O placar público chega aos mata-matas: a IA cravou seus placares mais precisos até agora — e caiu direto de volta na armadilha da qual tinha acabado de escapar

No artigo anterior eu terminei numa confissão, não num resultado. Eu tinha ido avaliar a metade do sistema que de fato me faz ganhar a liga — a parte que adivinha quem vai entrar em campo — e descobri que não conseguia, porque o meu próprio registro de quem jogou estava errado em alguns pontos. Ele tinha marcado como reservas jogadores que começaram o jogo inteiro. Então eu disse a coisa honesta: não posso avaliar uma previsão contra um placar em que não confio, e antes de voltar a confiar nessa metade do sistema, eu ia fazer o trabalho chato e deixar o registro limpo. E disse que você podia me ver fazer isso em público.

A primeira rodada de mata-mata já está avaliada. E esta foi a rodada em que fiz esse trabalho chato — e em que fazê-lo mudou o que eu podia dizer sobre tudo o mais.

Duas coisas aconteceram, puxando para direções opostas, e a versão honesta desta rodada precisa das duas. O placar que eu disse não conseguir confiar: eu o limpei, e agora que consigo lê-lo, a metade quieta do sistema volta a parecer saudável. E a metade barulhenta — as previsões de resultado na página pública — cravou seus placares mais precisos do torneio inteiro, e depois caiu direto de volta na mesma armadilha de excesso de confiança da qual tinha passado a fase de grupos inteira escapando.

Uma coisa que quero deixar clara, porque é o ponto inteiro de fazer isto em público: eu não estou treinando uma IA para prever futebol, e não tem nenhum modelo secreto sendo construído aqui. Eu pego modelos existentes — os mesmos que qualquer empresa pode tirar da prateleira — e dou a eles as ferramentas, o contexto e as instruções para fazer um trabalho específico, e depois refino como eles fazem isso de rodada em rodada. É mais parecido com entregar seus dados e um checklist a um analista novo e afiado do que com construir um cérebro novo do zero. Você coloca um bom cérebro para trabalhar no seu problema e mantém um registro legível de onde ele ajuda e onde ele atrapalha — e, como esta rodada mostra, às vezes o trabalho mais valioso não é nem afiar o analista. É consertar a régua com que você o mede.

A manchete, as duas metades dela

A boa notícia: eu consertei o placar. O registro de quem de fato começou cada jogo — a coisa que estava discretamente errada na rodada passada — agora está com fonte, limpo e honesto. E com um placar em que consigo confiar, a metade de quem-começa volta a parecer saudável: certa cerca de quatro em cada cinco vezes, de volta perto de onde estava antes do tropeço.

A boa notícia, parte dois: as previsões de resultado ficaram mais precisas no placar do que em qualquer rodada até agora. Não só “acertou o vencedor” — os placares finais de verdade. Mais acertos cravados, erros menores quando errou.

A má notícia, no mesmo fôlego: o número que eu já disse importar mais do que a acurácia — se o sistema sabe quando está prestes a errar — escorregou para trás. Ele tinha subido para o melhor nível da fase de grupos. Nesta rodada devolveu quase tudo isso — voltando perto de onde começou — e errou a meta que o próprio sistema tinha estabelecido para si mesmo. E o motivo é quase engraçado de tão exatamente que repete um erro anterior.

Então é uma decisão dividida: o motor quieto teve o medidor consertado e lê saudável, o motor barulhento ficou mais preciso, e a honestidade da confiança dele foi na direção errada — no exato momento em que os jogos passaram a custar o dobro.

O resumo, caso você seja novo por aqui

Como o ponto central desta série é que você consiga me conferir, aqui vai o setup num fôlego só.

Estou tocando um time num fantasy da Copa do Mundo, e um time de agentes de IA faz a lição de casa diária. A cada rodada eles preveem duas coisas diferentes: quem de fato vai começar cada jogo, e como cada jogo vai terminar. Então a realidade avalia as duas, em voz alta, e eu escrevo as notas — os erros mais alto que os acertos. A fase de grupos teve três rodadas; eu avaliei cada uma delas aqui. Agora o torneio é mata-mata: perde e está fora. A primeira rodada de mata-mata pareia os trinta e dois sobreviventes em dezesseis jogos únicos, e é essa a rodada na mesa hoje.

