IA y agentes en los mercados de predicción: qué pueden hacer (y qué no)

¿Qué pueden hacer los agentes de IA en los mercados de predicción?

¿Cómo ayuda la IA a investigar y agregar datos?

Los mejores pronosticadores de IA son procesos, no un solo prompt. El Forecasting Research Institute describe el sistema líder de ForecastBench en julio de 2026 (de Cassi AI) como «un proceso en varias etapas que genera subpreguntas y consultas de búsqueda, recupera contexto actualizado y filtra por relevancia y actualidad», que después pronostica con un conjunto de modelos y un LLM final que revisa el razonamiento ^[3].

En mercados de predicción, un agente puede:

• leer primero las reglas de resolución (deciden el resultado, no el título) ^[6];
• reunir las fuentes oficiales citadas en esas reglas (organismos, ligas, autoridades electorales);
• obtener metadatos y precios desde las API oficiales ^{[7] [2]};
• registrar cada fuente usada para que una persona pueda auditar la conclusión.

¿Predice la IA mejor que los humanos? Lo que dicen los benchmarks

ForecastBench (Forecasting Research Institute)

ForecastBench compara sistemas de IA con superpronosticadores humanos en dos tipos de preguntas: de datos, generadas a partir de series temporales (ACLED, DBnomics, FRED, Yahoo! Finance, Wikipedia), y de mercado, tomadas de Manifold, Metaculus, Polymarket y RAND Forecasting Initiative ^[3]. A 16 de julio de 2026:

• varios sistemas (de Cassi AI, xAI y Google DeepMind) eran estadísticamente indistinguibles de los superpronosticadores en la clasificación del torneo;
• el sistema de Cassi superó la mediana de los superpronosticadores en preguntas de mercado, algo inédito;
• 17 sistemas superaban a los superpronosticadores en la clasificación preliminar (preguntas de datos).

Las advertencias del propio FRI importan: las previsiones humanas se recogieron por última vez en 2024 y se extrapolan, los intervalos de confianza se solapan y los resultados son «más coherentes con la paridad que con la superación» ^[3]. Clasificaciones en vivo: ^[8].

Metaculus FutureEval (primavera 2026)

173 bots pronosticaron 297 preguntas puntuadas que se resolvían entre enero y mayo de 2026. Los 10 Pro Forecasters de Metaculus superaron al equipo top 10 de bots por una media de 1,25 puntos por pregunta, pero la ventaja no fue estadísticamente significativa (p unilateral = 0,247), y el equipo de bots mejoró mucho en un año ^[4].

Qué significa para quien opera

Igualar a los superpronosticadores en un benchmark no equivale a batir un mercado líquido tras comisiones. El precio ya agrega a muchos operadores informados, y las comisiones de Kalshi y Polymarket son máximas en torno al 50 % ^{[9] [10]}.

API de cuotas y datos que usan los agentes de IA

Los agentes necesitan datos limpios y estructurados. Además de las API oficiales de Polymarket y Kalshi, dos API comerciales de cuotas se usan mucho para análisis deportivo y entre mercados. Los datos siguientes son los publicados por cada proveedor el 2 de noviembre de 2026; comprueba las condiciones vigentes antes de contratar.

Enlace de socio — podríamos recibir una comisión. Consulta nuestra divulgación de afiliados.

Alternativa: SportsGameOdds Enlace de socio

SportsGameOdds afirma cubrir más de 85 casas en más de 67 ligas, con precios de Kalshi y Polymarket junto a las casas de apuestas, vía REST y WebSocket ^[13]. Cobra por evento («objeto») y no por mercado; a 2 nov 2026 tiene un plan gratuito Amateur (2.500 objetos/mes, 10 peticiones/min), Rookie a 99 $/mes y Pro a 299 $/mes ^[14].

Cómo las usa un agente

Un agente típico convierte la cuota de una casa en probabilidad implícita (quitando el margen), la compara con el precio de un mercado de predicción para el mismo evento, señala diferencias grandes y pide confirmación humana antes de actuar. Recuerda que cada plataforma define el resultado a su manera: el «ganador del partido» de una casa y un contrato de bolsa pueden liquidarse con reglas distintas.

