La locura de marzo reclamó mi experimento de IA

      (NOTA: Este artículo es parte de una serie en curso que documenta un experimento con el uso de IA para llenar los brackets de la NCAA y ver cómo se compara con años de experiencia humana. El artículo original es el siguiente.)

      Esta es la entrada final de mi serie sobre el uso de IA para ayudar a jugar en las piscinas de March Madness. Como la mayoría de las historias, esperaba que esta tuviera un final feliz. Sin embargo, mi experimento utilizando ChatGPT para ayudar a completar mis brackets del torneo de la NCAA se resume mejor como cerca, pero sin cigarros.

      Y aun así, todavía llamaría al experimento un éxito.

      Eso puede sonar extraño viniendo de alguien que no ganó. Pero una de las lecciones más grandes de este ejercicio es que la IA mejoró mi proceso más de lo que mejoró la certeza. En otras palabras, me ayudó a pensar mejor, incluso si no pudo eliminar la locura.

      La semana pasada, estaba emocionado de haber acertado 13 de los 16 equipos en la ronda de los Sweet 16. Mis brackets estaban cerca de la parte superior de la clasificación, y comenzaba a pensar que realmente podría lograrlo. Luego llegó el caos clásico de marzo.

      NCAA

      En una piscina con 65 brackets, todavía estoy cerca de la cima — empatado en segundo lugar en un bracket y empatado en sexto en otro — lo cual no es un desastre. Tenía a Arizona y Michigan avanzando correctamente en un lado del bracket, pero fallé completamente en el otro. Había proyectado que Duke y Florida se enfrentarían en las semifinales, con Duke ganando al final. Hubo una cierta justicia kármica en que Duke terminara recibiendo un Hail Mary al estilo Laettner, pero también terminó con mis posibilidades de ganar.

      Aún así, al entrar en los Elite Eight, mis brackets estaban en el percentil 98 de 26 millones de entradas en ESPN. No puedo decir honestamente que habría estado allí sin la ayuda de la IA. Y lo más importante, salí con un conjunto de lecciones que usaré el próximo año — porque sí, lo haré de nuevo.

      Mejor proceso, misma locura

      La conclusión central es simple.

      La IA no produjo un milagro, pero sí produjo un mejor proceso.

      En lugar de llenar un bracket basado en una intuición vaga, resúmenes recientes o cualquier equipo que pareciera imbatible en una tarde de sábado, tenía una forma más estructurada de pensar sobre el campo. La IA me ayudó a organizar la decisión, comparar resultados probables con elecciones contrarias de mayor riesgo, y resaltar algunas de las variables que más importan en el juego del torneo.

      Ese marco funcionó. Identificó correctamente muchos de los equipos más fuertes. Me evitó cometer algunos de los errores perezosos habituales. Me empujó hacia un bracket más disciplinado y menos emocional.

      NCAA

      Lo que no hizo fue derogar las leyes del baloncesto de eliminación simple.

      Esa es una distinción importante, y una que se aplica más allá del deporte. La IA puede mejorar el juicio. No puede eliminar la volatilidad.

      Poner más peso en el impulso de finales de temporada

      Una de las lecciones más claras de este torneo es que no di suficiente crédito a los equipos que estaban calentando en el momento adecuado.

      ¿De dónde vinieron Illinois e Iowa?

      Sí, ambos eran buenos equipos en lo que claramente fue la conferencia más fuerte del país este año. Pero no los vi eliminando a un sembrado No. 1 en Florida y a un sembrado No. 2 en Houston. Estaban alcanzando su mejor forma tarde, y no le di suficiente peso a eso.

      El próximo año, prestaré más atención a quién está jugando realmente su mejor baloncesto en marzo, en lugar de apoyarme demasiado en métricas de toda la temporada. Un currículum de toda la temporada sigue importando, por supuesto. Pero en un torneo como este, la forma puede importar casi tanto como la calidad subyacente.

      NCAA

      En términos empresariales, es la diferencia entre evaluar una empresa en base a doce meses de resultados y reconocer que algo significativo ha cambiado en las últimas seis semanas.

      Poner más peso en los entrenadores, no solo en los jugadores

      También salí convencido de que subestimé el coaching.

      Sí, los jugadores son los que están en la cancha. Pero los entrenadores importan enormemente en marzo, especialmente en un formato de eliminación directa donde la preparación, los ajustes, las sustituciones y la compostura pueden cambiar toda una temporada.

      Dan Hurley recordó a todos, una vez más, por qué es una fuerza en este entorno. ¿John Scheyer? No tanto.

      El próximo año, dedicaré más tiempo a observar qué entrenadores han demostrado consistentemente que pueden navegar el caos del baloncesto de torneo. El talento sigue siendo la base. Pero el coaching a menudo es el multiplicador de fuerzas.

