Ver el contacto no resuelve la discusión: muchas veces apenas la inaugura. En el futbol, una repetición puede mostrar dos piernas que se cruzan sin zanjar si hubo infracción. La inteligencia artificial entra justamente en esa grieta entre reconocer movimientos y aplicar un reglamento. La pregunta interesante no es si una computadora puede encontrar una barrida, sino qué tendría que demostrar para recomendar una sanción sin convertir una probabilidad estadística en autoridad deportiva.
Un estudio publicado en Scientific Reports permite explorar esa diferencia con un caso concreto: FoulMFNet, un sistema experimental que combina distintas formas de analizar video para reconocer posibles faltas y asistir al arbitraje. Sus resultados muestran capacidades relevantes, pero también una limitación reveladora: la evaluación dejó fuera jugadas en las que los propios evaluadores humanos no lograron ponerse de acuerdo. El examen de la máquina, por tanto, no incluyó toda la dificultad del problema.
Una jugada contiene varias preguntas distintas
Conviene separar tres operaciones: localizar una acción, clasificarla y decidir qué consecuencia reglamentaria corresponde. Encontrar el instante en que dos jugadores se aproximan no equivale a determinar que hubo contacto ilegal; reconocer un patrón parecido a otras faltas tampoco resuelve automáticamente su gravedad. Como explicación del problema, esta separación importa porque cada paso añade exigencias: primero hacen falta imágenes útiles; después, contexto temporal; finalmente, un criterio deportivo con el cual interpretar lo observado.
El sistema estudiado intenta reunir esas pistas mediante tres vías. Una analiza la apariencia visual; otra, el movimiento entre imágenes; la tercera estima posiciones de articulaciones para representar el cuerpo mediante un esqueleto digital. Después combina esa información y asigna probabilidades a categorías de jugada. No es un silbante de silicio que entiende el partido como una persona: es un modelo entrenado para relacionar señales visuales con clasificaciones previamente establecidas.
También selecciona los momentos que considera decisivos dentro de una secuencia. Esa capacidad podría facilitar una tarea de asistencia: dirigir la atención hacia imágenes relevantes, en vez de entregar únicamente un veredicto. El diseño incorpora visualizaciones de regiones de la imagen, cuadros y partes del cuerpo que influyeron en la clasificación. Su utilidad propuesta consiste en ayudar al árbitro a examinar la recomendación; mostrar dónde miró el modelo no demuestra, por sí mismo, que aplicó correctamente el reglamento.
Lo que demuestra un porcentaje y lo que deja fuera
Los autores reportan una exactitud global de 87.3% en el conjunto reservado para evaluación. La colección descrita reúne 12,463 clips de incidentes, procedentes de grabaciones de ligas europeas, recursos de SoccerNet y material aportado mediante colaboración con programas de formación arbitral. El universo de trabajo comprendió 847 partidos. Son resultados de una prueba delimitada, no una tasa comprobada de aciertos durante partidos arbitrados con el sistema ni una garantía aplicable a cualquier competencia.
Para construir las etiquetas participaron dos árbitros certificados y un especialista en análisis deportivo. Cada clip pasó por evaluaciones independientes y, cuando aparecían desacuerdos, por rondas de discusión. Los investigadores excluyeron 387 clips que no alcanzaron unanimidad después de tres rondas. El propio artículo reconoce el costo metodológico: esas situaciones fronterizas probablemente representan parte de las jugadas donde una ayuda automatizada sería especialmente valiosa, y excluirlas puede sobreestimar su eficacia ante decisiones verdaderamente controvertidas.
Además, el promedio oculta dificultades diferentes. El estudio reporta 91.2% de exactitud para conducta violenta, frente a 79.4% para simulación. Eso impide leer el resultado global como si todas las decisiones fueran igual de fáciles. La conclusión práctica es más modesta y más útil: antes de aceptar una cifra de desempeño, hay que preguntar qué acciones agrupa, contra qué etiquetas se comparó y cuáles quedaron fuera. El porcentaje necesita su propio video de revisión.
El contexto no cabe completo en una imagen
La investigación incorpora los segundos anteriores al contacto porque una postura aislada puede resultar insuficiente. La trayectoria previa de una barrida o un cambio de dirección ayudan a interpretar la interacción. Al mismo tiempo, los autores admiten que el video de transmisión no permite extraer con fiabilidad mediciones precisas de fuerza de impacto o duración del contacto. El modelo aprende indicios visuales relacionados con esas condiciones; no lleva un laboratorio biomecánico escondido en cada cámara.
Ahí aparece la diferencia entre consistencia y objetividad. Un modelo puede repetir una clasificación de manera estable y aun depender de decisiones humanas: qué categorías utilizar, cómo etiquetar las jugadas y qué desacuerdos excluir. Esta es una lectura metodológica del diseño, no una prueba de que sus resultados carezcan de valor. Significa que automatizar una clasificación no elimina el criterio previo: lo incorpora al entrenamiento y después lo aplica a imágenes nuevas.
Asistir no significa entregar el silbato
Una parte del desarrollo busca ajustar los niveles de confianza para que reflejen mejor la fiabilidad de las predicciones. También contempla señalar casos difíciles cuando distintas versiones del modelo discrepan. El principio resulta importante: una herramienta arbitral debería comunicar incertidumbre, no disfrazarla de certeza. Es una aplicación concreta del debate sobre supervisión humana cuando interviene la IA: recibir una recomendación y tener autoridad para resolverla son funciones distintas.
El artículo presenta estas capacidades como parte de un sistema de asistencia, pero las pruebas descritas no equivalen a demostrar su desempeño sostenido en una competencia. Sus autores señalan dificultades para generalizar entre condiciones de partido, cámaras y estilos de juego. Por eso, una evaluación útil tendría que distinguir el rendimiento sobre clips seleccionados del funcionamiento bajo las condiciones del torneo donde se pretende utilizar. Cambiar de escenario también cambia las exigencias de la prueba.
La aceptación merece una pregunta aparte. Los investigadores plantean que las explicaciones visuales pueden facilitar la evaluación de recomendaciones, pero eso no demuestra que jugadores o público confíen en ellas. Una cosa es ofrecer información y otra conseguir legitimidad para decidir. Como ocurre con otras innovaciones deportivas, una mejora técnica no garantiza el resultado deportivo esperado. Aquí habría que examinar, además del acierto, quién puede cuestionar una recomendación y cómo se revisa.
Antes de confiar en un “árbitro con IA”, conviene preguntar qué detecta exactamente, quién definió la respuesta correcta, si fue probado con jugadas ambiguas y quién conserva la decisión final. Este estudio aporta un ejemplo de asistencia posible, no una demostración de arbitraje infalible. La frontera no separa simplemente máquinas que ven y personas que interpretan: separa evidencia visual, clasificación estadística y autoridad reglamentaria. Confundirlas es concederle al algoritmo un silbato que todavía debe justificar.







