El 4 de marzo de 2026, Betr y Polymarket anunciaron una alianza multi-año que, en retrospectiva, probablemente marque el antes y el después de cómo los operadores de sportsbook abordan los mercados de predicción. No es un experimento. Es la señal más clara hasta la fecha de que el modelo white-label de prediction markets es viable, replicable y urgente.
Este artículo analiza qué significa esa alianza para el resto de la industria, qué revelan los números de Kalshi sobre la velocidad de adopción, y por qué el gap de CRM que hoy existe en prediction markets es exactamente el mismo que existía en sportsbooks hace cinco años—con las mismas consecuencias para quienes lleguen tarde.
El MomentoEl Super Bowl 2026 como punto de inflexión
El domingo 8 de febrero de 2026, Kalshi procesó $871 millones en volumen de trading en un solo día, alcanzó el puesto número 2 del App Store de Estados Unidos y superó a DraftKings en descargas. Mientras esto ocurría, las acciones de los operadores tradicionales caían. No fue una anomalía; fue la culminación de una tendencia acelerada que los datos deberían haber anticipado.
Los mercados de predicción representaron el 80% del crecimiento interanual en actividad de apuestas del Super Bowl. En enero de 2026, Kalshi acumuló 1,9 millones de descargas frente a menos de 100.000 combinadas de DraftKings y FanDuel. La diferencia no se explica solo por el producto; se explica por el marco regulatorio. Bajo la CFTC federal, Kalshi opera como exchange en los 50 estados sin necesitar licencias estatales adicionales. Los sportsbooks tradicionales tienen que negociar estado por estado, mercado por mercado.
La señal más importante del Super Bowl 2026 no fue el volumen de Kalshi; fue el comportamiento de los usuarios existentes de los grandes operadores. Los que tenían la app de Kalshi instalada apostaron menos en DraftKings ese día. La transferencia de share no es proyectada: está ocurriendo.
| Plataforma | Descargas enero 2026 | Volumen Super Bowl |
|---|---|---|
| Kalshi | 1,9M | $871M |
| DraftKings + FanDuel (combinado) | <100.000 | N/D (caída de share reportada) |
| Polymarket | N/D | $425M máx. diario (28 feb) |
Fuente: Fortune; Fortune (acciones de operadores).
El Modelo BetrBetr-Polymarket: el primer caso documentado de integración white-label
El acuerdo Betr-Polymarket tiene una estructura deliberadamente simple: Polymarket aporta la tecnología de contratos y el motor de mercados; Betr aporta distribución, usuarios y licencias. No hay confusión de roles. No hay superposición de mandatos. Es un acuerdo de infraestructura puro.
Betr llega a este acuerdo con 1 millón de usuarios pagantes distribuidos entre cuatro productos: Picks (34 estados), Sportsbook (32 estados), Arcade (38 estados) y Casino (28 estados). Los mercados de predicción bajo CFTC podrían extender ese alcance aún más allá de los 38 estados de Arcade, el producto con mayor cobertura geográfica actual.
La estructura de la super app de Betr es el modelo que la industria va a replicar masivamente en 2026 y 2027. Un solo login. Cuatro productos complementarios. Un funnel natural de menor fricción (Picks, similar a fantasy) hacia mayor compromiso (Sportsbook, Casino) con Predictions como nuevo vector de monetización cruzada.
Polymarket llegó a este acuerdo desde una posición de fuerza: $7 mil millones en volumen en febrero de 2026 (7,5 veces el volumen interanual) y un máximo diario de $425 millones el 28 de febrero. La liquidez de Polymarket es exactamente lo que un operador con audiencia pero sin exchange propio necesita para lanzar un producto de predicciones creíble.
El Crecimiento de KalshiDe 600.000 a 5,1 millones de usuarios: lo que los números de Kalshi significan para los operadores
La trayectoria de ingresos de Kalshi es la estadística que más debería preocupar a los operadores tradicionales: $1,8M en 2023 → $24M en 2024 → $260M en 2025. Un crecimiento del 1.200% interanual en 2024, seguido de otro salto masivo en 2025. La valoración de la empresa alcanzó aproximadamente $11 mil millones tras una ronda de $1.000 millones. El mercado no está apostando por Kalshi como una curiosidad regulatoria; está apostando por la dominancia de categoría.
Los ingresos anualizados de Kalshi en contratos deportivos ya equivalen al 20% del revenue estimado de DraftKings para 2026 ($6,5–6,9B). Ese porcentaje va a crecer. La pregunta no es si los prediction markets absorberán share de los sportsbooks; es cuánto y con qué velocidad.
