Cero de dos: la ronda en la que el arreglo correcto fue no arreglar nada

Mi IA se equivocó en las dos semifinales del Mundial — y su autopsia, la autocrítica escrita que redacta después de cada ronda, aterrizó en la única conclusión que dispara todas mis alarmas: no hay que cambiar nada.

Este es el marcador que defiende. Francia–España, pronosticado como empate 1–1 con un 45 por ciento de confianza, terminó 0–2. Inglaterra–Argentina, pronosticado 2–1 para Inglaterra al 55, terminó 1–2. Cero de dos, una ronda después de un cuatro de cuatro. El artículo de los cuartos de final se cerró con esos dos pronósticos ya bloqueados, y una advertencia de que el propio sistema esperaba fallar más o menos uno de los dos — eso es lo que significan números como 45 y 55. Falló uno más.

“No hay que cambiar nada” suele ser la frase que un sistema produce justo antes de fallar aún más fuerte. He pasado toda esta serie desconfiando en público de mis propias herramientas, así que no voy a parar ahora: este texto va sobre cómo distinguir un “no hace falta arreglo” perezoso de uno bien ganado — porque este, tras comprobarlo, lo suscribo. La comprobación es el artículo. Una cosa sobre la escala antes de nada: dos partidos es la muestra más pequeña que esta serie ha evaluado jamás. Nada en una ronda de dos partidos puede probar o refutar un sistema por sí solo — que es precisamente por lo que este texto va sobre el razonamiento, no sobre el marcador.

La nota de siempre para quien se haya unido a mitad de serie: aquí no hay ningún modelo entrenado a medida — no he construido ni entrenado ninguna IA propia. Son los mismos modelos de IA de estantería que cualquiera puede alquilar, a los que se les dan herramientas, contexto y un trabajo, con la descripción del puesto reescrita después de cada ronda evaluada. Lo que aprende es el reglamento.

El resumen, por si eres nuevo por aquí

Los deberes diarios de mi equipo de fantasía del Mundial los lleva un pelotón de agentes de IA: predecir quién es titular en cada partido — eso es lo que gana los puntos de fantasía — y predecir cómo termina cada partido, que es la parte que se evalúa más ruidosamente en esta página. Cada ronda, la realidad corrige ambas cosas, y yo publico las notas. Hay seis rondas en el registro, incluyendo un desastre de 2 de 8 y una ronda casi perfecta de 4 de 4, una detrás de otra. Esta es la ronda siete, y solo quedaban dos partidos por predecir: las semifinales.

Qué pasó de verdad, en dos partidos

Francia–España, pronosticado 1–1 al 45. Las casas de apuestas no lograban elegir favorito. Las cuotas de apuestas son probabilidades disfrazadas — el precio que una casa ofrece por un bando te dice con qué frecuencia el mercado piensa que ese bando gana — y convertidas así, Francia rondaba los cuarenta y pocos, España y el empate en torno a 30 cada uno. Ambos equipos habían construido su racha a base de porterías a cero — la de Francia intacta, la de España rota exactamente una vez, en cuartos — y dos equipos de élite defensivamente herméticos enfrentándose en una eliminatoria es el guion clásico para noventa minutos casi sin goles y penaltis. El reglamento del sistema, escarmentado una vez por ese mismo guion, pronosticó el empate. España no leyó el guion: un penalti temprano, luego una jugada de equipo afilada rematada desde dentro del área justo antes de la hora, 0–2. Nada estructuralmente sorprendente — un penalti transformado y una jugada bien trabajada baten cualquier patrón defensivo.

Inglaterra–Argentina, pronosticado 2–1 al 55. El mercado volvió a ver una moneda al aire con una ligera inclinación: Inglaterra en torno al 38 por ciento implícito, el empate y Argentina cada uno en los treinta y pocos. El sistema se inclinó por Inglaterra — el favorito, pero por muy poco, en el borde superior prudente de lo que aún consideraba una moneda al aire. Hasta el último cuarto de hora el pronóstico parecía acertado — Inglaterra iba por delante gracias a Gordon desde el minuto 55 y controlaba el partido. Entonces el entrenador de Argentina recurrió a su banquillo: tres cambios de golpe en torno al minuto setenta, el eventual autor del gol de la victoria entrando del banquillo poco después, y las piernas frescas dieron la vuelta al tramo final — un empate al minuto 85, un gol de la victoria en el descuento obra de un suplente. 1–2.

Dos pronósticos, dos ganadores errados, y el fallo medio en la diferencia de goles — dos goles completos — fue en sí mismo el peor de todas las rondas hasta ahora, sobre la muestra más pequeña del torneo. El veredicto de la autopsia: ningún cambio de reglas. Aquí va el argumento.

