Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
IndustriaAPI / Producto · Listo para usarWired→ original

Más de 100 agentes de IA armaron un equipo de fantasy de la Premier League y no superaron la media

El periodista de Wired Will Knight encargó a un grupo de agentes de IA que armara un equipo de fantasy fútbol, donde los puntos dependen de los partidos reales de los jugadores de la Premier League. Unos agentes leían noticias, otros analizaban resultados, otros ejecutaban modelos y otros criticaban las elecciones, y las recomendaciones mejoraron. Al llegar a más de 100 agentes, lo único que aumentó fue la factura de la API, y el equipo tampoco superó la puntuación media de los participantes. Para las predicciones importan más los roles de los agentes que su número.

Procesado por IA desde Wired; editado por Hamidun News
Más de 100 agentes de IA armaron un equipo de fantasy de la Premier League y no superaron la media
Fuente: Wired. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalWired ↗
Editor jefe
Dato clave #1En Prophet Arena, el mejor predictor fue GPT-5, seguido de Grok 4
Dato clave #2En Prediction Arena, los modelos con $10 000 durante 57 días perdían dinero de forma constante
Dato clave #3Los superpronosticadores siguen por delante de la IA, aunque en Metaculus Cup los modelos a veces ganaron

El fantasy fútbol es un juego en el que el aficionado arma un equipo virtual con jugadores reales de la Premier League y recibe puntos según cómo rindan esas personas en partidos reales. Hay que adivinar quién jugará de titular, quién está lesionado y quién tiene un calendario favorable, es decir, hacer en la práctica una predicción basada en noticias recientes. El columnista de Wired Will Knight encargó esta tarea a un enjambre de agentes de IA: le dio a Codex la tarea de montar un sistema en el que varios programas auxiliares leen noticias, hacen cálculos y debaten entre sí, y luego eligen la plantilla.

Más de 100 agentes no produjeron ninguna victoria, y el equipo nunca logró superar la puntuación media de los demás jugadores. Para quienes construyen sistemas agénticos, es una lección clara sobre qué mejora realmente una predicción y qué simplemente se paga en la factura de la API.

Cómo se diseñó el experimento

Hace unos años, Knight probó una herramienta del Instituto Alan Turing que elegía plantillas a partir de datos históricos de la liga. Las recomendaciones eran extrañas: el sistema no tenía en cuenta las lesiones de los jugadores ni los cambios de entrenador. Esta vez, de camino a casa de sus familiares, pidió a Codex que montara un «arnés» (harness): un conjunto de instrucciones y código que guía a los agentes por las etapas de revisar las noticias recientes, ejecutar un modelo y emitir una predicción. Antes, Codex recibió un par de artículos científicos sobre el tema.

La primera versión reunía y analizaba bastante más información de la que podría manejar una persona, pero proponía decisiones absurdas. Por ejemplo, dejaba a Erling Haaland en el banquillo. Entonces Knight dividió el trabajo en roles: unos agentes leían noticias y blogs, otros revisaban los resultados recientes, otros ejecutaban modelos estadísticos y otros criticaban las propuestas de los demás. Las recomendaciones mejoraron.

Después decidió que más agentes significaban un sistema más inteligente y llevó el número a más de cien. No produjo un efecto notable, pero sí aumentó la factura de la API. Para un ingeniero, es una lección conocida: si se añaden ejecutores del mismo tipo sin nuevas fuentes de información, la calidad se estanca en la arquitectura, mientras los costes por tokens siguen creciendo.

Qué dicen los investigadores de predicciones

El profesor de la Universidad de Chicago Haifeng Xu estudia la aplicación de la IA en los mercados. Según explica, los modelos nuevos predicen mejor porque pueden procesar un volumen enorme de información sobre el mundo real y construir sistemas más complejos a partir de varias partes. Su grupo puso a prueba modelos en mercados de predicción como Kalshi y Polymarket: quién ganará el campeonato de la NBA, con quién se reunirá Donald Trump. En ocasiones, los modelos sin indicaciones especiales superaron al ser humano promedio.

