Existe uma contradição no coração dos mercados de predição: as plataformas mais rápido crescimento no setor de apostas são, na prática, exchanges esportivas — mas foram construídas como se esportes fossem apenas mais uma categoria de evento, ao lado de eleições e previsões macroeconômicas. Essa desconexão entre o que as plataformas são e o que foram projetadas para ser criou uma das janelas B2B mais claras que o setor viu na última década.
Este artigo examina a estrutura de volume da Kalshi e da Polymarket, os gaps de infraestrutura que os dados públicos confirmam e as evidências de parcerias emergenciais que mostram onde as plataformas estão buscando externamente o que deveriam ter nativamente — e o que isso significa para fornecedores B2B que entenderem o momento.
O PARADOXO DO MERCADOPlataformas de Predição São Casas de Apostas Esportivas Sem Saber
Em fevereiro de 2026, a Kalshi e a Polymarket combinaram $17,9 bilhões em volume de negociação — um número que posiciona o duopólio dos mercados de predição como um player de primeira ordem no ecossistema global de apostas. A Kalshi sozinha processa cerca de $2,7 bilhões por semana e detém mais de 60% do volume global de prediction markets, com uma avaliação de $22 bilhões registrada em março de 2026.
Mas o dado mais revelador não é o volume total — é a sua composição. Aproximadamente 87% do volume de 2025 da Kalshi veio de contratos esportivos, segundo análise publicada no Next Event Horizon. Na Polymarket, 100% da atividade nos Estados Unidos em determinados períodos é concentrada em esportes. O que foi vendido aos investidores como uma plataforma ampla de derivativos de eventos tornou-se, na prática, uma exchange esportiva de alta frequência.
O paradoxo se aprofunda quando se observa quem entrou no mercado de prediction markets em 2025: FanDuel e DraftKings, dois dos maiores sportsbooks dos EUA, ambos lançaram produtos de prediction market. Nenhum dos dois trouxe consigo o tooling esportivo que define suas operações principais — sem feeds de dados oficiais de baixa latência, sem motores de oddsmaking calibrado, sem CRM específico para comportamento de apostadores. O gap não é uma escolha de produto isolada de uma startup — é uma lacuna sistêmica que permeia todo o setor.
A Kalshi opera com mais de 3.500 mercados ativos. A velocidade de criação de novos mercados esportivos supera em muito a capacidade de qualquer equipe interna de desenvolver infraestrutura especializada do zero. O resultado é um setor que cresceu mais rápido do que sua própria base tecnológica — criando exatamente o tipo de dependência de fornecedor externo que define oportunidades B2B duráveis.
LACUNA ESTRUTURALO Mecanismo de Odds que os Mercados de Predição Não Têm
Para entender por que a lacuna de infraestrutura nos mercados de predição é tão profunda, é preciso comparar como as linhas são estabelecidas em cada modelo. Em um sportsbook tradicional, as odds são definidas por oddsmakers profissionais que combinam modelos quantitativos, dados oficiais de baixa latência e o movimento de apostadores agudos (sharp money) para calibrar preços com precisão. O resultado é uma linha que reflete não apenas probabilidade estatística, mas também o consenso de mercado de quem sabe mais.
Nos mercados de predição, o mecanismo é radicalmente diferente: as posições são determinadas por order books dirigidos pelo sentimento de multidão. Qualquer participante pode criar ou tomar posição em um contrato. Não há oddsmaker, não há processo de calibração, não há acesso a feeds de dados oficiais de liga. O preço emergente reflete o que os participantes acreditam coletivamente — o que, em esportes com alta assimetria de informação, frequentemente significa precificação sistematicamente equivocada.
A pesquisa acadêmica confirma a magnitude desse gap. Um estudo da Universidade de Bath (arxiv.org/abs/2303.06021) demonstrou que modelos de probabilidade esportiva otimizados para calibração geram ROI médio de +34,69%, enquanto modelos otimizados para acurácia bruta geram ROI médio de −35,17%. A diferença não é marginal — é a diferença entre um ativo B2B extraordinariamente valioso e um produto que perde dinheiro de forma consistente.