Por qué “sin arreglo” es el arreglo correcto — y cómo lo comprobé

Ambas semifinales fueron lo que el propio mercado llamó monedas al aire. Ninguno de los bandos de ninguno de los dos partidos cotizaba por encima de aproximadamente el 40 por ciento — ningún mercado, en ningún sitio, estaba dispuesto a afirmar que conocía estos resultados. El sistema pronosticó un empate al 45 y un ligero favorito al 55, es decir: te dijo, por adelantado, en números, que tampoco lo sabía. Y luego no lo supo, en público.

El reglamento del sistema ya tiene un nombre para esta situación, escrito tras una derrota parecida en octavos y sometido a prueba de estrés dos veces esta ronda: una moneda al aire perdida no dispara ningún cambio de reglas. El razonamiento merece citarse tal cual, porque es la línea más sensata de todo el reglamento: las monedas al aire perdidas no cambian la calibración — son la calibración. Los 45 y los 55 solo significan algo si algunos de ellos pierden; empieza a “arreglar” cada lanzamiento perdido y perseguirás el ruido hacia atrás hasta que el reglamento sea un diario de coincidencias.

Y la doctrina es comprobable, no retórica. A lo largo de todo el torneo el sistema ha metido cuarenta y cuatro pronósticos evaluados dentro de su banda de moneda al aire — todo lo que va entre 42 y 58 — con una confianza declarada media de 52. Veintidós de ellos ganaron. Exactamente la mitad. Así es como se ve una humildad bien tarifada sobre una muestra real — y es también la salvedad honesta: una banda que se comporta como una moneda justa valida la banda, y no dice nada sobre ninguna derrota concreta dentro de ella.

También hay una línea de fallo real, y es pública: el sistema lleva un suelo duro del 62 por ciento en precisión global de ganadores, una barrera por debajo de la cual no tiene permitido retroceder. Tras las semifinales, ese número está en 62,4. Así que “nada que arreglar” no se escribió desde una distancia cómoda — se escribió a un pelo por encima de la línea que habría forzado un arreglo, y una ronda más genuinamente mala la traspasa. Eso es lo que hace que el veredicto sea falsable en vez de conveniente: la condición de fallo existe, está escrita, y estuvo a punto de dispararse.

Pero — y esta es la parte que hace que “sin arreglo” sea fiable en vez de complaciente — la autopsia no se detuvo en la autoabsolución. Se puso a buscar un error de proceso de todos modos, y encontró uno. La confianza del pronóstico de Inglaterra estaba bien como zona, pero su distancia respecto al mercado no. El mercado ponía a Inglaterra en el 38,5 por ciento; el sistema dijo 55 — dieciséis puntos y medio más seguro que la multitud con dinero de por medio, y el razonamiento escrito detrás del pronóstico no contenía ninguna razón real para saber más, solo una descripción (“ligero favorito en la cima de la zona de moneda al aire”) disfrazada de razón. Si el pronóstico hubiera ganado, esa brecha probablemente habría pasado sin ser marcada. La auditoría la marcó en la ronda en la que perdió y se habría sostenido en una ronda en la que hubiera ganado — esa es la diferencia entre evaluar resultados y evaluar proceso. La regla que produjo: a partir de ahora, la confianza de un pronóstico debe situarse dentro de cinco puntos de la probabilidad implícita del mercado para el ganador elegido, o llevar una razón documentada explícitamente para la brecha. Los dos estados aceptables son “estar de acuerdo con el mercado” y “estar en desacuerdo por escrito”. Las corazonadas dejaron de ser una tercera opción.

Esa es mi prueba para suscribir un “nada que arreglar”: la revisión que lo produjo tiene que haber sido capaz de encontrar algo — demostrado por el hecho de que lo hizo. Y una nota estructural, porque “el sistema se revisó a sí mismo” debería levantar una ceja: las notas vienen del evaluador determinista, que corrige pronósticos bloqueados antes del pitido inicial; la autopsia se escribe contra esas notas; y mi trabajo en esta serie es leerla con ojo adversarial. Este texto es esa lectura.

La ronda sí dejó al descubierto un punto ciego real — pero no en los pronósticos

Mientras los pronósticos de partido estaban ocupados perdiendo monedas al aire honestamente, la mitad callada del sistema — quién es titular en cada partido — tuvo una ronda que pareció sólida y escondía un patrón.

La cifra principal estuvo bien: acertó en torno al 83 por ciento de 91 pronósticos de titularidad evaluados. Los fallos son la historia. Cuatro jugadores valorados con 80 o más para ser titulares no lo fueron. Seis jugadores valorados con 35 o menos sí lo fueron. Eso no es dispersión aleatoria — cada uno de esos fallos es el mismo fallo: a esta profundidad del torneo, los entrenadores dejan de tener un once fijo. Francia cambió un extremo por la alternativa equivalente con la que lo había ido rotando todo el torneo. Inglaterra revirtió toda su defensa de banda a jugadores que no eran titulares desde la fase de grupos, elegidos específicamente contra el contraataque de Argentina. Argentina sentó a un casi-capitán por un corredor cuyo único trabajo era neutralizar a un mediocampista inglés. Cada once era una herramienta hecha a medida para un rival, y un sistema que extrapolaba “quién fue titular la ronda anterior” estaba leyendo un patrón que ya no existía.

