Dos entrenadores ven el mismo partido, sentados en el mismo banquillo, mirando al mismo jugador durante los mismos noventa minutos.
Al terminar, uno dice: "Ha hecho un partidazo." El otro responde: "Yo hoy le habría puesto un 5."
Ninguno de los dos improvisa. Ambos llevan años entrenando. Ambos han visto crecer a decenas de jugadores. Ambos quieren, genuinamente, ayudar a este en concreto a mejorar.
Y sin embargo, sus conclusiones no coinciden.
Esta escena se repite cada fin de semana en cualquier categoría de fútbol base, casi siempre sin que nadie se detenga a preguntarse por qué pasa. La respuesta habitual —"cada entrenador tiene su ojo"— da por cerrada una pregunta que en realidad tiene bastante recorrido científico detrás.
Qué dice la evidencia
La investigación sobre cómo evalúan los entrenadores y ojeadores de fútbol —y de otros deportes— lleva más de una década estudiando lo que en la literatura científica se llama fiabilidad interevaluador: el grado de acuerdo entre distintos evaluadores que observan lo mismo. El cuadro que dibuja es más matizado de lo que parece a primera vista.
El desacuerdo existe. En un estudio con 83 ojeadores de fútbol base clasificando a los mismos jugadores sub-11, el acuerdo entre ellos fue prácticamente nulo (coeficiente de Krippendorff entre 0,02 y 0,09 según el grupo, en una escala donde 0 equivale a un acuerdo indistinguible del azar y 1 al acuerdo total). Ochenta y tres personas, formadas para detectar talento, mirando a los mismos chavales — y su clasificación final apenas coincidió más de lo que coincidiría el puro azar.
Lüdin D, Donath L, Romann M. "Disagreement between talent scouts: Implications for improved talent assessment in youth football." Journal of Sports Sciences, 2023;41(8):758-765.
No es un caso aislado. En un campus de judo de cuatro días, un grupo de entrenadores expertos evaluó repetidamente a los mismos atletas, en siete momentos distintos. En ninguno de esos siete momentos hubo un consenso amplio: como máximo, coincidieron unánimemente en la clasificación de dos deportistas de los 24 evaluados, incluso aplicando un umbral relativamente permisivo.
También ocurre entre entrenadores del mismo equipo, no solo entre ojeadores que no se conocen. Un entrenador principal y su ayudante, viendo los mismos entrenamientos, mostraron una concordancia entre moderada y sustancial (ω entre 0,48 y 0,68) al clasificar las cualidades físicas de sus jugadores. Esa concordancia era alta al comparar a los más destacados y a los más flojos, pero se debilitaba notablemente entre jugadores de nivel similar.
¿Significa esto que el ojo del entrenador no sirve? No. Este desacuerdo entre evaluadores no implica que el criterio individual de un entrenador sea poco consistente: los propios entrenadores describen sus decisiones de talento como basadas en un "instinto" que integra motivación, inteligencia de juego y habilidades técnico-físicas. Estudios previos muestran que un mismo entrenador puede mantener valoraciones estables cuando aplica repetidamente sus propios criterios de talento — es la idea que desarrollamos en el ojo del entrenador tiene validez científica. La cuestión aquí es otra: qué ocurre cuando esos criterios no son compartidos entre distintos evaluadores.
¿Basta entonces con poner una plantilla de evaluación común? Tampoco es tan simple. Un experimento con 96 entrenadores y ojeadores comparó valorar el rendimiento de un jugador de forma estructurada frente a hacerlo de forma libre y holística, usando como criterio de validez el valor de mercado posterior del jugador. La fiabilidad entre evaluadores resultó pobre en ambas condiciones, y estructurar la recogida de información y combinarla mecánicamente no mejoró ni la fiabilidad ni la validez predictiva — de hecho, la valoración libre y holística obtuvo un resultado ligeramente mejor, aunque la diferencia fue pequeña.
