M+.- Hay una cancha donde las semifinales del Mundial 2026 ya se jugaron. No tiene tribunas, no huele a pasto recién cortado ni retumba con cánticos.
Es un espacio hecho de millones de datos, probabilidades y modelos matemáticos. Ahí, antes de que ruede el balón, tres de las inteligencias artificiales más utilizadas del planeta ya emitieron su veredicto. Y el resultado deja una conclusión inesperada: las máquinas tampoco consiguen ponerse de acuerdo.
MilenIA, la Central de Datos e Inteligencia Artificial de Multimedios, sometió a ChatGPT, Microsoft Copilot y Google Gemini a un ejercicio de vaticinio con idénticos criterios. Parecía un experimento diseñado para producir respuestas parecidas, pero ocurrió exactamente lo contrario.
En la semifinal entre Francia y España apareció la mayor coincidencia. ChatGPT y Microsoft Copilot pronosticaron un triunfo galo por 3-2, convencidos de que la potencia ofensiva de Mbappé terminará inclinando un partido de alto voltaje.
Google Gemini, en cambio, imaginó un empate 2-2 y una clasificación española después de unos intensos tiempos extras que se prolongan a penales.
La otra llave dividió por completo a las inteligencias artificiales. ChatGPT apostó por el peso histórico de Messi, con una victoria argentina de 3-2. Microsoft Copilot visualizó un escenario radicalmente distinto: Inglaterra imponiéndose por un amplio 4-2, con participaciones decisivas de Kane y Bellingham. Gemini también favoreció a los británicos, aunque con un marcador más cerrado: 2-1.
Tres modelos: dos pronósticos idénticos; cuatro desenlaces distintos.
La discrepancia revela una de las características menos conocidas de la inteligencia artificial. Aunque los modelos comparten enormes volúmenes de información, no “piensan” igual. Cada uno establece relaciones diferentes entre las variables, interpreta de forma distinta el peso de los antecedentes y resuelve la incertidumbre con arquitecturas propias.
En otras palabras, la IA no predice el futuro; estima probabilidades. Y cuando estas parecen muy equilibradas, basta modificar ligeramente el peso de una variable para que emerjan historias completamente diferentes.
Pero más allá de los marcadores hay una coincidencia mucho más interesante: el peso de los jugadores decisivos de cada equipo.
Las estrellas definen quién gana y quién llora
Las tres inteligencias artificiales identifican prácticamente al mismo grupo de futbolistas como los grandes fieles de la balanza en las semifinales. Cambian los resultados, cambian los caminos hacia la final, pero no cambian los nombres.
En Francia, el modelo gira inevitablemente alrededor de Kylian Mbappé. Su producción goleadora –ocho tantos en el torneo–, su capacidad para romper líneas y su influencia en los momentos decisivos lo convierten en el futbolista con mayor peso estadístico del torneo.
A su lado aparece Ousmane Dembélé, el actual líder goleador de Europa, y Michael Olise, quizá el jugador menos mediático del grupo, pero uno de los más influyentes desde el punto de vista analítico gracias a sus asistencias y generación constante de oportunidades.
España encuentra su principal argumento en Lamine Yamal. A su corta edad, el extremo ha alterado partidos con una naturalidad que desafía cualquier expectativa. Los modelos identifican que buena parte de la producción ofensiva española nace cuando el balón pasa por sus pies. Aunque solo lleva un gol, suele modificar el comportamiento defensivo del rival. El romperedes Mikel Oyarzabal –cuatro tantos– y el portero menos abatido de la Copa Mundial, Unai Simón, completan la oferta ibérica.
Del lado inglés, Jude Bellingham representa mucho más que un mediocampista ofensivo. Su capacidad para conectar líneas, recuperar balones, llegar al área y participar en las jugadas decisivas explica por qué aparece como una de las piezas con mayor valoración en los tres modelos predictivos. Harry Kane mantiene el peso de la definición, pero Bellingham es quien equilibra la estructura. Ambos llevan seis goles.
