Cómo usan los equipos de fútbol la IA: dónde ayuda y dónde se queda corta

Cuando alguien pregunta cómo usan los equipos de fútbol la IA, la respuesta útil es un mapa de tareas, no una única tecnología. Detrás del etiquetado de vídeo, los informes de rivales, el control de la carga de trabajo, las aplicaciones para aficionados y los pronósticos de partido hay herramientas distintas, y cada una tiene su propio criterio para considerarse buena. Tratarlas como una sola cosa es la forma en que los clubes acaban comprando el producto equivocado para la decisión equivocada.

Empecemos por el análisis y la preparación de partidos. El mejor uso es ahorrar horas de analista: ordenar imágenes, señalar patrones en cómo un rival construye desde atrás o defiende las jugadas a balón parado, y redactar un primer informe que una persona revisa y afina. Ahí es donde el análisis de datos aplicado al fútbol, con la inteligencia artificial como apoyo al entrenador y a la toma de decisiones, está más maduro, porque el resultado se puede comprobar con el vídeo en minutos. La buena práctica es sencilla: la herramienta propone, el analista decide y el entrenador solo ve lo que ha superado ese filtro. Si un sistema no es capaz de enseñar los clips que respaldan su afirmación, esa afirmación no está probada.

El área médica y de control de cargas es donde más cautela conviene tener. Los modelos que combinan carga de entrenamiento, minutos de partido y marcadores de recuperación pueden ayudar al cuerpo técnico a detectar a un jugador que se sale de su rango normal. La palabra clave es «su»: los sistemas útiles comparan a un futbolista con su propio historial, no con la media de la liga. La decisión sigue en manos del equipo médico y de rendimiento, y el valor del modelo está en provocar antes una conversación, no en dictar un veredicto sobre la disponibilidad. Hay que preguntar contra qué se validó la herramienta, cuántos jugadores y temporadas abarcó y qué hace cuando faltan datos, porque la falta de datos es lo habitual en las semanas reales de entrenamiento.

La rotación de la plantilla y la IA en el entrenamiento plantean la misma pregunta desde el lado del cuerpo técnico: ¿el resultado cambia una decisión que se habría tomado de otra manera? Un aviso de carga que se limita a confirmar lo que el fisio ya había visto es una tranquilidad barata, no un hallazgo. La prueba está en si el staff puede nombrar una decisión pasada que habría sido otra, y en si alguien ha comprobado el resultado después.

Los productos de medios y para aficionados son el terreno de menor riesgo para usar la IA, y también donde la honestidad pesa más para la credibilidad. Los resúmenes automáticos de partidos, las notificaciones personalizadas y los pronósticos para los seguidores funcionan cuando el sistema es claro sobre lo que sabe. Fallan cuando una frase rotunda esconde datos escasos. Todo lo que se publique con el nombre del club debe llevar un editor humano y una declaración clara de incertidumbre.

El pronóstico de partidos tiene su lugar en el mapa como un elemento más, no como un oráculo. Un pronóstico da una probabilidad de victoria local, empate y victoria visitante, lo que ayuda a gestionar expectativas: decirle a una directiva que un equipo con un 70% sigue fallando unas tres veces de cada diez es más honesto que prometer un resultado. Kickwise ofrece un ejemplo práctico. Su probabilidad previa al partido combina la lectura que hace un modelo de lenguaje de la forma, la fortaleza de los equipos, los enfrentamientos directos, las lesiones, las sanciones y las alineaciones confirmadas con el consenso del mercado que implican las cuotas de las casas de apuestas, o con una estimación basada en la forma cuando no hay cuotas, y se actualiza cuando se conocen las alineaciones.

Cómo juzgar cualquier pronóstico es la parte que vale la pena copiar. Primero, comprobar que el historial se construye sobre la última predicción antes del pitido inicial, no sobre una anterior más favorecedora. Kickwise contrasta la última predicción emitida antes del inicio con el resultado tras los 90 minutos más la prórroga, si la hubo. Segundo, comparar con una referencia que importe. En los últimos 7 días, sus predicciones en todos los niveles de confianza acertaron 21 de 33 (64%), con un Brier de 0,507 frente a 0,645 de una referencia basada en las propias tasas de victoria local, empate y victoria visitante de la muestra. En 30 días fueron 57 aciertos de 107 (53%), con un Brier de 0,582 frente a 0,66. Un Brier más bajo es mejor, y lo que se afirma es superar la referencia, no el porcentaje bruto de aciertos. Tercero, exigir tamaño de muestra: una semana es un tramo corto y por sí sola prueba poco.

Los límites forman parte del producto, y cualquier comprador debería pedirlos. 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 predicción confiada sigue fallando con regularidad, de modo que un historial se lee a lo largo de muchos partidos, nunca en uno solo. En las predicciones más fuertes, las de un 65% de confianza o más en los últimos 90 días, el registro es de 56 aciertos de 71 (79%), mientras que el equipo local ganó el 51% de esos partidos. Esa diferencia es el tipo de comparación que conviene pedir, y nada de eso sustituye al criterio sobre una plantilla concreta.

La regla práctica es la misma en todas las áreas: nombrar la decisión, nombrar la referencia y revisar el historial en suficientes casos antes de cambiar la forma de trabajar del club.