Mercados de predicción

Hace poco más de un mes, el pasado 14 de mayo, presenté en el Ágora de Kryterion una panorámica sobre los mercados de predicción, con información sobre los últimos acontecimientos. Solo unos días después, el 26 de mayo, las dos plataformas que protagonizan el actual momento de despegue del sector —Kalshi y Polymarket— fueron prohibidas en España.

El Ministerio de Consumo ordenó el bloqueo cautelar de ambas plataformas y les abrió un expediente sancionador por operar sin la licencia de juego correspondiente. El Gobierno español considera que sus mercados de predicción y apuestas sobre eventos reales son, a efectos legales, juegos de azar.

Se trata de una de esas coincidencias que suelen ser reveladoras. Hablar de mercados de predicción en España y ver cómo se bloquean inmediatamente las herramientas más avanzadas del mundo en este ámbito supone, de facto, una señal clara sobre el estado de la cuestión.

Este post recoge las ideas centrales de la presentación, y tiene como objetivo abrir un espacio para el debate y la conversación.

Aristóteles enunció hace dos milenios y medio algo que sigue siendo profundamente contraintuitivo para muchos: la agregación de criterios dispersos puede superar al experto individual.

Los muchos, que individualmente no son hombres excelentes, pueden, sin embargo, cuando se unen, ser mejor que los pocos mejores.

— Aristóteles, Política, Libro III

Esa intuición es el fundamento filosófico de lo que ahora denominamos mercados de predicción.

Los mercados de predicción (prediction markets), denominados también mercados de información, de ideas de futuro, de decisión, son foros abiertos que buscan la predicción colectiva de eventos concretos, definidos con precisión, mediante la utilización de mecanismos de agregación, en su expresión más evidente, financieros.

Un mercado de predicción es un mecanismo de intercambio en el que los participantes negocian contratos cuyo valor depende del resultado de eventos futuros inciertos. El precio de mercado resultante en todo momento constituye la mejor estimación agregada disponible sobre la probabilidad de que el evento en cuestión tenga lugar tal como se describe o plantea.

La mecánica es sencilla: si un contrato paga 1€ si “una nave tripulada de SpaceX aterriza en Marte antes de 2029”, y ese contrato se negocia hoy a 0,41€, el mercado está estimando una probabilidad del 41% para ese evento. Si nuevos datos hacen ese escenario más probable, el precio sube; si menos probable, el precio cae. El precio es la probabilidad1.

Esta característica convierte a los mercados de predicción en algo cualitativamente distinto de una encuesta o de la opinión de un panel de expertos: integran información privada dispersa entre muchos agentes, con incentivos reales para revelarla, con “skin in the game”. Quien sabe algo que el mercado todavía no sabe tiene un incentivo directo para actuar en consecuencia y beneficiarse de ello, trasladando así ese conocimiento al colectivo, por medio del precio que ofrece.

La historia y genealogía intelectual de los mercados de predicción nos ofrece un momento de especial interés en 1945, con la publicación del célebre artículo2 de Friedrich Hayek “The Use of Knowledge in Society”. Hayek argumentó que un mercado no es simplemente un mecanismo de intercambio de recursos, sino que además, y en algunos casos sobre todo, es un sistema de procesamiento de información dispersa. Como subproducto de la actividad de intercambio, los mercados agregan cantidades ingentes de información privada y producen señales útiles para el conjunto de la sociedad.

Esa intuición tardó décadas en convertirse en diseño institucional deliberado. En 1988, la Universidad de Iowa puso en marcha los Iowa Electronic Markets (IEM), considerados el primer mercado de predicción moderno con dinero real. Su foco inicial fueron las elecciones presidenciales norteamericanas, y sus resultados superaron de manera sistemática a las encuestas convencionales en precisión.

En 2004, James Surowiecki popularizó el concepto con The Wisdom of Crowds, obra que demostró con numerosos ejemplos cómo las multitudes pueden resolver problemas complejos con mayor precisión que los individuos más brillantes, siempre que se den ciertas condiciones estructurales: diversidad de opinión, descentralización, independencia y un mecanismo de agregación. En 2006, Cass Sunstein añadió el marco normativo en Infotopia. En 2008, un artículo firmado por diecinueve investigadores —incluyendo cinco premios Nobel de Economía— en la revista Science3 dejó constancia del consenso académico con una suerte de manifiesto: los mercados de predicción producen pronósticos más precisos que los métodos convencionales.

