Predicciones deportivas con IA: cómo saber si un porcentaje de acierto significa algo

“Nuestra IA acierta el 87% de los partidos”.

La cifra suena excelente. El problema es que, sin más información, casi no dice nada.

¿Predice ganador, doble oportunidad, goles, posesión o una acción concreta? ¿Sobre qué liga? ¿Cuántos partidos? ¿El porcentaje viene de datos futuros que el modelo nunca vio o de un ajuste hecho sobre la misma historia con la que fue construido? ¿Contra qué referencia se compara?

En predicción deportiva, el porcentaje de acierto es el principio de la evaluación, no el final.

Primero pregunta qué se está prediciendo

“Predecir fútbol” puede significar cosas completamente distintas.

Un modelo puede intentar anticipar el ganador de un partido, la probabilidad de empate, quién recibirá un tiro de esquina, si una posesión terminará en disparo o qué jugador ocupará determinado espacio.

Cuanto más amplia sea la pregunta, más variables fuera del modelo pueden intervenir: lesiones, expulsiones, decisiones arbitrales, cambios tácticos, estado físico, clima y simple azar.

Por eso es un error comparar directamente un modelo que predice una microacción bien definida con otro que intenta resumir noventa minutos en un solo resultado.

Un 70% puede ser extraordinario o mediocre

Supongamos una competición ficticia donde el favorito gana el 70% de los partidos. Un modelo que siempre diga “gana el favorito” tendría 70% de acierto sin haber descubierto nada especialmente sofisticado.

Ahora imagina otra tarea donde el evento correcto ocurre solo el 10% de las veces. Un modelo que diga siempre “no ocurre” tendría 90% de accuracy y sería prácticamente inútil.

Ese es el problema de publicar una sola métrica aislada. Antes de celebrar un porcentaje hay que conocer el baseline: la regla simple que el modelo debe superar.

La fuga de datos puede fabricar un modelo brillante

En series temporales deportivas no basta con dividir filas al azar entre entrenamiento y prueba.

Si información posterior termina directa o indirectamente en el conjunto de entrenamiento, el modelo puede parecer mucho mejor de lo que será cuando intente predecir un partido verdaderamente futuro.

Un ejemplo simple: usar al final de la temporada una variable que resume el rendimiento anual completo para “predecir” partidos jugados en septiembre. Aunque la columna no diga explícitamente el resultado, contiene información que en septiembre todavía no existía.

Una evaluación creíble debe respetar el tiempo: entrenar con el pasado y probar con un período posterior que el modelo no utilizó para ajustarse.

Acertar no es lo mismo que estar bien calibrado

Un sistema puede decir que dos equipos tienen 51% y 49% de probabilidad y acertar al primero. Otro puede decir 95% y 5% y también acertar.

Para ese partido ambos cuentan como un acierto. Pero el segundo hizo una afirmación mucho más fuerte.

Cuando un modelo entrega probabilidades, conviene mirar calibración: de todos los eventos a los que asignó alrededor de 70%, ¿ocurrieron aproximadamente siete de cada diez?

Eso suele ser más informativo que una lista de “ganó/perdió” porque permite saber si la seguridad del modelo corresponde con la realidad.

TacticAI es interesante precisamente porque limita la pregunta

TacticAI, desarrollado por Google DeepMind con Liverpool FC y publicado en Nature Communications en 2024, no intenta decir quién ganará el próximo partido.

Trabaja sobre tiros de esquina. Entre sus tareas están predecir el primer receptor, estimar si la jugada terminará en disparo y sugerir ajustes posicionales. El paper evaluó componentes cuantitativos sobre datos separados de prueba y además hizo un estudio con cinco expertos de Liverpool; en esa evaluación cualitativa, las sugerencias de TacticAI fueron preferidas frente a las tácticas existentes el 90% de las veces.

Fuente: Wang et al., Nature Communications, 2024.

Ese 90% no significa “TacticAI predice fútbol con 90% de precisión”. Significa algo mucho más específico: en una parte concreta del estudio, expertos prefirieron las recomendaciones generadas.

Y esa distinción es exactamente la que suele desaparecer cuando un porcentaje viaja desde un paper hasta un titular.

TacticAI tampoco es “la única IA deportiva con revisión científica”

La versión anterior de este artículo decía eso. Era una exageración.

Existe literatura académica sobre predicción de pases, disparos, valoración de jugadores, posicionamiento, resultados de partidos y otras tareas deportivas. De hecho, el propio artículo de TacticAI discute trabajos anteriores y posteriores en ese campo.

Lo que vuelve útil a TacticAI como ejemplo no es que esté solo. Es que permite ver con claridad cómo se evalúa una afirmación estrecha, con un conjunto de datos definido, tareas concretas y expertos del dominio.

Las cuotas de mercado son una referencia, no una verdad

Si alguien afirma tener un sistema que predice resultados de partidos mejor que el mercado, una comparación razonable es mirar qué información ya estaba incorporada en las probabilidades implícitas de las cuotas disponibles antes del encuentro.

Eso no convierte a las casas de apuestas en una fuente infalible ni significa que el mercado siempre tenga razón. Significa que un modelo que pretende añadir señal debería compararse contra una referencia que ya agrega lesiones, forma reciente, opiniones y millones de decisiones de mercado.

Un modelo puede tener buen porcentaje de acierto y no aportar información nueva frente a ese baseline.

Seis señales de que una cifra merece atención

1. Define exactamente la tarea. No “predice deportes”, sino qué evento predice.
2. Publica el período evaluado. Sabes qué fue entrenamiento y qué fue prueba.
3. Compara contra un baseline. Favorito, promedio histórico, modelo simple o mercado.
4. Muestra más de una métrica. Accuracy por sí sola rara vez basta.
5. Expone incertidumbre. Probabilidades calibradas son más útiles que certezas binarias.
6. Puede reproducirse o auditarse. Al menos explica datos, método y reglas de evaluación.

Una herramienta comercial no necesita publicar todo su código para ser seria. Pero si su única evidencia es una captura que dice “92% accuracy”, no hay suficiente información para saber qué significa ese número.

La pregunta correcta no es si la IA puede encontrar señal en el deporte. Claro que puede. La pregunta es si la métrica publicada demuestra la capacidad que el producto dice tener.