Bloomberg Opinion — Há 25 anos ganho a vida com mercados de previsão; não como apostador, mas como cientista e empreendedor que aproveita sua incrível capacidade de consolidar as suposições fundamentadas de uma multidão.
A Kalshi e a Polymarket estão movimentando bilhões de dólares em apostas durante a Copa do Mundo. No entanto, tenho acompanhado com particular consternação os recentes escândalos envolvendo essas empresas — suspeitas de uso de informação privilegiada em operações militares, manipulação de leituras de temperatura e ameaças a jornalistas.
Isso porque os defensores mais ferrenhos dessas plataformas basearam seus argumentos em uma alegação falsa: os mercados de previsão só funcionam porque os participantes usam dinheiro de verdade em jogo.
Sei que isso está errado, pois, há mais de 20 anos, realizei um experimento que refutou essa ideia.
Em 2003, a Agência de Projetos de Pesquisa Avançada de Defesa (DARPA) do Pentágono fez uma tentativa visionária de usar mercados de previsão para previsões geopolíticas. No entanto, isso gerou uma enorme controvérsia no Congresso e o programa foi rapidamente encerrado.
Oponentes condenaram os riscos morais de permitir que as pessoas apostassem dinheiro em questões de segurança nacional — chegando a dizer que isso poderia ajudar terroristas. Seus defensores argumentaram que as previsões exigiam dinheiro real para cumprir seu propósito preditivo. Entre estes últimos estava o renomado economista Justin Wolfers, que na época lecionava em Stanford.
⟶ Assine as newsletters da Bloomberg Línea e receba as notícias do dia em primeira mão no e-mail.
Naquela época, eu administrava um mercado de previsões chamado NewsFutures, que utilizava dinheiro virtual, oferecia participação gratuita e distribuía prêmios em dinheiro bastante modestos aos participantes com melhor desempenho. Desafiei Wolfers em um fórum online do The Washington Post: ele estaria disposto a apostar que as previsões em mercados que utilizavam dinheiro real eram mais precisas do que a minha versão com dinheiro virtual?
Ele aceitou o desafio com bom humor, apostando uma boa garrafa de vinho californiano contra um vinho francês vintage.
Unimo-nos ao cientista da computação David Pennock, pesquisador pioneiro em mercados de previsão, para comparar, ao longo de uma temporada completa de futebol americano — mais de 200 jogos — as previsões do NewsFutures com as do TradeSports, na época o maior mercado de previsão com dinheiro real em operação nos EUA (localizado na Irlanda para contornar as regulamentações americanas). Também colocamos os dois mercados para competir contra 1.947 analistas individuais em uma plataforma de competição independente.
Leia também: Kalshi recorre a agente de IA para revisar contratos de mercados de previsão
Desde a primeira semana, tanto o NewsFutures quanto o TradeSports superaram 84% dos analistas individuais. Vinte semanas depois, após o Super Bowl, o mercado com dinheiro virtual terminou em sexto lugar, enquanto seu rival com dinheiro real ficou em oitavo.
Logo recebi uma garrafa de chardonnay da “Edição Stanford”, com uma elegante gravura do campus no rótulo.
O dinheiro não importava nem um pouco.
Essa conclusão só se reforçou desde então. Em 2014, lancei um mercado geopolítico com dinheiro virtual, o Hypermind. Após quase 1 milhão de negociações em mais de mil questões, o Hypermind demonstrou uma precisão de calibração que as plataformas com dinheiro real deveriam invejar: eventos avaliados com 80% de probabilidade ocorrem em cerca de 80% das vezes, aqueles avaliados com 25% de probabilidade ocorrem em 25% das vezes, e isso se mantém em todos os níveis de probabilidade com 99,4% de precisão (há uma pequena quantia de dinheiro envolvida: US$ 5.000 por ano em prêmios em dinheiro, distribuídos proporcionalmente aos lucros em dinheiro virtual de cada participante).
E quanto aos eventos que são realmente difíceis de prever? Considere os anos politicamente agitados de 2016 e 2017, que nos chocaram com o Brexit, a controversa indicação presidencial de Donald Trump seguida por sua surpreendente vitória em novembro, ou a eleição inesperada de Emmanuel Macron como presidente da França.
Acompanhei diariamente as probabilidades com dinheiro virtual da Hypermind em comparação com dois dos principais mercados de dinheiro real: o PredictIt, nos EUA, e o Betfair, no Reino Unido. O PredictIt era altamente regulamentado, com limites rígidos de apostas por participante. O Betfair era, e ainda é, um mercado de dinheiro real sem restrições, comparável em liquidez e número de participantes ao Polymarket ou ao Kalshi atualmente.
Leia também: Como novos mercados de previsão driblam órgãos reguladores para atuar no Japão
O mercado de dinheiro virtual, de longe o menor dos três, foi o mais preciso em todos os quatro casos: em média, foi 16% melhor que o PredictIt e 17% melhor que o Betfair. Até mesmo os participantes das apostas com dinheiro real ficaram impressionados: na véspera do segundo turno das eleições presidenciais francesas, a casa de apostas britânica Ladbrokes tuitou que as odds da Hypermind haviam sido “o melhor guia durante todo esse processo”.
Não sou o único a entender que escala e liquidez não determinam a precisão. O que determina é o destino.
