Nuestra Historia

De una Raspberry Pi con 4GB de RAM a un sistema de 6 modelos ML que genera valor real. Esta es nuestra historia.

La Trayectoria

12+ años al otro lado de la mesa

La mayoría de la gente que construye sistemas de apuestas aprendió sobre la industria desde fuera. Leyendo libros. Viendo vídeos. Adivinando cómo funcionan las casas. Nosotros no tuvimos ese problema.

La persona detrás de AIBG-126 lleva 12+ años trabajando dentro de la industria del betting deportivo — no como apostador, sino como quien fija los mercados. Estableciendo las cuotas. Gestionando el riesgo. Construyendo los mismos sistemas que la mayoría de apostadores intenta batir.

Head of Motorsports Trading
Construyó desde cero un departamento completo de trading para motor: F1, MotoGP, NASCAR, IndyCar, Fórmula E — pricing carrera a carrera, trading en vivo, gestión de riesgo basada en modelos. Si alguna vez has apostado en un Gran Premio, alguien como nosotros estaba al otro lado.
Trader Deportivo y Analista de Riesgo
4+ años como analista in-play y trader en las grandes ligas europeas. Ajuste de cuotas en tiempo real, gestión de exposición, detección de dinero inteligente. Aprendes muy rápido quién apuesta por valor y quién no.
Compliance y Regulación
Experiencia multi-jurisdiccional en marcos regulatorios UKGC, MGA y ANJ. Entender cómo los mercados regulados estructuran las cuotas, qué restricciones imponen, y dónde se esconden las ineficiencias.

Cuando decidimos construir AIBG-126, no estábamos intentando descifrar una caja negra. Ya sabíamos qué había dentro. Sabíamos cómo se hacen las cuotas, dónde los modelos se quedan cortos, dónde el betting público crea valor. Y usamos todo eso para construir un sistema desde dentro hacia fuera.

El Origen

Finales de 2023 · La chispa que lo inició todo

Todo empezó con una pregunta que no nos dejaba dormir: ¿Por qué siempre gana la casa?

No era frustración de apostante perdedor. Era fascinación matemática. Las casas de apuestas tienen equipos de PhDs, modelos estadísticos avanzados, flujos de datos en tiempo real. Tienen un edge. Y ese edge les hace ganar consistentemente mientras el 95% de los apostantes pierde dinero a largo plazo.

Pero había algo más interesante: el mercado de apuestas tiene ineficiencias. Las cuotas no siempre reflejan la probabilidad real. A veces porque el mercado reacciona tarde a información nueva. Otras porque la masa de apostantes apuesta con emoción, no con matemática. Y esas ineficiencias son oportunidades.

Pensamos: ¿Y si construimos el mismo tipo de edge que tienen las casas, pero para nosotros? ¿Y si usamos machine learning para detectar esas ineficiencias antes de que el mercado se corrija?

Esa pregunta se convirtió en obsesión. Y esa obsesión se convirtió en AIBG-126.

La Raspberry Pi

Primavera 2024 · Construyendo lo imposible con casi nada

Las especificaciones
Raspberry Pi 400 · 4GB RAM · ARM Cortex-A72 · Tarjeta SD de 128GB

No teníamos presupuesto para servidores en la nube. No teníamos GPUs de miles de euros. Teníamos una Raspberry Pi 400—básicamente un teclado con un ordenador integrado—y determinación absoluta.

4GB de RAM. Para poner esto en perspectiva: un modelo de XGBoost puede ocupar 2-3GB solo cargando datos. Entrenar 6 modelos en paralelo era imposible. Tuvimos que aprender a ser creativos.

Optimización de memoria extrema
Cargábamos datos en chunks pequeños. Entrenábamos un modelo, guardábamos resultados, liberábamos memoria, pasábamos al siguiente. Un proceso que en un servidor normal tarda 15 minutos tardaba 3 horas en la Pi.
Entrenamientos nocturnos
Poníamos los modelos a entrenar antes de dormir. Te levantabas a las 7 AM esperando ver resultados. A veces funcionaba. A veces había crasheado a las 4 AM por falta de memoria. Vuelta a empezar.
Ingeniería de características manual
Con recursos limitados, cada variable importaba. Calculábamos a mano qué features tenían más impacto predictivo. Menos datos, más inteligentes.

Pero funcionó. Los modelos convergían. Las predicciones eran coherentes. Y cuando comparábamos nuestras probabilidades calculadas con las cuotas del mercado... encontrábamos edges reales.

"Las limitaciones te obligan a ser mejor. No teníamos potencia bruta, así que tuvimos que ser inteligentes."

Los 6 Modelos

Por qué cada uno ve el fútbol de forma diferente

Un solo modelo puede ser brillante en ciertos escenarios y fallar en otros. Un ensemble de 6 modelos diferentes, cada uno con su propia "visión" del juego, es donde está el verdadero poder.