Mi caso favorito involucra a un jugador que ha sido el caso difícil en todas las formas que esta serie ha encontrado: el mediocampista de contención de Francia. Un mal registro de su supuesta suplencia rompió una vez los datos reales de mi marcador hace dos rondas de artículos; luego el sistema lo limitó correctamente a 35 tras tres rotaciones genuinas seguidas; y contra el mediocampo de posesión de España volvió al once titular y jugó los noventa minutos — porque para este partido concreto no era una opción de rotación, era la herramienta específica para el trabajo específico. El tope estuvo bien durante tres rondas y mal la ronda que importaba, por una razón que era visible por adelantado: el emparejamiento.

Los arreglos son estrechos, mecánicos y honestos sobre la incertidumbre en vez de fingir resolverla. Cuando dos jugadores compiten de verdad por un puesto y el entrenador no se ha pronunciado: ambos reciben una valoración intermedia, no 84 contra 10 — el trabajo del sistema es reportar una moneda al aire donde exista una, la misma doctrina que los pronósticos de partido. Un tope de rotación se levanta cuando el jugador suplente es la herramienta obvia de emparejamiento para el siguiente rival concreto. Y nadie recibe la valoración de titular casi seguro a esta profundidad sin una confirmación del entrenador de menos de 48 horas. Sí — esas reglas están escritas a partir de una sola ronda de evidencia de semifinales, y dije hace dos secciones que reaccionar a muestras pequeñas es como los pronosticadores se arruinan a sí mismos. La diferencia entre una regla y un ajuste a la curva es que cada una de estas lleva una causa que puedes comprobar antes del pitido inicial — un emparejamiento, un registro de fatiga, las palabras reales de un entrenador — en vez de una coincidencia que extrapolar. Si las causas no vuelven a aparecer, las reglas no se disparan nunca. La misma lección en ambas mitades del sistema, con una ronda de diferencia: la honestidad sobre lo que no sabes le gana a la extrapolación confiada de un patrón que caducó.

El objetivo que se quedó sin carretera

Un número que esta serie ha seguido desde la fase de grupos ahora necesita un funeral honesto, o al menos una excedencia — y sé cómo se ve eso. Este objetivo se ha fallado cuatro rondas seguidas: 7,67, luego 8,45, luego 7,95, ahora 8,3. Jubilarlo en la misma ronda en la que el sistema fue cero de dos es exactamente el movimiento que haría alguien que amaña métricas. Así que aquí va el argumento mecánico, comprobable pieza por pieza — y si no te convence, los números están todos en el panel público.

La discriminación de confianza — cuánto más ruidoso es el sistema en los pronósticos que acierta que en los que falla — tiene un objetivo permanente de una brecha de diez puntos. Imagina una alarma de incendios con una perilla de volumen: solo es útil si suena más fuerte para el humo de verdad que para una tostada quemada, y la brecha mide exactamente esa diferencia. Se quedó en 8,3 tras las semifinales, objetivo fallado de nuevo — y ahora está atascado: el objetivo es mecánicamente inalcanzable, haga lo que haga el sistema. Agrandar esa brecha requiere pronósticos ruidosos, los pronósticos ruidosos solo son honestos en partidos desiguales, y ya no quedan partidos desiguales. Quedan dos partidos en todo el torneo — el partido por el tercer puesto y una final España–Argentina, élite contra élite — y los mercados los cotizan ambos como monedas al aire. Encima, dos pronósticos apenas pueden mover una media construida a partir de más de cien pronósticos evaluados. No hay ninguna acción legítima disponible que mueva el número de forma significativa.

Hay una ilegítima, y la forma es familiar: forzar un pronóstico ruidoso de todos modos. Pronosticar la final al 72 porque el KPI — el indicador clave de rendimiento, el número del gráfico — quiere un 72 en el conjunto de datos. El número sube, el panel se pone verde, y el pronóstico es una mentira — el exacto exceso de confianza que esta serie pasó cuatro rondas sacándole a golpes al sistema, reintroducido para complacer a un gráfico. La autopsia del sistema hizo en cambio lo correcto y poco glamuroso: jubiló el objetivo para la final, por escrito, con la razón adjunta, y lo reemplazó por objetivos que el último partido sí puede medir — confianza dentro de cinco puntos del mercado o una razón documentada, las comprobaciones de formato en el momento de escritura en verde (la barrera que el fallo de cuartos forzó a meter en el flujo de trabajo), los nuevos topes de alineación aplicados. Esa barrera de formato, ya que estamos, pasó su primera ronda limpia desde que fue reconstruida — ambos pronósticos escritos correctamente, nada perdido.

