Un fracaso rotundo de la inteligencia artificial en el análisis deportivo
Por Joe Wilkins .Publicado el
2026/06/09 10:18
Buenas noticias para los comentaristas deportivos y para los aficionados que valoran el toque humano en las retransmisiones en directo: la inteligencia artificial no entiende prácticamente nada de las complejidades del deporte.
Un estudio reciente, realizado por investigadores de la Universidad de Carolina del Norte en Chapel Hill y la Universidad Northeastern, reveló una grave incapacidad y un rendimiento muy bajo de los principales modelos de IA al ser sometidos al análisis de deportes profesionales.
El estudio, aún no revisado por pares, buscó medir la eficacia de estos modelos en cuatro áreas complejas que suelen escapar a la evaluación tradicional: percepción, razonamiento, simulación y eficacia.
Para someter estos modelos a prueba, los investigadores crearon una nueva plataforma de evaluación llamada Strategic Video Intelligence (SVI-bench), alimentada con grandes volúmenes de datos que incluían 35.000 horas de transmisiones de baloncesto, fútbol y hockey sobre hielo, además de 15 millones de jugadas anotadas, 15.000 horas de análisis profesional, 23.000 informes de partidos y 103.000 registros estadísticos.
Los modelos obtuvieron su mejor rendimiento en la fase de percepción, que consiste en identificar al jugador y su movimiento en un momento concreto. Sin embargo, incluso en este aspecto básico mostraron dificultades significativas: los modelos avanzados como ChatGPT, Gemini de Google y el modelo de código abierto Coin no superaron aproximadamente el 74 % de precisión, una cifra modesta que podría ser insuficiente incluso para un comentarista aficionado en ligas juveniles.
En la prueba de razonamiento causal, que evalúa la capacidad de interpretar el contexto y las razones detrás de las acciones deportivas, las tasas de éxito cayeron a alrededor del 40 % de media. Por ejemplo, cuando se pidió a los modelos que explicaran la extraordinaria jugada de Cody Martin —un triple que rebotó en la parte superior del tablero antes de entrar en la canasta—, ChatGPT respondió fuera de contexto, limitándose a afirmar que fue su primer triple exitoso del partido.
La fase de simulación tampoco mostró mejores resultados. Esta área evalúa la capacidad de predecir movimientos futuros de los jugadores en función de sus trayectorias actuales. El mejor modelo en esta prueba dependía en gran medida del azar para estimar la siguiente jugada, y su rendimiento caía drásticamente cuando se le pedía proyectar movimientos más largos hacia la canasta o la portería.
En este sentido, Lorenzo Torresani, investigador en ciencias de la computación de la Universidad Northeastern y coautor del estudio, explicó en un comunicado que la inteligencia artificial no es capaz ni de interpretar lo que ha ocurrido ni de predecir lo que ocurrirá después.
En la fase de eficacia, que mide la capacidad de generar análisis estratégicos complejos sobre estadísticas y tendencias del juego como hacen los analistas profesionales, el rendimiento se desplomó hasta apenas un 5 % de precisión.
Torresani añadió que un buen comentarista deportivo hace mucho más que describir lo que ocurre en pantalla: explica por qué una táctica funciona, anticipa la siguiente jugada y descompone los momentos clave del partido. El estudio muestra que la IA puede desempeñarse de forma aceptable en la descripción básica, pero fracasa por completo en los niveles estratégicos.
Mientras los comentaristas deportivos respiran aliviados, los resultados del estudio abren una ventana de esperanza para otros profesionales del ámbito cognitivo, especialmente ante los temores crecientes sobre la automatización y el impacto en el mercado laboral.
Torresani concluyó señalando que esta brecha cognitiva aparecerá en cualquier profesión cuyo valor no dependa solo de observar datos o patrones, sino también de comprender por qué ocurren los eventos, anticipar el futuro, establecer prioridades y ofrecer recomendaciones decisivas.
Califica este tema