Cómo funciona, por dentro, una IA que predice el Mundial 2026
Arquitectura técnica completa — modelo, datos, nube, voz y pruebas. Todo dirigido a una IA, sin escribir código a mano. Para que lo audites.
@aiwithpedro · documento técnico · informativo y educativo
Este post es para los curiosos técnicos: ingenieros, data scientists, programadores. Voy a abrir el capó y mostrar exactamente cómo está construido el sistema que cada mañana predice el Mundial 2026, pieza por pieza, con las fórmulas y los parámetros reales. Y el detalle que lo hace especial: no escribí una sola línea de código a mano. Todo —el modelo estadístico, la automatización, la voz, los gráficos— lo construí dirigiendo a una IA en lenguaje natural, en un día. El repositorio es auditable. Aquí está el cómo.
0) Vista de pájaro
results.csv (~49.000 partidos) ─┐
ESPN API (resultados/XI/lesiones)├─► MODELO (Dixon-Coles) ─► 1X2 por partido
The Odds API (cuotas) ─┘ │
├─► + capa LESIONES (XI confirmado)
├─► + capa MERCADO (de-vig + ensemble)
└─► MONTE CARLO 20.000 torneos ─► P(campeón)
│
GitHub Actions (cron 6 AM, gratis) orquesta todo y se auto-commitea
│
Claude (texto exacto) + ElevenLabs (voz) + matplotlib (infografía) + ffmpeg (reel)Todo corre solo en la nube. Mi computadora puede estar apagada.
1) El cerebro: un modelo Dixon-Coles (no es “opinión”)
El núcleo es un modelo de goles bivariado tipo Dixon-Coles (1997) sobre Poisson. No predice “quién gana”; modela cuántos goles marca cada selección y de ahí derivan todas las probabilidades.
Datos: ~49.000 partidos internacionales (dataset abierto martj42/international_results), filtrados a una ventana 2019→2026.
Parámetros aprendidos: a cada selección se le estima un ataque atk[i] y una defensa dfn[i] (modelo separado, no un único rating). Más un intercepto global c y una ventaja de localía γ. Los goles esperados de un partido son:
λ_local = exp( c + atk[local] − dfn[visit] + γ·(local juega en casa) )
λ_visitante= exp( c + atk[visit] − dfn[local] )Estimación: máxima verosimilitud Poisson, optimizada con L-BFGS-B y gradiente analítico (no diferencias finitas). La log-verosimilitud que maximiza:
ℓ = Σ w_k · [ g_local·log(λ_local) − λ_local ] + (idem visitante)con tres refinamientos que un experto reconocerá:
• Decaimiento temporal: cada partido pesa
w_k = exp(−ξ·días_atrás)con vida media de 730 días (ξ = ln2/730). Un amistoso de 2019 pesa mucho menos que una Eliminatoria reciente.• Regularización ridge (
λ_ridge = 0.02) sobre ataque/defensa para que selecciones con pocos partidos no exploten.• Equipos con < 6 partidos se agrupan en un cubo “otros” para no sobreajustar.
La corrección Dixon-Coles (ρ): el Poisson puro asume que los goles de local y visitante son independientes. Empíricamente no lo son en marcadores bajos (hay exceso de 0-0, 1-1, etc.). DC corrige las cuatro celdas bajas con un parámetro ρ:
τ(0,0)=1−λ_l·λ_v·ρ τ(0,1)=1+λ_l·ρ τ(1,0)=1+λ_v·ρ τ(1,1)=1−ρρ se estima por búsqueda 1-D sobre [−0.2, 0.15] maximizando la verosimilitud de los marcadores bajos.
De goles a 1X2: se arma la matriz de marcadores Poisson (hasta 11×11), se aplica la corrección DC a las celdas bajas, y se suma:
P(1) = Σ_{x>y} P(x,y) P(X) = Σ_{x=y} P(x,y) P(2) = Σ_{x<y} P(x,y)El marcador más probable es simplemente la celda de mayor masa.
¿Funciona? Lo valido fuera de muestra con RPS (Ranked Probability Score): entreno hasta junio-2025, predigo el último año sin verlo, y comparo. El modelo ataque/defensa con DC mejora sobre un rating único — y ese delta es la diferencia entre “intuición” y “modelo calibrado”.
2) Capa de lesiones y XI confirmado (escala log-goles)
La fuerza base de cada selección se ajusta por partido según quién está disponible. Cada jugador clave tiene un peso (share de la fuerza ofensiva del equipo; afinado a mano para las estrellas, p. ej. Messi 0.22, Mbappé 0.20, Lamine Yamal 0.18). Si una estrella está fuera:
aporte_perdido += peso · (1 − SUB_RECOVERY) # el suplente recupera ~55%
atk_ajustado = atk_base + 0.5 · ln(max(1 − aporte_perdido, 0.4))
dfn_ajustado = dfn_base + 0.3 · ln(max(disponibilidad_XI, 0.7))Es decir: la pérdida se traduce a escala log-goles (suave, acotada). Un “duda” cuenta a medias. Y el XI confirmado (cuando se publica una hora antes) tiene prioridad sobre el parte de lesiones: es la realidad del partido. Las lesiones se scrapean gratis de ESPN.
