Il trio di DeepMind che ha creato un'IA per il poker ora sta facendo soldi per gli hedge fund quantitativi

Nessuno dei tre fondatori di EquiLibre Technologies aveva mai lavorato nel settore finanziario prima di creare un algoritmo che oggi muove miliardi sui mercati. Eppure, dal 2025 a oggi, la loro IA non ha mai chiuso un solo mese in perdita: un record di zero mesi negativi, proprio come racconta Martin Schmid, il CEO. La convinzione diffusa è che per vincere a Wall Street servano network, informazioni privilegiate e una mente da lupo: invece, EquiLibre arriva da tutt'altro universo — la ricerca accademica e le partite di poker online. La tesi che ribalta il tavolo è questa: le abilità che servono per battere i grandi mercati non sono più quelle degli squali della finanza, ma quelle degli scienziati capaci di insegnare a una macchina come imparare da sola. Reinforcement learning, si chiama: sistemi che fanno esperienza, sbagliano, vengono premiati e si adattano — esattamente come un'intelligenza umana, ma a una velocità spaventosa. Chi sono questi tre? Martin Schmid, Rudolf Kadlec e Matej Moravcik: tutti e tre erano visiting PhD nell'ufficio DeepMind di Edmonton, Canada, quando hanno creato DeepStack, la prima AI capace di battere i campioni di poker senza limiti, Texas hold'em. Nessuno di loro voleva fare carriera nella finanza, almeno all'inizio: Schmid lo dice chiaramente, “Non lo faccio per rendere i mercati più efficienti. Lo faccio perché ci diverte costruire cose che non esistono ancora.” Dopo DeepMind, tornano a Praga insieme a un gruppo di amici e colleghi — molti dei quali fanno parte della diaspora ceca di Google — e fondano EquiLibre. Decidono di restare lì, lontani dalla Silicon Valley, perché — parole di Schmid — “qui è più facile tenere i talenti: non c'è una nuova startup sexy ogni due mesi che cerca di soffiarteli via.” Oggi sono solo 25 persone, ma gestiscono algoritmi che in partnership con Tower Research Capital fanno trading su S&P 500 e Nasdaq, con volumi giornalieri da capogiro. La storia di EquiLibre è anche un caso di tempismo: quando hanno iniziato, il reinforcement learning era visto con scetticismo — ora è lo standard, tanto che anche Jane Street, uno dei giganti mondiali del trading quantitativo, dichiara di usarlo insieme a modelli linguistici avanzati e decine di migliaia di GPU. Ma EquiLibre, con risorse molto più limitate, punta tutto sull'efficienza: “Noi dobbiamo fare di più con meno”, dice Schmid. Il paradosso? In un settore in cui l'automazione dovrebbe portare a pochi vincitori e tanti sconfitti, Schmid vede un'altra possibilità: “Questa non è una partita in cui il vincitore prende tutto.” E il dettaglio che spiazza è che EquiLibre non si definisce nemmeno una società finanziaria: si vede come un laboratorio di ricerca che, per caso, ha trovato il modo di stampare soldi con un algoritmo. Prova a immaginare: tre ex ricercatori di IA, tornati a casa quasi per nostalgia, si mettono a giocare con i mercati mondiali — e nel giro di quattro anni valgono più di mezzo miliardo di dollari. Ma il vero punto è che oggi la creatività ingegneristica conta più della furbizia finanziaria. Se pensi che il futuro di Wall Street sia scritto dagli ex trader di Goldman Sachs, forse è il momento di rivedere la scommessa. D'ora in poi, a decidere chi vince potrebbero essere i nerd del reinforcement learning, non gli squali in giacca e cravatta. Se questa storia di scienza e algoritmi ti ha aperto una nuova finestra, su Lara Notes puoi segnare I'm In — non è un like, è il modo di dire: questa idea adesso è mia. E se domani ti ritrovi a raccontarla a qualcuno — magari davanti a un mazzo di carte, o a un monitor di Borsa — su Lara Notes puoi taggare chi c'era con Shared Offline, così quella conversazione resta viva. Tutto questo in arrivo da TechCrunch, con 1 minuto risparmiato.