As previsões de IA no futebol funcionam mesmo?

Sozinhas, as previsões de IA não funcionam nem falham. O que funciona ou falha é o que está por trás da percentagem que aparece no ecrã. Um modelo calcula uma probabilidade a partir dos dados que recebe. O resultado depende só desses dados, e da honestidade do serviço quando eles faltam.

O panorama destes serviços em português está cheio de slogans seguros e séries de vitórias prometidas, com pouco método por trás. As perguntas abaixo bastam para verificar isto tu mesmo, em um minuto, em qualquer site.

O que a IA calcula mesmo quando gera uma previsão

O modelo pega nas estatísticas das duas equipas, a forma, a classificação, o onze inicial. Se usa também um consenso de várias fontes, soma-o. De tudo isso sai um número: a probabilidade de cada resultado.

É um ofício, não uma adivinha. O processo completo, passo a passo, está descrito em como a IA analisa um jogo. Um jogo continua a ser um único acontecimento, não mil repetições. Um 65% numa das hipóteses não significa que o jogo já está decidido. Significa que, em situações parecidas, essa equipa ganha mais vezes.

De onde vem a percentagem de precisão anunciada

Muitos serviços escrevem “precisão 80%” por baixo do logótipo. Sozinho, esse número não diz nada até conheceres três coisas.

Quantos jogos entraram no cálculo. Vinte e dois mil dão uma fiabilidade completamente diferente ao mesmo número.

Em que período. Um mês de boa fase e uma época inteira não são a mesma coisa. Sem data, o número é impossível de verificar.

Como se conta um resultado “acertado”. Só o resultado final? Um desfecho específico? Um serviço que não responde com clareza, normalmente, não quer que verifiques.

Sem estes três elementos, “precisão” é um slogan publicitário. Não é um dado.

Três perguntas que um serviço honesto responde na hora

Primeira pergunta. Que dados entram no cálculo? Estatísticas, forma, onze inicial, classificação, confrontos diretos — ou só os últimos resultados? Quanto mais ampla a base, menos o número depende do acaso de um único fator.

Segunda pergunta. Em que período e sobre que amostra a precisão é calculada? Sem data e sem tamanho de amostra, o processo não se verifica.

Terceira pergunta. O que faz o serviço quando há poucos dados? Eliminatórias de taça, divisões inferiores, jogos adiados: acontece a qualquer um. A diferença está aqui: o serviço baixa a confiança e diz isso abertamente, ou mostra a mesma segurança de um jogo com estatística completa.

Porque é que “é IA, logo é objetiva” é um argumento fraco

É o argumento de venda mais repetido deste nicho, e por si só não significa nada. A ausência de emoções não equivale a um bom método. Um modelo com dados fracos erra com a mesma segurança que uma pessoa. Só que sem hesitar na voz.

O que importa é o que o modelo mostra sobre os seus próprios dados e os seus próprios limites, não o facto de ser “IA”. De onde vêm os dados, o que acontece quando faltam, se o serviço admite os limites do que sabe: um resumo honesto desses limites está em o que a IA não sabe sobre um jogo.

Onde estas ferramentas são úteis, e onde não são

Úteis onde substituem horas de trabalho manual: juntar estatísticas de dezenas de jogos, reunir forma e histórico de confrontos num só sítio, afastar competições sem dados suficientes. Uma poupança de tempo, não um substituto da tua decisão.

Inúteis onde, em troca de uma previsão, esperas uma garantia sobre o resultado. Nenhum método a dá — o porquê está explicado em porque é que ninguém consegue garantir um resultado desportivo. Um serviço que, em vez de uma probabilidade, vende uma frase curta e segura não calcula necessariamente melhor do que os outros. Simplesmente não mostra o que calculou. E às vezes não calcula nada.

A Sharkline mostra as probabilidades dos jogos da sua base, com uma precisão honesta: quando os dados são fracos, a ficha diz isso abertamente, em vez de fingir uma segurança que não tem.

Uma análise com fontes identificadas, probabilidade de cada resultado e estrelas de qualidade dos dados. Exemplo, números ilustrativos.

A metodologia completa está na página como funciona a Sharkline.

O que fazer com isto

Pega nas três perguntas deste artigo e testa-as em qualquer serviço de previsões IA que estejas a avaliar. Que dados mostra na análise. Se junto da precisão há um período e um tamanho de amostra. O que faz com um jogo de que há poucos dados.

Se responde às três, vale a pena continuar a olhar para ele. Se não responde, o que está escrito por baixo do logótipo não conta.

Perguntas frequentes

As previsões de IA funcionam mesmo? Sozinhas, não funcionam nem falham. O que funciona ou falha é o método por trás do serviço em concreto: que dados entram no cálculo e o que acontece quando faltam.

Como verificar um serviço de previsões IA antes de pagar? Pergunta-lhe três coisas: que dados usa na análise, sobre que período e amostra calcula a precisão, o que faz com jogos de que há poucos dados. Uma resposta precisa é bom sinal. Um slogan em vez disso, mau sinal.

Vale a pena confiar num serviço com “80% de precisão”? Não sem saberes o período e o tamanho da amostra. O mesmo número sobre vinte previsões e sobre duas mil significa coisas completamente diferentes, e sem esses dados não se consegue verificar.

Qual é a diferença entre uma previsão de IA e uma análise de IA? A previsão é uma recomendação já feita, sem o caminho que levou até lá. A análise mostra os dados de partida, a probabilidade de cada resultado e a qualidade da informação reunida, e deixa a decisão nas tuas mãos.