Il primo test AI sul calcio reale incorona NVIDIA: ChatGPT solo nona, Claude e Grok

Il mondo dell'intelligenza artificiale applicata alle previsioni sportive ha prodotto risultati inaspettati. Il primo benchmark pubblico condotto da scommesse.io, basato su oltre 2300 previsioni reali e 210 simulazioni complete del torneo dei Mondiali 2026, ha messo a nudo una verità scomoda: nel campo della gestione dell'incertezza, la notorietà e la dimensione del modello non coincidono necessariamente con le migliori performance predittive.

La classifica: il trionfo dei modelli meno noti

Il test non si è limitato a contare quante volte un'AI abbia indovinato il vincitore, ma ha utilizzato il ROI (Return on Investment) come metrica principale. Questo parametro premia i modelli capaci di calibrare correttamente l'incertezza e di identificare gli esiti sottovalutati dal mercato.

Perché i "giganti" hanno deluso?

Il dato più sorprendente è l'esclusione delle AI più celebri dalla top 5. Mentre Gemini si difende con un quinto posto, ChatGPT scivola al settimo. Risultati ancora più deludenti arrivano da Claude e Grok, che chiudono la classifica con performance vicine allo zero o in territorio negativo.

Questo accade perché i modelli migliori non sono necessariamente quelli che "sanno di più", ma quelli che pesano meglio la propria incertezza. Il test dimostra che identificare valore dove non è ovvio è una dote distinta dalla pura potenza di calcolo o dalla vastità dei dati di training.

Le "personalità" delle AI: tra geografie e visioni del mondo

Le simulazioni complete hanno evidenziato come ogni modello possieda una sorta di "temperamento". Non si tratta solo di divergenze sui vincitori, ma del modo in cui ciascuna AI distribuisce le probabilità sugli scenari futuri:

• ChatGPT si conferma il modello più imprevedibile: nelle dieci simulazioni indipendenti, ha individuato ben nove campioni del mondo differenti, dimostrando una spiccata propensione a considerare scenari altamente variabili.

• Visioni geopolitiche divergenti: i modelli orientali tendono ad assegnare il titolo al Brasile con maggiore frequenza rispetto ai modelli occidentali, suggerendo che l'ecosistema di sviluppo influenzi implicitamente il peso attribuito agli stessi dati.

• Scenari inattesi: la capacità dei modelli di esplorare l'improbabile ha portato a previsioni singolari, come la vittoria del Ghana (pronosticata da Nemotron) o del Giappone (sostenuta da ChatGPT).

Tre lezioni per il futuro dell'AI

Dall'esperimento emergono tre insegnamenti fondamentali che vanno oltre il calcio:

1. La calibrazione è tutto: La metrica del ROI insegna che l'efficacia di un'intelligenza artificiale risiede nella sua capacità di misurare il proprio limite, non nella quantità di informazioni possedute.

2. I limiti dei dati di training: Errori ricorrenti e la difficoltà nel prevedere gli "upset" (i risultati a sorpresa) nelle fasi a eliminazione diretta rivelano come i modelli siano ancora troppo influenzati dai bias dei dati con cui sono stati addestrati (spesso più orientati a campionati classici che a tornei imprevedibili).

3. Il metodo della ripetizione: Una singola risposta non basta. Il fatto che i modelli forniscano risultati diversi in run consecutive dimostra che, per decisioni importanti, occorre guardare alla distribuzione della probabilità ottenuta tramite simulazioni ripetute, anziché fare affidamento su un singolo "verdetto" dell'AI.