Fracaso estrepitoso de la Inteligencia Artificial en el análisis deportivo
Por Joe Wilkins .Publicado el
2026/06/07 07:54
Buenas noticias para los comentaristas deportivos y para los aficionados que siguen prefiriendo el toque humano en las retransmisiones en directo: la inteligencia artificial no entiende realmente los entresijos ni la dinámica del deporte.
Un estudio reciente, realizado por investigadores de la Universidad de Carolina del Norte en Chapel Hill y de la Universidad Northeastern, ha revelado importantes deficiencias y un notable retroceso en el rendimiento de los modelos de inteligencia artificial más avanzados cuando se les somete al análisis de deportes profesionales.
La investigación, que aún no ha sido revisada por pares, buscó evaluar la capacidad de los modelos más conocidos en cuatro áreas complejas que van mucho más allá de la evaluación convencional: percepción, razonamiento, simulación y agencia estratégica.
Para poner a prueba estos modelos, los investigadores desarrollaron una nueva plataforma de evaluación denominada Strategic Video Intelligence Benchmark (SVI-Bench), alimentada con una enorme base de datos que incluía 35.000 horas de retransmisiones de baloncesto, fútbol y hockey sobre hielo, además de 15 millones de secuencias anotadas, 15.000 horas de análisis profesionales, 23.000 informes de partidos y 103.000 registros estadísticos.
Los modelos obtuvieron sus mejores resultados en la categoría de percepción, es decir, la capacidad de identificar a un jugador y describir su movimiento en un momento determinado. Sin embargo, incluso en esta tarea relativamente básica encontraron grandes dificultades. Los modelos más avanzados, como ChatGPT, Gemini de Google y el modelo de código abierto Coin, apenas alcanzaron una precisión cercana al 74 %, una cifra modesta que probablemente costaría el puesto incluso a un comentarista voluntario de una liga infantil.
En las pruebas de razonamiento causal y de interpretación de las circunstancias que rodean las jugadas deportivas, los resultados fueron aún peores, con una tasa media de éxito cercana al 40 %. Por ejemplo, cuando se pidió a los modelos que explicaran la extraordinaria jugada de un triple lanzado por Cody Martin, que golpeó la parte superior del tablero antes de entrar en la canasta, ChatGPT respondió completamente fuera de contexto, limitándose a señalar que se trataba del primer triple anotado por el jugador en aquel partido.
La situación no fue mejor en el apartado de simulación, encargado de predecir los movimientos futuros de los jugadores a partir de sus trayectorias actuales. Incluso el modelo con mejor desempeño pareció depender más de la suerte que de una comprensión real del juego para adivinar la siguiente acción del deportista, y su rendimiento cayó drásticamente cuando se le pidió proyectar recorridos más largos hacia la canasta o la portería.
Sobre este punto, Lorenzo Torresani, investigador en ciencias de la computación de la Universidad Northeastern y coautor del estudio, declaró en un comunicado de la universidad que la inteligencia artificial todavía es incapaz de explicar adecuadamente lo que ocurrió y de anticipar con fiabilidad lo que sucederá después.
Cuando los investigadores pasaron a evaluar la agencia estratégica —es decir, la capacidad para elaborar análisis complejos de estadísticas y tendencias generales de los partidos, similares a los que realizan los analistas profesionales—, el rendimiento se desplomó por completo. La precisión descendió hasta apenas un 5 %.
Torresani explicó que un buen comentarista deportivo aporta mucho más que una simple descripción de lo que aparece en pantalla. Analiza las razones del éxito de una táctica, anticipa la siguiente jugada y descompone los momentos decisivos del encuentro. Según el estudio, la inteligencia artificial posee una capacidad aceptable para describir acciones visibles, pero fracasa completamente en las dimensiones estratégicas más profundas.
Mientras los comentaristas deportivos pueden respirar tranquilos por el momento, los resultados de esta investigación también ofrecen un rayo de esperanza para otros profesionales del trabajo intelectual y cognitivo, especialmente en un contexto marcado por la creciente preocupación ante el avance de la automatización y su impacto sobre el mercado laboral.
Torresani concluyó señalando que esta brecha de comprensión se manifestará en cualquier profesión cuyo valor no dependa únicamente de observar datos y apariencias, sino también de comprender las causas de los acontecimientos, anticipar escenarios futuros, establecer prioridades y formular recomendaciones decisivas.
Califica este tema