A Horizont, empresa brasileira que desenvolve soluções de Inteligência Artificial para públicos B2C e B2B, apresentou uma linha de pesquisa baseada em seleção “artificial” de estratégias: um arranjo que utiliza algoritmos evolutivos para testar regras sob incentivos e restrições de risco, com validação fora da amostra, trilhas de auditoria, detecção de drift e supervisão humana. O objetivo é padronizar a execução e mitigar interferências emocionais nas decisões operacionais, deslocando o foco do “apertar o botão” para a gestão de parâmetros e riscos.
“A ideia é simples: seleção ‘artificial’. Incentivos claros fazem estratégias ‘competirem’; só as mais robustas avançam, sob supervisão humana”, afirma Ivan Gabriel Duarte, fundador da Horizont Investimentos.
O anúncio ocorre em um contexto de automação crescente nas mesas de operação. Coberturas recentes do mercado local registraram declarações de que uma fração majoritária dos negócios já utiliza algum modelo algorítmico, indicando a consolidação do tema na rotina de negociação. Em paralelo, organismos internacionais têm discutido benefícios, limites e salvaguardas para o uso de IA em finanças, enfatizando governança, transparência e responsabilidade integral das instituições pelo emprego dessas ferramentas.
A arquitetura técnica descrita pela Horizont é dividida em quatro blocos:
-
Seleção por incentivos: o motor evolutivo promove competição entre hipóteses sob metas e limites de risco definidos, descontinuando regras menos robustas.
-
Validação temporal: separações de treino e teste, walk-forward e provas fora da amostra para reduzir sobreajuste (overfitting) e melhorar a capacidade de generalização.
-
Auditoria e governança: mecanismos de explicabilidade, registro de decisões, detecção de drift e comitê interno para pausas, revisões e retiradas.
-
Papel humano reconfigurado: operadores passam a atuar como gestores de regras e risco, definindo limites, cenários de estresse e critérios de continuidade.
A proposta dialoga com evidências consolidadas em finanças comportamentais: “vieses como excesso de confiança e efeito disposição tendem a deteriorar resultados quando decisões são tomadas sob emoção”, complementa Duarte. A padronização do processo e a disciplina de execução aparecem, nesses estudos, como mitigadores relevantes — ponto que ganha aderência em ambientes automatizados.
Segundo a empresa, a linha de pesquisa utiliza um motor genético multiobjetivo para explorar hipóteses sob restrições explícitas de risco e métricas de robustez. O ciclo de vida dos modelos é documentado para possibilitar rastreabilidade, replicação de testes e auditoria posterior. Em paralelo, a camada humana mantém a prerrogativa de aprovar, pausar ou retirar estratégias, realocando risco diante de mudanças de regime identificadas pelos detectores de drift.
Como próximos passos, a Horizont planeja divulgar um sumário técnico com métricas de robustez, protocolos de backtesting reprodutível e diretrizes de uso responsável em ambientes de simulação e apoio à decisão, em linha com recomendações internacionais sobre governança no uso de IA aplicada a mercados.