De ese trabajo nació el benchmark Prophet Arena. En las primeras pruebas, el mejor resultado fue el de GPT-5, seguido por Grok 4, Claude Sonnet, Gemini y Llama. Xu considera que lo que mejor funciona es un arnés propio en el que cada agente tiene una tarea concreta: leer noticias, recopilar datos y analizar el panorama completo. Esto coincide con la experiencia de Knight.

Otro benchmark, Prediction Arena, lo diseñaron investigadores de Harvard y de la empresa Arcada Labs. A los modelos se les dieron $10 000 para apostar en mercados de predicción durante 57 días. Perdían dinero de forma constante, aunque con el tiempo sus resultados mejoraron.

Dónde la IA todavía pierde

Los mejores expertos humanos, los llamados superpronosticadores, siguen a menudo por delante. Según Xu, leen menos, pero entienden con más profundidad qué dinámica hay detrás de una noticia. Aun así, su ventaja parece reducirse: en el torneo Metaculus Cup, la IA en ocasiones superó incluso a las personas más fuertes. Pronto se publicarán los resultados de ForecastBench, que podrían ofrecer otra comparación. Knight supone que los grandes laboratorios empezarán a usar la predicción del futuro como una nueva forma de medir el progreso de los modelos.

También hay limitaciones. Es una columna, no un estudio controlado: el equipo de Knight jugó durante varias semanas, la muestra es pequeña y, aun así, no logró superar la media. El propio autor no piensa usar las recomendaciones del sistema en sus elecciones reales. La comparación de modelos en Prophet Arena corresponde a una etapa temprana, en la que el líder era GPT-5, y la clasificación podría cambiar.

Conclusión práctica

Para desarrolladores y product managers, la lección es esta. En primer lugar, las predicciones basadas en noticias necesitan datos externos y roles: un recopilador de hechos, un analista y un crítico. Un solo modelo con un prompt largo rinde peor. En segundo lugar, el escalado del número de agentes debe verificarse con métricas, no con fe: más de 100 agentes no justificaron el gasto. En tercer lugar, el crítico que revisa las propuestas de los demás es una pieza barata de la construcción y conviene probarla antes que nada.

Por último, Knight apunta a un cambio de roles en el trading: los mejores especialistas podrían pasar a dirigir agentes de IA en lugar de competir directamente con ellos. Por ahora es una hipótesis, pero la dirección está clara. Y a la liga de fantasy, el autor le desea un poco más de emoción humana: ganar sin ayuda de bots resulta, al fin y al cabo, más satisfactorio.

Historia

Preguntas frecuentes sobre la noticia

Cómo se diseñó el experimento?

Hace unos años, Knight probó una herramienta del Instituto Alan Turing que elegía plantillas a partir de datos históricos de la liga. Las recomendaciones eran extrañas: el sistema no tenía en cuenta las lesiones de los jugadores ni los cambios de entrenador. Esta vez, de camino a casa de sus familiares, pidió a Codex que montara un «arnés» (harness): un conjunto de instrucciones y código que guía a los agentes por las etapas de revisar las noticias recientes, ejecutar un modelo y emitir una predicción.

¿Qué se sabe sobre Qué dicen los investigadores de predicciones?

El profesor de la Universidad de Chicago Haifeng Xu estudia la aplicación de la IA en los mercados. Según explica, los modelos nuevos predicen mejor porque pueden procesar un volumen enorme de información sobre el mundo real y construir sistemas más complejos a partir de varias partes. Su grupo puso a prueba modelos en mercados de predicción como Kalshi y Polymarket: quién ganará el campeonato de la NBA, con quién se reunirá Donald Trump.

Dónde la IA todavía pierde?

Los mejores expertos humanos, los llamados superpronosticadores, siguen a menudo por delante. Según Xu, leen menos, pero entienden con más profundidad qué dinámica hay detrás de una noticia. Aun así, su ventaja parece reducirse: en el torneo Metaculus Cup, la IA en ocasiones superó incluso a las personas más fuertes. Pronto se publicarán los resultados de ForecastBench, que podrían ofrecer otra comparación.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…