La IA que solo sabe de córners (y por eso acierta)

Nueve de cada diez veces.

Un grupo de expertos del Liverpool —analistas de vídeo, científicos de datos, gente del cuerpo técnico— se sentó a comparar propuestas de colocación en saques de esquina. Sin saber cuál era cuál. Unas eran lo que el equipo había hecho de verdad en el campo; otras las había escupido un programa. En el 90% de los casos eligieron la del programa.

El programa se llama TacticAI, lo firmaron Google DeepMind y el propio club, y salió publicado en Nature Communications en 2024. Y aquí viene lo interesante: no sabe jugar al fútbol. No sabe quién va a ganar. No sabe qué es un derbi. Sabe una sola cosa, y la sabe muy bien.

Once puntos y un montón de flechas

Olvídate de la imagen de una IA «viendo» el partido. TacticAI no ve nada. Lo que recibe es un dibujo abstracto: veintidós puntos repartidos por un plano, cada uno con sus datos pegados encima —dónde está, hacia dónde se mueve, a qué velocidad, cuánto mide, cuánto pesa, con qué equipo juega—. Cada jugador es un punto. Un nodo, en la jerga.

Y luego están las líneas que unen esos puntos entre sí. Todos con todos. Porque en un córner lo que importa no es dónde está el central, sino dónde está el central en relación con el delantero que lo bloquea, con el portero que sale a por el balón y con el compañero que le va a hacer la pantalla.

Eso es una red neuronal de grafos. Un sistema al que no le das una foto ni una lista, sino un mapa de relaciones. Y que aprende no de las posiciones sueltas, sino de la maraña de tensiones entre ellas.

Es exactamente el mismo tipo de arquitectura que se usa para predecir cómo se pliega una proteína o cómo se propaga un rumor en una red social. Molécula, red social, saque de esquina: para la máquina, tres versiones del mismo problema.

El truco del espejo

Le dieron de comer 7.176 córners de dos temporadas de la Premier League. Suena a mucho. En realidad es poquísimo para entrenar un modelo moderno; hay sistemas de lenguaje que se tragan eso en microsegundos.

Así que hicieron trampa. Trampa legal, de la buena.

Un córner desde la izquierda, reflejado en un espejo, es un córner desde la derecha. Y si además le das la vuelta al eje vertical, tienes otras dos variantes. Cada jugada real se convierte en cuatro jugadas para el modelo, y el sistema está construido para entender que las cuatro son la misma cosa vista de otra manera. Multiplicaron sus datos por cuatro sin grabar un solo partido más.

(Los físicos llevan décadas usando el mismo principio con las simetrías. Los futbolistas llevan décadas usándolo sin llamarlo de ninguna manera.)

Qué predice exactamente

Tres cosas concretas, y ninguna es el resultado del partido:

• Quién va a tocar el balón. Le pides sus tres candidatos y el receptor real está entre ellos cerca del 80% de las veces.
• Si de ese córner va a salir un remate. Un sí o un no, con su probabilidad.
• Cómo cambiaría todo si movieras a alguien. Esta es la buena: coges al central que se queda en el segundo palo, lo arrastras dos metros hacia el centro, y el sistema recalcula el escenario entero. Quién recibiría ahora. Si habría remate o no.

Ese tercer punto es lo que convirtió un experimento en una herramienta. Un analista puede sentarse delante de la pantalla y preguntar «¿y si…?» cuarenta veces seguidas antes de comer.

Por qué córners y no otra cosa

Porque el fútbol es un caos ingobernable y un saque de esquina no.

En el juego abierto hay veintidós personas improvisando a la vez sobre una superficie enorme. Modelar eso es un problema salvaje. Pero un córner tiene una virtud rarísima dentro de este deporte: el balón está quieto, la posición de partida es siempre la misma esquina, y todo el mundo tiene tiempo de colocarse donde le han dicho que se coloque.

Es el momento más parecido a una jugada de fútbol americano que existe en el fútbol europeo. Rehearsable. Repetible. Comparable entre partidos, entre equipos y entre temporadas.

Y ocurren unas diez veces por partido, lo que da un volumen de datos decente sin necesidad de inventarse nada.

El límite, que es la parte que nadie cuenta

TacticAI no te dice si el Liverpool va a ganar el domingo. No te dice si conviene fichar a un lateral. No entiende que el rival viene de jugar el jueves ni que el campo está encharcado.

Te dice dónde colocar a un central en una jugada a balón parado.

Eso es todo. Y ese recorte del problema es justo lo que hace que funcione. Los sistemas que prometen predecir el fútbol entero llevan veinte años estrellándose contra la misma pared: hay demasiado azar y demasiadas variables invisibles. Los que se conforman con una esquina del tablero —literalmente, una esquina— empiezan a dar resultados que un profesional acepta sin torcer el gesto.

Y hay un detalle del proceso que se me quedó grabado: los evaluadores del club no sabían cuál era cuál. Estaban juzgando a ciegas propuestas de colocación, y una parte considerable de las que aprobaron eran suyas de hace dos temporadas. Es decir: parte del 10% en el que ganó el humano fue un empate técnico consigo mismo.

Por cierto, el mismo equipo de DeepMind publicó antes otro estudio con datos de penaltis en el que los lanzadores se agrupaban solos en estilos reconocibles según cómo encaraban el balón. Nadie les había pedido que se parecieran a nadie.