Inteligencia artificial en el entrenamiento y la toma de decisiones del fútbol: lo que puede y lo que no puede hacer

La inteligencia artificial aplicada al entrenamiento y al apoyo a la toma de decisiones en el fútbol resulta más útil cuando se la trata como un segundo lector de la misma evidencia que ya maneja el cuerpo técnico: forma, nivel, lesiones, calendario, costumbres del rival. No ve nada que un buen analista no pueda ver. Su valor está en la rapidez, la coherencia y en ofrecer una probabilidad explícita en lugar de un vago "debería salir bien". El entrenador sigue siendo el dueño de la decisión, y la herramienta solo se gana su sitio si mejora la conversación.

Hay que empezar por la dificultad real del próximo partido. Una buena salida de apoyo a la decisión ofrece probabilidades de victoria local, empate y victoria visitante, no un veredicto. Esa distinción importa en una semana cargada. Si a tu equipo le dan, por ejemplo, un 40% de opciones de ganar fuera de casa, el cuerpo técnico puede preguntarse qué implica eso: un partido que se espera disputar más que controlar, en el que un equipo rotado puede costar poco o mucho según quién falte. El número enmarca el debate. No lo zanja.

La rotación es donde más ayuda, porque el coste de equivocarse se reparte entre varios partidos. Bien usado, un pronóstico permite comparar encuentros entre sí: dónde una alineación debilitada deja todavía una opción razonable y dónde no. También muestra cuánto cambia el panorama cuando se conocen las alineaciones confirmadas, y de ahí la importancia del momento. Una lectura hecha con días de antelación y otra actualizada cuando llegan las hojas de alineación son productos distintos, y conviene saber cuál se tiene delante.

La preparación de escenarios es el tercer uso, y el menos vistoso. Las estimaciones de resultado exacto no son predicciones del marcador final. Son una forma de ver qué estados de partido resultan plausibles: un gol temprano, un 1-0 cerrado, un choque abierto en el que marcan los dos. Una simulación de goles construida sobre lo que cada equipo ha marcado y encajado últimamente, calibrada con la visión del mercado sobre el favorito, ofrece al cuerpo técnico un menú de formas probables del partido para ensayar. Hay que tomarla como un punto de partida para planificar jugadas a balón parado y sustituciones, no como un guion. Los técnicos que se preguntan cómo deberían ser los prompts de IA para entrenadores de fútbol sacarán más partido de una pregunta sencilla: qué dos o tres escenarios concentran la mayor parte de la probabilidad y qué hacemos en cada uno.

Juzgar si un pronóstico es bueno es la parte que los clubes se saltan con más frecuencia. Ayudan tres hábitos. Primero, pedir un historial de muchos partidos, evaluado con una definición fija, porque un solo resultado no prueba nada: un pronóstico del 70% sigue esperando fallar unas tres veces de cada diez. Segundo, compararlo con una referencia ingenua, como apostar siempre por el local, ya que un pronóstico que no mejora una regla simple no aporta información. Tercero, revisar la calibración y una regla de puntuación adecuada como el índice de Brier, que premia las probabilidades honestas frente a las conjeturas seguras de sí mismas. Cuanto más bajo, mejor, y la comparación que cuenta es con la referencia, no con la perfección.

Un ejemplo práctico muestra cómo es un historial honesto. Kickwise publica una probabilidad previa para cada partido que cubre, combinando la lectura que hace un modelo de lenguaje de los datos del encuentro con el consenso del mercado, o con una estimación basada en la forma cuando no existe mercado. Su registro público conserva el último pronóstico emitido antes del pitido inicial y lo evalúa con el resultado a los 90 minutos más la prórroga, si la hay. A fecha de 2026-10-09, los pronósticos con una confianza del 65% o superior en los últimos 90 días acertaron 45 veces de 60 (75%), en partidos en los que ganó el equipo local el 52% de las veces. Sobre todos los pronósticos evaluados en los últimos 30 días, con cualquier nivel de confianza, el registro marca 36 aciertos de 62 (58%), con un índice de Brier de 0.549 frente a 0.656 de una referencia que usa las propias tasas de victoria local, empate y victoria visitante de la muestra.

Esos mismos datos llevan implícitos los límites que cabe esperar de cualquier herramienta de este tipo. El empate es el resultado más difícil de acertar. Los amistosos y los partidos con pocos datos se parecen mucho a lanzar una moneda. Y una racha corta de resultados, buena o mala, dice poco sobre la calidad, así que el historial hay que leerlo a lo largo de muchos partidos. Si un producto de datos, comprado o desarrollado en casa, no puede mostrar sus propios fallos y su comparación con una referencia sencilla, tampoco se pueden creer sus aciertos.

¿Dónde deja de ser útil? En lo que una probabilidad no puede contener: el estado de ánimo de un jugador, la dinámica de un vestuario, una idea táctica que el entrenador quiere probar precisamente porque los números no la esperan. El uso sensato de las herramientas de IA para entrenadores de fútbol es como contraste de los propios prejuicios y como forma más limpia de informar a la directiva: esta es la expectativa, este es el rango, y por eso un mal resultado no implica por sí solo un mal proceso. La herramienta informa la preparación del partido. El entrenador decide.