Modelos baseados em expected goals (xG) devidamente calibrados geram cerca de 10 a 15% de ROI em mercados de futebol europeu. O ESPN utiliza um modelo de probabilidade de vitória para a NBA com Brier score de 0,075 — referência de calibração que mercados de predição não conseguem replicar com seus order books de sentimento de multidão.
| Abordagem de Modelo | ROI Médio | Aplicabilidade em Prediction Markets |
|---|---|---|
| Otimizado por acurácia (sem calibração) | −35,17% | Abordagem atual da maioria das plataformas |
| Otimizado por calibração | +34,69% | Ausente nativamente em todas as plataformas |
| xG calibrado (futebol europeu) | ~10–15% | Disponível apenas via parceiros B2B externos |
O gap de dados oficiais agrava ainda mais a situação. Os sportsbooks tradicionais recebem feeds de baixíssima latência diretamente das ligas — dados de tracking de jogadores, estatísticas em tempo real, confirmações de resultado. Os market makers na Kalshi e na Polymarket operam sem esse acesso. Como a própria NHL reconheceu publicamente, enquanto sportsbooks recebem dados oficiais de liga, market makers nos exchanges de predição ainda não têm acesso equivalente. Esse não é um problema técnico solucionável com engenharia interna — é uma lacuna estrutural que requer parcerias de dados externas.
EVIDÊNCIA DO MERCADOPlataformas Buscando Parcerias Externas Para Suprir o que Deveriam Ter Nativamente
A melhor evidência de uma lacuna sistêmica não é o que as plataformas dizem — é o que elas fazem quando precisam de tooling esportivo. E o padrão que emerge é consistente: as principais plataformas de prediction market estão buscando externamente funcionalidades que sportsbooks cobrem com infraestrutura interna.
A Polymarket fechou parceria com a Vergence AI, da Palantir, para monitoramento de integridade esportiva — uma função que os sportsbooks estabelecidos cobrem com sistemas proprietários desenvolvidos ao longo de anos. O fato de que a Polymarket, uma plataforma avaliada em bilhões, precisou recorrer a um parceiro externo para essa capacidade básica é sintomático da ausência de infraestrutura esportiva nativa.
Mais revelador ainda: a MLB nomeou a Polymarket sua parceira exclusiva de prediction market e forneceu acesso direto a dados de liga. São as próprias ligas esportivas preenchendo o gap de dados em nome das plataformas — uma inversão do modelo habitual, onde os sportsbooks buscam (e pagam) pelos dados das ligas. A direção do fluxo mudou porque as plataformas de predição não têm o poder de compra ou a infraestrutura de dados para estabelecer essas relações de forma independente.
Os números quantificam a oportunidade criada por essa lacuna. Operadores que adotam machine learning para ajuste dinâmico de odds em tempo real relatam ganhos de +30% em volume de apostas ao vivo (in-play). Em um mercado onde a Kalshi processa $2,7 bilhões por semana, um ganho de 30% de volume adicional em contratos esportivos representa uma oportunidade de receita extraordinária — e o tooling que viabiliza esse ganho ainda não existe nativamente em nenhuma das plataformas dominantes.
Sessenta por cento das plataformas de prediction market hoje utilizam blockchain, IA ou automação em alguma capacidade — mas nenhuma delas integra ferramentas esportivas nativas: sem oddsmaking calibrado, sem feeds de dados de baixa latência de ligas, sem CRM projetado para o comportamento de apostadores esportivos. A sofisticação tecnológica está concentrada na camada de settlement e liquidez, não na camada de dados esportivos que determina a qualidade do produto.
