O trio da DeepMind que criou uma IA de pôquer agora está ganhando dinheiro para fundos de hedge quantitativos

Nenhum dos três fundadores da EquiLibre Technologies havia trabalhado em finanças antes de criar um algoritmo que hoje movimenta bilhões nos mercados. No entanto, de 2025 até hoje, a IA deles nunca fechou um único mês no vermelho: um recorde de zero meses negativos, exatamente como conta Martin Schmid, o CEO. A crença generalizada é que, para vencer em Wall Street, você precisa de redes, informações privilegiadas e uma mente de lobo: em vez disso, a EquiLibre vem de um universo completamente diferente — a pesquisa acadêmica e as partidas de pôquer online. A tese que vira o jogo é esta: as habilidades necessárias para vencer os grandes mercados não são mais as dos tubarões das finanças, mas as dos cientistas capazes de ensinar uma máquina a aprender por conta própria. Reinforcement learning, é o nome: sistemas que ganham experiência, cometem erros, são recompensados e se adaptam — exatamente como uma inteligência humana, mas a uma velocidade assustadora. Quem são esses três? Martin Schmid, Rudolf Kadlec e Matej Moravcik: todos os três eram doutorandos visitantes no escritório da DeepMind em Edmonton, Canadá, quando criaram o DeepStack, a primeira IA capaz de vencer os campeões de pôquer sem limites, o Texas Hold'em. Nenhum deles queria seguir carreira nas finanças, pelo menos no início: Schmid diz claramente: "Não faço isso para tornar os mercados mais eficientes. Faço isso porque nos divertimos construindo coisas que ainda não existem.” Depois da DeepMind, eles voltam para Praga com um grupo de amigos e colegas — muitos dos quais fazem parte da diáspora tcheca do Google — e fundam a EquiLibre. Decidem ficar lá, longe do Vale do Silício, porque — nas palavras de Schmid — "aqui é mais fácil reter os talentos: não há uma nova startup sexy a cada dois meses tentando roubá-los de você". Hoje são apenas 25 pessoas, mas gerenciam algoritmos que, em parceria com a Tower Research Capital, negociam no S&P 500 e na Nasdaq, com volumes diários impressionantes. A história da EquiLibre também é um caso de timing: quando eles começaram, o reinforcement learning era visto com ceticismo — agora é o padrão, tanto que até a Jane Street, uma das gigantes mundiais do trading quantitativo, afirma usá-lo junto com modelos linguísticos avançados e dezenas de milhares de GPUs. Mas a EquiLibre, com recursos muito mais limitados, aposta tudo na eficiência: "Temos que fazer mais com menos", diz Schmid. O paradoxo? Em um setor em que a automação deveria levar a poucos vencedores e muitos perdedores, Schmid vê outra possibilidade: "Este não é um jogo em que o vencedor leva tudo". E o detalhe surpreendente é que a EquiLibre nem se define como uma empresa financeira: ela se vê como um laboratório de pesquisa que, por acaso, encontrou uma maneira de imprimir dinheiro com um algoritmo. Tente imaginar: três ex-pesquisadores de IA, que voltaram para casa quase por nostalgia, começam a brincar com os mercados mundiais — e, em quatro anos, valem mais de meio bilhão de dólares. Mas a verdade é que hoje a criatividade em engenharia conta mais do que a astúcia financeira. Se você acha que o futuro de Wall Street é escrito por ex-traders da Goldman Sachs, talvez seja hora de rever a aposta. De agora em diante, quem decide quem vence podem ser os nerds do reinforcement learning, não os tubarões de terno e gravata. Se esta história de ciência e algoritmos abriu uma nova janela para você, no Lara Notes você pode marcar I'm In — não é um like, é uma maneira de dizer: agora esta ideia é minha. E se amanhã você estiver contando a alguém — talvez na frente de um baralho de cartas ou de um monitor da Bolsa de Valores — no Lara Notes você pode marcar quem estava lá com Shared Offline, para que a conversa permaneça viva. Tudo isso vindo do TechCrunch, com 1 minuto economizado.