Esta semana el modelo acertó 3 de 5. Un 60%. Si fuera un examen, aprobaría raspando. Pero el fútbol no es un examen, es una discusión con tu ex: nadie tiene razón del todo, y aun así alguien se va a la cama sintiendo que ganó. Vamos a desglosar quién ganó esta semana — el modelo o el balón — y por qué a veces las dos respuestas son correctas al mismo tiempo.
Lo que acertamos
Empecemos por donde nos sentimos bien, que dura poco pero hay que disfrutarlo.
Ipswich 0-2 Liverpool. El modelo puso a Liverpool como favorito claro (48% victoria, 34/18 el resto del reparto) y así fue. Pero lo bonito no es solo que ganó Liverpool — es que el xG real del partido (0.60 vs 0.74) confirma que fue un partido ajustado, tal como el modelo lo veía. No hubo un Liverpool arrollador; hubo un Liverpool eficiente. El modelo no predijo una goleada, predijo una victoria angosta con margen para el drama, y eso fue exactamente lo que pasó.
Genoa 1-4 Como. Aquí el modelo estaba muy seguro (63% Como) y el resultado le dio la razón con intereses. El xG real (0.92 vs 2.01) muestra que Como no solo ganó, dominó el juego de ocasiones. El modelo olfateó esto antes de que pasara. Se siente bien cuando el proceso y el resultado se dan la mano.
Stuttgart 4-1 Colonia. Favorito claro (68%) y goleada confirmada. No hay mucho misterio aquí — a veces el fútbol es tan simple como parece en el papel, y esta semana Stuttgart no nos hizo pasar vergüenza.
Tres partidos donde el modelo leyó la película antes de que empezara. Que quede claro: esto no es magia, es que el modelo identificó bien las diferencias de nivel y de contexto. Cuando el favorito es favorito por buenas razones, normalmente gana.
Donde nos equivocamos
Y ahora, la parte incómoda. La que no vamos a maquillar.
Real Betis 1-0 Real Madrid. Esta duele, pero no de la forma en que ustedes creen. El modelo daba a Real Madrid como favorito con 46%, un empate en 26% y Betis con 28%. Ganó Betis. "Fallo", dice la hoja de resultados. Pero miren el xG real: 0.89 para el Betis contra 3.38 para el Real Madrid. Léanlo otra vez. El Real Madrid generó casi cuatro goles esperados y metió cero. El Betis generó menos de un gol esperado y ganó el partido entero.
Esto no es un modelo que subestimó al Betis. Es un modelo que probablemente tenía razón sobre quién dominó el partido, y el resultado decidió ir por otro camino. El fútbol tiene esa crueldad hermosa: puedes generar el triple de ocasiones y perder igual. Eso no es un error de predicción, es la varianza haciendo de las suyas — el 28% de probabilidad de que gane Betis existe precisamente para partidos como este. No es que el dado esté trucado; es que a veces cae en el número raro.
New York City FC 0-0 Nashville. El modelo tenía a Nashville como favorito (40%), con el empate en segundo lugar (31%) y NYCFC último (29%). El resultado fue empate. Técnicamente cuenta como fallo porque el "resultado más probable" apuntaba a victoria de Nashville, pero seamos honestas: el empate estaba ahí, agazapado, con casi un tercio de probabilidad. No es que el modelo no lo viera venir — es que no era la apuesta principal. Este es de esos casos donde el fallo se siente más como "no acertamos la opción número uno" que "nos equivocamos feo". Hay una diferencia, y vale la pena señalarla en vez de escondernos detrás del marcador.
Lo que aprendemos
Aquí está la conversación incómoda que hay que tener siempre: una probabilidad no es una promesa. Cuando decimos 46% para el Real Madrid, estamos diciendo "esto va a pasar menos de la mitad de las veces, pero va a pasar." El otro 54% no es una posibilidad decorativa — es tan real como la que gana. Esta semana el 54% se presentó a trabajar.
Lo que el partido del Betis nos recuerda con crueldad es que el modelo predice procesos, no guiones. Puede leer perfectamente quién va a generar más peligro, más posesión, más ocasiones — y aun así el marcador final depende de detalles que ningún modelo (ni ningún humano) puede anticipar completamente. Ese 3.38 de xG del Real Madrid contra 0.89 del Betis es casi una prueba forense de que el modelo entendió el partido correctamente. Solo que "entender el partido" y "acertar el marcador" son cosas distintas, y confundirlas es el error más común al evaluar cualquier modelo predictivo.
El caso de Nashville-NYCFC nos enseña algo más sutil: no todos los fallos pesan igual. Fallar cuando tu segunda opción tenía 31% de probabilidad no es lo mismo que fallar cuando tu segunda opción tenía 5%. Si empezamos a tratar todos los fallos como si fueran igual de graves, estamos siendo deshonestas con la naturaleza misma de lo que estamos midiendo.
Y los aciertos de esta semana — Liverpool, Como, Stuttgart — confirman que cuando la brecha de nivel es clara y el contexto acompaña, el modelo hace bien su trabajo. Ahí no hay drama que contar, solo consistencia.
El marcador de la casa
Vamos 13 de 22 en la temporada — 59% de aciertos, con un Brier promedio de 0.550. Para que se entienda: 0 sería perfección absoluta, 0.667 sería tirar una moneda con los ojos cerrados. Estamos más cerca de leer el juego que de adivinarlo, pero todavía lejos de la infalibilidad — y esa distancia, francamente, es donde vive todo lo interesante del fútbol.
No venimos a prometerles que siempre vamos a acertar. Venimos a mostrarles el proceso, con sus aciertos y sus cicatrices, incluido ese Betis-Real Madrid que va a doler cada vez que lo recordemos. El modelo no se equivocó al leer ese partido. El balón, simplemente, tenía otros planes esa noche.
Nos vemos la próxima semana. El fútbol seguirá siendo injusto, y nosotras seguiremos contándolo tal como es.