GTO Gecko GTO Gecko Ver mi puntuación

¿Cuánto se tarda en ser bueno en poker? 3 millones de decisiones lo dicen

Categoría: Fundamentos | Fecha: 21 de noviembre de 2026 | Autor: GTO Gecko
¿Cuánto se tarda en ser bueno en poker? 3 millones de decisiones lo dicen

Más rápido de lo que la mayoría espera, y durante más tiempo del que la mayoría aguanta. Leímos cada historial de entrenamiento sincronizado de la base de datos de GTO Gecko, 3,002,300 decisiones calificadas por el solver de 3,026 jugadores, y nos hicimos una sola pregunta: ¿cuántas manos, y cuántas horas, hacen falta para que un jugador cometa de forma medible menos errores? Las primeras 1,000 decisiones calificadas llevan unas tres horas y media y reducen los errores un 13%. Quienes siguen adelante los reducen un 20% a las 5,000 decisiones y un 27% para su día de entrenamiento número 30. Y lo que practicas se queda: tras un parón de dos meses, los jugadores vuelven sin haber empeorado.

Aviso: GTO Gecko desarrolla el trainer del que provienen estos datos. Todo lo que sigue son datos observacionales de producto, con el método y sus límites explicados en lenguaje claro. Nada de esto es una promesa sobre tus resultados en las mesas.

¿Qué medimos?

Cada decisión en el trainer de GTO Gecko se califica contra la estrategia del solver para ese spot exacto y se guarda. El 21 de noviembre de 2026 ese archivo contenía 3,002,300 decisiones en 1,759,785 manos, jugadas por 3,026 jugadores desde febrero de 2025: 8,855 horas de entrenamiento activo. Los jugadores acertaron el 84.6% de esas decisiones. Aquí, un error significa que la decisión recibió la calificación Error o Blunder: una acción que el solver toma rara vez o nunca y que regala más del 1% del bote (un blunder regala más del 5%). Eso ocurrió en el 11.1% de las decisiones.

Tres reglas mantienen honestas las curvas. Primero, cohortes fijas: cada punto de una curva contiene a los mismos jugadores, así que ninguna tendencia se debe a quién entró o quién se fue. Segundo, cada jugador cuenta una sola vez, para que unos pocos usuarios muy activos no arrastren el promedio. Tercero, y nuevo en este estudio, comparamos lo comparable. El trainer no mantiene siempre la misma dificultad: los jugadores empiezan con rangos de apertura y pasan a botes de 3-bet, turns y rivers, donde todo el mundo falla más. La tasa de errores bruta apenas se mueve en un jugador al que no paran de darle spots más difíciles. Por eso cada decisión se compara con cómo les va a todos los demás jugadores en el mismo tipo de spot (mismo trainer, formato, calle, tipo de bote, posiciones y configuración de tamaños de apuesta). El resultado es un índice: 1.00 significa tantos errores como el jugador promedio en esos spots, 0.90 significa un 10% menos. Los intervalos son intervalos bootstrap del 95% sobre jugadores.

¿Cuántas manos hasta cometer menos errores?

Unas mil decisiones calificadas para el primer paso claro, y la curva sigue bajando después. Entre los 539 jugadores que llegaron a 1,000 decisiones, el índice de errores cayó de 1.25 en su primer centenar a 1.09 en el décimo: 13% menos errores (intervalo: 9% a 17%), y el 61% de ellos mejoró. En términos brutos, su tasa de errores pasó del 13.7% al 12.6% mientras los spots se volvían más difíciles.

Quienes se quedaron siguieron mejorando. Los 108 jugadores que llegaron a 5,000 decisiones empezaron un 13% peor que el pool en los spots que les tocaron y terminaron un 10% mejor: 20% menos errores (intervalo: 13% a 26%), con el 73% de ellos por delante de donde empezaron. Sus blunders cayeron en el mismo 20%. A las 10,000 decisiones la caída es del 21%, y la tasa de errores bruta de esos 51 jugadores pasó del 12.4% al 9.7%.

