El boletín público llega a las eliminatorias: la IA acertó sus marcadores más precisos hasta ahora — y volvió directa a la trampa de la que acababa de escapar

En el artículo anterior terminé con una admisión, no con un resultado. Había ido a calificar la mitad del sistema que en realidad me gana la liga — la parte que adivina quién saldrá al campo — y descubrí que no podía, porque mi propio registro de quién jugó estaba mal en varios sitios. Había marcado como suplentes a jugadores que habían sido titulares el partido entero. Así que dije lo honesto: no puedo calificar un pronóstico contra un marcador del que no me fío, y antes de volver a confiar en esa mitad del sistema, iré a hacer el trabajo aburrido y dejaré el registro limpio. Y dije que podrías verme hacerlo en público.

La primera ronda eliminatoria ya está calificada. Y esta es la ronda en la que hice ese trabajo aburrido — y en la que hacerlo cambió lo que podía decir sobre todo lo demás.

Pasaron dos cosas, tirando en direcciones opuestas, y la versión honesta de esta ronda necesita ambas. El marcador del que dije que no me fiaba: lo limpié, y ahora que puedo leerlo, la mitad callada del sistema vuelve a parecer sana. Y la mitad ruidosa — las predicciones de partido en la página pública — acertó sus marcadores más precisos de todo el torneo, y luego volvió directa a la única trampa de exceso de confianza de la que había pasado toda la fase de grupos saliendo.

Una cosa que conviene dejar clara, porque es la gracia entera de hacer esto en público: no estoy entrenando una IA para predecir fútbol, y aquí no se está construyendo ningún modelo secreto. Tomo modelos existentes — los mismos que cualquier empresa puede coger de la estantería — y les doy las herramientas, el contexto y las instrucciones para hacer un trabajo concreto, y luego afino cómo lo hacen de una ronda a otra. Se parece más a entregarle a un analista nuevo y espabilado tus datos y una lista de comprobación que a construir un cerebro nuevo desde cero. Pones uno bueno a trabajar en tu problema y llevas un registro legible de dónde ayuda y dónde perjudica — y, como muestra esta ronda, a veces el trabajo más valioso no es afinar al analista en absoluto. Es arreglar la regla con la que lo mides.

El titular, sus dos mitades

La buena noticia: arreglé el marcador. El registro de quién fue titular de verdad en cada partido — lo que estaba mal en silencio la ronda pasada — ahora está sourceado, limpio y honesto. Y con un marcador del que puedo fiarme, la mitad de quién-sale del sistema vuelve a leerse sana: acierta unas cuatro de cada cinco veces, cerca de donde estaba antes de su tambaleo.

La buena noticia, segunda parte: las predicciones de partido salieron más precisas en el marcador que en cualquier ronda hasta ahora. No solo “acertó al ganador” — los resultados finales reales. Más aciertos exactos, fallos más pequeños cuando falló.

La mala noticia, en el mismo aliento: el número que os he dicho que importa más que la precisión — si el sistema sabe cuándo está a punto de equivocarse — retrocedió. Había subido a su mejor nivel de la fase de grupos. Esta ronda devolvió casi todo eso — quedándose cerca de donde empezó — y falló el objetivo que el sistema se había puesto a sí mismo. Y la razón resulta casi graciosa de lo exactamente que repite un error anterior.

Así que es un veredicto dividido: el motor callado tuvo su indicador arreglado y se lee sano, el motor ruidoso se volvió más preciso, y la honestidad de su confianza fue en la dirección equivocada — justo en el momento en que los partidos empezaron a costar el doble.

El resumen, por si eres nuevo por aquí

Como la gracia entera de esta serie es que puedas comprobarme, aquí va el planteamiento en un aliento.

Llevo un equipo en un Mundial fantasy, y un grupo de agentes de IA hace los deberes diarios. Cada ronda predicen dos cosas distintas: quién será titular de verdad en cada partido, y cómo terminará cada partido. Luego la realidad califica ambas, en voz alta, y yo escribo las notas — los fallos más fuerte que los aciertos. La fase de grupos fueron tres rondas; las califiqué todas aquí. Ahora el torneo son eliminatorias: pierdes y estás fuera. La primera ronda eliminatoria empareja a los treinta y dos supervivientes en dieciséis partidos a partido único, y esa es la ronda de hoy.