Bergkamp TLG, Meijer RR, den Hartigh RJR, Frencken WGP, Niessen ASM. "Examining the reliability and predictive validity of performance assessments by soccer coaches and scouts." Psychology of Sport and Exercise, 2022;63:102257. · Roberts AH, Greenwood D, Humberstone C, Raynor AJ. "Pilot study on the reliability of the coach's eye." Frontiers in Sports and Active Living, 2020;2:596369. · Dugdale JH, Sanders D, Myers T, Williams AM, Hunter AM. "A case study comparison of objective and subjective evaluation methods of physical qualities in youth soccer players." Journal of Sports Sciences, 2020;38(11-12):1304-1312.
Cómo puede interpretarse en el fútbol base
Cruzando estos hallazgos, aparece un patrón que conviene leer con cuidado, porque no dice exactamente lo que a primera vista podría parecer.
Que un entrenador tenga un criterio válido no significa que todos los entrenadores interpreten igual un mismo rendimiento.
Son dos preguntas distintas, aunque suelen confundirse — en la literatura científica se las conoce como fiabilidad intraevaluador y fiabilidad interevaluador, y no son lo mismo. La primera (fiabilidad intraevaluador) responde a una pregunta: si un mismo entrenador vuelve a evaluar al mismo jugador más adelante, ¿le pondría una nota parecida? Los estudios de esta sección sugieren que sí, cuando aplica su propio criterio de forma estable. La segunda (fiabilidad interevaluador) responde a otra: si dos entrenadores observan al mismo jugador el mismo día, ¿coinciden entre ellos? Y ahí es donde aparece el desacuerdo. Según la evidencia disponible, un entrenador puede tener una fiabilidad intraevaluador alta —muy consistente consigo mismo— y, al mismo tiempo, una fiabilidad interevaluador baja —discrepar bastante de otro entrenador igual de consistente con su propio criterio— no porque uno de los dos "falle", sino porque cada uno puede estar observando, priorizando o ponderando aspectos distintos del rendimiento.
Tampoco parece razonable concluir, a partir del estudio de Bergkamp (2022), que basta con "estructurar una evaluación cualquiera" para que mejore automáticamente: ese experimento concreto, sobre una intervención estructurada concreta y una predicción concreta (el valor de mercado futuro del jugador), no encontró esa ventaja. Lo que sí sugieren estos resultados, de forma más prudente, es que una parte del desacuerdo entre evaluadores puede no deberse a que el criterio individual de cada uno carezca de valor, sino a que distintos entrenadores seleccionan, ponderan y traducen de manera diferente la información que observan — sin que la evidencia disponible permita descartar otras causas, como el tipo de tarea evaluada, el tiempo de observación disponible, la información previa sobre el jugador, o la dificultad inherente de predecir el potencial futuro.
El hallazgo de Dugdale et al. —que el acuerdo entre entrenadores es alto en los extremos pero se diluye al comparar jugadores de nivel similar— encaja con esta lectura: distinguir a un jugador claramente superior o claramente por debajo del grupo no exige demasiado consenso; el matiz aparece precisamente donde más se necesita el detalle, al comparar a jugadores parecidos entre sí, que es justo donde las decisiones de desarrollo (quién necesita más trabajo en qué aspecto) resultan más delicadas.
Visto así, la pregunta que abre este artículo —"¿por qué dos entrenadores ven al mismo jugador de forma diferente?"— podría tener una respuesta algo más precisa que "porque cada uno tiene su ojo": puede que ambos tengan un buen ojo, y que simplemente estén mirando por ventanas distintas.
Hay un matiz adicional que se deriva de esto y que suele pasar desapercibido, y que quizá sea la idea más útil de todo el artículo. Si el desacuerdo entre evaluadores es mayor precisamente donde más importa (jugadores de nivel similar, que son los que generan las decisiones de desarrollo más delicadas), el propio desacuerdo entre dos entrenadores sobre un mismo jugador podría leerse no como un error a promediar sin más ni como un fallo que hay que ocultar, sino como una señal en sí misma: información sobre que ese jugador concreto está en una zona donde vale la pena que ambos entrenadores comparen qué vieron exactamente —qué momento del partido, qué gesto técnico, qué actitud— antes de asumir que uno de los dos "se equivocó" y quedarse solo con la nota promedio. El desacuerdo, visto así, no es ruido a eliminar: es información sobre dónde merece la pena mirar con más detalle.
