PROYECTO · DATOS · RESULTADOS
DeepTennisAI: cómo uso IA, datos y cuotas reales para analizar tenis
No intento adivinar marcadores con una frase bonita. Estoy construyendo un proceso que registra la predicción, la enfrenta al precio del mercado y conserva el resultado, también cuando sale mal.
Deep Tennis AI es un proyecto que llevo yo solo. Nació de una incomodidad muy concreta: en tenis abundan los pronósticos, pero cuesta encontrar un historial que permita comprobar qué se publicó, a qué cuota y qué ocurrió después.
El problema no es acertar nombres
Decir que un favorito ganará puede ser correcto y, aun así, no tener valor. Una cuota ya contiene una probabilidad implícita. Si el mercado exige acertar ocho de cada diez veces y el análisis solo justifica siete, el pronóstico puede sonar convincente pero ser una mala decisión.
Además, “quién gana” y “qué apuesta merece la pena” son preguntas distintas. Un jugador puede ganar 2-1, cubrir el mercado de ganador y perder un hándicap de −1,5 sets. Esa diferencia es central para entender los resultados.
Una predicción útil necesita tres piezas: una probabilidad, un precio y una regla que decida cuándo no apostar.
Cómo funciona el sistema
El proceso empieza con los partidos del calendario ATP y Challenger. Para cada cruce recopilo el formato, la superficie, la ronda, datos recientes de los jugadores y cuotas disponibles en varios mercados. No todos los partidos llegan a la fase de análisis: si falta información fiable o precio suficiente, se descartan.
La IA recibe ese contexto y devuelve una lectura estructurada del partido. Después, una capa de reglas comprueba coherencia, calidad y relación entre confianza y cuota. Esa capa determina si existe pick, qué mercado representa mejor la ventaja y qué stake corresponde. La IA propone; el algoritmo de control decide qué puede publicarse.
BO3 y BO5 no son el mismo problema
Los partidos al mejor de tres y al mejor de cinco siguen rutas distintas. La frecuencia de remontadas, el desgaste, los totales y los hándicaps cambian. Tratar un Grand Slam masculino como un ATP 250 introduciría errores matemáticos aunque los nombres de los mercados parezcan iguales.
Deep Signals: reglas públicas, no opiniones
Junto a los Picks Premium existen señales automáticas sobre el ganador del partido: Winner Elite para favoritos fuertes, Tapado IA para selecciones menos obvias y Combi Elite para una combinación diaria. Cada una tiene una regla definida y un histórico visible en Deep Signals.
Qué dicen los datos a 21 de julio de 2026
La plataforma había procesado 2.100 partidos y 2.100 análisis en 83 torneos. En el histórico Premium desde el 1 de mayo había 134 picks registrados: 126 decididos, con 78 victorias y 48 derrotas, y 8 pendientes.
Nota de lectura: estas cifras son una fotografía cerrada del 21 de julio de 2026. “Flat” usa una unidad en la entrada principal; “con stake” respeta el stake registrado. No son una promesa de rendimiento futuro.
La semana que cambió la protección de los hándicaps
Entre el 14 y el 20 de julio se cerraron 27 entradas principales Premium: 12 ganadas y 15 perdidas, para −4,80 unidades flat. El dato interesante apareció al revisar el tipo de error: en 12 de esas 15 derrotas, el jugador seleccionado sí ganó el partido, pero lo hizo por 2-1.
Es decir, la lectura del ganador fue correcta en 24 de 27 partidos, mientras que varios hándicaps de −1,5 sets fallaron por un solo set. El sistema estaba captando bien la superioridad del jugador, pero concentraba toda la exposición en el desenlace más exigente: ganar 2-0.
Necesita una victoria 2-0 en BO3.
También cobra si el jugador vence 2-1.
A partir de esa evidencia añadí un algoritmo de protección para determinados picks BO3: conserva la entrada principal cuando sigue ofreciendo valor y acompaña la selección con una exposición limitada al ganador simple. La distribución usa la confianza, el stake y límites de riesgo; no es una apuesta adicional independiente.
El cambio se aplica únicamente hacia delante. No he recalculado julio ni convertido derrotas históricas en resultados protegidos. Esa separación entre backtest y resultado oficial es necesaria para que el histórico siga siendo auditable.
Lo que la IA no sabe
Un modelo no conoce con certeza una molestia no comunicada, un problema personal o cómo responderá un jugador a un momento límite. Los datos recientes pueden tener muestras pequeñas y las cuotas pueden cambiar. Incluso una ventaja real atraviesa rachas negativas por simple varianza.
Por eso el sistema puede no publicar nada, limita el stake, conserva los fallos y separa los cambios futuros del histórico. El objetivo no es parecer infalible; es hacer que cada decisión pueda revisarse.
COMPRUÉBALO
El histórico está abierto.
Puedes revisar resultados, mercados y periodos sin depender de capturas seleccionadas.
Contenido informativo para mayores de 18 años. Apostar implica riesgo de pérdida. No apuestes dinero que no puedas permitirte perder.