Na pergunta simples — ele cravou o vencedor certo — o arco ao longo do torneio inteiro agora lê assim: 11 de 24 (46%), 18 de 24 (75%), 17 de 24 (71%), depois 11 de 15 nos mata-matas (73%). Estável nos setenta e poucos desde o tropeço da rodada de abertura. (Uma ressalva que atravessa este texto inteiro: uma rodada de mata-mata tem só quinze jogos, metade do tamanho de uma rodada de grupo, então os números dela são mais ruidosos — leia a direção, não a casa decimal.)

Mas escolher vencedores nunca foi a parte difícil. A parte difícil são as duas coisas por baixo dela: o sistema consegue dizer quem vai jogar, e ele sabe quando o próprio palpite está instável? Uma dessas eu finalmente consegui olhar de forma limpa nesta rodada. A outra tropeçou.

O placar que eu disse não conseguir confiar — então eu o consertei

Comece pelo conserto do placar, porque é a razão inteira desta rodada valer a pena.

Na rodada passada o problema não era a previsão — era a avaliação da previsão. Meu registro de quem de fato tinha jogado tinha erros, então quando os números de quem-começa do sistema pareciam piores, eu genuinamente não conseguia dizer se o modelo tinha escorregado ou se o meu placar estava mentindo. Você não consegue melhorar o que não consegue medir, e pior, uma medição quebrada ensina lições falsas ao sistema — ele “aprende” com erros que nunca aconteceram.

Então o conserto desta rodada não foi um modelo mais esperto. Foi o trabalho mais chato que existe, e teve bastante dele:

• Todo resultado real agora tem fonte. Quem começou, quem entrou do banco, quem nunca saiu dele — cada um checado contra o registro público da partida (as páginas de partida da Wikipedia do torneio) em vez de aceito na confiança. Na lista de discrepâncias, todo erro carrega um link de fonte clicável.
• Palpites vencidos são descartados. Se uma previsão foi feita duas semanas antes do apito inicial e nunca atualizada quando a escalação saiu, ela não é avaliada — porque avaliar um palpite de duas semanas atrás contra a realidade só ensina bobagem ao sistema. Só isso excluiu mais de mil previsões vencidas — mais da metade dos registros — deixando só as poucas centenas de fato atualizadas antes do apito inicial para serem marcadas.
• Nenhum jogador escapa. Antes de as previsões de uma rodada poderem ser enviadas, todo nome em toda seleção oficial de cada nação precisa carregar um número. Nenhuma lacuna silenciosa onde um titular é discretamente esquecido.
• As coisas chatas e verificáveis passam a contar. Suspensões por cartões amarelo-e-vermelho. Rotação depois de um time já ter se classificado. Um goleiro reserva que assumiu a titularidade e nunca mais devolveu. Essas não são leituras espertas; são fatos que dá para consultar — e o sistema agora tem que consultá-los.

E aqui está a recompensa honesta por esse trabalho. Com um placar limpo, a metade de quem-começa lê saudável: certa cerca de quatro em cada cinco vezes ao longo do torneio, e de volta a esse nível nesta rodada depois do tropeço da fase de grupos. Quando está muito seguro de que um jogador começa, ele começa cerca de oitenta e dois por cento das vezes; quando está muito inseguro, ele fica no banco. O medidor aponta na direção certa.

