Gabriel Mazzali Garcia aposta em inteligência artificial para desenvolver modelos preditivos aplicados ao mercado financeiro.

O avanço da inteligência artificial tem transformado setores inteiros da economia mundial, e o mercado financeiro, mais especificamente o de renda variável, está entre os mais impactados por essa revolução tecnológica. Em meio a esse cenário de alta volatilidade e decisões cada vez mais orientadas por dados, o cientista de dados Gabriel Mazzali Garcia vem se destacando por desenvolver pesquisas aplicadas em Deep Learning voltadas à previsão de ativos digitais.

Natural de São Paulo e atualmente atuando no Canadá, Gabriel construiu sua trajetória profissional unindo formação técnica, experiência internacional e especialização em inteligência artificial aplicada a negócios. Com formação em Banco de Dados pela XP Educação e graduação em Ciência de Dados em andamento, ele também realizou cursos em Machine Learning e Ciência da Computação na Université Laval, uma das instituições mais reconhecidas do Canadá na área de tecnologia.

Seu principal foco de pesquisa envolve o uso de redes neurais avançadas para analisar séries temporais complexas do mercado financeiro. Entre os modelos utilizados estão arquiteturas como LSTM, GRU e Transformers, consideradas arquiteturas estabelecidas e amplamente adotadas de Deep Learning aplicadas à previsão de tendências financeiras.

“O mercado financeiro gera um volume gigantesco de informações em tempo real. O desafio é transformar esses dados em sinais úteis para apoiar decisões mais inteligentes”, afirma Gabriel.

O projeto desenvolvido por ele, focado em ativos financeiros digitais, utiliza dados históricos de preços, volume de negociações, indicadores técnicos e informações on-chain, que são registros das transações realizadas diretamente nas redes blockchain. A combinação dessas fontes permite criar modelos híbridos capazes de identificar padrões ocultos que muitas vezes passam despercebidos por métodos estatísticos tradicionais.

Segundo Gabriel, a inteligência artificial não deve ser encarada como uma solução mágica para investimentos, mas sim como uma ferramenta estratégica de apoio à análise.

“Os modelos conseguem encontrar correlações complexas e antecipar tendências em determinados cenários, mas existe um desafio maior em prever eventos extremos ou movimentos totalmente imprevisíveis do mercado”, explica.

Entre as metodologias estudadas, os modelos LSTM têm apresentado resultados relevantes na previsão de tendências de ativos como Bitcoin e Ethereum. Já os Transformers representam uma arquitetura consolidada, capaz de processar grandes volumes de dados com maior eficiência.

Além disso, Gabriel também acompanha estudos em Deep Reinforcement Learning, tecnologia que permite criar agentes inteligentes capazes de aprender estratégias automáticas de compra e venda a partir da interação contínua com o mercado.

“A inteligência artificial aplicada ao mercado financeiro precisa ser usada com responsabilidade. O objetivo deve ser ampliar a capacidade humana de análise e não substituir completamente o fator humano nas decisões”, destaca.

Fluente em inglês, francês e português, Gabriel atua em projetos internacionais voltados à otimização operacional e análise preditiva. Ele também participa ativamente de debates sobre ética em inteligência artificial e sobre os impactos da tecnologia no ambiente corporativo.

Para ele, o futuro das empresas estará diretamente ligado à capacidade de transformar dados em decisões estratégicas.

“As organizações que conseguirem utilizar dados de maneira inteligente terão vantagem competitiva nos próximos anos. A IA deixou de ser tendência e passou a ser uma necessidade operacional”, conclui.

Embora os avanços na área sejam considerados promissores, especialistas e estudos acadêmicos reforçam que modelos de inteligência artificial não garantem sucesso em investimentos reais e devem ser utilizados como apoio analítico, especialmente em mercados altamente voláteis, como o de ativos digitais.