La IA amplía el análisis de scouting, pero el criterio profesional sigue decidiendo

La inteligencia artificial está transformando la manera en que los clubes y las federaciones analizan jugadores, pero el criterio humano sigue ocupando el centro de las decisiones. Así lo planteó Pablo Sala, consultor que trabaja con IA aplicada al fútbol, durante una entrevista publicada por AS el 3 de octubre de 2026 en el marco del World Football Summit. Sala explicó que estas herramientas pueden procesar miles de datos por segundo y detectar patrones que pasarían desapercibidos en una revisión manual, pero insistió en que analistas y scouts conservan la responsabilidad de interpretar esa información y decidir si una señal resulta útil.

La conversación giró en torno a una pregunta ambiciosa: si la IA permitirá encontrar antes a jugadores con el potencial de figuras como Lamine Yamal, el extremo que irrumpió en el Barcelona y la selección española siendo aún adolescente. La respuesta del consultor fue matizada. La promesa de detectar talento temprano aparece como una previsión del entrevistado, una proyección razonable sobre la evolución de estas tecnologías, pero no como un resultado demostrado con evidencia pública. El expediente editorial no documenta casos verificados en los que un sistema de IA haya identificado por sí solo a una futura estrella.

El valor actual de estas herramientas se entiende mejor al revisar lo que ya están haciendo las instituciones. La Real Federación Española de Fútbol (RFEF) documenta desde 2022 la integración de big data y estadística avanzada en sus cursos de formación. Según la descripción publicada por la federación, los alumnos de los programas para entrenadores, analistas y directores deportivos tienen acceso a DriblabPRO, una plataforma de scouting que reúne más de 200.000 jugadores y 180 competiciones.

Ese volumen de información representa un cambio significativo respecto a los métodos tradicionales de observación. Un scout que dependía de viajes, videos editados y libretas de apuntes ahora puede contrastar su intuición con métricas estandarizadas de cientos de ligas. La plataforma permite filtrar por posiciones, rangos de edad, contextos competitivos y una variedad de indicadores de rendimiento. Sin embargo, el acuerdo de la RFEF no documenta que el sistema realice predicciones automáticas de estrellas ni que sustituya la evaluación profesional.

La distinción es relevante porque define el alcance real de la IA en este campo. Lo que las fuentes verificadas respaldan es que la inteligencia artificial y el big data amplían la capacidad de análisis: permiten revisar más jugadores, comparar más variables y detectar correlaciones que un observador humano difícilmente procesaría. Lo que no respaldan es que estas herramientas decidan solas. La decisión final sobre qué jugador vale la pena seguir, fichar o promocionar sigue recayendo en profesionales que combinan datos con contexto, experiencia y juicio.

El World Football Summit, donde se produjo la entrevista, se ha consolidado como un espacio de discusión sobre la intersección entre tecnología, negocio y deporte. La presencia de consultores especializados en IA aplicada al fútbol refleja el interés creciente de clubes y ligas por entender qué pueden esperar de estas herramientas. Las preguntas de los organizadores y periodistas apuntan a lo mismo: ¿cuánto de esto es cambio real y cuánto es entusiasmo prematuro?

La respuesta más honesta, según lo que permiten afirmar las fuentes, combina ambas cosas. El cambio es real en la escala del análisis: ninguna persona puede observar 200.000 jugadores en 180 competiciones, pero una base de datos bien estructurada sí puede poner esa información a disposición de un departamento de scouting en segundos. El entusiasmo prematuro aparece cuando se sugiere que la máquina encontrará al próximo Lamine sin intervención humana. Ese escenario no está documentado en el expediente.

La formación de entrenadores, analistas y directores deportivos en el uso de estas plataformas es un indicador de hacia dónde se dirige la industria. Si las federaciones están integrando el big data en sus currículos, es porque asumen que el profesional del futuro necesitará leer datos con fluidez. No se trata de reemplazar la observación en el terreno, sino de complementarla con evidencia cuantitativa. El scout que ve a un jugador en vivo y luego contrasta su impresión con métricas de rendimiento tiene más elementos para tomar una decisión informada que quien depende de una sola fuente.

Queda pendiente medir públicamente qué tan efectivas son estas herramientas para anticipar trayectorias. La detección temprana de talento es un problema complejo: el desarrollo de un jugador depende de factores físicos, psicológicos, sociales y competitivos que no siempre se reflejan en datos. Un adolescente que destaca en una liga menor puede no adaptarse a un contexto de mayor exigencia. La IA puede ayudar a identificar candidatos con mayor rapidez, pero predecir cuál de ellos se convertirá en figura de élite sigue siendo, por ahora, una aspiración más que un logro demostrado.

El contraste entre la postura de Sala y la documentación de la RFEF es instructivo. El consultor habla de lo que la IA podría llegar a hacer; la federación muestra lo que ya está haciendo con big data y estadística avanzada. Ambas perspectivas comparten un denominador común: la tecnología amplía las posibilidades de análisis, pero el criterio profesional sigue siendo el filtro que separa una señal útil de un ruido estadístico. Mientras no existan resultados medidos públicamente sobre predicción automática de talento, esa seguirá siendo la conclusión más sólida que permiten las fuentes.