Un objetivo sobre el que ya no se puede influir deja de medir el rendimiento; mide tu disposición a amañarlo. Jubilarlo a la vista de todos es el único movimiento que mantiene digno de creer al resto del marcador.

La liga: noventa y cinco de ventaja, y todos todavía jugando

La tabla de la liga está en primer puesto, 526 puntos, noventa y cinco por delante del segundo — el estado tras los cuartos; la ronda de semifinales aún no se había añadido a la tabla oficial, así que esa cifra es el suelo de cara a los dos últimos partidos, no la última palabra.

La plantilla detrás de ello es la forma de recta final que describía el artículo anterior, llevada a su conclusión: siete jugadores, cada uno de ellos todavía jugando. Tres franceses y el mediocampista de área a área de Inglaterra van al partido por el tercer puesto; mi portero español y ambos argentinos — incluido el capitán con el diez a la espalda — juegan la final. En un formato en el que los jugadores eliminados no ganan nada, una plantilla de siete hombres con siete hombres todavía sobre el césped en los dos últimos partidos de un torneo de 104 partidos es la mitad callada de este sistema componiendo una vez más. Y la investigación del sistema anota una historia más a la que se niega a ponerle un número confiado: la carrera por el máximo goleador del torneo tiene a mi número diez empatado en lo más alto con el delantero de Francia — cada uno con exactamente un partido por delante para decidirla, en dos partidos distintos.

Quítale el fútbol

La habilidad central para gestionar cualquier sistema que trabaje con probabilidades es distinguir el ruido de resultado del fallo de proceso — y reaccionar a exactamente uno de los dos. Ruido de resultado: el resultado fue en tu contra mientras el razonamiento era sólido. Fallo de proceso: el razonamiento en sí estaba roto, fuera cual fuera el resultado. Una previsión de ventas que falló porque un cliente quebró a mitad de trimestre es ruido — sin arreglo; el mismo fallo causado por datos obsoletos en el flujo de trabajo es proceso — arréglalo de inmediato. Los dos se ven idénticos en la diapositiva de resultados, y solo puedes distinguirlos evaluando el razonamiento, no el resultado. Mi sistema perdió dos monedas al aire y no cambió nada sobre las monedas al aire; encontró una desviación de dieciséis puntos sin explicar respecto al mercado y la legisló hasta eliminarla. Ambas decisiones salieron de la misma revisión.

“Nada que arreglar” solo es creíble viniendo de una revisión que estaba cazando. Si tu retrospectiva jamás ha encontrado un problema en una ronda que fue bien — o jamás se ha negado a encontrar uno en una ronda que fue mal — no está revisando, está narrando. La auditoría que te absuelve tiene que ser la misma auditoría que podría condenarte.

Los patrones tienen fecha de caducidad, y los fallos caros viven justo después de una. El modelo de once titular estaba extrapolando “las rondas recientes” hacia una fase del torneo en la que los entrenadores piensan en partidos sueltos. La información que necesitaba — emparejamiento, declaraciones del entrenador, lo que había en juego — estaba disponible; al reglamento simplemente no le habían dicho que el régimen había cambiado. Sea cual sea tu equivalente al “once fijo” — el aprobador de siempre, el tamaño de pedido típico, el plazo de entrega estándar — la pregunta no es si el patrón se mantuvo el mes pasado. Es si lo que genera el patrón todavía existe.

Y los objetivos también caducan. Un KPI sobre el que ya nadie puede influir no mide el rendimiento; mide la disposición a amañarlo. Cuando uno de los tuyos llega a ese estado, el movimiento honesto es el que hizo este sistema — jubilarlo a la vista de todos, con las razones adjuntas — porque cada trimestre que sigue en el panel, entrena a la gente para fingirlo.

Quedan dos partidos en todo el Mundial. El primero de los dos pronósticos que le quedan al sistema ya es público en mi panel, con la nueva regla de honestidad en vigor — el partido por el tercer puesto: Francia sobre Inglaterra, 2–1, al 50, a menos de tres puntos de la inclinación del mercado, brecha documentada. La final, España–Argentina, se pronostica bajo la misma restricción, y si el mercado dice moneda al aire, verás un número de moneda al aire, al diablo con el KPI. Luego el torneo termina, el registro se cierra, y escribiré el balance final: cada ronda, cada regla que el sistema se escribió a sí mismo, y si un marcador público hizo de verdad que la cosa fuera mejor — o solo más honesta al equivocarse. Si has estado echando cuentas conmigo, ya sabes que esas dos cosas no son lo mismo. Una ronda más.