El trío de DeepMind que creó una IA de póquer ahora gana dinero para fondos de cobertura cuantitativos

Ninguno de los tres fundadores de EquiLibre Technologies había trabajado nunca en finanzas antes de crear un algoritmo que hoy mueve miles de millones en los mercados. Sin embargo, desde 2025 hasta hoy, su IA nunca ha cerrado un solo mes con pérdidas: un récord de cero meses negativos, tal y como cuenta Martin Schmid, el director ejecutivo. La creencia generalizada es que para ganar en Wall Street se necesitan redes, información privilegiada y una mente de lobo: en cambio, EquiLibre proviene de un universo completamente diferente: la investigación académica y las partidas de póquer en línea. La tesis que da la vuelta a la tortilla es esta: las habilidades necesarias para vencer a los grandes mercados ya no son las de los tiburones de las finanzas, sino las de los científicos capaces de enseñar a una máquina a aprender por sí misma. Se llama aprendizaje por refuerzo: sistemas que adquieren experiencia, cometen errores, son recompensados y se adaptan, exactamente como la inteligencia humana, pero a una velocidad asombrosa. ¿Quiénes son estos tres? Martin Schmid, Rudolf Kadlec y Matej Moravcik: los tres eran doctorandos visitantes en la oficina de DeepMind en Edmonton, Canadá, cuando crearon DeepStack, la primera IA capaz de vencer a los campeones de póquer sin límite, el Texas Hold'em. Ninguno de ellos quería hacer carrera en las finanzas, al menos al principio: Schmid lo dice claramente: «No lo hago para hacer que los mercados sean más eficientes. Lo hago porque nos divierte construir cosas que aún no existen». Después de DeepMind, regresan a Praga junto con un grupo de amigos y compañeros —muchos de los cuales forman parte de la diáspora checa de Google— y fundan EquiLibre. Deciden quedarse allí, lejos de Silicon Valley, porque, en palabras de Schmid, «aquí es más fácil retener a los talentos: no hay una nueva startup atractiva cada dos meses que intente robártelos». Hoy son solo 25 personas, pero gestionan algoritmos que, en asociación con Tower Research Capital, operan en el S&P 500 y el Nasdaq, con volúmenes diarios vertiginosos. La historia de EquiLibre es también un caso de oportunidad: cuando empezaron, el aprendizaje por refuerzo se veía con escepticismo; ahora es el estándar, hasta el punto de que incluso Jane Street, uno de los gigantes mundiales del trading cuantitativo, afirma que lo utiliza junto con modelos lingüísticos avanzados y decenas de miles de GPU. Pero EquiLibre, con recursos mucho más limitados, lo apuesta todo por la eficiencia: «Tenemos que hacer más con menos», dice Schmid. ¿La paradoja? En un sector en el que la automatización debería dar lugar a pocos ganadores y muchos perdedores, Schmid ve otra posibilidad: «Este no es un juego en el que el ganador se lo lleva todo». Y el detalle que desconcierta es que EquiLibre ni siquiera se define como una empresa financiera: se ve a sí misma como un laboratorio de investigación que, por casualidad, ha encontrado la manera de imprimir dinero con un algoritmo. Imagínate: tres antiguos investigadores de IA, que han vuelto a casa casi por nostalgia, se ponen a jugar con los mercados mundiales y, en cuatro años, valen más de 500 millones de dólares. Pero la cuestión real es que hoy en día la creatividad en ingeniería cuenta más que la astucia financiera. Si crees que el futuro de Wall Street está escrito por los antiguos operadores de Goldman Sachs, tal vez sea el momento de reconsiderar tu apuesta. De ahora en adelante, podrían ser los frikis del aprendizaje por refuerzo quienes decidan quién gana, no los tiburones de traje y corbata. Si esta historia de ciencia y algoritmos te ha abierto una nueva ventana, en Lara Notes puedes marcar I'm In. No es un «me gusta», es la forma de decir: esta idea ahora es mía. Y si mañana te encuentras contándosela a alguien —tal vez delante de una baraja de cartas o de un monitor de la Bolsa— en Lara Notes puedes etiquetar a quien estaba allí con Shared Offline, para que esa conversación siga viva. Todo esto llega de TechCrunch, con 1 minuto ahorrado.