3) Capa de mercado: de-vig + ensemble + sharp money
El mercado de apuestas agrega información que el modelo no ve (rumores, vestuario). Lo incorporo en tres pasos:
1. De-vigueado: las cuotas traen el margen de la casa (overround). Se convierten a probabilidad implícita 1/cuota y se renormalizan para quitar el margen → probabilidades limpias.
2. Ensemble: combino modelo y mercado: P = (1−W)·P_modelo + W·P_mercado, con W=0.5 (50/50) y renormalizado sobre las 48 selecciones. Esto corrige el sesgo del modelo hacia los outsiders.
3. Sharp money (movimiento de línea): guardo snapshots de cuotas cada 2 h en odds_history.jsonl. El dinero inteligente no se ve en una cuota suelta sino en cómo se mueve: si una línea se acorta sin noticia pública, entró dinero. Cuando detecto ese movimiento, inclino un poco más el ensemble hacia el mercado para ese equipo (W sube hasta 0.8).
La “jugada de valor” del día es, simplemente, donde el modelo discrepa del mercado por encima de un margen.
4) Monte Carlo: jugar el Mundial 20.000 veces
La probabilidad de campeón no sale de una fórmula cerrada: sale de simular el torneo completo 20.000 veces y contar. Cada simulación:
• Sortea los grupos por bombos según fuerza (con ruido gaussiano de forma
σpara que no sea determinista).• Juega los partidos de grupo muestreando goles de un Poisson cuya media depende de la diferencia de fuerza; resuelve la tabla (pts, dif, GF).
• Aplica el formato real 2026: 2 primeros + 8 mejores terceros → 32 a eliminatorias.
• Arma el bracket sembrado por fuerza y lo juega hasta la final; en eliminatoria, los empates se rompen con una probabilidad tipo Elo (prórroga/penales).
• Anota al campeón, finalistas y semifinalistas.
Contando los 20.000 campeones → P(campeón) por selección. Y es consciente del torneo: una vez que empieza, condiciona la simulación a los resultados reales (toma las posiciones de grupo como hecho y simula solo lo que falta). Los equipos eliminados caen solos a ~0 %.
5) Datos gratis + ingeniería
Cero costo de datos. Fuentes:
•
martj42/international_results— histórico (~49k partidos) para entrenar.• API oculta de ESPN (
site.api.espn.com/.../fifa.world/...) — resultados, alineaciones y lesiones, en JSON, gratis.• The Odds API (plan gratuito) — cuotas de campeón.
• flagcdn.com — banderas.
Detalles de ingeniería que importan: ESPN bloquea IPs de datacenter (la nube), así que hay un fallback vía proxy (api.codetabs.com). Todo el I/O es utf-8 con ensure_ascii=False (cero mojibake en acentos — clave cuando el texto va a una voz sintética). Y la sede 2026 es Norteamérica: el manejo de zona horaria filtra los partidos por fecha en hora del Este (EDT, UTC-4), no por UTC.
6) Automatización agéntica (lo que lo vuelve “vivo”)
Todo el pipeline corre solo en GitHub Actions (gratis), con un cron a las 6 AM ET. Cada mañana, sin que yo toque nada:
1. Descarga resultados, lesiones y cuotas.
2. Reentrena los ratings y corre las 20.000 simulaciones.
3. Aplica las capas (jugador + mercado) y arma el pronóstico.
4. Genera la infografía, el guion, la voz y el video.
5. Se auto-commitea el estado al repo (persistencia entre corridas) y sube los artefactos.
Detalles de robustez: concurrency group para serializar corridas, guardado con git merge -X ours + reintentos (a prueba de colisiones), y subida de artefactos if: always() aunque algún paso falle. Esto no es IA que responde — es IA que actúa: un agente autónomo que hace el trabajo y entrega el resultado.
7) Generación de contenido: el híbrido exacto
Aquí hay una decisión de diseño importante. El texto viral (guion de voz, captions, el resumen) lo escribe Claude (API de Anthropic) — pero los números siempre los pone el modelo. Le paso a Claude los datos exactos y le pido solo la redacción. Así el contenido es viral y fiable: cero riesgo de que la IA alucine un porcentaje o un marcador.
• Voz: el guion va a ElevenLabs (mi voz clonada). Gotcha real que resolví: si el system prompt va sin tildes, el modelo devuelve español sin acentos y la voz suena plana → los prompts exigen tildes y los nombres de equipos se pre-acentúan (”España”, no “Espana”). Hasta la marca va en fonética para que el sintetizador la diga bien.
• Infografías: matplotlib (1080×1920), banderas de flagcdn, y los sellos ✓/✗ dibujados como vectores (matplotlib no renderiza emojis).