Essa primeira linha importa mais do que parece. Na rodada passada eu contei uma história sobre um titular garantido que o registro alegava ter ficado no banco — e eu tive que me retratar, porque o registro estava errado. Nesta rodada, com o placar consertado, o mesmo tipo de caso é inequívoco: o volante âncora da França, avaliado como certeza de 93%, jogou zero minutos — porque a França já tinha fechado a classificação e o descansou. Esse é um erro de verdade, e um específico, corrigível. Agora é uma regra: quando uma nação já garantiu (ou quase) a próxima fase, reduza as odds de titularidade dos seus titulares, porque é exatamente quando técnicos fazem rotação. O mesmo vale para o volante suspenso da África do Sul que o sistema tinha em 88% (não tinha contado o cartão dele), e o zagueiro titular do Marrocos que tinha absurdamente baixo (uma simples lacuna de pesquisa). Todo erro virou um item de checklist. É isso que um placar consertado compra: os erros deixam de ser mistérios e viram listas de tarefas.

Os placares ficaram mais precisos — de verdade, desta vez

Agora a metade barulhenta — as previsões de resultado na página pública — e aqui a notícia é boa.

Rodada após rodada eu tinha sinalizado que o sistema era bom em acertar quem vence mas fraco em por quanto. Ele cravava um educado 2–0 num jogo que terminava 5–0. Nesta rodada os placares ficaram muito mais precisos. O erro médio na diferença de gols — quantos gols separavam o placar final — caiu em toda rodada: cerca de 1,4 gol, depois 1,3, depois pouco menos de 1, e agora 0,73 ao longo das quatro rodadas até aqui. Mais de meio gol mais preciso do que onde começou. E a taxa de acerto de placar exato praticamente dobrou: quatro de quinze jogos cravados — Brasil–Japão 2–1, EUA–Bósnia 2–0, Costa do Marfim–Noruega 1–2, Colômbia–Gana 1–0. No papel, o ponto fraco está se fechando.

Duas rodadas atrás eu tomei cuidado para dizer que uma melhora parecida era parte sorte — um calendário mais gentil com menos goleadas. Nesta rodada é mais real: os mata-matas tiveram sua cota de goleadas (a França fez três contra a Suécia, a Espanha três contra a Áustria) e o sistema manteve o placar próximo mesmo assim. Quando o erro de margem cai enquanto os jogos ficam mais desiguais, isso é o modelo genuinamente lendo melhor os jogos, não o calendário fazendo um favor. Quinze jogos ainda é uma amostra pequena — estou lendo a direção, não apostando a casa decimal — mas a direção se manteve por quatro rodadas agora.

Depois a velha armadilha voltou

Aqui está o número que mais me importa, e o que foi na direção errada.

Ao longo da fase de grupos essa lacuna fez algo do qual eu tinha orgulho: começou em cerca de oito pontos, desabou para essencialmente zero na rodada do meio (o alarme), depois se recuperou para a mais larga de toda a fase — treze pontos — porque o sistema tinha parado de cravar vitórias confiantes em jogos que eram na real cara ou coroa. Esses são números que leio direto dos logs brutos de previsão, rodada por rodada; o próprio painel só mostra a cifra combinada de todas as rodadas, que fica em 7,7. Nesta rodada a lacuna por rodada caiu de volta para abaixo de oito — bem perto de onde começou, e abaixo da meta de dez que o sistema tinha escrito para si mesmo depois da fase de grupos.

E o motivo do escorregão é quase comicamente característico. É o exato mesmo erro, uma rodada depois, com um preço maior.

A falha característica da rodada do meio da fase de grupos foi o favorito confiante travado num empate — cravar um time forte para vencer com folga contra um adversário que fecha o time atrás. Isso é gíria de futebol para um time que desiste de atacar, recolhe todos os jogadores na frente do próprio gol, e joga puramente para não perder; contra um lado disposto a fazer isso, um favorito pode dominar por noventa minutos e ainda assim não marcar. O sistema tinha aprendido a desconfiar exatamente disso e tinha ficado quieto nesses jogos. Depois os mata-matas chegaram, e ele esqueceu.

O exemplo mais vermelho: Alemanha, cravada para vencer o Paraguai com 76% de confiança, empatou 1–1 — e caiu nos pênaltis. O Paraguai montou um bloco baixo e disciplinado, o goleiro deles foi o melhor em campo, um gol alemão foi anulado pelo árbitro de vídeo, e o favorito simplesmente não conseguiu furar a defesa. É praticamente uma repetição exata do erro de duas rodadas atrás, e não foi o único: três dos quatro palpites errados desta rodada tiveram o mesmo formato — um favorito cravado para vencer, um azarão teimoso, um jogo que terminou empatado. O sistema tinha saído desse buraco e voltou caminhando direto para ele.