OPORTUNIDADE B2BA Camada de Infraestrutura que Nenhum Vendor Entrega Ainda
O mercado de white-label e software B2B para prediction markets está emergindo, com players como Wiztech, Vinfotech e Leverate oferecendo infraestrutura de order book. O problema é estrutural: esses vendors replicam a mecânica de exchanges sem resolver os gaps que realmente importam para operadores esportivos — calibração de probabilidade, integração de dados oficiais e CRM específico para comportamento de apostadores.
É possível comprar hoje uma plataforma de prediction market white-label completa. Não é possível comprar, da mesma forma, a camada de inteligência esportiva que transforma essa plataforma em um produto competitivo para apostadores sofisticados. Essa é a lacuna que define a oportunidade B2B.
O timing é crítico porque o setor está em fase de consolidação acelerada. O volume total de prediction markets entre janeiro e outubro de 2025 superou $27,9 bilhões, com crescimento anual de 42% em contratos esportivos especificamente. Tooling construído agora, quando as plataformas ainda estão em formação, captura dependência de longo prazo — os vendors que se tornarem infraestrutura crítica durante a fase de crescimento definirão os padrões do setor.
Operadores de prediction market, à medida que escalam, demonstram preferência por soluções integradas que cubram feeds de odds, gestão de risco, CRM e pagamentos em uma única parceria. Isso cria o espaço para uma camada esportiva nativa dentro do stack de prediction market — não como um add-on periférico, mas como infraestrutura central que os operadores não querem construir internamente.
IA E ODDSMAKINGGenAI Está Redefinindo Odds — Prediction Markets Ainda Não Perceberam
Enquanto os mercados de predição operam com order books de sentimento de multidão, os sportsbooks tradicionais estão implantando modelos de GenAI que geram até 300% mais precisão preditiva em comparação com modelos tradicionais, segundo dados da WSC Sports. Os melhores modelos de IA dos principais bookmakers já batem as closing lines de mercado em 3 a 7% de forma consistente — uma vantagem que se traduz diretamente em margem operacional.
A defasagem tecnológica não é abstrata. Agentes de IA já estão negociando ativamente em plataformas de prediction market utilizando dados esportivos em tempo real — mas a maioria das plataformas não oferece ferramentas analíticas nativas para operadores que queiram fazer o mesmo. Quem opera em Polymarket ou Kalshi hoje precisa construir seus próprios pipelines de dados, seus próprios modelos de calibração, sua própria infraestrutura de risco. É como operar um sportsbook sem acesso ao sistema de gestão de risco — tecnicamente possível, mas competitivamente insustentável.
O impacto operacional do tooling de IA em contextos de prediction market é quantificável. Operadores que implementam ML para ajuste dinâmico de odds em tempo real relatam +30% de volume in-play. Em um setor onde o volume in-play está crescendo como proporção do total — espelhando a tendência que já domina os sportsbooks tradicionais — essa vantagem de produto é determinante para quais plataformas e operadores capturam os apostadores mais valiosos.
A convergência entre GenAI e dados esportivos em tempo real representa a próxima geração de infraestrutura para prediction markets. As plataformas que primeiro integrarem calibração de probabilidade baseada em IA — seja desenvolvida internamente ou via parceiro B2B — estabelecerão uma vantagem de produto difícil de replicar. O timing para fornecedores que queiram capturar essa dependência de plataforma é agora, não quando o mercado tiver amadurecido e as posições já estiverem consolidadas.
MERCADO EMERGENTEBrasil: 17,7 Milhões de Apostadores e Operadores Ainda Sem Infraestrutura Nativa
O Brasil apresenta a combinação mais favorável de fatores para entrada B2B em prediction markets esportivos: escala de mercado estabelecida, crescimento acelerado em prediction markets especificamente e ausência documentada de infraestrutura de dados esportivos nativos entre os operadores locais.