      Aceptar los límites de la previsión

      NCAA

      Esta puede ser la lección más grande de todas.

      La previsión — incluso cuando es ayudada por IA — es buena para identificar patrones amplios. Es mucho menos confiable cuando se trata de predecir exactamente lo que una persona en particular, o un equipo en particular, hará en un día específico.

      Un equipo de baloncesto universitario son solo cinco adolescentes en la cancha al mismo tiempo. Adolescentes muy talentosos, sí, pero aún así adolescentes. Y cualquiera que haya pasado tiempo alrededor de jóvenes sabe que tienen altibajos, cambios de humor, grandes días, días malos y momentos en los que todo de repente se descontrola. A veces, esos cambios ocurren en medio de un juego de torneo.

      Si estos emparejamientos fueran series al mejor de cinco o al mejor de siete, habría menos sorpresas. Pero en un entorno de eliminación directa, es mucho más fácil para Cenicienta tener el último baile.

      Eso no es un fracaso de la IA. Es solo un recordatorio de que algunos entornos son inherentemente ruidosos. El torneo está diseñado para convertir pequeñas ventajas en resultados dramáticos. Por eso lo vemos.

      En el mundo real, la IA es a menudo más útil de lo que es en una piscina de brackets.

      Las piscinas de brackets son una prueba particularmente implacable.

      NCAA

      Aquí, tenía que estar en lo correcto sobre si Connecticut vencería a Duke. No había crédito parcial por identificar a ambos como excelentes equipos. Era puramente binario: ganar o perder, correcto o incorrecto.

      En el mundo real, muchas de las decisiones donde uso IA no funcionan así.

      Hace años, uno de mis profesores dijo que cuanto más difícil es una elección, menos importa a menudo la decisión. Hay mucha sabiduría en eso. Si te pido que elijas entre un antiguo Yugo y un Porsche Macan, decidirás al instante. Y si de alguna manera eliges el Yugo, lo lamentarás por el resto de tu vida. Pero si te pido que elijas entre un Porsche Macan y un BMW X3, de repente tienes una decisión real. Podrías comparar confiabilidad, comodidad, especificaciones y rendimiento. Pero lo más probable es que aún termines con un excelente coche.

      Así es como la IA es útil en muchos entornos del mundo real. Puede que no siempre identifique la única mejor opción en retrospectiva, pero a menudo puede reducir el campo a varias opciones muy fuertes. Eso sigue siendo extremadamente valioso.

      NCAA

      Lo mismo ocurre con la inversión, la planificación y la investigación. La IA puede ayudar a identificar caminos prometedores, resultados probables y opciones sensatas. ¿Siempre elegirá al ganador de todos los tiempos? Por supuesto que no. Pero puede mantenerte alejado de errores obvios y ayudarte a tomar una decisión mejor informada.

      Sugerencias, no decisiones

      Eso, para mí, es la forma más saludable de pensar sobre la IA.

      Recientemente, visitamos Lima, Perú, y utilicé ChatGPT extensamente para ayudar a decidir qué ver y dónde comer. ¿Fueron los lugares que visitamos las diez mejores opciones absolutas de la ciudad? No tengo idea. Pero, ¿estuvimos felices con el viaje? Absolutamente. ¿Tengo alguna sensación persistente de haberme perdido algo? Ninguna en absoluto.

      Eso es lo que parece una buena asistencia de IA.

      Ayuda a clasificar una abrumadora cantidad de información y presenta opciones sólidas. La calidad de esas opciones depende en gran medida de la calidad de la solicitud. Cuanto más claramente expliques tus intereses, limitaciones, presupuesto y preferencias, mejores serán las sugerencias.

      Pero siguen siendo sugerencias.

      No estamos ni cerca del punto en el que alguien debería entregar la responsabilidad de su vida a un modelo de IA. Ni deberíamos querer hacerlo.

      Lo que haré diferente el próximo año

      El próximo año, pondré más peso en el impulso de finales de temporada, más peso en el coaching y más peso en la volatilidad. Seré menos confiado en los favoritos vulnerables y más alerta a los equipos que parecen peligrosos incluso si su sembrado dice lo contrario.

      Igualmente importante, entraré en el ejercicio con una mejor comprensión de lo que la IA puede y no puede hacer.

      NCAA

      Puede mejorar el proceso. Puede agudizar el análisis. Puede ayudar a organizar la incertidumbre.

      Lo que no puede hacer es hacer que marzo deje de ser marzo.

      Nos vemos el próximo año

      Así que sí, March Madness reclamó mi experimento de IA al final.

      Pero también demostró que el experimento valió la pena.

      La IA no entregó un bracket perfecto.