Errores frente al pool en los mismos spots, a lo largo de las primeras 5,000 decisiones entrenadas 0.90 1.00 1.10 1.20 primeras 500 decisionesdecisiones 4,501-5,000 13% más errores que el pool10% menos
Índice de errores (1.00 = tantos errores como el jugador promedio en los mismos spots), en bloques de 500 decisiones. Los mismos 108 jugadores en todo momento.

¿Cuántas horas lleva eso?

Menos que un fin de semana. El jugador mediano toma 269 decisiones calificadas por hora de entrenamiento activo, unas 151 manos. Las primeras 1,000 decisiones llevaron una mediana de 3.4 horas (la mitad central de los jugadores: de 2.6 a 4.3 horas), repartidas en 8 días de entrenamiento. Una mesa en vivo reparte de 25 a 30 manos por hora y una mesa online de 75 a 100, y la mayoría las foldeas. Las 1.76 millones de manos de este conjunto de datos mantendrían ocupada una mesa en vivo durante unas 65,000 horas. En el trainer llevaron 8,855.

Manos por hora: trainer frente a juego en mesa Trainer de GTO Gecko151 manos / hora Cash game online, una mesa~75 Mesa en vivo de casino~27
Ritmo en el trainer: mediana de 1,432 jugadores con 100 o más decisiones, tiempo de entrenamiento activo. Ritmos en mesa: estimaciones del sector (ver fuentes).

Si se mide con el reloj en lugar de por manos, el panorama es el mismo. En su décima hora de entrenamiento, 197 jugadores cometieron 18% menos errores que en la primera (intervalo: 12% a 23%), y el 73% de ellos había mejorado. Medido en días en los que el jugador entrenó, la caída es del 22% para el día de entrenamiento 20 (222 jugadores) y del 27% para el día 30 (110 jugadores; intervalo: 16% a 36%). Nadie se está dando atracones: un día de entrenamiento típico son 38 decisiones en ocho minutos y medio, y el 68% de las sesiones dura menos de diez minutos.

Errores frente al pool, hora a hora, a lo largo de las primeras 10 horas de entrenamiento 0.90 1.00 1.10 1.20 hora 1hora 10 19% más errores que el pool2% menos
Índice de errores por hora de entrenamiento activo. Los mismos 197 jugadores en todo momento; el 73% de ellos mejoró.

¿Se queda lo que practicas en un spot?

Sí, y por partida doble. Primero, la repetición funciona en el spot que repites. Las primeras cinco veces que un jugador se encuentra con un tipo concreto de spot (por ejemplo, enfrentar un 3-bet en posición en el flop en un cash game), lo juega mal el 11.7% de las veces. Para las repeticiones 51 a 100 es el 9.2%: 21% menos errores en el mismo spot. Eso se cumple para 248 jugadores en 2,226 spots, cada uno visto al menos 100 veces, con un 99.98% de confianza por bootstrap.

Tasa de errores en un spot según cuántas veces lo ha enfrentado el jugador 11.7%veces 1-5que ve el spot 10.9%6-10 10.6%11-20 10.1%21-50 9.2%51-100
Tasa de errores en el mismo tipo de spot, por repetición. 248 jugadores y los 2,226 spots que cada uno vio al menos 100 veces.

Segundo, la habilidad no se escapa cuando paras. Encontramos 381 regresos de 266 jugadores tras un parón de 30 días o más (el parón mediano fue de 58 días). En las tres sesiones previas al parón jugaron mal el 12.7% de las decisiones. En la primera sesión al volver: 12.5%. Comparando lo comparable, no hay pérdida medible (una mejora del 2%, con un intervalo que va de un 9% mejor a un 5% peor). Es justo lo que predice la investigación sobre el aprendizaje. En el estudio más conocido sobre el aprendizaje potenciado por la evaluación, los estudiantes a los que se evaluó repetidamente recordaban el 61% del material una semana después, frente al 40% de los que lo releyeron. Un trainer es un examen en cada mano.

