La IA puede corregir (o repetir) el efecto de la edad relativa
En las categorías por edad, un jugador nacido en enero puede tener casi doce meses más que otro nacido en diciembre. Hasta cierta edad, eso se nota en la fuerza y la velocidad. Es el llamado efecto de la edad relativa: en muchas selecciones juveniles hay más nacidos en los primeros meses del año.
Si un modelo de IA se entrena con datos históricos de quién fue seleccionado o ascendido, puede aprender ese patrón y repetirlo: recomendará a los más desarrollados y pasará por alto a los que aún no crecieron. Así un sesgo humano se convierte en un sesgo automático.
La IA también puede ayudar a corregirlo. Si los datos incluyen el mes de nacimiento o una estimación de la madurez física, un modelo puede comparar a cada jugador con otros de su misma etapa de desarrollo, no solo de su mismo año.
La clave es diseñar los sistemas con este problema en mente y revisar sus resultados: si todos los recomendados nacieron en los mismos meses, algo falla.