En la pregunta llana — ¿acertó el ganador correcto? — el arco a lo largo de todo el torneo se lee ahora así: 11 de 24 (46%), 18 de 24 (75%), 17 de 24 (71%), y luego 11 de 15 en las eliminatorias (73%). Estable en el entorno del setenta desde el tambaleo de la ronda inaugural. (Una salvedad que recorre todo este artículo: una ronda eliminatoria son solo quince partidos, la mitad del tamaño de una ronda de grupos, así que sus números tienen más ruido — lee la tendencia, no el decimal.)

Pero elegir ganadores nunca fue la parte difícil. La parte difícil son las dos cosas de debajo: ¿puede el sistema saber quién va a jugar, y sabe cuándo su propio pronóstico es endeble? A una de ellas por fin le pude echar un vistazo limpio esta ronda. La otra tropezó.

El marcador del que dije que no me fiaba — así que lo arreglé

Empecemos por el arreglo del marcador, porque es la razón entera por la que esta ronda vale la pena.

La ronda pasada el problema no era el pronóstico — era la calificación del pronóstico. Mi registro de quién había jugado de verdad tenía errores, así que cuando los números de quién-sale del sistema se veían peor, no podía saber de verdad si el modelo había empeorado o si mi marcador mentía. No puedes mejorar lo que no puedes medir, y peor aún, una medición rota le enseña al sistema lecciones falsas — “aprende” de errores que nunca ocurrieron.

Así que el arreglo esta ronda no fue un modelo más ingenioso. Fue el trabajo más soso que hay, y había mucho:

• Cada dato real ahora está sourceado. Quién fue titular, quién salió del banquillo, quién nunca lo dejó — cada uno comprobado contra el registro público del partido (las páginas de Wikipedia del torneo) en vez de darlo por bueno. En la lista de valores atípicos, cada fallo lleva un enlace a la fuente en el que puedes hacer clic.
• Las conjeturas obsoletas se descartan. Si una predicción se hizo dos semanas antes del pitido inicial y nunca se actualizó cuando llegaron las noticias del equipo, no se califica — porque calificar una conjetura de hace quince días contra la realidad solo le enseña tonterías al sistema. Solo eso excluyó más de mil predicciones obsoletas — más de la mitad de los registros — dejando solo unos pocos cientos realmente actualizados antes del pitido inicial para ser marcados.
• Ningún jugador se cuela. Antes de que se puedan enviar las predicciones de una ronda, cada nombre en la convocatoria oficial de cada selección tiene que llevar un número. Ningún hueco silencioso donde un habitual se olvida sin hacer ruido.
• Lo aburrido y comprobable ahora cuenta. Sanciones por tarjetas amarillas y rojas. Rotación después de que un equipo ya se ha clasificado. Un portero suplente que se hizo con la titularidad y nunca la devolvió. No son lecturas ingeniosas; son hechos que puedes buscar — y el sistema ahora tiene que buscarlos.

Y aquí está la recompensa honesta por ese trabajo. Con un marcador limpio, la mitad de quién-sale se lee sana: acierta unas cuatro de cada cinco veces a lo largo del torneo, y de vuelta a ese nivel esta ronda tras su bajón de la fase de grupos. Cuando está muy seguro de que un jugador sale de titular, sale de titular alrededor de un ochenta y dos por ciento de las veces; cuando está muy inseguro, se queda en el banquillo. El indicador apunta en la dirección correcta.

