Depois do meu texto sobre mercados preditivos — e das pesquisas que fiz para tentar entender melhor esse universo — minhas páginas nas redes sociais ficaram lotadas de posts com estratégias “infalíveis”, ganhos que parecem absurdos e histórias quase míticas de pessoas que começaram com USD 10, ou até menos, e em poucos meses transformaram isso em centenas de milhares ou até milhões de dólares. Tudo muito rápido, tudo muito fácil.
Foi nesse ambiente, com muito ruído e cheio de promessas exageradas, que resolvi entrar e testar, na prática, até onde a AI já consegue nos ajudar a automatizar estratégias reais. O caminho lógico me levou ao Claude. Mas antes fui entender um pouco de Python, assistindo a alguns vídeos no YouTube, só para captar a lógica mínima da coisa e até quais apps e softwares deveria usar. Em seguida, depois de muita insistência do Ariel para eu entrar – thanks -, fiz o curso da Cultura Builder. Espetacular! Valeu cada minuto e recomendo fortemente.
Aqui vale mencionar que separei um computador só para isso. Isolado do que uso no dia a dia, para não correr o risco de ter surpresas desagradáveis. Um computador de teste mesmo, em um ambiente com menos preocupação sobre o que e por que eu estava baixando esse ou aquele software.
A partir daí, foram duas semanas de imersão quase total nesse tema, usando o Claude para buscar, estruturar e executar praticamente tudo o que eu queria fazer. Não é fácil. Como todo LLM, há idas e vindas, erros, ajustes, alucinações ocasionais e aquela sensação constante de que você precisa validar tudo. Mas, aos poucos, as coisas vão se encaixando. O código começa a rodar, os dados aparecem, as análises fazem sentido. E, de repente, você percebe que saiu do campo da curiosidade e entrou no território da execução.
O que parecia uma tarefa impossível no início — criar um bot que fizesse transações automáticas seguindo uma estratégia pré-definida — saiu do papel e começou a funcionar.
Consegui não só puxar os dados que eu queria, como analisá-los de forma estruturada e criar um robô simples de market making, que coloca ordens de compra e, automaticamente, posiciona ordens de venda alguns centavos acima. Nada milagroso em termos de rentabilidade, mas espetacular em termos de aprendizado — e de ter conseguido colocar isso para rodar sem praticamente nenhum conhecimento prévio de programação. Incrível, não? E aqui vale reforçar: não há nada de direto, fácil ou ridiculamente lucrativo como prometem nos anúncios. Dá trabalho. Exige empenho, paciência e uma boa dose de frustração. Mas o ponto central é outro: hoje isso é possível.
Desde que li The Man Who Solved the Market — #ficaadica — fiquei fascinado pela revolução dos HFTs e pela forma como matemática, dados e tecnologia redefiniram o mercado financeiro nas últimas décadas. Agora acredito que estamos indo para o segundo passo disso, quando o que antes era restrito a fundos bilionários, infraestrutura caríssima e equipes gigantescas começa — ainda que de forma rudimentar — a ficar acessível a indivíduos curiosos, disciplinados e dispostos a aprender.
Claro, estamos longe do ideal, e os matemáticos e grandes fundos sempre estarão alguns passos à frente. Para dar um exemplo concreto: meu robô hoje opera com algo em torno de 300 ms de latência. Para HFT, isso é como tentar competir em velocidade com uma Ferrari usando uma bicicleta — e ainda por cima, numa subida. A diferença é brutal. Mas entender essa diferença já é, por si só, parte do aprendizado.
Essa imersão teve também outro efeito: conseguir entender, efetivamente e na prática, o porquê do medo recente do SaaS-mageddon. É difícil não projetar um cenário futuro bastante complexo para essas empresas depois das experiências que tive. Saber programar está deixando de ser uma vantagem competitiva e, em pouco tempo — e aqui me parece pouco tempo mesmo — todos teremos a capacidade de conversar com máquinas da mesma forma que conversamos com uma pessoa que fala outra língua que não a nossa.
Chego ao final com uma mensagem otimista, mas também realista. O aprendizado tem sido enorme, o acesso às ferramentas nunca foi tão democrático, e o próximo passo já está claro: testar VPI, agentes e arquiteturas mais sofisticadas. Tentei, inclusive, baixar o Clawbot — que mudou de nome para Moldbot e depois para OpenClaw🙄 — mas ainda não consegui. Imagina um Agente de AI negociando e tendo autonomia para tomar decisões com base em alguns parâmetros que eu dou para ele? É isso que ele permite!
E sobre o “bot” milionário, tenho clara consciência de que já existem alguns por ai, e espero que os meus se juntem a eles 🤞, mas mesmo que não seja, se tem uma coisa de que tenho certeza, é que o caminho, o aprendizado e o impacto que isso está tendo em mim, na minha visão de mundo e nas minhas decisões têm sido ótimos e muito positivos. Disso não tenho dúvidas.
Seguimos aprendendo e ensinando!
Abcs,
Gustavo Cunha
--
Para continuar:
➡️ AI Agents Are Making Millions on Polymarket | Cyberk Blog
➡️ ClawdBot Generates 247% Return in 24 Hours on Polymarket | Phemex News
➡️ Building an Automated Polymarket Trading Bot: A Research Journey @ LayerX Blog
➡️ Roan on X: “The Math Needed for Trading on Polymarket (Complete Roadmap) - Part 2” / X
➡️ When Machines Become Economic Actors | Messari
* Artigo publicado originalmente na minha coluna do Valor Investe em 12 de fevereiro de 2026
—
✨ Exclusividade FinTrender ✨
🚀 Garanta sua Gota Exclusiva FinTrender, totalmente GRATUITA e celebre sua conexão especial com o universo FinTrender.
➡️ Acesse Gotas.social e use o código BOTMILIONARIO resgatar a sua.
💡 Não perca essa oportunidade no universo Web3, powered by Gotas! ---
Seguimos em contato nos links abaixo:
FinTrender.com, YouTube, LinkedIn, Instagram, Twitter, Facebook e podcast FinTrender
Inspiradora sua história. Me fez pensar sobre algumas coisas que quero botar em prática. 👊🏻