Poisson
El clásico. Asume que los goles siguen una distribución estadística predecible basada en tasas de ataque y defensa. Brillante para mercados Over/Under y BTTS.
Bayesian Network
Maneja incertidumbre como ningún otro. Actualiza probabilidades cuando hay nueva información (lesiones, clima, cambios de alineación). Esencial para picks en vivo.
Dixon-Coles
Evolución del Poisson diseñada específicamente para fútbol. Ajusta para partidos de bajo scoring (0-0, 1-0) donde Poisson falla. Time-decay incluido: partidos recientes pesan más.
Elo Rating
Ratings dinámicos de equipos que evolucionan con cada partido. Un equipo que gana contra un rival fuerte sube más que ganando a uno débil. Simple, pero increíblemente efectivo.
Random Forest
Analiza 50+ variables simultáneamente: forma reciente, H2H, lesiones, clima, descanso entre partidos. Encuentra patrones que los modelos estadísticos tradicionales no ven.
XGBoost
El heavy hitter. Gradient boosting optimizado que aprende de los errores de iteraciones previas. Selección automática de features. El modelo más preciso en backtesting.

No usamos un solo modelo. Usamos el consenso ponderado de los 6. Cuando todos coinciden, la confianza es máxima. Cuando discrepan, sabemos que hay más incertidumbre. Esa información es tan valiosa como la predicción misma.

El Salto

Verano 2024 · Cuando la visión superó las limitaciones

La Raspberry Pi nos enseñó a ser eficientes. Pero llegó un momento donde la eficiencia no era suficiente. Queríamos hacer backtesting sobre 10 años de datos. Queríamos probar ensembles de más modelos. Queríamos iterar rápido.

No podíamos esperar 3 horas para cada entrenamiento. No podíamos crashear a mitad de proceso. Necesitábamos potencia.

NucBox M5 Plus
AMD Ryzen 7 5825U · 64GB RAM (16x más que la Pi) · 2TB NVMe · Ubuntu Server 24.04

El cambio fue transformador. Lo que tardaba 3 horas ahora tardaba 12 minutos. Podíamos entrenar los 6 modelos en paralelo. Podíamos cargar datasets completos en memoria. Podíamos experimentar con hyperparameters sin miedo al crash.

Pero lo más importante: podíamos automatizar. Cron jobs para scraping de datos. Scripts para actualización de modelos. Pipelines para detección de edge en tiempo real. El sistema pasó de manual a autónomo.

"La Raspberry Pi nos enseñó a pensar. La NucBox nos permitió escalar."

La Transparencia Total

Por qué cada pick es público y rastreado

El mundo del tipster está plagado de estafas. Vendedores de humo que publican solo las victorias. Screenshots editados. "Récords" inventados. Cherry-picking extremo.

Desde el día uno, nuestra regla fue simple: todo se publica, todo se rastrea, nada se oculta.

1. Cada pick publicado ANTES del evento
No hay "picks retrospectivos". Si no está en el canal de Telegram con timestamp verificable antes del kickoff, no cuenta.
2. Victorias Y derrotas tracked
No escondemos los picks perdidos. El track record incluye cada resultado, sin excepción. W-L-V público y actualizado diariamente.
3. Edge calculado y publicado
No solo decimos "apuesta esto". Explicamos por qué: probabilidad calculada, cuota implícita, edge estimado. Educación, no solo picks.
4. API pública con todos los datos
Cualquiera puede consultar nuestro API y verificar cada estadística. ROI, win rate, profit/loss, todo computable independientemente.
Los números actuales (190+ picks rastreados)
96W-86L-3V · +13.80 unidades de profit · 6.77% ROI · Cada pick verificable

¿Por qué tanta transparencia? Porque el value betting funciona a largo plazo, no en 10 picks. No necesitamos ocultar nada. La matemática hace su trabajo. Las rachas perdedoras existen y las mostramos. Las rachas ganadoras también, y no las exageramos.

Nuestro track record no es perfecto. Pero es real. Y eso vale más que cualquier screenshot falso.

La Visión

Hacia dónde vamos desde aquí

AIBG-126 empezó como un experimento. Se convirtió en un sistema funcional. Ahora es una comunidad de personas que entienden que las apuestas no son suerte—son matemática aplicada.

Nuestra misión no es solo generar picks ganadores. Es educar sobre value betting. Enseñar por qué el 95% de los apostantes pierde incluso cuando acierta. Mostrar que el edge, no la intuición, es lo que separa a los ganadores de los perdedores a largo plazo.

Los próximos pasos:

Expandir a más deportes
Baloncesto, tenis, e-sports. El framework de 6 modelos es adaptable. Solo necesitamos datos históricos suficientes.
Picks en vivo (live betting)
Las cuotas cambian durante el partido. Las ineficiencias se amplifican. Queremos detectar edges en tiempo real.
Comunidad de aprendizaje
No solo picks. Workshops sobre gestión de bankroll, psicología de apuestas, interpretación de modelos. Queremos elevar el nivel.
Open source (eventualmente)
Cuando el sistema esté maduro, queremos liberar parte del código. Que otros aprendan, mejoren, construyan sobre lo que hicimos.
"Empezamos con una Raspberry Pi y una idea. No sabemos dónde terminará esto. Pero sabemos que el camino merece la pena."

Esto no es una startup de Silicon Valley con millones en funding. Es un proyecto construido por pasión, mantenido por resultados, impulsado por transparencia. Y eso es exactamente lo que lo hace especial.

Únete a la Historia

Picks diarios, edge calculado, transparencia total. Gratis en Telegram.

Unirse a @AIBG126