Por que os robôs de trading com IA têm dificuldade em obter aprovação? Vantagens institucionais e riscos de responsabilidade revelam a verdade sobre o trading de criptomoedas

Gate News notícias, 17 de março, apesar de casos constantes de “Robôs de negociação AI lucrando milhões de dólares” no mercado, as principais empresas de tecnologia e laboratórios de ponta ainda não entraram oficialmente nesse setor. As divergências sobre o valor real da inteligência artificial na negociação de criptomoedas estão se ampliando.

Alguns traders utilizam o modelo Claude, da Anthropic, para criar ferramentas de negociação automatizada, obtendo lucros de curto prazo na previsão de mercado e negociações on-chain. No entanto, Haseeb Qureshi, sócio-gerente da Dragonfly Capital, aponta que esses modelos baseiam-se em premissas frágeis, incluindo a possibilidade de investidores individuais vencerem instituições a longo prazo e a capacidade de modelos gerais de manter arbitragem contínua.

Primeiro, o risco de responsabilidade tornou-se o principal obstáculo para que as empresas de tecnologia entrem no setor. Se um modelo de IA cometer erros graves em negociações reais, como executar operações com alavancagem incorretamente ou transferir ativos indevidamente, as perdas legais e de reputação podem superar amplamente os lucros potenciais. Atualmente, a IA no setor de blockchain é mais usada para testes de segurança, como identificação de vulnerabilidades em contratos inteligentes, do que para gestão direta de ativos.

Em segundo lugar, a estrutura do mercado torna difícil manter estratégias eficazes a longo prazo. A lógica de negociação baseada em modelos gerais é essencialmente pública, o que permite que qualquer estratégia lucrativa seja rapidamente copiada e ampliada por instituições. Grandes fundos quantitativos, como a Jane Street, possuem infraestrutura de baixa latência e maior capital, podendo reduzir rapidamente as janelas de arbitragem, dificultando a manutenção de vantagens por traders individuais.

Além disso, a ideia de “IA autônoma gerando dinheiro” enfrenta desafios práticos. Como os modelos tendem a ser altamente homogêneos, grandes volumes de IA não conseguem criar vantagens competitivas diferenciadas, seja na oferta de serviços ou na geração de estratégias comerciais, enfrentando dificuldades de produzir resultados distintos. Isso contrasta com a teoria de Peter Thiel sobre “vantagens de informação exclusivas”, consideradas uma fonte importante de sucesso empresarial.

Embora alguns robôs de negociação on-chain ainda obtenham lucros temporários, à medida que mais capital e tecnologia entram no setor, essa vantagem pode ser rapidamente diluída. Analistas acreditam que, em ambientes de alta frequência e baixa latência, quem controla infraestrutura e capital terá maior domínio, tornando cada vez mais difícil para traders comuns obter lucros contínuos usando modelos de IA genéricos.