Qué es xG (Expected Goals) y por qué cambió el fútbol moderno
Hubo un tiempo en que un partido de fútbol se resumía con un resultado: 2-1, y listo. No importaba si el equipo que perdió había disparado 20 veces y el que ganó solo remató tres veces al arco por error del portero. Esa brecha entre lo que marcaba el tablero y lo que realmente sucedió en el campo fue exactamente lo que el Expected Goals (xG) vino a medir.
Hoy, con el Mundial 2026 ya en marcha, xG no es un término de nicho para estadísticos. Es el lenguaje que usan los cuerpos técnicos de las 48 selecciones para tomar decisiones tácticas, los modelos de predicción de IA para calcular quién gana, y los comentaristas más informados para explicar por qué un equipo que dominó puede haber perdido igual.
Cómo se calcula el xG: la probabilidad detrás de cada remate
El xG asigna a cada disparo un valor entre 0 y 1. Ese número representa la probabilidad histórica de que un remate desde esa posición, en esas condiciones, termine en gol. Un penal tiene un xG de aproximadamente 0.76: históricamente se convierte en gol el 76% de las veces. Un disparo desde el mediocampo puede tener un xG de 0.01.
Los factores que determinan ese valor son los siguientes:
Distancia y ángulo al arco. Es el factor más determinante. Cuanto más cerca y más centrado, mayor probabilidad de gol. Un remate desde dentro del área chica y al frente puede llegar a 0.90 xG.
Parte del cuerpo. Los remates con la cabeza tienen en promedio un xG más bajo que los de pie, porque son más difíciles de controlar y dirigir con precisión.
Tipo de asistencia. Un centro desde el lateral, un pase filtrado en profundidad o un recorte desde la línea de fondo generan xG distintos. Los pases rasos al corazón del área desde los costados (cutbacks) producen algunas de las chances de mayor calidad en el fútbol moderno.
Posición de rivales y portero. Los modelos de xG más avanzados, como los de StatsBomb o Hudl, incorporan tracking en tiempo real de todos los jugadores. Una chance con el portero fuera de posición vale más que la misma chance con el portero bien ubicado.
Fase de juego. No es lo mismo un remate en jugada organizada que en un contragolpe. Los xG models actuales distinguen la naturaleza del ataque.
La suma de todos los xG de los remates de un equipo en un partido produce el número final. Si Argentina genera chances que suman 2.3 xG y concede chances que suman 0.6 xG, el modelo espera que Argentina gane por una diferencia clara aunque el marcador final pueda ser distinto.
El xG de Messi: el ejemplo más claro de excelencia sostenida
Lionel Messi es el caso de estudio más citado cuando se habla de xG porque su carrera ilustra dos fenómenos opuestos al mismo tiempo.
Durante sus primeros mundiales, Messi superaba constantemente su xG: convertía chances que estadísticamente no deberían entrar con esa frecuencia. Eso define a un goleador de elite: tener una tasa de conversión (goals/xG) superior a 1.0 de forma sostenida en el tiempo.
Sin embargo, en Qatar 2022, donde Argentina ganó el Mundial, Messi acumuló 13 goles en su historia mundialista y fue el máximo asistidor de ese torneo. Su xG total en toda su carrera mundialista es inferior a sus goles reales: prueba matemática de que Messi convirtió chances por encima de lo que el modelo predecía. No fue suerte; fue calidad de definición sostenida durante dos décadas.
Llega al Mundial 2026 a sus 38 años, pero su capacidad de generar xG de alta calidad (busca posiciones dentro del área, no solo remata desde lejos) lo mantiene como un dato activo en cualquier modelo predictivo.
Los jugadores con mayor xG/90 que hay que seguir en el Mundial 2026
El indicador xG/90 (expected goals por cada 90 minutos) normaliza las chances independientemente de cuánto jugó cada jugador. Es el dato más justo para comparar rendimientos.
Estos son los perfiles de jugadores con los registros más altos de xG/90 en sus ligas durante la temporada previa al Mundial, según datos de FBref y Fotmob:
Erling Haaland (Noruega / Man City) — Sus remates de área chica son de los más limpios en términos de xG. Su promedio de xG/90 se ubica consistentemente por encima de 0.80 en liga, aunque Noruega no clasificó al torneo.
Kylian Mbappé (Francia) — 12 goles en mundiales previos, con xG/90 de elite en PSG y Real Madrid. Llega como uno de los máximos candidatos a superar a Klose.
