The sport now shares the stage with algorithms.
En los laboratorios del ITAM, un equipo de investigadores alimentó una máquina con cuatro décadas de historia futbolística y le hizo la pregunta que millones se harán el próximo verano: ¿quién levanta la copa? La respuesta —España, con un 25.6% de probabilidad— no es una profecía ni una apuesta, sino el resultado de correr el torneo un millón de veces en silicio, buscando los patrones que el ojo humano no alcanza a ver. Para México, anfitrión y esperanza, los números ofrecen una lección más severa que festiva: menos del 0.2% de posibilidades de ser campeón en casa. La ciencia de datos no ha venido a reemplazar la pasión del fútbol, sino a recordarnos que la intuición y el algoritmo ahora comparten la misma cancha.
- Un modelo de inteligencia artificial del ITAM simuló el Mundial 2026 un millón de veces y coronó a España como favorita con 25.6% de probabilidad, desafiando narrativas populares sobre el torneo.
- México, país anfitrión y símbolo de esperanza local, recibe el golpe más duro del análisis: apenas un 15.2% de llegar a cuartos de final y menos de dos décimas de uno por ciento de ser campeón.
- La tensión entre la ilusión colectiva y la frialdad estadística se vuelve inevitable cuando los datos contradicen lo que los aficionados quieren creer sobre su selección.
- Los creadores del modelo advierten que esto no es una apuesta ni un oráculo, sino una demostración de cómo la ciencia estadística puede revelar patrones ocultos en sistemas complejos.
- El fútbol profesional ya escucha: clubes, federaciones y cuerpos técnicos usan analítica para detectar talento, prevenir lesiones y diseñar tácticas, y el Mundial 2026 será la prueba de fuego más visible hasta ahora.
Un equipo de investigadores del ITAM le hizo una pregunta a su computadora: ¿quién gana el Mundial 2026? Para responderla, construyeron un modelo que incorpora más de cuatro décadas de datos futbolísticos —Copas del Mundo, torneos continentales, amistosos, valuaciones de jugadores y resultados recientes— y lo corrieron un millón de veces. La respuesta más frecuente fue España, con un 25.6% de probabilidad de levantar el trofeo el 19 de julio.
Detrás de los favoritos, el modelo ubica a Argentina con 15.25% e Inglaterra con 14.41%. Pero la cifra que más resuena en México es otra: la selección anfitriona tiene apenas un 15.2% de llegar a cuartos de final, 3.1% de alcanzar las semifinales y menos de dos décimas de uno por ciento de ser campeona en su propio torneo.
Rodrigo Cobo, uno de los fundadores de la Conferencia de Analítica Deportiva del ITAM, fue claro sobre el propósito del ejercicio: no se trata de una apuesta ni de una predicción mágica, sino de una aplicación rigurosa de la ciencia estadística a un sistema complejo. El modelo mide la fortaleza relativa de los equipos usando métricas avanzadas que van mucho más allá del marcador tradicional.
Su cofundador, Santiago Fernández del Castillo, señaló que el mundo del fútbol ya comenzó a escuchar este lenguaje. Hoy, los equipos usan analítica para detectar jóvenes talentos, los médicos para anticipar lesiones y los entrenadores para diseñar estrategias. Cada partido genera millones de datos —movimientos, esfuerzo físico, decisiones tácticas— y esa información ya no se desperdicia.
El 2026 será la prueba real. Los modelos enfrentarán la voluntad humana, el azar y la presión del momento. Pero algo ya cambió de manera irreversible: el fútbol que alguna vez perteneció solo a la intuición ahora comparte tribuna con los algoritmos.
A team of researchers at Mexico's ITAM university fed their computer a diet of four decades of football history—World Cups, continental tournaments, friendly matches, player valuations, recent results—and asked it a simple question: who wins in 2026? The answer came back with mathematical certainty: Spain, with a 25.6 percent chance of lifting the trophy on July 19th.
This is not a guess. It is not a hunch. It is the output of the ITAM Sports Analytics Conference, an academic initiative that applies data science, artificial intelligence, and advanced statistical modeling to the sport. The researchers built their system to estimate goals, calculate win probabilities, and measure the relative strength of teams using performance metrics that go far beyond the traditional box score. Then they ran the entire tournament one million times, watching the scenarios play out in silico, identifying which outcomes appeared most frequently in the noise.
Spain's dominance in the model is clear. Argentina trails at 15.25 percent. England sits at 14.41 percent. But the story that emerges from these numbers is not about the favorites—it is about the host nation. Mexico, which will co-host the tournament alongside the United States and Canada, receives a sobering assessment from the algorithm. The model gives the Mexican national team a 15.2 percent probability of reaching the quarterfinals. The odds of a semifinal appearance drop to 3.1 percent. A final? 0.9 percent. A championship? Less than two-tenths of one percent.
Rodrigo Cobo, one of ISAC's founders, was careful to frame what this exercise actually is. This is not a betting slip. This is not a prediction market. It is an application of statistical science to a complex system—a demonstration of how data, when properly structured and analyzed, can illuminate patterns that human intuition alone might miss. The model incorporates variables that matter: the market value of players, the strength of recent performances, the relative quality of opposing teams, and advanced metrics that capture what happens on the pitch in ways traditional statistics cannot.
Santiago Fernández del Castillo, Cobo's co-founder, noted that the football world has already begun to listen. Teams, leagues, and national federations now make decisions informed by data. Talent scouts use analytics to find young players. Medical staff use it to predict and prevent injuries. Coaches use it to design tactics and evaluate performance. The sport generates millions of data points with every match—the movement of every player, the physical exertion, the tactical choices, the collective behavior—and that information is no longer left on the cutting room floor.
The 2026 World Cup will be a test case. It will show whether the models hold up when the stakes are real, when the variables cannot be controlled, when human will and chance still matter. But regardless of what happens on the field, something has already shifted. The sport that once belonged entirely to intuition and experience now shares the stage with algorithms. The question is no longer whether data will influence football. The question is how much.
Citações Notáveis
This exercise should not be understood as a betting prediction or wager, but as an application of data science to football.— Rodrigo Cobo, ISAC co-founder
More teams, leagues, and federations are now making decisions supported by data, from talent detection to injury prevention to tactical strategy.— Santiago Fernández del Castillo, ISAC co-founder
A Conversa do Hearth Outra perspectiva sobre a história
Why does a mathematical model matter for something as unpredictable as a football tournament? Isn't that the whole point—that anything can happen?
You're right that upsets happen. But the model isn't claiming Spain will definitely win. It's saying that if you ran the tournament a million times with the same teams, the same players, the same recent form, Spain would come out on top roughly 256,000 times. That's not destiny. That's probability.
So what's actually going into this? How does a computer even begin to measure something like team chemistry or a goalkeeper's nerve in a penalty shootout?
It uses forty years of data—every World Cup, every continental tournament, player valuations, recent results, advanced performance metrics. It learns patterns from history. The model can't measure nerve, but it can measure consistency, recent form, the quality of opponents faced. It's pattern recognition at scale.
And Mexico gets less than one percent? That seems harsh for a host nation.
The model doesn't care about home advantage or narrative. It looks at the relative strength of the squad, the quality of recent performances, how they stack up against the competition. Host nations sometimes do well, sometimes don't. The data doesn't show a strong enough signal in Mexico's favor to change the odds significantly.
What happens if Spain doesn't win? Does that mean the model failed?
Not necessarily. A 25.6 percent probability means Spain is favored, but it also means there's a 74.4 percent chance someone else wins. The model can be right about the probabilities even if the actual outcome surprises us. That's how probability works.