Pese a todo eso, durante décadas los mercados de predicción permanecieron confinados al laboratorio académico y a aplicaciones muy selectivas. La promesa era enorme; la adopción, poco menos que discreta. La resistencia de los entornos institucionales a ceder terreno al mecanismo de mercado en la producción de conocimiento predictivo explica en buena parte ese largo período de latencia.

…

Hoy el ecosistema de mercados de predicción es diverso y se encuentra en plena ebullición. La historia y las batallas legales hacen que coexistan modelos diferentes:

• Polymarket: descentralizado, basado en blockchain (Polygon Chain / USDC), sin restricción geográfica formal, con una gama muy amplia de mercados sobre eventos políticos, militares y de actualidad. Ha experimentado un crecimiento masivo de transacciones y se utiliza frecuentemente como fuente de información periodística.

• Kalshi: regulado por la CFTC estadounidense, disponible en los 50 estados norteamericanos, con acuerdos con Robinhood y Coinbase. Representa el modelo de mercado de predicción dentro del marco regulatorio financiero tradicional.

• Good Judgment Open / Superforecasters: basado en reputación, con metodología propia derivada del programa IARPA. Sus participantes más destacados —los superforecasters— aplican una disciplina epistémica rigurosa que Philip Tetlock ha sistematizado: descomposición de problemas, equilibrio entre perspectivas internas y externas, actualización continua de creencias, gestión del error.

• Metaculus: orientado a ciencia y tecnología, con predicciones cuantitativas y de rango temporal. Construye comunidad en torno a la calibración probabilística.

• Manifold: de carácter lúdico, opera con moneda ficticia, orientado a la creación de mercados por parte de los propios usuarios.

• Iowa Electronic Markets: plataforma académica con posiciones limitadas a 500 dólares, activa desde 1988 y referencia histórica del sector.

La distinción entre plataformas basadas en dinero real e incentivos reputacionales no es trivial. La evidencia empírica —por ejemplo, el estudio4 de Servan-Schreiber, Wolfers, Pennock y Galebach (2004)— indica que los mercados con dinero de juego pueden ser tan precisos como los que operan con dinero real, siempre que exista una comunidad motivada y con conocimiento. El dinero importa como catalizador de participación, no como condición necesaria de la precisión.

El consenso entre analistas y periodistas especializados es bastante unánime: los mercados de predicción han alcanzado un punto de inflexión, ese momento en el proceso de innovación tantas veces descrito como pocas realmente bien interpretado5. Han dejado de ser experimentos académicos de nicho para convertirse en instrumentos financieros a escala, tanto regulados como no regulados, con llegada a un público generalista y con la capacidad de disrumpir desde los medios de comunicación (¡enhorabuena y gracias substack!) hasta, por qué no, la política y la toma de decisiones públicas.

El ciclo de elecciones norteamericanas de 2024 fue el detonante más cercano y visible. Polymarket se convirtió en referencia habitual de medios de comunicación internacionales, superando en algunos momentos a las encuestas convencionales en cuanto a capacidad predictiva percibida. La integración de Kalshi con grandes plataformas financieras de consumo masivo —Robinhood, Coinbase— representa la siguiente fase: democratización del acceso a estos instrumentos dentro de marcos regulatorios establecidos.

España tiene su propio antecedente pionero, aunque poco conocido: Futura Markets6 (la web ya no existe), una iniciativa lanzada en 2013 que aplicaba algoritmos propietarios de market making para predecir eventos en política, deportes y economía, con respaldo de inversores notables del ecosistema digital español. El proyecto no prosperó, pero fue precursor en el contexto ibérico.

Y hasta aquí la asepsia informativa, porque todo tiene un límite…

Los mercados de predicción tienen numerosos detractores. Sus argumentos son heterogéneos, pero pueden agruparse en categorías recurrentes: la equiparación de predicción con apuesta y por tanto su asimilación al juego (¿por qué nos preocupa tanto cuando las calles están llenas de chiringuitos de apuestas?); la manipulación del mercado por agentes con información privilegiada y recursos (un tema que afecta y debe ser gestionado en cualquier mercado); las reservas éticas sobre posible monetización de eventos socialmente negativos (¿es lícito apostar sobre desastres o muertes?). En el plano regulatorio cabe destacar las resistencias institucionales a reconocer mecanismos de mercado como alternativa legítima a los procesos de producción de conocimiento experto controlados por el Estado o por organizaciones establecidas a tal efecto.