Tasa de errores antes y después de un parón de 30 días o más 12.7%Últimas tres sesionesantes del parón 12.5%Primera sesión al volverparón mediano: 58 días
381 regresos de 266 jugadores tras 30 días o más sin jugar. Cambio comparable: 2% menos errores (intervalo: de 9% menos a 5% más).

¿Qué partes del juego mejoran más rápido?

El river es donde los jugadores más pierden y donde más hay por ganar. Se juega mal en el 21.8% de las decisiones, casi el triple que el flop.

Tasa de errores por calle River21.8% mal jugadas Turn10.8% Preflop9.7% Flop7.7%
Porcentaje de decisiones calificadas como Error o Blunder, sobre las 3,002,300 decisiones.

Comparando lo comparable, a lo largo de las primeras 1,000 decisiones de un jugador en cada calle, los errores bajaron un 17% en preflop, un 15% en el flop, un 13% en el river y un 8% en el turn. Los jugadores de cash game mejoraron más rápido que los de torneos en sus primeras 1,000 decisiones (18% frente a 8%), probablemente porque el entrenamiento de torneos abarca muchas más profundidades de stack. La curva más empinada es la de los botes a tres bandas, que la mayoría de los jugadores nunca ha estudiado: dentro de las primeras 500 decisiones a tres bandas, la tasa de errores cayó del 14.6% al 11.0%, una cuarta parte menos (41 jugadores).

¿A dónde va realmente el EV?

A los folds. Clasificamos los 326,639 errores de chip-EV por tipo. Foldear cuando el solver continúa es solo el 20% de los errores, pero el 36% de todo el EV perdido: 2.7 ciegas grandes cada uno en promedio, el doble de lo que cuesta continuar cuando lo correcto era foldear (1.3 bb). El blunder promedio cuesta 3.1 bb, y la mitad cuesta más de 1.1 bb. Un jugador ganador sólido gana unas 5 bb por cada 100 manos, así que un solo hábito inadvertido de foldear demasiado puede borrar un win rate. Si quieres ver tu propia versión de esta tabla, para eso sirve un leak finder.

A dónde va el EV perdido por errores, por tipo de error Foldear demasiado36% del EV perdido Continuar cuando tocaba foldear20% Muy agresivo (apostar o subir)17% Muy pasivo (pasar o pagar)17% Tamaño equivocado y otros10%
Porcentaje de las ciegas grandes perdidas en 326,639 errores de chip-EV. Foldear demasiado es el 20% de los errores y el 36% del coste: 2.7 bb cada uno en promedio.

¿Hasta dónde puedes mejorar?

La curva no se ha aplanado donde terminan nuestros datos. Los 21 jugadores con 20,000 decisiones o más jugaron mal el 11.0% de sus primeras 2,000 y el 7.6% de las decisiones 18,001 a 20,000, un 31% menos. Dieciocho de los 21 mejoraron. El rating dentro de la app cuenta la misma historia en un solo número: entre los 539 jugadores con 1,000 decisiones subió de 1,265 a 2,557, y el 97% de ellos terminó por encima de donde empezó. El rating es una puntuación de progreso, no un bankroll, pero solo sube cuando las decisiones coinciden con el solver.

Tasa de errores a lo largo de las primeras 20,000 decisiones entrenadas 6% 8% 10% 12% primeras 2,000 decisionesdecisiones 18,001-20,000 11.0% de errores7.6%
Tasa de errores en bloques de 2,000 decisiones para los 21 jugadores con 20,000 decisiones o más. 18 de los 21 mejoraron.

¿Ayuda entrenar con más frecuencia?