Y luego está Lionel Messi, porque el 10 albiceleste se cuece aparte.
Resulta llamativo que incluso modelos diseñados para privilegiar datos contemporáneos sigan otorgándoles un peso extraordinario. No se trata únicamente de sus ocho goles o sus dos asistencias; también influye la frecuencia con la que interviene en acciones decisivas, el volumen de juego que pasa por él y la capacidad histórica para cambiar partidos cerrados. Dicho de otra manera: hasta las inteligencias artificiales terminan aceptando que hay futbolistas cuya influencia desborda las métricas tradicionales.
Los tres modelos consultados por MilenIA recibieron exactamente las mismas instrucciones y debían construir su pronóstico utilizando idénticos criterios: 30 por ciento del peso correspondía al rendimiento real de las selecciones durante el Mundial; 25 por ciento al momento futbolístico de los jugadores decisivos —goles, asistencias e influencia ofensiva o defensiva—; 15 por ciento a la posición en el ranking de la FIFA; 10 por ciento al consenso de las principales casas de apuestas internacionales y el 20 por ciento restante al llamado “factor sorpresa”, ese margen de resultados imprevistos que en esta Copa Mundial definió alrededor de una tercera parte de los encuentros (¿o alguien esperaba que Cabo Verde empatara con España?).
El peso del factor sorpresa
El ejercicio deja una segunda enseñanza. Durante años se pensó que el futbol avanzaba hacia un deporte completamente gobernado por los datos. Distancias recorridas, posesión de la pelota, mapas de calor, goles esperados, secuencias de pase y decenas de variables parecían suficientes para explicar cualquier partido. Sin embargo, conforme el Mundial entra en su fase decisiva, ocurre un fenómeno curioso: los algoritmos empiezan a mirar menos a los equipos y más a las individualidades.
No es casualidad. Las eliminatorias directas suelen reducir los espacios, aumentar la tensión y comprimir los márgenes de error. En esos escenarios, un regate, una asistencia o un disparo pueden alterar todo el modelo estadístico construido durante semanas. Las estrellas adquieren un valor desproporcionado porque son las que producen los eventos menos previsibles del juego.
Por eso el “factor sorpresa” recibió un peso específico dentro del ejercicio. La historia reciente demuestra que una tercera parte de los resultados rompe los pronósticos iniciales. Marruecos eliminando a Portugal, Croacia derribando a Brasil o la prematura eliminación de Uruguay son recordatorios de que el futbol conserva un componente caótico que ninguna ecuación consigue domesticar por completo.
Quizá ahí resida la paradoja más fascinante del experimento. Mientras más información reciben las inteligencias artificiales, más evidente resulta que el margen de incertidumbre sigue siendo enorme. No porque los modelos sean deficientes, sino porque el futbol pertenece a una categoría de fenómenos complejos donde la calidad individual, las emociones y la confianza pueden alterar el desenlace… por no hablar de las decisiones arbitrales, que también han redefinido el rumbo de algunos juegos.
Por todo ello, las máquinas discrepan sobre quién llegará a la final. Lo que no discuten es quiénes tienen las mayores probabilidades de decidirla. Mbappé, Yamal, Dembélé, Bellingham, Kane, Messi, Olise y Oyarzabal aparecen una y otra vez como las piezas que inclinan la balanza. Las inteligencias artificiales también destacan la fiereza de los arqueros Simón y Martínez.
Al final, quizá la mejor conclusión sea también la más futbolera. La IA todavía no puede predecir con certeza quién ganará una semifinal del Mundial. Lo que sí puede hacer es señalar dónde vale la pena mirar cuando empiece el partido. Y todas apuntan hacia el mismo lugar: donde aparece una estrella con el balón en los pies. Porque incluso en la era de los algoritmos, el Mundial sigue escribiéndose con nombres propios.
(Fact checking: JRH)
ksh
