Simulé el Mundial 2026 con Monte Carlo y Claude Fable 5: probabilidades bajo incertidumbre
Un experimento con Claude Fable 5: 20.000 simulaciones Monte Carlo del Mundial 2026 usando Elo y Poisson. Por qué un modelo no predice el futuro, sino que razona bajo incertidumbre.
El 11 de junio, apenas un día después del lanzamiento de Claude Fable 5 —el modelo más poderoso de Anthropic hasta la fecha— y del inicio del Mundial 2026, decidí ponerlo a prueba con un experimento.
Le pedí que simulara el torneo completo utilizando Monte Carlo.
El resultado fue interesante.
Pero la mecánica detrás del experimento me pareció aún más interesante.
¿Por qué Monte Carlo?
Porque calcular analíticamente la probabilidad de que una selección gane un Mundial de 48 equipos, con fase de grupos y eliminación directa, es un problema combinatoriamente complejo.
Monte Carlo evita ese problema de una forma elegante: en lugar de calcular la probabilidad exacta, simula el torneo miles de veces y estima las probabilidades observando la frecuencia con la que ocurre cada resultado.
Los supuestos que propuso Fable
- La fuerza de cada selección se representó mediante su rating Elo, como aproximación a su rendimiento histórico.
- La diferencia de Elo entre dos equipos se transformó en goles esperados utilizando una distribución de Poisson, un modelo ampliamente utilizado para simular marcadores de fútbol.
- Se replicó el formato oficial del Mundial 2026: 12 grupos, clasifican los dos primeros de cada grupo y los ocho mejores terceros, para luego continuar con eliminación directa hasta la final.
- Finalmente, se ejecutaron 20.000 simulaciones completas del torneo. La frecuencia con que cada selección resultó campeona permitió estimar su probabilidad de ganar el Mundial.
Los resultados
- 🥇 España: 24%
- 🥈 Argentina: 18%
- 🥉 Francia: 10%
Lo más interesante, sin embargo, no fueron los porcentajes.
Fue recordar que toda simulación es una simplificación de la realidad.
Un modelo no predice el futuro
Por eso, estos resultados no son una predicción del Mundial. Son una estimación de probabilidades condicionada a un conjunto explícito de supuestos.
Monte Carlo no intenta adivinar el futuro. Intenta responder una pregunta distinta:
“Si el mundo se comportara según este modelo y estos supuestos, ¿qué resultados esperaríamos observar?”
Y esa diferencia es fundamental.
Un modelo nunca representa la realidad tal como es; representa una aproximación útil bajo ciertas hipótesis. Su valor no está en acertar exactamente qué ocurrirá, sino en ayudarnos a razonar bajo incertidumbre y entender cómo cambian los resultados cuando cambian los supuestos.
La misma técnica se utiliza mucho más allá del fútbol: evaluación de riesgo, demanda, infraestructura, finanzas y cualquier problema donde obtener una solución exacta sea demasiado costoso o, simplemente, inviable.
¿Quién ganará el mundial? Hagan sus apuestas.
Nota: después de ejecutar Fable las 20.000 simulaciones me quedé sin tokens por una semana.
#MonteCarlo #DataScience #LLM #AgenticAI #WorldCup2026