Esa primera fila importa más de lo que parece. La ronda pasada conté la historia de un titular fijo al que el registro decía que habían sentado — y tuve que retractarme, porque el registro estaba mal. Esta ronda, con el marcador arreglado, el mismo tipo de caso es inequívoco: el ancla del centro del campo de Francia, valorado como fijo al 93%, jugó cero minutos — porque Francia había cerrado su clasificación y lo dejó descansar. Eso es un fallo real, y uno concreto y arreglable. Ahora es una regla: cuando una selección ya tiene la siguiente ronda prácticamente asegurada, baja las probabilidades de titularidad de sus habituales, porque es justo cuando los entrenadores rotan. Lo mismo para el centrocampista sancionado de Sudáfrica al que el sistema tenía al 88% (no había contado su tarjeta), y el defensa habitual de Marruecos al que tenía absurdamente bajo (un simple vacío de investigación). Cada fallo se convirtió en un punto de la lista de comprobación. Eso es lo que te compra un marcador arreglado: los fallos dejan de ser misterios y empiezan a ser tareas pendientes.

Los marcadores se afinaron — de verdad, esta vez

Ahora la mitad ruidosa — las predicciones de partido en la página pública — y aquí la noticia es buena.

Ronda tras ronda había señalado que el sistema era bueno con quién gana pero flojo con cuánto. Pronosticaba un educado 2-0 en un partido que acababa 5-0. Esta ronda los marcadores se ajustaron con fuerza. El error medio en la diferencia de goles — cuántos goles separaban el resultado final — ha bajado en cada ronda: alrededor de 1,4 goles, luego 1,3, luego apenas menos de 1, y ahora 0,73 a lo largo de las cuatro rondas hasta ahora. Más de medio gol más preciso que donde empezó. Y el porcentaje de aciertos exactos se duplicó aproximadamente: cuatro de quince partidos acertados a la perfección — Brasil-Japón 2-1, Estados Unidos-Bosnia 2-0, Costa de Marfil-Noruega 1-2, Colombia-Ghana 1-0. Sobre el papel, el punto débil se está cerrando.

Hace dos rondas tuve cuidado de decir que una mejora parecida era en parte suerte — un calendario más benévolo con menos goleadas. Esta ronda es más real: las eliminatorias tuvieron su ración de palizas (Francia le metió tres a Suecia, España tres a Austria) y el sistema se mantuvo cerca en el marcador de todos modos. Cuando tu error de margen baja mientras los partidos se vuelven más desiguales, eso es el modelo leyendo los partidos de verdad mejor, no el calendario haciéndole un favor. Quince partidos siguen siendo una muestra pequeña — estoy leyendo la tendencia, no jugándome el decimal — pero la tendencia se ha mantenido durante cuatro rondas ya.

Entonces la vieja trampa volvió

Aquí está el número que más me importa, y el que fue en la dirección equivocada.

A lo largo de la fase de grupos esa brecha hizo algo de lo que me sentí orgulloso: empezó en unos ocho puntos, se desplomó a nada en la ronda intermedia (la alarma), y luego sanó hasta su punto más amplio de toda la fase — trece puntos — porque el sistema había dejado de pronosticar victorias confiadas en partidos que en realidad eran cara o cruz. Esas son cifras que saco directamente de los registros en bruto de predicciones, ronda por ronda; el panel en sí solo muestra el número agrupado de todas las rondas, que se queda en 7,7. Esta ronda la brecha por ronda cayó a menos de ocho — justo por donde empezó, y por debajo del objetivo de diez que el sistema se había escrito a sí mismo tras la fase de grupos.

Y la razón por la que resbaló es casi cómicamente propia de su estilo. Es exactamente el mismo error, una ronda después, con una etiqueta de precio más alta.

El fallo característico de la ronda intermedia de grupos fue el favorito confiado empatado — pronosticar a un equipo fuerte ganando cómodamente contra un rival que se atrinchera. Eso es jerga futbolística para un equipo que renuncia a atacar, mete a todos los jugadores por delante de su propia portería, y juega puramente para no perder; contra un rival dispuesto a hacer eso, un favorito puede dominar noventa minutos y aun así no marcar. El sistema había aprendido a ser cauto exactamente con eso y se había quedado callado en esos partidos. Luego llegaron las eliminatorias, y lo olvidó.