Estas objeciones han sido objeto de análisis académico sistemático desde los años noventa del pasado siglo78. Conviene distinguir con precisión entre las que tienen respuesta empírica y las que son de naturaleza filosófica, porque la confusión entre ambas es uno de los mecanismos más frecuentes del rechazo infundado.

La objeción sobre la manipulación es la más estudiada. Más de un siglo de datos históricos de mercados de apuestas electorales en Estados Unidos910 concluyen que no existe evidencia de que los mercados de predicción puedan ser manipulados de forma sostenida: cualquier intento de distorsionar el precio crea oportunidades de arbitraje que los participantes con información real aprovechan, corrigiendo la distorsión. La presencia de manipuladores incrementa la liquidez del mercado, mejorando en algunos casos la precisión predictiva en lugar de reducirla. El consenso de la literatura es que los mercados suficientemente líquidos son robustos frente a la manipulación; los mercados pequeños o ilíquidos, no. La solución es diseño institucional, no prohibición. Nada de esto quita que, obviamente, exista una regulación y un control transparente sobre quién puede y quién no intervenir en según qué mercados.

La pregunta sobre la ética de las apuestas sobre eventos “socialmente” negativos es más filosófica, pero también ha sido analizada en detalle tiene una respuesta que seguramente no agradará a muchos11: la información sobre probabilidades de eventos negativos es valiosa para quienes deben prepararse o responder ante ellos; su supresión no elimina el riesgo, solo la capacidad de estimarlo. Los debates morales sobre esta cuestión tienen que ver mucho sobre nuestra conclusión quizás más controvertida sobre el miedo al futuro que enunciamos a continuación.

Pero detrás de muchas de las objeciones más viscerales hay algo que va más allá de lo técnico.

• En primer lugar el miedo a conocer lo que desconocemos o nos negamos a conocer, una barrera que los mercados de predicción hacen saltar por los aires.

• En segundo lugar, el desconocimiento y la confusión sobre lo que se puede y no se puede predecir, tema que ya nos entretuvimos en responder hace algunos años en nuestro ensayo Estudiar el futuro12.

• En tercer lugar hay un rechazo a la esencia del mecanismo mismo: a la idea de que el conocimiento agregado de muchos participantes anónimos pueda ser más fiable que el juicio de las instituciones acreditadas para producirlo. Ese rechazo no es epistemológico sino político. Los mercados de predicción amenazan ese monopolio porque son transparentes, continuos y distribuidos. Publican en tiempo real lo que la inteligencia colectiva piensa sobre el futuro, con independencia de lo que los gestores del presente quieran comunicar.

La prohibición de Kalshi y Polymarket en España —ocurrida literalmente doce días después de la presentación en la que se describía el tipping point del sector— es sintomática. No se trata de una decisión técnica sobre protección del consumidor o regulación financiera. Se trata de una decisión que sitúa a España fuera del debate sobre uno de los mecanismos más prometedores para la producción de conocimiento colectivo sobre el futuro.

Los mercados de predicción tienen enemigos. La experiencia ya de muchos años —toda una vida dedicada a lidiar con la innovación y el cambio— conduce a la inevitable conclusión de que estos son, en su mayor parte, quienes temen el futuro y quienes desean controlarlo: crearlo en exclusiva y vendérnoslo como el mejor.

Mi interés en los mercados de predicción no es nuevo. Llegaron a mi conocimiento o tomé consciencia de ellos, hace ya muchos años, cuando como responsable de una organización dedicada a la estrategia y la innovación tecnológica, intentábamos encontrar formas de encontrar, “levantar” y agregar el conocimiento de las personas que trabajaban en dicha organización. Parece algo sencillo, pero no lo es.

Cuando trabajas en una organización dedicada a X (sea lo que sea), con miles o decenas de miles de empleados, es inevitable admitir que se trata, sin duda, de uno de los lugares donde más se sabe sobre X. Extraer ese conocimiento, ponerlo en común y debatir es, sin embargo, harina de otro costal. Como describió en su momento Michael Polanyi, y dejando de lado temas más políticos, gran parte de ese conocimiento es tácito.

