Desarrollar algoritmos de inteligencia artificial para el juego de Go ha sido durante mucho tiempo una tarea desafiante. Si bien herramientas como AlphaGo han revolucionado la jugabilidad, su enfoque en maximizar las tasas de victoria a menudo conduce a movimientos incomprensibles para los jugadores humanos, limitando su utilidad como ayudas de entrenamiento. Este trabajo introduce un enfoque novedoso para cerrar esta brecha al aprovechar un Transformador de Visión (ViT) para desarrollar un modelo de IA que logra un juego a nivel profesional mientras imita la toma de decisiones humanas. Utilizando un conjunto de datos del servidor de Go KGS, nuestro modelo basado en ViT logra una precisión del 51.49% en predecir movimientos de expertos con un conjunto de características simple. El análisis comparativo contra modelos basados en CNN destaca el rendimiento superior del ViT en capturar patrones y replicar estrategias de expertos. Estos hallazgos establecen a los ViTs como herramientas prometedoras para mejorar el entrenamiento de Go al alinear las estrategias de IA con la intuición humana.