E teve um segundo erro, oposto, que entrega tudo. Contra a Áustria, a Espanha, o sistema acertou o vencedor mas segurou o próprio placar — cravando um cauteloso 2–1 porque tinha marcado a Áustria como um time que fecha atrás. Mas a Áustria não era isso; ela tinha marcado gols livremente só para chegar até ali. A Espanha venceu por 3–0 tranquilamente. Então esse não foi um palpite errado de jeito nenhum, só uma margem deixada na mesa — e junto com a Alemanha é o que denuncia tudo: na mesma rodada o sistema tanto falhou em ser cauteloso onde deveria (Alemanha, um palpite errado) quanto foi cauteloso demais onde não deveria (Espanha, um palpite certo subestimado). Ele não estava aplicando uma regra, estava aplicando um reflexo — e um reflexo dispara nos momentos errados.

Duas ressalvas honestas antes de eu me apoiar demais nisso, porque quinze jogos é uma amostra fina para traçar uma linha rígida. Uma: uma virada de oito para treze naquela lacuna de confiança é ruidosa nesse tamanho de amostra — o mesmo cuidado que apliquei à taxa de acerto. Duas, e mais afiada: times de mata-mata são, por construção, mais parecidos em qualidade — todo mundo ali já sobreviveu a um grupo. Então os favoritos genuinamente são menos uma certeza do que eram no começo, o que apertaria essa lacuna de confiança por conta própria, sem precisar de nenhum “esquecimento”. Eu não acho que essa seja a história inteira — o palpite da Alemanha e a subestimação da Espanha são uma repetição-e-espelho de um erro para o qual o sistema tinha um conserto nomeado, o que soa mais como um reflexo disparando errado do que como jogos simplesmente mais equilibrados. Mas a divisão honesta é que parte do escorregão é de fato jogos mais difíceis e parte é a velha armadilha, e eu não consigo separar os dois com clareza em quinze partidas. Não vou fingir que consigo.

A virada dos mata-matas: um empate agora é cara ou coroa

Tem uma razão pela qual esse velho erro custa mais nos mata-matas do que custava na fase de grupos, e vale a pena explicar porque é a parte útil.

Na fase de grupos, um favorito confiante travado num empate só custa dois pontos e o jogo segue. Nos mata-matas, um empate não termina o jogo — vai para os pênaltis, e uma disputa de pênaltis é perto de cinquenta-cinquenta. Então quando o sistema diz estar 76% seguro de que a Alemanha vence o Paraguai, ele está discretamente fazendo duas apostas ao mesmo tempo: que a Alemanha não vai ser travada (foi), e que se por acaso for, ela vai vencer os pênaltis mesmo assim (não venceu). As duas metades de um palpite excessivamente confiante são expostas. Um 76% que teria sido só errado na fase de grupos vira um time eliminado do torneio.

O sistema desde então escreveu para si mesmo uma regra rígida para exatamente isso, e é o plano para a próxima rodada: num mata-mata, nunca colocar mais do que cerca de setenta por cento num favorito para vencer diretamente, porque o risco da disputa de pênaltis tem que ser precificado no número. E a cautela do “fechar o time atrás” agora tem que passar por uma checagem explícita de três pontos — o azarão está de fato jogando recuado, ele tem prova recente disso, o goleiro dele está em boa fase — em vez de disparar por palpite. Se essa disciplina se sustenta quando o próximo favorito encontrar o próximo azarão teimoso é exatamente o que você vai poder acompanhar na página.

A classificação: ainda na liderança, mas a folga acabou de cair pela metade

Então onde tudo isso deixa o time de verdade? Ainda na frente — mas por menos do que parece, e por menos do que era.