El ejemplo más rojo: Alemania, pronosticada para ganar a Paraguay con un 76% de confianza, empató 1-1 — y quedó eliminada en penaltis. Paraguay plantó un bloque profundo y disciplinado, su portero fue el mejor jugador del partido, un gol alemán fue anulado por el videoarbitraje, y el favorito simplemente no pudo desmontarlos. Es casi una repetición exacta del error de hace dos rondas, y no estuvo solo: tres de los cuatro fallos de esta ronda tuvieron la misma forma: un favorito pronosticado para ganar, un rival tenaz, un partido que terminó igualado. El sistema había salido de ese agujero y volvió a caer directo en él.

Y hubo un segundo error, opuesto, que delata todo el asunto. En España contra Austria el sistema acertó al ganador pero ahogó su propio marcador — pronosticando un cauto 2-1 porque había marcado a Austria como un equipo que se atrinchera. Pero Austria no lo era; habían marcado con soltura solo para llegar hasta aquí. España ganó 3-0 con comodidad. Así que ese ni siquiera fue un fallo, solo un margen dejado sobre la mesa — y tomado junto con Alemania es la pista: en la misma ronda el sistema tanto falló en ser cauto donde debería haberlo sido (Alemania, un fallo) como fue excesivamente cauto donde no debería haberlo sido (España, un acierto infravalorado). No estaba aplicando una regla, estaba aplicando un reflejo — y un reflejo se dispara en los momentos equivocados.

Dos salvedades honestas antes de apoyarme demasiado en todo esto, porque quince partidos son una muestra fina para trazar una línea dura. Una: un vaivén de ocho a trece en esa brecha de confianza tiene ruido a este tamaño de muestra — la misma cautela que apliqué a la tasa de aciertos. Dos, y más aguda: los equipos de eliminatorias son, por construcción, más parejos en calidad — todos aquí ya sobrevivieron una fase de grupos. Así que los favoritos genuinamente son menos una cosa segura de lo que eran al principio, lo que apretaría esa brecha de confianza por sí solo, sin necesidad de “olvido”. No creo que sea toda la historia — el pronóstico de Alemania y el exceso de cautela de España son una repetición-y-espejo de un error para el que el sistema tenía un arreglo con nombre propio, lo que se lee más como un reflejo fallando que como partidos simplemente más ajustados. Pero la división honesta es que parte del retroceso son genuinamente partidos más difíciles y parte es la vieja trampa, y no puedo separar las dos cosas con limpieza en quince partidos. No voy a fingir que puedo.

El giro de las eliminatorias: un empate ahora es cara o cruz

Hay una razón por la que este viejo error cuesta más en las eliminatorias de lo que costaba en la fase de grupos, y vale la pena explicarla porque es la parte útil.

En la fase de grupos, un favorito confiado empatado solo te cuesta dos puntos y sigues adelante. En las eliminatorias, un empate no termina el partido — va a tanda de penaltis, y una tanda de penaltis es casi un cincuenta-cincuenta. Así que cuando el sistema dice que está un 76% seguro de que Alemania gana a Paraguay, en silencio está haciendo dos apuestas a la vez: que Alemania no será contenida al empate (lo fue), y que si de alguna manera lo es, ganará la tanda de penaltis de todos modos (no ganó). Se exponen las dos mitades de un pronóstico con exceso de confianza. Un 76% que en la fase de grupos habría sido meramente un fallo se convierte en un equipo eliminado del torneo.

El sistema desde entonces se ha escrito una regla dura exactamente para esto, y es el plan para la próxima ronda: en unas eliminatorias, nunca poner más de un setenta por ciento aproximado a un favorito para ganar directamente, porque el riesgo de la tanda de penaltis tiene que meterse en precio en el número. Y la cautela del “atrincheramiento” ahora tiene que pasar una comprobación explícita de tres puntos — ¿está el rival realmente jugando en bloque bajo, hay pruebas recientes de ello, está su portero en forma? — en vez de dispararse por corazonada. Si esa disciplina se mantiene cuando el próximo favorito se encuentre con el próximo rival tenaz es precisamente lo que podrás ver en la página.

La clasificación: sigo liderando, pero el colchón acaba de reducirse a la mitad

Así que, ¿dónde deja todo esto al equipo de verdad? Sigo por delante — pero por menos de lo que parece, y por menos de lo que estaba.

