IA para predecir fútbol: qué puede hacer y qué no

Qué hay detrás de la etiqueta «IA»

Cuando un sitio promete predicciones «con inteligencia artificial», casi siempre se refiere a una de tres cosas muy distintas:

• Modelos estadísticos clásicos (Poisson, Dixon-Coles, Elo) reetiquetados como IA por marketing. La matemática es de regresión, pública desde hace décadas.
• Machine learning supervisado (gradient boosting, random forests, redes neuronales) entrenado sobre resultados históricos y features construidas. Es ML real, con ventajas e inconvenientes medibles.
• IA generativa (modelos de lenguaje) que redacta análisis con apariencia de pronóstico. No calcula probabilidades: genera texto plausible. Para predicción cuantitativa es la opción menos útil de las tres.

La pregunta correcta nunca es «¿usa IA?» sino «¿produce probabilidades calibradas, y cómo lo demuestra?». Un sitio serio publica sus métricas; la etiqueta tecnológica no sustituye esa evidencia.

El techo lo pone la información, no el algoritmo

El hallazgo más consistente de las comparaciones publicadas entre métodos es incómodo para el marketing: con los mismos datos de entrada, los métodos serios convergen. Un gradient boosting alimentado solo con resultados históricos no supera de forma material a un Dixon-Coles bien calibrado con esos mismos resultados — las diferencias se miden en décimas de Brier Score.

Las mejoras grandes vienen de mejor información: datos de eventos (de los que nace el xG), alineaciones, minutos de jugadores clave. El algoritmo extrae la señal que hay en los datos; no puede crear señal que los datos no contienen. Y una parte del resultado de un partido de fútbol — el desvío, el penal dudoso, el error individual — es ruido irreducible que ningún método alcanzará jamás.

La referencia práctica de ese techo es el mercado: la cuota de cierre de un mercado líquido agrega la información de todos los modelos y apostadores que pusieron dinero. Batirla de forma consistente es extraordinariamente difícil para cualquier método individual, sea estadístico o de deep learning.

El argumento por la explicabilidad

Entre dos modelos de rendimiento similar, el explicable vale más. No es una preferencia estética — tiene consecuencias operativas concretas:

• Errores diagnosticables. Cuando un Dixon-Coles falla sistemáticamente en una liga, puedes localizar el porqué (decay mal calibrado, ventaja local sobreestimada) y corregirlo. En una red profunda, el diagnóstico es opaco.
• Resistencia al overfitting. Un modelo con pocos parámetros interpretables tiene menos espacio para memorizar ruido histórico que uno con millones de pesos, especialmente con las muestras pequeñas del fútbol (380 partidos por temporada y liga).
• Auditabilidad. Cualquier lector puede replicar un modelo publicado y verificar sus probabilidades. «Confía en nuestra IA propietaria» pide fe; un modelo abierto pide solo matemática.

Dónde el machine learning sí aporta

Nada de lo anterior convierte al ML en humo. Sus aportes reales en el fútbol están bien identificados — y son complementarios a los modelos de resultado:

• Los modelos de xG son machine learning. Estimar la probabilidad de gol de un disparo según posición, ángulo y contexto es un problema de clasificación con cientos de miles de ejemplos: terreno ideal para ML.
• Construcción de features: convertir datos de eventos en señales (presión, progresión, calidad de ocasiones) que luego alimentan modelos de resultado.
• Mercados de nicho: en mercados menos eficientes (córners, tarjetas, ligas menores) hay más espacio para que la capacidad de un ML de capturar interacciones encuentre valor residual.

La arquitectura sensata no es «IA contra estadística» sino capas: ML donde hay datos masivos y patrones complejos (xG), modelos estadísticos explicables donde la muestra es pequeña y la estructura del problema se conoce (goles por partido siguen aproximadamente una distribución de Poisson).

Cómo se posiciona POISSON FC

POISSON FC usa un modelo Dixon-Coles — publicado en 1997, matemática abierta, replicable por cualquiera — con calibración y decay ajustados por liga, y publica su rendimiento real (aciertos, Brier Score, comparación contra el mercado) en la página de rendimiento, también cuando los números no favorecen al modelo.

No usamos «inteligencia artificial avanzada» como señal de calidad porque la calidad de un modelo de predicción no se declara: se demuestra con calibración empírica verificable. Un modelo que puedes entender y cuestionar es mejor que uno que solo puedes creer.