Harry Kane (Inglaterra / Bayern Munich) — Temporadas recientes con más de 0.70 xG/90. Es uno de los delanteros que mejor elige posición para generar chances de calidad.
Lamine Yamal (España) — A sus 18 años, el atacante de Barcelona genera xG desde bandas con precisión inusual para su edad. Su contribución a los sistemas de juego del equipo es difícil de replicar.
Vinicius Jr. (Brasil) — Combina xG de creación de juego con finalizaciones propias. Su xG/90 en Champions League ha superado 0.60 en varias temporadas.
Bukayo Saka (Inglaterra) — Constante, alto volumen de remates desde posiciones favorables. xG/90 por encima del promedio de cualquier extremo europeo de elite.
Pedri (España) — No es un goleador puro, pero genera xG para sus compañeros a través de asistencias con alto valor. Su contribución se mide mejor en xA (expected assists).
Rodri (España) — Su impacto en el medio campo afecta el xG de todo el equipo, no solo sus propios remates.
Raphinha (Brasil) — Temporada en Barcelona con altos volúmenes de xG desde el extremo derecho.
Antoine Griezmann (Francia) — Uno de los jugadores con mayor consistencia histórica en convertir su xG personal. Llega a su cuarto Mundial con credenciales estadísticas sólidas.
Cómo el modelo IA del Mundial 26 usa xG en sus predicciones
El predictor de IA que publicamos antes de cada partido incorpora xG como una de sus variables centrales, pero no la única. El modelo funciona en varias capas:
Capa 1 — xG histórico del equipo. No basta con el xG del último partido. El modelo analiza los últimos 10-15 partidos para calcular el xG promedio generado y concedido por cada selección. Eso filtra el ruido de un partido excepcional.
Capa 2 — xG individual de los titulares esperados. El rendimiento del sistema de juego cambia radicalmente dependiendo de quién ocupa cada posición. El modelo ajusta el xG proyectado según el once probable.
Capa 3 — xG contra el estilo del rival. Un equipo puede generar mucho xG contra equipos que presionan alto pero muy poco contra bloques defensivos compactos. El modelo cruza el xG generado contra el tipo defensivo del oponente.
Capa 4 — Simulación de Monte Carlo. Con los xG proyectados, el modelo corre miles de simulaciones del partido para producir distribuciones de resultado probables, no solo un marcador puntual.
El output que aparece en cada predicción publicada en /predicciones/ incluye el xG proyectado para ambos equipos antes del partido y el xG real registrado después del pitido final para contrastar con el modelo.
Las limitaciones del xG: lo que el modelo no puede capturar
Ningún indicador es perfecto, y el xG tiene límites importantes que hay que conocer para no sobreinterpretarlo.
No mide al portero. Un portero de nivel excepcional puede defender por debajo de su xG concedido durante un torneo entero. Peter Schmeichel, Gianluigi Buffon, Dani Alves en su momento. En el Mundial 2026, porteros como Yann Sommer o Bono pueden cambiar resultados que el xG no anticipa.
No captura context presión. Un remate en el minuto 92 con el marcador 1-0 lleva una presión que modifica la ejecución pero no aparece en el xG del disparo.
Favorece a delanteros posicionales. Jugadores que no rematan mucho pero generan juego para otros (un Luka Modric, un Xavi en sus tiempos) tienen xG bajos que no reflejan su verdadero impacto.
Puede fluctuar por volumen. Un equipo que remata mucho pero desde mala posición acumula xG bajo aunque parezca dominante. El xG castiga la cantidad de disparos si no son de calidad.
Muestra patrones, no garantiza resultados. El xG explica probabilidades en grandes muestras. En un partido individual, la aleatoriedad es alta. Un equipo con 2.5 xG puede perder 1-0; eso no invalida el modelo, significa que el resultado estuvo por debajo del valor esperado.
Esa distinción, la diferencia entre lo que debió pasar y lo que pasó, es exactamente lo que hace al xG la herramienta más honesta que tiene el fútbol moderno para entender el juego más allá del marcador.
Sigue las predicciones con xG en tiempo real antes de cada partido en /predicciones/.
Disclaimer: Las predicciones publicadas en este sitio son generadas por modelos de inteligencia artificial basados en datos estadísticos históricos. No constituyen asesoramiento de apuestas ni garantizan resultados futuros. El fútbol es impredecible por definición. Esta publicación no tiene afiliación oficial con la FIFA ni con ninguna federación. Las imágenes de jugadores utilizadas son de fuentes con licencia pública o generadas por IA con fines ilustrativos.
Publicado por Mundial 26 · IA — Automatiza.ia