La IA en el entrenamiento del fútbol: dónde ayuda a un club y dónde se detiene

La IA en el entrenamiento del fútbol y en el trabajo que lo rodea no es una tecnología única, sino un conjunto de herramientas, cada una con su propia prueba para saber si se gana su sitio. La pregunta útil para un club no es si adoptar la IA, sino qué decisión mejora una herramienta concreta, quién es responsable de esa decisión y cómo se sabría si la herramienta se equivoca. Ordenar los usos por decisión es más productivo que ordenarlos por técnica, y mantiene la conversación alejada del lenguaje de los proveedores.

Empecemos por el análisis de vídeo y de eventos, donde el beneficio es sobre todo de tiempo. Las herramientas que etiquetan pases, secuencias de presión y rutinas a balón parado pueden ahorrar horas de recorte manual, de modo que los analistas dedican la semana a interpretar en lugar de cortar imágenes. La buena práctica es sencilla: que un analista audite una muestra de las etiquetas automáticas contra las imágenes antes de que nadie construya una reunión a partir de ellas, y que se siga midiendo la tasa de error a medida que cambia la herramienta o la competición. Si el etiquetado falla de forma sistemática, por ejemplo al confundir una defensa de tres con una de cuatro, todas las conclusiones posteriores heredan el defecto sin avisar.

La preparación de partidos es la segunda área. Aquí la IA se usa mejor para sacar a la luz patrones que el cuerpo técnico pueda contrastar después: cómo construye un rival desde los saques de puerta, en qué zonas cede la posesión, a quién busca bajo presión. El resultado debe ser una pregunta para el cuerpo técnico, no una instrucción. Un modelo que encuentra una tendencia en doce partidos ha encontrado algo que merece comprobarse, no algo demostrado, y el tamaño de la muestra debe estar a la vista en la página. Si una herramienta no es capaz de decir cuántos datos hay detrás de una afirmación, esa afirmación debe tratarse como una corazonada.

La gestión médica y de cargas es donde más hay en juego y donde los estándares deben ser más estrictos. Los modelos que combinan carga de entrenamiento, sueño, minutos de partido y antecedentes de lesiones pueden señalar a jugadores con los que quizá convenga hablar. El verbo es señalar, no decidir. El criterio lo tiene el profesional que conoce al futbolista, y el modelo es un segundo par de ojos. La buena práctica exige comprobar si sus alertas superan a una regla simple, como los minutos jugados recientemente, registrar las falsas alarmas con el mismo cuidado que los aciertos y dejar la gobernanza de los datos de los jugadores en manos del departamento médico. Una herramienta que no puede compararse con una referencia sencilla todavía no ha demostrado que aporte algo.

Los productos para medios y aficionados son el lugar menos arriesgado para experimentar y el más fácil para exagerar. Los resúmenes automáticos de partidos, las notificaciones personalizadas y los widgets de pronóstico pueden funcionar, siempre que el producto diga lo que es. Un pronóstico mostrado a los aficionados debe llevar consigo su incertidumbre, y un club que publica cifras debería estar dispuesto a que se le evalúe por ellas. La misma disciplina que protege al vestuario protege a la marca: no hay que permitir que un gráfico seguro de sí mismo sugiera más de lo que respalda la evidencia.

El pronóstico de partidos se sitúa entre estos usos como un insumo más, y uno honesto tiene límites claros. Sirve para fijar expectativas ante un consejo de administración, para calibrar cuánto rotar en una semana apretada y para comprobar si un partido es tan difícil como dice el relato. No sustituye la lectura que el cuerpo técnico hace de su propia plantilla. Para juzgar cualquier pronóstico, conviene preguntarse si las probabilidades están calibradas, es decir, si los partidos con un 70% acaban en victoria aproximadamente siete veces de cada diez, y si la puntuación supera a una referencia ingenua a lo largo de muchos partidos. El porcentaje de aciertos por sí solo halaga a una herramienta que se limita a apostar por el favorito.

Kickwise ofrece un ejemplo concreto de cómo presentar un historial así. Su registro público evalúa la última predicción emitida antes del inicio según el resultado tras 90 minutos más la prórroga, si la hubo. En los últimos 90 días, las predicciones con una confianza del 65% o superior acertaron 100 veces de 122 (82%), mientras que el equipo local ganó el 61% de esos partidos, así que apostar siempre por el local habría dado un 61%. Con todos los niveles de confianza en los últimos 30 días, acertó 246 veces de 430 (57%), con una puntuación de Brier de 0,559 frente a 0,642 de una referencia que usa las propias tasas de victoria local, empate y victoria visitante de la muestra (cuanto más baja, mejor). También declara sus límites: el empate es el resultado más difícil de acertar, los amistosos y los partidos con pocos datos se parecen a lanzar una moneda, y una predicción del 70% sigue fallando unas tres veces de cada diez.

Ese último punto es el que conviene llevarse a cualquier conversación en un club sobre cómo está cambiando la IA el fútbol. Un solo resultado no puede confirmar ni refutar una probabilidad, de modo que los pronósticos se juzgan a lo largo de muchos partidos, y el resto de herramientas se juzgan igual: contra una referencia sencilla, con el tamaño de la muestra a la vista y con una persona con nombre y apellidos responsable de la decisión que informan. Usada así, la IA se gana su sitio como asistente discreto del cuerpo técnico. Usada como oráculo, acabará dejando en evidencia a quien confió en ella.