercados de previsão atuais são apenas um esboço dessa visão. Comprovam o conceito central (compartilhamento de risco gera crenças precisas), mas continuam presos ao modelo econômico e às premissas estruturais equivocadas. Apostas esportivas e eleitorais são para as finanças cognitivas o que a ARPANET representou para a internet global: uma prova de conceito confundida com a forma final.

O verdadeiro “mercado” é toda decisão tomada sob incerteza—praticamente toda decisão. Gestão de cadeias de suprimentos, testes clínicos, planejamento de infraestrutura, estratégia geopolítica, alocação de recursos, nomeações de pessoal… O valor de reduzir a incerteza nessas áreas supera em muito o valor de entretenimento das apostas esportivas. Ainda não criamos a infraestrutura para capturar esse valor.

O próximo salto é o “momento OpenAI” da cognição: um projeto de infraestrutura em escala civilizacional, não para raciocínio individual, mas para crença coletiva. Empresas de modelos de linguagem desenvolvem sistemas que “raciocinam” a partir de dados passados; finanças cognitivas buscam construir sistemas que “acreditam”—mantendo distribuições de probabilidade calibradas sobre o mundo, continuamente atualizadas por incentivos econômicos, integrando conhecimento humano em qualquer nível de detalhe. LLMs codificam o passado; mercados de previsão agregam crenças sobre o futuro. Só juntos podem formar um sistema cognitivo mais completo.

Em escala total, isso se tornará infraestrutura: sistemas de IA poderão consultá-la para compreender incertezas; humanos poderão contribuir com conhecimento sem conhecer seu funcionamento interno; ela poderá absorver conhecimento local de sensores, especialistas e pesquisas de ponta, sintetizando tudo em um modelo unificado. Um modelo mundial auto-otimizável e preditivo. Um substrato onde a própria incerteza pode ser negociada e composta. A inteligência emergente superará a soma de suas partes.

O “computador civilizacional”—é nessa direção que as finanças cognitivas estão avançando.

O Que Está em Jogo

Todos os elementos já estão presentes: as capacidades dos agentes superaram o limiar para previsão; a computação confidencial passou do laboratório para a produção; mercados de previsão demonstraram aderência produto-mercado em larga escala no entretenimento. Esses fatores convergem para uma oportunidade histórica: construir a infraestrutura cognitiva de que a era da IA necessita.

A alternativa é que os mercados de previsão permaneçam para sempre como entretenimento—altamente precisos em períodos eleitorais, ignorados no restante do tempo, sem jamais responder a questões realmente importantes. Nesse cenário, a infraestrutura de que a IA precisa para compreender a incerteza jamais existirá, e sinais valiosos retidos em mentes humanas permanecerão silenciosos.

Declaração:

1. Este artigo é republicado de [Foresight News], com direitos autorais pertencentes ao autor original [Matt Liston]. Caso tenha alguma preocupação sobre esta republicação, entre em contato com a equipe do Gate Learn, que tratará do assunto prontamente conforme os procedimentos aplicáveis.
2. Aviso legal: As opiniões e visões expressas neste artigo são exclusivamente do autor e não constituem recomendação de investimento.
3. Outras versões deste artigo em diferentes idiomas são traduzidas pela equipe Gate Learn. Não copie, distribua ou plagie o artigo traduzido sem mencionar a Gate.