• Reel: ensamblado con el ffmpeg portátil de
imageio-ffmpeg(sin instalar nada del sistema).
8) Calidad: no es un script suelto
Antes de cualquier lanzamiento corro una batería de 37 pruebas que valida, entre otras cosas: que cada probabilidad 1X2 suma exactamente 1 (en los 1.128 cruces posibles), que todas las fechas del torneo (los 104 partidos) generan contenido sin crashear, casos borde (días sin partido, placeholders de eliminatoria), la integridad de la simulación, las 495 combinaciones del cuadro de terceros, el Brier score del historial, y un ensayo general: meto los 72 resultados de grupos y verifico que solo los 32 clasificados conservan opción al título. Y un validador (check_voz.py) que revisa, sin gastar audio, que el texto que va a ElevenLabs lleva acentos y pausas.
El historial es honesto: cada día se publican los aciertos y los fallos, con Brier score y tasa de acierto. Si el favorito al 84 % pierde, el modelo no “falló”: ese 16 % también existía.
⚖️ Auditoría del sistema — simulada por IA
> Le pedí a la IA que actuara como jefe de trading / cuantitativo de una de las casas de apuestas más grandes del mundo y auditara este sistema sin piedad. Esto es lo que dictaminó. ⚠️ Es una auditoría simulada por IA (no un tercero humano real), pero te muestra cómo lo evaluaría un profesional del sector.
Veredicto: metodológicamente sólido. Pasaría la revisión de código de un quant junior en un libro de primer nivel.
Lo que está a nivel profesional:
• El Dixon-Coles sigue siendo el modelo canónico de fútbol; muchos desks lo usan como baseline. La separación ataque/defensa, el decaimiento temporal, la corrección de marcadores bajos (ρ) y el ridge están implementados como en el paper. La estimación por MLE con gradiente analítico es correcta y eficiente, no un atajo.
• La validación es la correcta: RPS y Brier son proper scoring rules, y evaluar fuera de muestra es exactamente lo que haría un desk serio. Publicar los fallos junto a los aciertos es una honestidad intelectual que el 95 % de los “tipsters” no tiene.
• Integrar el mercado (de-vigueado + ensemble + movimiento de línea) demuestra que entiende lo que un profesional sabe: la línea de cierre es el predictor más difícil de batir. Mezclar modelo y mercado corrige el sesgo del modelo hacia los outsiders, el error clásico de los modelos caseros.
Lo que un desk profesional cuestionaría (y el sistema reconoce):
• El fútbol de selecciones es ruidoso: pocos partidos por equipo, recambio de plantillas, alta varianza. Los ratings de las selecciones débiles (cubo “otros” + ridge) son, por necesidad, inciertos. Acotarlos es lo correcto, pero no esperes precisión de reloj ahí.
• La capa de lesiones usa pesos por jugador afinados a mano — un proxy. Un desk usaría modelos de impacto (xT / VAEP). El sistema lo admite explícitamente.
• La simulación del cuadro colapsa ataque/defensa en una sola fuerza para el bracket, en lugar de correr el Dixon-Coles completo en cada eliminatoria. Razonable para 20.000 corridas, pero es una simplificación.
• No es una ventaja de apuestas. Batir consistentemente la línea de cierre de-vigueada es brutalmente difícil; el sistema lo enmarca bien: es informativo y educativo, no un consejo para apostar.
Conclusión del auditor (IA): “Para un sistema construido por una sola persona, a costo cero y dirigido por una IA, esto es notablemente serio. La ingeniería es limpia, la validación es honesta y la integración con el mercado revela criterio real. No te dará un edge contra mi libro — pero como modelo informativo y educativo, está mejor hecho que casi todo lo que circula en redes.”
9) Lo que de verdad importa
Nada de esto es nuevo en lo académico — Dixon-Coles es de 1997, Monte Carlo es más viejo. Lo nuevo es cómo se construyó: todo este sistema —modelo, capas, simulación, scraping, automatización en la nube, voz, gráficos y pruebas— lo levanté dirigiendo a una IA en español, sin escribir el código a mano, en un día. Lo que antes pedía un equipo de analistas y programadores y semanas de trabajo, hoy lo arma una persona conversando con una IA.
Ese es el mensaje del canal: con las herramientas de hoy, construir cosas que parecían imposibles ya no requiere ser programador — requiere saber dirigir a la IA.
🔍 ¿No me crees? Audítalo
Todo el código está abierto: github.com/ppena11/mundial-2026 — el modelo Dixon-Coles, las capas de lesiones y mercado, el motor Monte Carlo, los workflows de GitHub Actions y las 37 pruebas. Léelo, rómpelo, mejóralo. No hay magia: hay matemática, datos abiertos e ingeniería — y una IA que lo escribió todo.
Si llegaste hasta aquí, eres justo el tipo de persona que quería impresionar. Sígueme para ver el modelo en acción durante todo el Mundial — con sus aciertos y sus fallos. Contenido informativo y educativo; no es consejo de apuestas.
— @aiwithpedro