Com 17,7 milhões de apostadores esportivos ativos e R$120 bilhões em volume anual, o Brasil é o quinto maior mercado de apostas do mundo. O crescimento em plataformas de prediction market foi de 35% em usuários em 2025, liderado pela faixa etária de 18 a 35 anos — o segmento de maior valor para operadores em qualquer mercado. O volume global de sports prediction markets atingiu $2,8 bilhões em 2025, com projeção de $5 bilhões para 2026, e o Brasil é o epicentro regional desse crescimento na América Latina.
O ponto de entrada B2B direto é estrutural: operadores brasileiros de prediction market ainda carecem da infraestrutura de dados esportivos que seus equivalentes europeus e norte-americanos estão apenas começando a buscar. A janela no Brasil não é apenas mais cedo — é mais aberta. Regulamentação recente criou um ambiente onde operadores precisam construir ou adquirir infraestrutura de compliance e dados simultaneamente, criando demanda imediata por soluções B2B integradas.
A faixa de 18 a 35 anos que lidera o crescimento em prediction markets brasileiros é também a mais propensa a apostar em esportes internacionais — Série A, Champions League, NBA, esports — o que amplia o escopo de dados necessários e, consequentemente, a dependência de fornecedores que cubram múltiplas ligas e modalidades com calibração de qualidade.
JANELA DE AÇÃOQuem Construir a Camada Esportiva Nativa Agora Vence o Mercado
A ForecastEx começou a oferecer contratos esportivos apenas no final de 2025. A FanDuel e a DraftKings entraram em prediction markets sem trazer seu tooling esportivo. A Kalshi atingiu $22 bilhões de valuation sem um motor de oddsmaking nativo. O padrão é uniforme e o diagnóstico é claro: a janela B2B para infraestrutura esportiva nativa em prediction markets ainda está aberta.
Dependência de plataforma se estabelece cedo no ciclo de vida de um setor. Os vendors que se tornaram infraestrutura crítica para sportsbooks — provedores de feeds de dados, sistemas de gestão de risco, CRM de apostadores — fizeram isso durante a fase de crescimento acelerado, quando os operadores ainda estavam construindo seus stacks e dispostos a adotar soluções externas. O mesmo momento está se repetindo agora em prediction markets, com uma diferença: o volume já é enorme ($2,7 bilhões por semana na Kalshi) e a lacuna de tooling esportivo está claramente documentada.
A combinação de crescimento de 42% ao ano, $22 bilhões de valuation na Kalshi, ausência sistêmica de tooling esportivo nativo e evidências públicas de parcerias emergenciais cria uma janela B2B que raramente aparece com tanta clareza. Fornecedores que entregarem calibração de probabilidade, feeds de dados oficiais e CRM esportivo nativo agora — antes que o mercado amadureça e as posições se consolidem — não estarão apenas vendendo um produto. Estarão definindo o padrão de infraestrutura do setor.
Quem construir a camada esportiva nativa para prediction markets nos próximos 12 a 18 meses capturará dependência de longo prazo em um mercado que processará dezenas de bilhões de dólares por mês. A janela está aberta. O timing é agora.
FONTESDados e Referências
- DeFi Rate: Kalshi + Polymarket combinam $17,9B em fevereiro de 2026 — volume combinado e participação de mercado
- Next Event Horizon: 87% do volume da Kalshi em contratos esportivos
- Fortune: Kalshi avaliada em $22 bilhões em março de 2026
- University of Bath: calibração vs. acurácia em modelos de apostas esportivas — ROI +34,69% (calibração) vs. −35,17% (acurácia)
- WSC Sports: GenAI gera +300% de precisão preditiva em apostas esportivas
- Crypto.com Research: $27,9B+ em volume Jan–Out 2025
- WSC Sports: Mercado de IA em apostas esportivas $10,8B (2025) → $60B+ (2034)
- BP Money: +30% de volume in-play com ajuste dinâmico de odds por ML
- Data Insights Market: Mercado global de esportes $108,9B (2024) → $198B (2030)