En la primera década del presente siglo XXI algunas nuevas organizaciones, notablemente Google, y otras no tan nuevas, como HP, exploraban mecanismos para lograr esa integración del conocimiento de la organización, y entre ellos el uso de mercados de predicción internos a la propia compañía. Fue en conversaciones con personas de estas compañías como llegué hasta los mercados de predicción.

Hace ahora diez años, mientras colaboraba con algunas mentes abiertas en la universidad (sí, aunque parezca increíble, las hay), intentamos promover desde la universidad la creación de un mercado de predicción con foco en la exploración sobre tecnologías y la innovación. ¿Dónde habrá más conocimiento que en una universidad con referentes en tecnologías punteras? Está claro que en ninguna otra parte. Pero cómo extraerlo, comunicarlo, ponerlo a disposición de los políticos bien intencionados que buscan qué y cómo fomentar en el desarrollo tecnológico y la innovación, o a disposición de las empresas que buscan con desesperación nuevas soluciones para competir o diferenciarse, no es nada elemental.

Hace diez años existía un mercado de predicción en España, creado por emprendedores españoles, el ya citado Futura Markets. Nos acercamos a ellos para ver si era posible la colaboración. Pero era ya demasiado tarde. Nadie dijo que encontrar un modelo de negocio para una idea novedosa sea algo sencillo. Y viendo lo que estamos viendo hoy en día, con el estado interviniendo para prohibir Kalshi y Polymarket, uno puede llegar a conclusiones que dejamos para la sana especulación del lector.

Huelga decir que unos y otros, universidad y emprendedores, fracasamos en este intento.

Ha pasado el tiempo y hoy en día Kalshi, Polymarket, Metaculus y Good Judgment Open demuestran que el modelo funciona, escala y atrae a usuarios sofisticados. La pregunta ya no es si los mercados de predicción son viables, sino quién lidera su desarrollo institucional y dentro de qué marcos normativos.

Los mercados de predicción son, como los mercados en general en su dimensión más profunda, una herramienta y una de las expresiones existentes más avanzada de la inteligencia colectiva de la especie humana, En este caso, aplicada a la anticipación del futuro. Agregan conocimiento disperso, lo disciplinan con incentivos, lo hacen legible como precio, y lo actualizan en tiempo real a medida que llega nueva información.

La pregunta que planteaba para concluir mi presentación —mi pregunta, que este post deja deliberadamente abierta— no es técnica ni regulatoria, es más fundamental. Ideas como el método científico o el mercado son las que nos han traído hasta dónde estamos hoy como sociedad y como civilización. Los retos que se presentan ante nosotros no son despreciables, nuestra ambición como especie tampoco. La complejidad que enfrentamos es creciente. ¿Seremos capaces como sociedad de ir más allá, de encontrar nuevos mecanismos que nos permiten superara las barreras y dar un nuevo salto adelante? (Pero uno de verdad, no como los que predican algunos dictadores de la escuela del ordeno y mando, que están tan de moda hoy en día)

Hagan sus apuestas.

5

El salto de los mercados de predicción al debate público mainstream se refleja con nitidez en la cobertura de los últimos meses. El Financial Times ha publicado al menos cuatro análisis desde ángulos distintos —la apuesta de los estados por regularlos, la caza del “dinero tonto” entre apostadores noveles, sus usos y abusos como herramienta de información, y su posible amenaza a la democracia representativa. The Economist ha argumentado que el insider trading es endémico en estas plataformas, pero que eso no justifica prohibirlas. The Guardian publicó una investigación de fondo sobre los apostadores de Polymarket que pujan millones en contratos de guerra. El Nieman Lab de Harvard dedicó un análisis a cómo los mercados de predicción están redefiniendo el ciclo informativo. En el polo crítico, The New York Times publicó en enero un artículo de opinión sobre su “poder peligroso”, The Atlantic advirtió de un posible desastre sistémico, y la revista Science incluyó un artículo académico que los describe como amenaza para la salud pública. La heterogeneidad de las fuentes y la intensidad del debate son, en sí mismas, un indicador del momento que atraviesa el sector.

Fuentes: Financial Times (enero–abril 2026); The Economist, 19-feb-2026; The Guardian, 11-abr-2026; Nieman Lab, 15-abr-2026; The New York Times, 23-ene-2026; The Atlantic, ene-2026; Science, abr-2026 (doi:10.1126/science.aee3932).

Las noticias continúan, y tienen miga… Queda para el debate.