La velocidad de adopción tiene una implicación directa para la estrategia de los operadores: no hay tiempo para construir tecnología propia. Un exchange de prediction markets con liquidez suficiente tarda dos o tres años en desarrollarse y otro año en adquirir masa crítica. Para cuando un operador termine de construir, el mercado ya tendrá líderes establecidos con ventajas de red que son casi imposibles de superar. El modelo white-label no es solo más barato; es la única estrategia con timing correcto.
Fuente: Fortune, febrero 2026.
La Tesis de la Super AppPor qué la integración vertical es el único modelo sostenible: DraftKings y el juego de $10B
DraftKings no está mirando el fenómeno de los prediction markets desde fuera. En su Investor Day de 2026, la compañía proyectó $10 mil millones en ingresos brutos anuales de mercados de predicción. El TAM total actualizado alcanza $55–80B para 2030, frente a $34B estimados en 2025.
La ventaja estructural es real y no desaparecerá: los prediction markets no tributan impuestos estatales de juego y requieren una intensidad promocional significativamente menor que el sportsbook tradicional. El resultado es una ventaja de 10–30% en márgenes brutos ajustados respecto al sportsbook convencional. Para un operador que ya tiene la distribución, añadir prediction markets no es solo una nueva línea de producto; es una mejora estructural de sus márgenes consolidados.
La arquitectura que DraftKings está construyendo tiene tres capas: Railbird (su exchange propio), una entidad afiliada de market making con fines de lucro y el front-end retail. El objetivo es capturar el spread en múltiples puntos de la cadena de valor, no solo cobrar comisiones por transacción. FanDuel y Fanatics están siguiendo el mismo patrón con sus propias entidades de market making.
La lógica de distribución es aún más poderosa: el 80–90% de los aproximadamente 11 millones de clientes de DraftKings ya están activos en su app. La distribución ya existe. El producto de predicciones es el que falta. Un usuario que ya confía en DraftKings para su sportsbook tiene el menor coste de adquisición posible para prediction markets. El funnel de cross-sell es un activo que los operadores ya tienen pero aún no están monetizando.
El nuevo apostador no es un apostador: el desafío de segmentación en prediction markets
Hay un problema que ningún operador está resolviendo todavía, y es exactamente donde se van a perder millones de dólares en los próximos dos años: el perfil conductual de un trader de prediction markets es fundamentalmente distinto al de un apostador tradicional.
El apostador de sportsbook toma decisiones basadas en afinidad deportiva, historial de equipos y apetito por el riesgo calibrado en términos de "cuota". El trader de predicciones opera con una mentalidad de mercado financiero: busca ineficiencias de precio, gestiona posiciones activas, cubre riesgo cruzando mercados y tiene una tolerancia al horizonte temporal completamente distinta. No son el mismo usuario. No responden a los mismos mensajes. No se retienen con las mismas mecánicas de CRM.
El gap de CRM en prediction markets replica exactamente el gap que existía en sportsbooks hace cinco años. En ese momento, los operadores enviaban emails genéricos de "bienvenida" sin ninguna segmentación conductual. Hoy, los mejores operadores tienen CRM sofisticado con micro-segmentación por deporte, mercado preferido, stake típico y comportamiento de sesión. El mismo proceso de madurez debe ocurrir en prediction markets, y ocurrirá en un plazo mucho más corto dado el nivel de competencia.
El funnel multi-producto de la super app (Picks → Predictions → Sportsbook → Casino) crea oportunidades de cross-sell que los operadores aún no tienen herramientas para ejecutar. Un usuario adquirido por Betr Picks que convierte a Predictions tiene un perfil conductual específico que predice su probabilidad de pasar al Sportsbook. Sin segmentación adaptada, esos usuarios recibirán comunicaciones genéricas de sportsbook que son irrelevantes para su perfil, produciendo churn evitable.
Con 5,1 millones de usuarios activos mensuales en Kalshi y millones más llegando vía super apps de operadores, la escala del problema de CRM no resuelto es enorme. El churn de usuarios de prediction markets mal segmentados no es un problema hipotético; es el coste de oportunidad más predecible de la industria en 2026.
El Diferenciador TécnicoCalibración sobre precisión: por qué el ROI en prediction markets se gana en los modelos, no en los datos
Hay un error técnico que los operadores que entren tarde en prediction markets cometerán casi con certeza: confundir precisión con calibración. Son métricas distintas con consecuencias radicalmente distintas para el P&L.