Reflexión final
Quizás la pregunta que de verdad importa a un club no sea cómo conseguir que todos sus entrenadores piensen igual —algo que ni parece realista ni sería necesariamente deseable, porque esa diversidad de miradas suele ser parte de lo que hace valioso a un cuerpo técnico—, sino si existe algún lenguaje compartido que permita que esas miradas distintas, cuando se ponen por escrito, signifiquen algo parecido para quien las lee después: el propio jugador, otro entrenador del club dentro de dos temporadas, o el coordinador que intenta entender por qué un chaval subió o bajó de nivel de un año a otro. La evidencia disponible no parece apoyar que exista un único modo correcto de evaluar a un jugador. Sí sugiere, en cambio, que el desacuerdo entre entrenadores forma parte de la naturaleza de este proceso — y que, como veíamos antes, ese desacuerdo no es necesariamente ruido a eliminar: es información sobre dónde merece la pena mirar con más detalle.
Quizá el objetivo no sea conseguir que todos los entrenadores vean lo mismo, sino entender mejor por qué, a veces, ven cosas diferentes.
Aplicación práctica
Un club que quiera trabajar sobre esta idea no necesita empezar por buscar la unanimidad entre sus entrenadores. Puede empezar, simplemente, por hacer visibles los desacuerdos que ya existen —y por preguntarse, cuando aparecen, qué es exactamente lo que cada entrenador está mirando.
Referencias
- Lüdin D, Donath L, Romann M. Disagreement between talent scouts: Implications for improved talent assessment in youth football. J Sports Sci. 2023;41(8):758-765. DOI 10.1080/02640414.2023.2239614
- Roberts AH, Greenwood D, Humberstone C, Raynor AJ. Pilot study on the reliability of the coach's eye: Identifying talent throughout a 4-day cadet judo camp. Front Sports Act Living. 2020;2:596369. DOI 10.3389/fspor.2020.596369
- Dugdale JH, Sanders D, Myers T, Williams AM, Hunter AM. A case study comparison of objective and subjective evaluation methods of physical qualities in youth soccer players. J Sports Sci. 2020;38(11-12):1304-1312. DOI 10.1080/02640414.2020.1766177
- Roberts AH, Greenwood DA, Stanley M, Humberstone C, Iredale F, Raynor A. Coach knowledge in talent identification: A systematic review and meta-synthesis. J Sci Med Sport. 2019;22(10):1163-1172. DOI 10.1016/j.jsams.2019.05.008
- Jokuschies N, Gut V, Conzelmann A. Systematizing coaches' 'eye for talent': Player assessments based on expert coaches' subjective talent criteria in top-level youth soccer. Int J Sports Sci Coach. 2017;12(5):565-576. DOI 10.1177/1747954117727646
- Bergkamp TLG, Meijer RR, den Hartigh RJR, Frencken WGP, Niessen ASM. Examining the reliability and predictive validity of performance assessments by soccer coaches and scouts. Psychol Sport Exerc. 2022;63:102257. DOI 10.1016/j.psychsport.2022.102257
SEFS trabaja sobre esta hipótesis práctica
Disponer de criterios compartidos por categorías y posiciones puede ayudar a que las valoraciones de distintos entrenadores sean más comprensibles y comparables dentro del club. No pretende eliminar la subjetividad ni garantiza por sí sola una mayor fiabilidad; busca hacer explícito el marco desde el que cada entrenador observa.
Solicitar información sobre SEFS →Síguenos en Instagram: @sefs_futbolbase para más contenido sobre desarrollo de jugadores.