Hace una década, predecir el resultado de un partido de fútbol era, en la práctica, un ejercicio basado en intuición, lectura del periódico deportivo y una pizca de estadística básica. Hoy, ese mismo ejercicio mueve modelos de aprendizaje automático que procesan millones de datos por minuto, y forma parte de una industria global que cruza tecnología, medios y entretenimiento. La transformación es profunda y, como tantas otras revoluciones recientes, está siendo impulsada por la combinación entre big data e inteligencia artificial.
Lo interesante es que ese cambio no se queda en los grandes laboratorios. Llega también al aficionado de a pie, al periodista deportivo, al pequeño analista que escribe en un blog comarcal, e incluso al apostador ocasional que ya no se conforma con consultar el resultado del último Valencia-Levante para hacerse una idea del próximo derbi.
De la quiniela al algoritmo
Durante décadas, la quiniela tradicional fue el laboratorio de pronósticos por excelencia en España. Era una mezcla de conocimiento futbolero, supersticiones familiares y, a veces, un pin que se dejaba caer sobre el boleto. La sofisticación llegó tarde, sobre todo si se compara con mercados como el británico o el norteamericano, donde los modelos estadísticos llevan décadas formando parte del paisaje deportivo.
La revolución comenzó cuando los datos en bruto pasaron a estar disponibles. Posiciones de los jugadores en cada segundo del partido, distancia recorrida, presión sobre el rival, mapa de pases, expected goals (xG), expected assists (xA) y un largo etcétera. Todo ese material, recogido por sensores y por sistemas de visión por ordenador, alimentó modelos cada vez más capaces de identificar patrones invisibles al ojo humano.
Qué hace exactamente la inteligencia artificial con un partido de fútbol
La parte técnica es menos misteriosa de lo que parece. Un modelo de aprendizaje automático aplicado a pronósticos deportivos hace básicamente tres cosas. Primero, ingiere grandes volúmenes de datos históricos: resultados, alineaciones, lesiones, condiciones meteorológicas, viajes, calendario, rendimientos individuales. Segundo, identifica relaciones entre todas esas variables que un analista humano no podría procesar a mano. Y tercero, traduce esas relaciones en una probabilidad: equipo A gana en un 47% de los escenarios simulados, empata en un 28%, pierde en un 25%.
La cifra suena fría, pero detrás hay décadas de teoría estadística y, en los últimos años, una capa nueva de redes neuronales que detectan patrones más sutiles. Por ejemplo, cómo afecta a un equipo perder a su capitán por sanción cuando el siguiente rival juega con presión alta, o cómo cambia la probabilidad de gol en los últimos veinte minutos cuando el árbitro tiene un perfil concreto.
En la Comunitat Valenciana, este tipo de investigación tiene un punto de referencia claro. ValgrAI la fundación que reúne a la Generalitat, las cinco universidades públicas valencianas y a empresas del sector tecnológico, coordina buena parte de la investigación autonómica en inteligencia artificial. Sus líneas de trabajo van desde la salud y la industria hasta la movilidad urbana, pero el desarrollo de modelos predictivos basados en grandes volúmenes de datos es una de las áreas con más recorrido y mayor aplicación cruzada a sectores muy distintos, incluido el del deporte.
El papel de los medios y los portales especializados
Toda esta tecnología sería de uso restringido si no existiese una capa de medios y portales especializados que traduce los datos en información útil para el aficionado. Es ahí donde han crecido en los últimos cinco años las plataformas que combinan periodismo deportivo con análisis estadístico avanzado, ofreciendo previas detalladas, ratings de jugadores y, sí, también pronósticos sobre los partidos del día.
Esos pronósticos ya no se elaboran como hace una década. La metodología típica de un portal serio combina hoy modelos cuantitativos con la experiencia de redactores especializados que matizan los resultados con información contextual: rumores de vestuario, estado de forma percibido, tipo de campo o presión externa sobre el equipo. El resultado es un pronóstico mucho más informado que la simple intuición de un aficionado, pero presentado con un lenguaje accesible para cualquiera que siga el deporte.
Algunos portales han llevado el formato a una rutina diaria. Un ejemplo de esto son los pronósticos deportivos diarios de Apuestasdeportivas24, donde los lectores pueden encontrar una selección de apuestas para cada día, con argumentos sólidos y basados tanto en datos como en conocimiento de los propios gestores de la web.
Los límites del modelo: por qué la sorpresa sigue existiendo
Conviene aclarar una cosa, porque a veces el discurso sobre la inteligencia artificial peca de optimismo. Ningún modelo, por sofisticado que sea, predice el resultado exacto de un partido. Lo que hacen los buenos modelos es reducir la incertidumbre y mejorar la calidad de la información disponible. La sorpresa sigue formando parte del deporte, y eso, lejos de ser un defecto, es lo que mantiene viva la pasión del aficionado.
Un buen ejemplo es lo que ocurrió en la última Eurocopa. Los modelos más respetados daban a Inglaterra como uno de los favoritos, y aunque llegó a la final, varias de sus victorias se produjeron por la mínima en partidos que el algoritmo había marcado como cómodos. Los datos pueden capturar tendencias, pero no capturan la épica de un córner en el minuto 95, ni la decisión de un entrenador que cambia el sistema en el descanso ni la lesión que aparece en el calentamiento. El modelo es una herramienta, no un oráculo.
Lo que viene en los próximos años
De cara al final de la década, los analistas coinciden en que la integración será cada vez mayor. Modelos que combinan datos físicos del jugador (heart rate, velocidad, distancia) con datos tácticos en tiempo real, y que devuelven pronósticos dinámicos durante el propio partido. La experiencia del aficionado va a parecerse cada vez más a la de un analista profesional: con tablas en directo, probabilidades actualizadas y sugerencias automáticas de en qué jugada conviene fijarse.
Los grandes torneos van a ser el escenario natural para ver hasta dónde llega esta tecnología. El Mundial de 2026, organizado por primera vez por Estados Unidos, México y Canadá, ya está siendo objeto de docenas de modelos predictivos públicos, algunos de ellos abiertos para que cualquier persona pueda explorarlos. La distancia entre la quiniela tradicional y un cuadro de simulaciones bayesianas se ha vuelto, en términos de acceso, sorprendentemente pequeña.
Para Valencia, que cuenta con uno de los ecosistemas de IA más activos del país, esto plantea oportunidades concretas. Investigadores, centros tecnológicos y empresas locales están bien posicionados para participar en la próxima ola de innovación aplicada al deporte. Y para el aficionado, lo que viene es algo bastante razonable: vivir el deporte con más información que nunca, sin que el algoritmo le quite la emoción.