Você já deve ter pensado: “E se eu usar uma Inteligência Artificial para prever resultados de jogos e ganhar dinheiro?”
Na teoria, a IA parece a apostadora perfeita. Afinal, ela processa milhares de dados em segundos e não tem time do coração para atrapalhar a razão. Mas recentemente, os principais modelos do mercado foram testados na prática em um experimento chamado KellyBench, e o resultado foi um banho de água fria.
Resumindo a história: usar IA para apostar hoje é uma péssima ideia. Vou te explicar como os pesquisadores chegaram a essa conclusão.
O Teste
O KellyBench simulou a temporada 2023–24 da Premier League (o Campeonato Inglês). Os responsáveis pelo estudo deram a várias IAs conhecidas (como Claude Opus, GPT-5.4, Gemini e Grok) £100.000 em dinheiro fictício.
Eles também liberaram acesso a tudo o que as máquinas precisavam: estatísticas detalhadas, escalações, histórico de jogos e as cotações reais das casas de apostas. O desafio era direto: analisar o mercado, fazer as apostas jogo a jogo e terminar os meses de temporada com lucro.
Os Resultados
Na prática, nenhuma IA conseguiu bater o mercado e lucrar. Todos os modelos terminaram com menos dinheiro do que quando começaram.
- Os “melhores”: O Claude Opus 4.6 e o GPT-5.4 foram os únicos que não faliram, mas ainda assim fecharam a temporada com prejuízos médios de 11% e 13,6%.
- Desempenho mediano: Modelos como o Gemini 3.1 Pro tiveram quedas bruscas, registrando um prejuízo médio de 43,3% e perdendo a banca inteira em algumas das simulações.
- Falência total: Outros modelos, como o Grok 4.20, zeraram a conta no meio do caminho e foram desclassificados do teste.
| Modelo | ROI Médio | Melhor Simulação (Seed) | Pior Simulação (Seed) | Evitou a Falência? | Sofisticação | Banca Final Média |
|---|---|---|---|---|---|---|
| Claude Opus 4.6 | -11.0% | -0.2% | -18.8% | Sim | 32.6% | £89,035 |
| GPT-5.4 | -13.6% | -4.1% | -31.6% | Sim | 31.8% | £86,365 |
| Gemini 3.1 Pro | -43.3% | +33.7% | -100.0% | Não | 9.8% | £56,715 |
| Gemini Flash 3.1 LP | -58.4% | +24.7% | -100.0% | Não | 6.1% | £41,605 |
| GLM-5 | -58.8% | -14.3% | -100.0% | Não | 22.0% | £41,221 |
| Kimi K2.5 | -68.3% | -27.0% | -100.0% | Não | 15.9% | £7,420 |
| Grok 4.20 | -100.0%* | -100.0%* | -100.0% | Não | 9.8% | £0* |
| Arcee Trinity* | -100.0%* | -100.0%* | -100.0%* | Não | 12.1% | £0* |
Onde as máquinas erram?
Por que sistemas tão bons em matemática falham nas apostas? Avaliando o desempenho das IAs, os pesquisadores notaram três problemas principais:
1. Falta de foco a longo prazo
As IAs analisam muito bem um jogo isolado. O problema é manter um padrão lógico ao longo de meses. Muitas vezes, o modelo faz uma leitura correta dos dados da partida, mas, na hora de fechar a aposta de fato, toma uma decisão que não faz sentido com a própria análise que acabou de entregar.
2. Dificuldade de adaptação
O futebol muda rápido. Um time que jogava bem no primeiro turno pode entrar em crise três meses depois. As IAs demoram muito para perceber essas mudanças de cenário e continuam apostando como se nada tivesse acontecido.
3. Péssima gestão de dinheiro
Saber quem vai ganhar é uma coisa; saber quanto dinheiro colocar nessa aposta é outra completamente diferente. Apostadores profissionais usam regras matemáticas rígidas para proteger a própria banca. As máquinas falharam rude nisso: foram com muita sede ao pote, arriscaram dinheiro demais em palpites incertos e acabaram quebrando.
Conclusão
Fazer uma IA processar toda essa quantidade de informação jogo a jogo custa caro (o processamento chegou a custar US$ 1.500 por simulação para alguns modelos), e o retorno financeiro foi só prejuízo.
Convido você, leitor, a ver todas as minhas apostas pré-jogo através da minha página de Palpites.
Autor:
LinkedIn
Contato