Cómo la revisión AI cambia las decisiones arbitrales y las reclamaciones

Resumen

Este estudio examina cómo afectó el sistema de desafíos Automated Ball-Strike de revisión de lanzamientos de las Grandes Ligas de Béisbol a las decisiones de los árbitros y al comportamiento de los jugadores al solicitar revisiones. Analiza los lanzamientos declarados por los árbitros entre 2015 y 2026, así como los desafíos de la primera temporada del sistema, y compara el límite efectivo de la zona de strike declarada, la coherencia, las respuestas a las decisiones revocadas y qué lanzamientos decidieron impugnar los jugadores.

Los resultados presentados indican que en 2026 el límite se acercó a la zona automatizada, mientras que su coherencia siguió en gran medida la tendencia anterior. Tras decisiones revocadas, los árbitros hicieron ajustes temporales cerca de los límites corregidos, pero no los mantuvieron de forma fiable en el siguiente partido. Persistieron las diferencias relacionadas con la cuenta, mientras se redujeron las asociadas al estatus del jugador. Los jugadores tampoco reclamaron muchas decisiones que podían revocarse; sus elecciones parecían depender más de las pruebas visibles de inmediato que de la geometría exacta de la zona. El estudio ilustra la retroalimentación entre la revisión algorítmica selectiva y el juicio humano, pero la descripción proporcionada no especifica sus métodos estadísticos ni demuestra que estos hallazgos se generalicen más allá de este contexto.

Ideas clave

• La revisión automatizada selectiva puede influir en las decisiones humanas más allá de las jugadas que revoca.
• Los límites arbitrales se acercaron a la zona de strike automatizada durante la primera temporada del sistema.
• Los ajustes tras decisiones revocadas fueron temporales y no se mantuvieron de forma sistemática hasta el siguiente partido.
• Al reclamar decisiones, los jugadores parecían basarse más en pruebas visibles que en la zona automatizada precisa.

Etiquetas

# When the Strike Zone Becomes Algorithmic: Umpire Judgment and Player Challenge Decisions under AI Review


# When the Strike Zone Becomes Algorithmic: Umpire Judgment and Player Challenge Decisions under AI Review









The Automated Ball-Strike challenge system that Major League Baseball adopted in 2026 offers a distinctive setting for studying human AI interaction in which umpires make every ball and strike call, while players can selectively ask an automated system to publicly overturn those decisions. We analyze 4,114,256 called pitches from 2015 through 2026 and 8,447 challenges from the 2026 season to examine how algorithmic review reshapes umpire judgment and player behavior. We study where umpires placed the effective strike zone boundary, how consistently they applied that boundary, how they responded to overturned calls, and which calls players chose to challenge. In 2026, the effective called boundary shifted toward the automated strike zone beyond the trajectory observed in prior seasons, while the consistency of that boundary largely continued its existing trend. Following an overturned call, umpires temporarily adjusted subsequent decisions near the corrected boundary, although these effects did not consistently persist into the next game. Count dependent variation in calling remained, while differences associated with player status narrowed. Players, meanwhile, left many overturnable calls unchallenged and appeared to base challenge decisions more strongly on immediately observable evidence than on the precise geometry of the automated zone. Together, these findings show that selective AI review does more than correct individual errors. It reshapes human judgment, adaptation, and strategic behavior around an algorithmic authority.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.