Cómo cambiará la IA el fútbol: el tiempo de los entrenadores, no sus decisiones

¿Cómo cambiará la IA el fútbol? La respuesta corta es que cambia aquello en lo que entrenadores y cuerpos técnicos invierten su tiempo, y deja intactas las partes del oficio que no se pueden delegar. Un modelo puede leer más material en una semana que cualquier equipo de analistas, pero no puede sentarse ante el consejo tras una mala racha, no puede decirle a un capitán que queda fuera del once y nadie puede pedirle cuentas. La decisión sigue en manos de la persona cuyo nombre figura en ella.

Lo primero que se mueve es la preparación. Los departamentos de análisis previo a los partidos ya dedican buena parte de la semana a reunir, depurar y resumir: resultados recientes, partes de lesionados, cómo ha marcado y encajado un rival. Ese trabajo de ensamblaje es donde la automatización se gana su sitio, porque libera al personal para formular mejores preguntas en lugar de compilar respuestas. Lo mismo vale para los informes del rival que los cuerpos técnicos elaboran cada semana: una máquina puede redactar el primer borrador, pero decidir cuál de los diez patrones que contiene importa para este partido, frente a esta línea defensiva concreta, sigue siendo un criterio de entrenador.

Lo que los modelos de probabilidad hacen bien es acotado y útil. Expresan la incertidumbre con un número, aplican el mismo proceso a todos los partidos sin estados de ánimo ni sesgo de lo más reciente, y pueden evaluarse a posteriori. Un modelo que da a un equipo un 70% de opciones hace una afirmación que se puede contrastar a lo largo de muchos partidos. También se espera que falle unas tres veces de cada diez, algo que los directivos olvidan. Una sola predicción errónea no dice casi nada, y una sola acertada, tampoco.

Lo que hacen mal es igual de concreto. El empate es el resultado más difícil de pronosticar, porque es el que queda entre dos señales más fuertes. Los amistosos y los partidos con pocos datos se acercan mucho a lanzar una moneda, y cualquier producto que finja lo contrario esconde su incertidumbre. Los modelos tampoco ven lo que no está en los datos: una plantilla fracturada, un entrenador presionado, un cambio táctico decidido el jueves. Conviene tratar el resultado como un elemento más de la decisión, nunca como la decisión.

Entonces, ¿cómo se juzga una predicción, o un producto de datos que se piensa construir o comprar? Hay que hacer cuatro preguntas. ¿Publica una probabilidad y no solo un pronóstico? ¿Conserva la última predicción hecha antes del inicio y la evalúa con un resultado claramente definido, en lugar de reescribir la historia? ¿Se compara con una referencia simple, como apostar siempre por el local o usar las propias tasas de victoria local, empate y victoria visitante de la muestra? ¿Y es la muestra lo bastante grande para significar algo? La precisión por sí sola halaga; una puntuación que premia las probabilidades bien calibradas, como el índice de Brier, es más difícil de manipular.

Kickwise ofrece un ejemplo práctico de esa disciplina. Su registro público conserva la última predicción antes del inicio, evaluada con el resultado tras los 90 minutos más la prórroga, si la hay. En los últimos 90 días, las predicciones hechas con una confianza del 65% o superior acertaron 66 veces de 82 (80%), en partidos en los que ganó el local el 56% de las veces, de modo que apostar siempre por el equipo de casa habría acertado el 56%. Entre todas las predicciones evaluadas, con cualquier nivel de confianza, en los últimos 30 días acertó 114 de 186 (61%), con un índice de Brier de 0,544 frente al 0,648 de la referencia (cuanto más bajo, mejor).

El mismo registro incluye las advertencias. El empate sigue siendo la predicción más difícil, los datos escasos equivalen casi a una moneda al aire, y una predicción del 70% falla aproximadamente tres de cada diez veces, así que el registro hay que leerlo a lo largo de muchos partidos, nunca en un solo fin de semana. Los últimos 7 días, con 58 aciertos de 98 (59%), recuerdan que las ventanas cortas oscilan. Conviene usar las cifras de 30 y 90 días para juzgar el proceso y tratar cualquier semana suelta como ruido.

Para quienes toman decisiones, las conclusiones prácticas son claras. Usar los modelos para comprimir el tiempo de preparación y para fijar expectativas honestas ante un consejo: que un favorito del 60% pierda no es un fallo de la predicción. Usarlos en la planificación de rotaciones como un contraste de realidad sobre cuánto importa de verdad un partido, no como una instrucción. Y en los productos para medios y aficionados, mostrar la probabilidad y el historial a la vez, para que el público vea tanto la afirmación como el respaldo que la sostiene.

Los entrenadores que más se beneficiarán serán los que entreguen el ensamblaje a las máquinas y se reserven el criterio. El modelo puede decirte lo que suele ocurrir. Solo una persona puede decidir qué hacer con esta plantilla, esta semana, y responder después por ello.