Considere uma abordagem alternativa que ganhou força na última década: as “pesquisas de previsão” têm apresentado resultados surpreendentes. Essa tecnologia foi aperfeiçoada pelo Good Judgment Project, um torneio de previsões geopolíticas com duração de quatro anos, realizado no início da década de 2010 pela Intelligence Advanced Research Projects Activity (IARPA), o braço de pesquisa da comunidade de inteligência dos EUA.
Os participantes recebiam algumas centenas de dólares para participar de torneios de previsão plurianuais — eles estimavam as probabilidades de resultados futuros, atualizavam essas estimativas à medida que os eventos se desenrolavam e eram pontuados de acordo com isso.
Algoritmos sofisticados calculavam as previsões coletivas usando médias ponderadas com base no histórico individual, na atualidade das previsões, na frequência com que os participantes atualizavam suas respostas e em outras considerações.
As previsões coletivas dessas centenas de amadores rivalizaram com as de um mercado de previsões composto por analistas de inteligência profissionais com acesso a informações confidenciais. Os melhores entre esses amadores, os chamados “superprevisores”, superaram os profissionais em 30%.
Eles não eram mais inteligentes; eram organizados de maneira diferente. Suas previsões eram agregadas com base no histórico de acertos, eles eram treinados em probabilidades, trabalhavam em equipes e, fundamentalmente, eram recompensados por estarem consistentemente certos ao longo do tempo, e não por uma única aposta vencedora. “Se eu fosse o presidente Obama ou John Kerry”, escreveu o colunista do New York Times David Brooks sobre o Good Judgment Project em 2013, “gostaria de ler as previsões deles”.
Leia também: ‘Choque regulatório’ vira obstáculo para mercados de previsão na América Latina
Hoje, a enquete de previsões Glimt, conduzida pela Agência Sueca de Pesquisa de Defesa em colaboração com o governo da Ucrânia, transmite as previsões de 20 mil voluntários de todo o mundo diretamente para a inteligência ucraniana — a primeira integração de previsões coletivas do público no processo de tomada de decisão de um Estado em tempo de guerra.
Em uma pesquisa de previsão ou em um mercado onde todos partem com recursos iguais, a única maneira de adquirir influência é estar consistentemente correto em muitas previsões. Portanto, há uma correlação muito mais estreita entre perspicácia e influência do que em um mercado com dinheiro real, onde o grande capital que movimenta os preços não é necessariamente o capital mais inteligente.
A geopolítica não é o único campo de alto risco em que essa abordagem tem se mostrado eficaz. Um ano antes do surgimento da covid-19, a Hypermind realizou uma pesquisa de previsão para o Centro de Segurança Sanitária da Universidade Johns Hopkins, com um orçamento total de prêmios de alguns milhares de dólares.
Quinhentos profissionais de saúde pública recrutados pela universidade em 88 países se juntaram a dezenas dos melhores analistas de previsão da própria Hypermind para prever a gravidade de surtos de doenças infecciosas em tempo real (por exemplo, o número de pessoas ou países afetados).
Quando a covid surgiu na China no início de 2020, a plataforma previu com perspicácia sua disseminação explosiva. Tara Kirk Sell, líder do projeto da Hopkins, testemunhou posteriormente perante o Congresso que a multidão costumava prever os resultados com cerca de três semanas de antecedência. Quando as infecções se espalham exponencialmente, três semanas são uma eternidade.
A Kalshi e a Polymarket agora lideram um setor multibilionário. Seu apelo é compreensível. Mas a promessa original dos mercados de previsão — aproveitar a sabedoria das multidões para precificar o futuro — é cumprida igualmente bem por mercados bem projetados ou pesquisas de opinião que quase não envolvem dinheiro.
Leia também: CazéTV entra na mira de reguladores por publicidade de bets durante a Copa
Essas alternativas são imunes à manipulação e à fraude que levaram a pedidos no Congresso por uma supervisão mais rigorosa dos mercados de previsão por parte da Comissão de Negociação de Futuros de Commodities.
Os participantes de mercados e torneios com dinheiro virtual respondem a outros incentivos: eles se deleitam com o desafio intelectual, o chamado patriótico, o reconhecimento dos colegas ou o simples prazer de estar certo. Para eles, a excelência é sua própria recompensa.
Enquanto isso, a ciência continua avançando: os bots de IA alcançaram a precisão de multidões humanas bem informadas. “Máquinas de previsão podem ajudar a realizar análises prospectivas em escala e velocidade que até agora não eram possíveis”, observa Rafał Kierzenkowski, chefe da Unidade de Prospectiva Estratégica da Organização para a Cooperação e Desenvolvimento Econômico.
Grandes modelos de linguagem (LLMs) que reúnem inteligência coletiva e consultam a web aberta oferecem mais uma maneira de avaliar o futuro sem apostas. Grupos bem organizados de LLMs podem fornecer probabilidades baseadas em evidências em questão de minutos. Torneios bem elaborados podem ajudar a transformar a previsão em um ato cívico.
A promessa, mas sem a ganância.
Esta coluna reflete as opiniões pessoais do autor e não reflete necessariamente a opinião do conselho editorial ou da Bloomberg LP e de seus proprietários.
Emile Servan-Schreiber, autor do livro Supercollective Intelligence, administra o mercado de previsões Hypermind e é cofundador da The Forecasting Machine, uma plataforma de previsão baseada em inteligência artificial. Ele leciona inteligência coletiva na IE University, em Madri, e na UM6P, em Rabat, Marrocos.
Veja mais em Bloomberg.com
Leia também
Petrobras reforça expansão internacional com aquisição de bloco exploratório na África
© 2026 Bloomberg L.P.