Voy primero, con 292 puntos. Pero el segundo puesto está en 287 — una ventaja de solo cinco puntos, cuando hace una ronda era de once. La brecha se ha cerrado a más de la mitad. Al mismo tiempo soy con comodidad la plantilla más valiosa de la liga — unos 8,7 millones por delante de la siguiente plantilla más valiosa, jugadores y caja juntos. Así que es una ventaja desigual: un colchón gordo en valor sobre el papel, uno fino en lo que en realidad decide la liga.

Y esa división es toda la tensión de la recta final. El valor de la plantilla vino del motor callado de quién-sale — el mismo del que acabo de pasar la ronda demostrando que puedo volver a fiarme — comprando barato a titulares fijos. Pero los puntos vienen de sobrevivir a estos partidos a partido único, y ahí es donde el exceso de confianza del motor ruidoso puede hacer daño: respaldar demasiado a un favorito, verlo quedar eliminado en penaltis, y un rival cierra la brecha. Una ventaja que parece cómoda, construida por la mitad fiable del sistema, puede ser mordisqueada por la mitad poco fiable. Eso no es un problema de fútbol. Es la misma confusión que he visto adular a empresas reales — confundir “poseemos activos valiosos” con “estamos ganando este trimestre”.

Quita el fútbol

Lee esta ronda otra vez y borra la palabra “fútbol”. Lo que queda son tres cosas que le pasan a cualquier sistema al que le confiarías una decisión de verdad.

Primero — el trabajo de más valor esta ronda no fue mejorar el modelo. Fue arreglar la regla. Pasé la ronda limpiando el registro contra el que el sistema se autocalifica, y ese único trabajo poco vistoso valió más que cualquier ajuste ingenioso, porque hasta que la medición es honesta, cada “mejora” es una conjetura y cada “lección” podría estar aprendida de un evento que nunca ocurrió. Si te llevas una cosa a tus propios paneles: una métrica sin auditar no es una métrica, es un rumor. Arregla la regla antes de fiarte de nada que mida.

Segundo — que un número mejore no te dice nada sobre los demás. Los marcadores se afinaron esta ronda y la honestidad de confianza empeoró, en el mismo sistema, en los mismos partidos. Una única cifra titular — “la precisión sube” — habría escondido el trueque por completo. La métrica que vale la pena vigilar rara vez es la ruidosa; es si el sistema sabe cuándo está a punto de equivocarse.

Tercero — un fallo arreglado no se queda arreglado. El sistema había aprendido de verdad a dejar de estar confiadamente equivocado en partidos de cara o cruz. Luego las condiciones cambiaron — las eliminatorias, con presiones nuevas — y volvió directo a la misma trampa, porque había aprendido un reflejo, no una regla. Es la forma de toda “regla” que en realidad es solo un hábito: el descuento que siempre se cuela para cierto tamaño de cliente, el chequeo de crédito que se salta para “los buenos clientes” — bien mientras el negocio se parece a como siempre ha sido, y luego equivocado la primera vez que entra un trato que no encaja en el molde de antes. La disciplina que aguanta en condiciones viejas se rompe en silencio en las nuevas. La única forma de descubrirlo es medir la misma debilidad otra vez, después de que el terreno cambie — no asumir que un arreglo pasado es permanente.

Así que antes del número de precisión, antes de los ticks verdes del panel, aquí están los dos que comprobaría primero en cualquier sistema en el que te estés apoyando: ¿puedo fiarme del marcador con el que lo estoy calificando — y sigue arreglado lo que confiadamente falló la última vez, ahora que la situación ha cambiado?

La primera ronda eliminatoria está calificada — lo bueno, lo arreglado, y el viejo hábito que volvió. Los errores cuestan el doble desde aquí, y entro en la próxima ronda recién recordado de que una ventaja construida por la mitad cuidadosa de un sistema puede ser gastada por la mitad temeraria. Eso también lo calificaré en público. Si viste tu propio proyecto en algún punto de aquí en vez de un campo de fútbol — una métrica que nunca auditaste, un arreglo que asumiste permanente — ese es el lugar más útil donde estar mirando, y sabes dónde encontrarme.