-
El agente de IA fue creado mediante la plataforma Openclaw.
-
Las ganancias obtenidas habrían sido de casi el 6.000%.
Un usuario de X identificado como Argona afirmó que un agente de inteligencia artificial (IA) transformó USD 50 en USD 2.980 en 48 horas, un rendimiento cercano al 6.000%, operando en Polymarket.
El creador de ese bot de IA le indicó una condición explícita: «Paga por ti mismo o muere», de modo tal que, si el saldo llegaba a cero, el sistema de ese agente se apagaba.
Según la publicación de este 10 de febrero, el agente funcionó como un operador autónomo en mercados de predicción, es decir, plataformas donde los participantes compran y venden contratos vinculados a eventos futuros, como resultados deportivos o datos climáticos.
No obstante, CriptoNoticias no pudo confirmar si se trató de un entorno con dinero real o de simulación.
El bot debía generar beneficios suficientes no solo para sobrevivir, sino también para cubrir sus propios costos operativos, incluyendo el uso de modelos de inteligencia artificial y la infraestructura donde se ejecutaba.
El mensaje de Argona sostiene que cada diez minutos el sistema analizaba entre «500 y 1.000 mercados activos, construía una estimación de valor razonable y ejecutaba operaciones cuando detectaba desvíos superiores al 8%».
La siguiente imagen es una captura de pantalla extraída del video publicado por Argona, en la que demuestra la ganancia obtenida:
¿Cómo operaba el agente de IA?
Según el propio usuario, el agente utilizaba la interfaz de programación de aplicaciones (API) de Claude (un modelo de lenguaje desarrollado por Anthropic) para el razonamiento. Es decir, el sistema consultaba a un modelo de IA externo para evaluar probabilidades, y luego pagaba por ese servicio con parte de sus ganancias.
Además, el algoritmo aplicaba el criterio de Kelly, una fórmula matemática de gestión de riesgo que calcula qué proporción del capital conviene apostar en función de la ventaja estimada. En la práctica, esto limitaba cada posición al 6% del capital disponible, lo que reduce la probabilidad de quiebra ante una racha adversa.
El agente empleado por Argona actuaba como un escáner periódico que buscaba ineficiencias puntuales. Según explicó, en mercados climáticos, por ejemplo, el bot analizaba datos del Servicio Meteorológico Nacional de EE. UU. antes de que se reflejaran plenamente en los precios de Polymarket.
Asimismo, en mercados deportivos revisaba reportes de lesiones para anticipar movimientos, y en mercados vinculados a criptomonedas combinaba métricas on chain con análisis de sentimiento, conforme a Argona.
La utilidad de esta práctica es que, si la información llega antes que al promedio del mercado, puede capturar diferencias de precio.
En ese sentido, CriptoNoticias reportó a fines de enero que, en la red Ethereum, la implementación del estándar ERC-8004 habilitó el funcionamiento y la interacción de agentes de IA entre sí para efectuar, entre otras, tareas de trading similares a las mencionadas por Argona.
Infraestructura y límites del experimento
El usuario indicó que desarrolló el agente en Rust, un lenguaje de programación orientado al rendimiento, y que lo ejecutó en un «servidor privado virtual (VPS) de USD 4,5 mensuales». Esto implica que la barrera técnica no fue el costo de infraestructura, sino la calidad del modelo predictivo y la gestión del riesgo.
Para orquestar el sistema utilizó Openclaw, una plataforma que permite desplegar agentes autónomos que interactúan con modelos de inteligencia artificial y ejecutan tareas externas, como operar en API financieras.
En términos prácticos, Openclaw actúa como el entorno donde el agente toma decisiones y ejecuta órdenes de mercado.
Sin embargo, en mercados líquidos y competitivos, las ineficiencias persistentes tienden a corregirse rápidamente, lo que hace difícil sostener ganancias como estas de forma continua.
En consecuencia, aunque el experimento ilustra cómo un agente puede automatizar análisis, gestión de riesgo y ejecución, el desafío real será verificar si esos resultados son replicables en el tiempo o si responden a condiciones puntuales de mercado.
