Cuando el Caos le Gana al Modelo

Le pedí al modelo de IA DeepSeek que me predijera tres partidos del Mundial 2026. Consultó 52 páginas web, leyó 14 en profundidad, procesó alrededor de 150 variables por partido —rendimiento reciente, estado físico, historial cara a cara, duelos tácticos individuales, factores externos— y me devolvió sus pronósticos más precisos: Bélgica gana 2—0, Uruguay gana 1—0, Irán gana 2—0. Números simples y confianza absoluta.

Los tres partidos terminaron en empate.
Bélgica 1—1 Egipto. Arabia Saudita 1—1 Uruguay. Irán 2—2 Nueva Zelanda.

¿Qué pasó?, ¿hubo falta de datos? Definitivamente no. Falló porque la cuestión tiene más variables de las que cualquier modelo puede procesar.

El matemático Edward Lorenz descubrió en 1963 algo que al principio pareció un error de cálculo: pequeñas diferencias en las condiciones iniciales de un sistema producen resultados radicalmente distintos con el tiempo. A eso lo llamamos teoría del caos o efecto mariposa por la alegoría expresada por el propio Lorenz en 1972: el aleteo de una mariposa en Brasil puede desencadenar un tornado en Texas. Concretamente, hay sistemas que son impredecibles por su propia naturaleza y, agregarles información o forzar su análisis, lejos de ordenarlos, los hace aún más complejos. El fútbol es uno de esos sistemas.

Hay deportes donde la variable dominante está relativamente acotada. En Fórmula 1, el auto concentra buena parte del resultado. En tenis, la distancia entre los dos mejores jugadores del mundo y el resto es tan abismal que la predicción podría ser sencilla. El fútbol no funciona así. Tiene 22 jugadores y cada uno de ellos es una variable en movimiento. Tiene un árbitro cuyas decisiones alteran la dinámica del partido. Tiene el estado del campo, la temperatura, la hora, las horas de sueño del arquero. Tiene la motivación que transmite el entrenador, que no es la misma si va primero a que si va último.

Cada una de esas variables es, a su vez, un sistema de variables. El estado emocional de un defensor viene cargado de su historia reciente, de si discutió esa mañana, de si tiene miedo de lesionarse, de si el estadio lo intimida o lo enciende, y nada de eso aparece en una base de datos que los modelos utilizan para hacer sus cálculos.

Cuando le pregunté a DeepSeek por qué había fallado, respondió con una honestidad que no esperaba. "Para predecir el resultado de un partido, necesitaría medir la fatiga neuroquímica de cada jugador en ese milisegundo, el coeficiente de rozamiento exacto entre la bota de Ugarte y el césped, la trayectoria del aire en el estadio". Todo ello describe una precisión inalcanzable. Pero el ejemplo que lo demuestra es mucho más gráfico: Manuel Ugarte, el mediocampista de la Selección Uruguaya de Fútbol, remató con el marcador 1—0 en contra y el balón se estrelló en el palo. Si ese disparo se desvía 2 centímetros a la derecha, Uruguay empata, Arabia Saudita se desordena y el partido bien podría haber terminado 2—1 para los sudamericanos. Esos 2 cm no los predice ningún modelo, porque dependen del desnivel del césped, del viento en el estadio, de la densidad del aire y del ángulo exacto del pie de Ugarte en la fracción de segundo del impacto. La IA puede calcular posesiones y tiros, pero no puede medir todas esas variables en tiempo real. Por eso falla.

Y como si no fuera suficiente este nivel de complejidad, el modelo indicó que a ello debe sumarse lo que los físicos llaman horizonte de Lyapunov: el tiempo máximo durante el cual un sistema caótico puede hacerse predecible antes de que los errores iniciales crezcan tanto que la predicción deja de tener sentido. En meteorología ese punto llega a los cinco días. En el fútbol, calculan que aparece entre los 30 y los 40 minutos de juego, y después de ese umbral el margen de error crece más rápido que cualquier corrección que el modelo pueda hacer.

En los otros dos partidos el caos fue también protagonista. El empate de Bélgica llegó por un gol en contra de un defensor egipcio que —bajo presión— desvió el balón hacia su propia red, un evento que no figura en ningún listado de probabilidades. Por su parte, el jugador Elijah Just, que venía de cuatro derrotas con Nueva Zelanda, hizo un doblete en los minutos 7 y 54 con un rendimiento estadísticamente atípico respecto a sus últimos seis meses.

DeepSeek lo resumió así: "El volumen de datos no es lo que importa, sino la precisión milimétrica de las condiciones iniciales. Y en el fútbol, esas condiciones cambian en fracciones de segundo."

Durante décadas, y con más herramientas en este siglo, el fútbol intentó sistemáticamente reducir sus propias variables. El VAR eliminó algunos errores arbitrales. La posesión como filosofía táctica busca negarle la pelota al adversario para reducir sus opciones. Los GPS rastrean la distancia recorrida por cada jugador, sus aceleraciones, sus zonas de influencia. Hoy existe el xG —goles esperados— la métrica que asigna a cada remate una probabilidad de convertirse en gol según la posición en el campo, el ángulo y el tipo de asistencia previa.

Cada solución genera nuevas variables. El árbitro que duda, porque sabe que el VAR puede revisarlo. El delantero que no remata, porque el DT le pidió ser conservador. El equipo que tiene más posesión, pero menos profundidad porque el rival organizó dos líneas de cuatro detrás de la pelota. La táctica resuelve un problema y abre tres.

Irán llegó al Mundial con problemas de visa que obligaron a trasladar su campamento de Estados Unidos a México, alterando su preparación en los días previos al debut. Eso no figura en ninguna tabla de rendimiento. DeepSeek reconoció haberlo registrado pero tratado como ruido periférico, no como una condición inicial que pudiera desplazar todo el sistema.

En este Mundial, con la IA presente y específicamente esta secuencia de tres empates donde los modelos daban victorias queda una pregunta abierta. La IA mejora en velocidad de procesamiento, en volumen de datos, en capacidad de encontrar patrones que el ojo humano no detecta. Pero ese umbral, donde aparece con fuerza la lógica del Caos, no se soluciona hoy con más poder computacional. Simplemente es una propiedad matemática inherente al sistema y no una limitación tecnológica que se resuelve con la próxima versión del modelo.

Lo que eso significa, en la práctica, es que en el Mundial 2026 —como en todos los anteriores y en todos los que vendrán— los humanos y los modelos de IA más avanzados del mundo arrancamos cada partido en el mismo punto. Igual de ciegos ante lo que va a pasar en el minuto 83, cuando un balón rebote en el árbitro y caiga a los pies de un jugador que estaba fuera de posición según todas las estadísticas.

Eso justamente es lo que hace emocionante al fútbol y a todos los deportes en los que los resultados dependan de algunos imponderables; no es un defecto del juego sino parte de la esencia que los hace tan especiales. En otros dominios —una crisis diplomática, una decisión militar, un mercado financiero en colapso—, esa misma impredecibilidad puede generar más preocupación que emoción. Pero en una cancha de fútbol, por ahora, la incertidumbre ante el caos es uno de los pocos territorios donde seguimos siendo superiores a las máquinas. Ni ellas ni nosotros podemos anticipar el desenlace, pero nosotros contamos con algo que está fuera de los cálculos, la intuición, el pálpito, esa chispa que convierte lo imprevisible en posibilidad.