¿Cómo funcionan los bots de trading automático en Polymarket y Kalshi?

Polymarket

• Las órdenes son mensajes firmados con EIP-712 que se envían al operador del CLOB, que comprueba firma, saldo, permisos y tamaño mínimo de tick, y luego las casa o las deja en el libro; las operaciones se liquidan de forma atómica en Polygon ^[1].
• El CLOB V2 funciona desde el 28 de abril de 2026, con nuevos SDK (@polymarket/clob-client-v2, py-clob-client-v2), comisiones fijadas por el protocolo al casar y pUSD como colateral ^[15].
• Los desarrolladores deben comprobar la elegibilidad geográfica (GET https://polymarket.com/api/geoblock) antes de enviar órdenes; las de regiones bloqueadas se rechazan ^[16].
• El framework de código abierto agents de Polymarket mostró cómo un agente LLM puede investigar y operar, pero el repositorio está archivado ^[17].

Kalshi

• Kalshi ofrece conexión REST, WebSocket y FIX, con entornos y credenciales separados de demo y producción: prueba primero en demo ^{[2] [18]}.

Creación de mercado

Polymarket no cobra a los creadores (makers) y redistribuye parte de las comisiones de tomadores mediante un programa de reembolsos, una razón por la que la provisión automática de liquidez es habitual ^[10].

¿Cómo está cambiando la IA a los propios mercados de predicción?

• Descubrimiento de precios más rápido: la investigación y vigilancia automáticas acortan el tiempo entre la noticia y el movimiento del precio.
• Más liquidez: las estructuras que premian a los creadores incentivan la cotización automática ^[10].
• Mercados como benchmark de IA: ForecastBench usa preguntas de Polymarket, Manifold y Metaculus para evaluar pronosticadores de IA ^[3].
• Más escrutinio: los reguladores vigilan el uso de información privilegiada, la manipulación y las operaciones ficticias en contratos de eventos ^[19].

¿Qué riesgos tiene usar agentes de IA en mercados de predicción?

• Sobreajuste y exceso de confianza: un backtest que «funciona» puede ajustarse solo al ruido; los intervalos de confianza de los benchmarks son amplios ^{[3] [4]}.
• Leer mal las reglas: un agente que opera por el título y no por las reglas de resolución puede equivocarse con total seguridad ^[6].
• Manipulación e información privilegiada: la CFTC afirma tener competencia sobre fraude, manipulación, operaciones ficticias e insider trading en contratos de eventos, y en 2026 cerró un caso contra un operador que usó conocimiento previo de un discurso: pagó 172.539,02 $ y recibió una prohibición de tres años ^{[19] [5]}.
• Condiciones de uso y reglas geográficas: automatizar no cambia la elegibilidad; usar VPN para eludir restricciones incumple las condiciones de Polymarket ^[20].
• Seguridad: las claves de API y de monedero tienen poder de gasto real: guárdalas bien, usa el mínimo privilegio y pon límites estrictos.
• Pérdidas descontroladas: un fallo puede enviar muchas órdenes en poco tiempo. Usa límites de posición, de pérdidas y un interruptor de emergencia.

Qué pueden y qué no pueden hacer los agentes de IA (resumen)

Guía responsable para construir un agente de mercados de predicción

1. Comprueba la elegibilidad: confirma que la plataforma es legal para ti y consulta los endpoints de restricción geográfica ^[16].
2. Empieza en solo lectura: descarga mercados, precios y cuotas, sin claves de trading.
3. Pronostica y registra: guarda cada previsión con fuentes y hora, y puntúala tras la resolución (Brier score).
4. Opera en papel o en demo: Kalshi ofrece un entorno demo ^[18].
5. Añade límites estrictos: importe máximo por mercado, pérdida diaria máxima, interruptor de emergencia y aprobación humana para órdenes grandes.
6. Revisa con regularidad: compara tus previsiones con el mercado y con los benchmarks antes de escalar.

Preguntas frecuentes