La investigación Walsh & Joshi (arXiv:2303.06021) es uno de los estudios más relevantes para cualquier plataforma B2B que opere en prediction markets con datos deportivos. En datos de la NBA, la selección de modelos de machine learning basada en calibración de probabilidades genera un ROI de +34,69%. La selección basada en precisión bruta genera un ROI de −35,17%. No es una diferencia marginal; es la diferencia entre rentabilidad y destrucción de capital.
¿Qué significa esto en la práctica? Un modelo bien calibrado asigna probabilidades que reflejan con exactitud la frecuencia real de los eventos. Si un modelo dice que algo tiene un 70% de probabilidad, debería ocurrir el 70% de las veces, no el 63% ni el 78%. La calibración permite identificar ineficiencias de precio genuinas en los mercados. La precisión bruta solo mide si el modelo predice correctamente el resultado más probable, sin importar el margen de confianza.
Para un operador B2B que usa modelos de predicción para market making o para generar recomendaciones a sus usuarios, un modelo mal calibrado destruye margen aunque sus predicciones sean "correctas" la mayoría del tiempo. La diferencia técnica es invisible en producción hasta que el P&L lo refleja—generalmente demasiado tarde. Las plataformas B2B que entiendan esto desde el principio tendrán una ventaja estructural sobre las que optimicen por las métricas equivocadas.
Según WSC Sports (2025), el uso de GenAI con técnicas de calibración genera un 300% mayor precisión en predicciones respecto a enfoques de IA sin calibración. El diferenciador no es la cantidad de datos; es la arquitectura de los modelos.
Implicaciones B2BQué significa el modelo Betr para los operadores sin estrategia de prediction markets
El modelo Betr-Polymarket reduce la barrera de entrada de manera significativa, pero no la elimina. Un operador con audiencia puede integrar prediction markets sin construir tecnología de exchange, pero sigue necesitando resolver tres problemas que el acuerdo de infraestructura no resuelve:
- Herramientas de CRM adaptadas al perfil conductual del trader de predicciones, no del apostador tradicional.
- Modelos de segmentación que identifiquen qué usuarios de la base existente tienen mayor probabilidad de activarse en prediction markets y con qué mecánica de onboarding.
- Modelos calibrados de probabilidad para alimentar tanto el market making como las recomendaciones personalizadas a usuarios.
La ventaja regulatoria de la CFTC es real y duradera: distribución nacional sin licencias estatales adicionales. Betr ya opera en 38 estados vía Arcade; los prediction markets bajo CFTC podrían extender esa cobertura aún más. En contraste, el sportsbook de Betr opera en 32 estados. La diferencia de alcance geográfico es un argumento de negocio directo para acelerar el lanzamiento de predicciones sobre el sportsbook en estados donde el sportsbook no tiene licencia.
El precedente del mercado no deportivo también importa. En las elecciones presidenciales de 2024, los mercados de predicción procesaron más de $3 mil millones en apuestas. Esto confirma que la demanda de prediction markets va mucho más allá del deporte; es un producto de entretenimiento financiero que los usuarios de sportsbook adoptarán si está disponible dentro de la misma app.
La ventana para posicionarse de manera diferenciada es estrecha. Los operadores que esperen a construir tecnología propia llegarán al mercado cuando DraftKings, FanDuel, Betr y otros ya tengan ventajas de red establecidas. Los acuerdos de infraestructura (como Betr-Polymarket) son el patrón que emergerá en toda la industria en 2026–2027. El coste de llegar tarde no es solo el share perdido durante el período de construcción; es el coste estructural de competir contra plataformas con mayor liquidez, mayor historial de datos y efectos de red ya establecidos.
Datos y Referencias
- PR Newswire: Betr y Polymarket anuncian alianza — base de usuarios de Betr, estructura del acuerdo, cobertura estatal
- Fortune: Kalshi Super Bowl Sunday $871M — crecimiento de usuarios 600K→5,1M, ingresos $1,8M→$260M, valoración $11B
- Fortune: Acciones de operadores y prediction markets Super Bowl — 80% del crecimiento interanual, descargas Kalshi vs DraftKings+FanDuel
- DeFi Rate: DraftKings super app, proyección $10B — ventaja de margen 10–30%, TAM $55–80B, 11M clientes DraftKings
- Walsh & Joshi (2023), arXiv:2303.06021 — calibración vs. precisión, +34,69% ROI vs −35,17%
- WSC Sports (2025) — 300% mayor precisión con GenAI calibrado