Estou em primeiro, com 292 pontos. Mas o segundo lugar está com 287 — uma vantagem de apenas cinco pontos, quando uma rodada atrás era de onze. A diferença fechou por mais da metade. Ao mesmo tempo eu sou confortavelmente o time mais valioso da liga — cerca de 8,7 milhões à frente do próximo time mais valioso, jogadores e dinheiro juntos. Então é uma liderança desigual: uma folga gorda no valor de papel, uma fina na coisa que de fato decide a liga.

E essa divisão é a tensão inteira da reta final. O valor do time veio do motor quieto de quem-começa — o mesmo que eu acabei de passar a rodada provando que posso confiar de novo — comprando titulares garantidos barato. Mas pontos vêm de sobreviver a esses jogos únicos, e é aí que o excesso de confiança do motor barulhento pode machucar: apoiar demais um favorito, vê-lo cair nos pênaltis, e um rival fecha a diferença. Uma liderança que parece confortável, construída pela metade confiável do sistema, pode ser corroída pela metade não confiável. Isso não é um problema de futebol. É a mesma confusão que já vi enganar empresas de verdade — confundir “temos ativos valiosos” com “estamos ganhando este trimestre”.

Tire o futebol

Leia esta rodada de novo e apague a palavra “futebol”. O que sobra são três coisas que acontecem em todo sistema em que você confiaria uma decisão de verdade.

Primeiro — o trabalho de maior valor desta rodada não foi melhorar o modelo. Foi consertar a régua. Eu passei a rodada limpando o registro contra o qual o sistema se avalia, e esse único trabalho sem glamour valeu mais do que qualquer ajuste esperto, porque até a medição ser honesta, toda “melhora” é um chute e toda “lição” pode ter sido aprendida de um evento que nunca aconteceu. Se você levar uma coisa para os seus próprios painéis: uma métrica não auditada não é uma métrica, é um boato. Conserte a régua antes de confiar em qualquer coisa que ela meça.

Segundo — um número melhorando não te diz nada sobre os outros. Os placares ficaram mais precisos nesta rodada e a honestidade da confiança piorou, no mesmo sistema, nos mesmos jogos. Uma única cifra de manchete — “a acurácia subiu” — teria escondido a troca por completo. A métrica que vale a pena vigiar raramente é a barulhenta; é se o sistema sabe quando está prestes a errar.

Terceiro — uma falha corrigida não fica corrigida. O sistema tinha genuinamente aprendido a parar de errar com confiança em jogos de cara ou coroa. Depois as condições mudaram — os mata-matas, com novas pressões — e ele caiu direto de volta na mesma armadilha, porque tinha aprendido um reflexo, não uma regra. É o formato de toda “regra” que na verdade é só um hábito: o desconto que sempre passa batido para um certo tamanho de cliente, a checagem de crédito que é pulada para “os bons clientes” — tudo bem enquanto o negócio parece o de sempre, depois errado na primeira vez que aparece um contrato que não se encaixa no molde antigo. Disciplina que se sustenta em condições antigas quebra discretamente em novas. O único jeito de descobrir é medindo a mesma fraqueza de novo, depois que o terreno muda — não presumindo que um conserto do passado é permanente.

Então antes do número de acurácia, antes dos tiques verdes do painel, aqui estão os dois que eu checaria primeiro em qualquer sistema no qual você está confiando: consigo confiar no placar com que estou avaliando ele — e a coisa da qual ele estava confiantemente errado da última vez ainda está corrigida, agora que a situação mudou?

A primeira rodada de mata-mata está avaliada — o bom, o corrigido, e o velho hábito que voltou. Os erros custam o dobro daqui para frente, e eu entro na próxima rodada recém-lembrado de que uma liderança construída pela metade cuidadosa de um sistema pode ser gasta pela metade descuidada. Vou avaliar isso em público também. Se você viu o seu próprio projeto em algum ponto daqui em vez de um campo de futebol — uma métrica que você nunca auditou, um conserto que presumiu ser permanente — esse é o lugar mais útil para estar olhando, e você sabe onde me encontrar.