Si llevas tiempo montando automatismos ya sabes lo que viene después del titular luminoso de “IA”: el día en que te preguntas quién entrena el modelo, con qué datos y qué pasa cuando el resultado no cuadra con la realidad que tú veías en pantalla. La semana pasada Javier Tebas, presidente de LaLiga, anunció en el ISDE Sports Convention que desde la temporada que viene se implantará la inteligencia artificial en el mundo arbitral. No pintará fueras de juego en tiempo real desde el sótano del VAR: intervenirá, sobre todo en dos áreas que duelen igual que cualquier proyecto B2B mal explicado: la puntuación de los árbitros y la designación de colegiados.
La lectura rápida en medios deportivos reproduce la palabra mágica, “objetividad”. También aparece ese porcentaje redondo: hablar de que al menos un 40 % de la valoración puede decidirla la herramienta alimentada con datos de partidos anteriores, mientras los informadores humanos del Comité Técnico de Árbitros siguen marcando hasta treinta ítems distintos. La narrativa coincide con los problemas típicos de cualquier equipo de datos en una pyme tecnológica: muchas voces subjetivas, poca repetibilidad, discusiones eternas cuando el KPI no refleja lo que el cliente vio en producción.
Y aquí viene lo que más me chirria a mí cuando cruzas el campo del fútbol con el escritorio donde firmas SLA. Una cosa es que una IA sugiera patrones cuando hay suficientes ejemplos etiquetados; otra muy distinta es vender esa sugerencia como sustituto parcial del juicio humano sin enseñar al mismo tiempo el cuaderno de bitácora técnico. ¿Qué entiende el modelo como “jugada conflictiva”? ¿Quién valida cada etiqueta? ¿Con qué criterios se corrigen los errores del propio modelo cuando contradice lo que decidieron después los comités revisores? Yo no te pido códigos abiertos al mundo entero; la institución es la que es y ya lo sabemos. Igual sí te voy a pedir algo que cualquier proyecto serio ya exige a un proveedor de scoring: auditoría reproducible cuando el resultado toca reputaciones y derechos económicos.
El segundo piloto automático propuesto también suena muy “recomendador de Netflix”: la IA sacaría tres candidatos de árbitros para cada partido y un comité humano cerraría la puerta final. Vale, es mejor que delegar todo al algoritmo en silencio, pero igual arrastra el problema de la caja negra invertida en marketing. ¿Qué features pesan cuando el modelo prioriza ciertos colegiados ante el Barça contra el Alba de mañana cualquiera? Si la respuesta pasa por combinaciones tipo “antecedentes previos entre club y árbitro” o densidad polémica, perfecto siempre que el informe sea público para los interesados y no sólo una frase en una rueda de prensa. Si lo escondemos detrás del verbo “sugerir” sin publicar thresholds, repetimos el mismo truco verbal que algunos SaaS llaman scoring interno hasta que llega una carta del delegado de protección de datos.
Lo irónico del asunto es que en mi trabajo diario nadie defendería así un proyecto de clasificación donde el modelo se entrena sólo sobre histórico interno sin validación ajena cuando el resultado afecta a carreras y contratos multimillonarios… y aquí sí lo estamos tratando como progreso natural. Quizá porque el público espera tecnoficción donde “la máquina no se cansa”; quizá porque el sector tecnológico llevamos años predicando eficiencias que luego nadie revisa antes de hacer un pleno de comunicación. En cualquier caso, la promesa coincide con otros anuncios de IA estatal o industrial en España estos meses: infraestructura, narrativa soberana de datos, titulares de precisión mejorada y un vacío enorme donde deberían vivir estándares mínimos de transparencia y recurso rápido.
¿Qué tiene esto que ver contigo si no pitas más que en el equipo de pádel corporativo? Te lo cuento rápido. Las federaciones deportivas están probando ante millones exactamente los mismos mecanismos de confianza (o falta de ella) que te venden para priorizar soporte técnico, filtrado de CV con IA generativa o “quality scores” sobre proveedores de hosting. Primero salen estadísticas brillantes sobre reducción subjetiva, luego alguien pide reproducir el resultado y descubre prompts confidenciales y datasets incompletos.
Por cierto si lees bien las piezas aparece repetido que la herramienta se está alimentando con miles de encuentros registrados hasta ahora (algunos medios sitúan ese volumen alrededor de once mil partidos históricos). Eso sólo es ventaja cuando el etiquetado de esos partidos está limpio; si tus datos históricos arrastraban sesgos de quién decidía llamar penal o no mismo patrón, el modelo sólo automatiza esa inercia pero con cara de Excel perfecto.
Una última puntilla honesta: me parece razonable buscar menos disparidad entre informadores porque la heterogeneidad mata cualquier proceso de revisión igual que cuando cada comercial lleva una plantilla libre sin CRM. También tiene sentido aligerar trabajo repetitivo. Lo que yo no voy a tragarme tan fácil es la palabra objetividad hasta que pueda revisar fichas públicas tipo “aquí está lo que contribuyó cada variable al veredicto del 40 % automático aquí están los errores conocidos esta es la manera de recurrir dentro de tres días”. Lo digo igual hablando de soporte automatizado para WordPress gestionado o de cómo clasificamos incidentes graves en CDN.
Así que sí celebraría menos titulares de feria tecnológica y más documentación técnica en humano porque el día que el modelo se equivoque donde la cámara no alcanza, no vas a bastarte con repetir inteligencia natural frente inteligencia artificial en un micrófono.
Si algún día migras estos casos laborales vas a tener que responder con tranquilidad porque la confianza se gana igual que cualquier proyecto web serio paso por paso métricas claras y responsables locales no un PDF de marca.
¿Aceptarías que un modelo que tus contrapartes no pueden auditar fijara de forma oficial el cuarenta por ciento de una evaluación que decide tu carrera antes de tener publicado cómo corrige errores sesgos en el histórico y un procedimiento rápido de revisión cuando el resultado te perjudica?
Fuentes
- MARCA — Tebas anuncia que se implantará la IA en el arbitraje la próxima temporada
- Infobae — La IA llega a LaLiga: Tebas anuncia implantación tecnológica en el arbitraje la próxima temporada
- Notimérica — Javier Tebas: “Estamos implementando la IA en el mundo arbitral”
- DEIA — Tebas anuncia la llegada de la IA para el arbitraje de LaLiga