Un poco, y no cuesta nada. Los jugadores que entrenaron 10 días o más en su primer mes (525 jugadores) ganaron una mediana de un punto de precisión entre sus primeras 100 decisiones y sus últimas 100. Los que entrenaron cuatro días o menos (215 jugadores) no ganaron nada. La diferencia es pequeña y los grupos no son aleatorios, así que tómalo como un empujón, no como una ley. Aun así apunta en la misma dirección que la mayor revisión sobre la distribución de la práctica jamás realizada (839 evaluaciones), donde la práctica espaciada superó al estudio concentrado en 259 de 271 comparaciones directas. Para un plan semanal basado en esto, consulta cómo practicar poker.

¿Qué no pueden decirte estos datos?

Cuatro cosas. Son observacionales: no hay un grupo de control que no entrenara. Las curvas largas solo contienen a los jugadores que decidieron seguir; su nivel inicial era parecido al de todos los demás (una tasa de errores del 13.3% en sus primeras 100 decisiones para quienes pasaron de 5,000, frente al 14.2% de quienes pararon antes de 500), pero quedarse sigue siendo una elección. Son decisiones en el trainer, no resultados en las mesas, y nada de esto promete ganancias. Y el índice comparable depende de qué se considera el mismo tipo de spot; usamos el trainer, el formato, la calle, el tipo de bote, las posiciones y la configuración de tamaños de apuesta, y recurrimos a grupos más amplios cuando un spot era poco frecuente.

Nuestro análisis de agosto siguió a los primeros 100 jugadores sesión a sesión y reportó tasas brutas. Con diez veces más jugadores quedó claro que las tasas brutas dependen de qué spots sirve el trainer, y por eso este estudio compara lo comparable. El post de agosto sigue publicado tal cual, junto con la investigación sobre por qué funcionan los drills y sobre si el poker es o no un juego de habilidad.

Entonces, ¿cuánto se tarda en ser bueno en poker?

Nadie puede prometerte un win rate, pero la parte medible se ve así:

La rutina que respaldan los datos es corta y concreta: entrena casi todos los días unos minutos, repite los spots que juegas mal hasta que dejen de costarte, y revisa a fondo tus folds. Todo eso es justo como está pensado para usarse el trainer de GTO Gecko.

Preguntas frecuentes

¿Cuántas manos hacen falta para ser bueno en poker?

En 3,002,300 decisiones de entrenamiento calificadas, la primera mejora clara (13% menos errores) llegó en menos de 1,000 decisiones, unas 560 manos. Los jugadores que llegaron a 5,000 decisiones cometieron un 20% menos de errores, y los que pasaron de 20,000, casi un tercio menos. En las mesas, la investigación publicada sobre 456 millones de manos sitúa el punto en el que la habilidad pesa más que la suerte en torno a 1,500 manos.

¿Cuántas horas al día deberías estudiar poker?

Minutos, no horas. Un día de entrenamiento típico en nuestros datos son 38 decisiones calificadas en ocho minutos y medio, y el 68% de las sesiones dura menos de diez minutos. Los jugadores que entrenaron 10 días o más en su primer mes mejoraron; los que entrenaron cuatro o menos, no.

¿Pierdes habilidad en el poker si te tomas un descanso?

No de forma medible. Tras parones de 30 días o más (mediana: 58 días), 266 jugadores jugaron mal el 12.5% de las decisiones en su primera sesión al volver, frente al 12.7% justo antes del parón.

¿El poker es habilidad o suerte?

En una sesión, suerte. En una muestra, habilidad. Un estudio de 456 millones de manos online encontró que la habilidad domina al azar una vez que los resultados se miden sobre unas 1,500 manos, y nuestros datos muestran que la propia habilidad se puede entrenar: los jugadores cometen de forma medible menos errores cuanto más practican. El post anterior cubre esa investigación en detalle, y qué significa el poker GTO explica la estrategia contra la que califica el trainer.

Corrige un leak cada semana