A Kalshi desenvolveu seu próprio agente de IA para ajudar a lidar com diversos processos internos, incluindo algumas das questões mais espinhosas que enfrenta em relação à redação de seus contratos de mercado de previsão. A empresa tem usado a ferramenta — conhecida internamente como Harrison — para ajudar a evitar problemas nas milhões de apostas que processa diariamente sobre os resultados de eventos como eleições, jogos esportivos e cerimônias de premiação, disse a jovem brasileira Luana Lopes Lara, cofundadora da Kalshi, em entrevista. Apostas multimilionárias muitas vezes dependem dos detalhes da redação dos contratos da Kalshi, como a linguagem utilizada ou as fontes de comprovação. O setor já enfrentou controvérsias no passado quando a linguagem usada no mercado não correspondia à complexidade dos eventos do mundo real. O agente de IA, sobre o qual a empresa não havia falado publicamente até então, também executa tarefas diárias como agregar as principais notícias, analisar o que os concorrentes estão oferecendo e recomendar quais mercados a bolsa deve listar a seguir ou onde deve concentrar incentivos para usuários que adicionam liquidez. “Na verdade, temos um engenheiro de IA na equipe de mercados, onde a IA está testando em situações reais toda a certificação — descobrindo se, ao seguir por esse caminho, talvez haja alguma falha ali, e tudo mais”, disse Lopes Lara. Lopes Lara afirmou que, fora da área de engenharia, os funcionários da equipe de marketing são os que mais utilizam a tecnologia entre os 150 colaboradores da empresa. O agente Kalshi — construído com base no modelo Claude da Anthropic — oferece uma visão de como startups de rápido crescimento estão criando suas próprias ferramentas para lidar com tarefas que antes eram exclusivas de funcionários de alto escalão. Quando a Kalshi foi fundada, Lopes Lara e seu cofundador, Tarek Mansour, contrataram um grupo de campeões de debate da Universidade de Yale para testar a estrutura dos contratos listados. Um desses graduados ainda trabalha na empresa hoje. A estrutura de mercado tem sido frequentemente uma fonte de dificuldade de provedores de mercado de previsão quando os eventos tomam rumos inesperados. A Kalshi, por exemplo, liquidou um mercado que acompanhava se um executivo da Netflix diria “Warner Bros.” em uma teleconferência de resultados em janeiro como “não”, porque a pessoa pronunciou o nome como “Warner Brothers”. De acordo com um porta-voz da empresa, a Kalshi agora possui cerca de 2.800 modelos para possíveis mercados que já foram analisados ​​por sua equipe. Eles refletem as próprias previsões da bolsa sobre o que pode acontecer no mundo, disse Lopes Lara, atribuindo a cada cenário um contrato regulamentado correspondente. Cada modelo passa pela mesma avaliação: como ele pode ser generalizado para se adequar a mais eventos? Como ele pode ser testado sob condições extremas? Ele atende aos requisitos do usuário? “Hoje em dia é muito fácil porque, para cada sugestão, a IA já indica qual mercado, qual modelo usar, questões que devemos considerar, talvez uma nova certificação ou alteração”, acrescentou Lopes Lara. A demanda por apostas em eventos esportivos como a Copa do Mundo e as finais da NBA levou a um mês recorde na bolsa em maio, totalizando quase US$ 18 bilhões em volume de negociação, de acordo com dados da Dune Analytics. Na primeira semana da Copa do Mundo deste mês, a Kalshi também bateu um recorde semanal com US$ 5,1 bilhões em volume. A criação de um novo mercado na Kalshi geralmente requer duas pessoas, disse Lopes Lara: uma para preencher o modelo com as informações corretas, as regras que precisam ser exibidas ou os avisos a serem incluídos; e uma segunda pessoa para revisar tudo. Em seguida, os contratos passam por um período de espera de uma a duas horas para identificação de eventuais problemas antes de serem disponibilizados a todos os participantes, com recompensas pagas a quem encontrar falhas. A liquidação de um mercado funciona de maneira muito semelhante. Alguns mercados, como o vencedor de uma partida esportiva, podem ser determinados automaticamente com base em um provedor de dados externo. Em outros casos, a IA de Kalshi envia alertas aos membros da equipe se detectar muitas notícias sobre um determinado tema, anexando uma lista de mercados que podem exigir uma decisão. Na maioria dos casos, determinar um resultado é um processo de três etapas: alguém da equipe de mercados insere um resultado no sistema, enquanto uma segunda pessoa adiciona sua própria decisão de forma independente. A IA da Kalshi verifica se as respostas coincidem, comparando-as também com a sua própria sugestão. Em mercados complexos, como no caso de uma decisão da Suprema Corte, há uma camada adicional de verificações, que por vezes envolve o diretor de assuntos regulatórios da Kalshi. Luana Lopes Lara, cofundadora da plataforma de mercados preditivos Kalshi — Foto: Alexey Yurene/Bloomberg