Cómo transforma la inteligencia artificial el rendimiento y la toma de decisiones en el deporte

UNIR Revista

La IA permite anticipar riesgos, personalizar entrenamientos y mejorar el análisis del juego. Expertos reunidos en Foro UNIR explicaron sus aplicaciones reales y advirtieron de que ningún algoritmo puede sustituir el conocimiento humano.

Los 7 puntos claves del Foro UNIR

1. La interpretación es más importante que la acumulación de datos: La IA permite procesar un volumen de información antes inabarcable, pero ese avance solo resulta útil cuando los profesionales comprenden el contexto y convierten los resultados en decisiones aplicables.
2. Los modelos deben resolver necesidades deportivas concretas: El desarrollo de una métrica comienza con una pregunta del cuerpo técnico, el área de scouting o la dirección deportiva. Analistas, metodólogos e ingenieros deben trabajar juntos durante todo el proceso.
3. La predicción no equivale a una explicación: Los algoritmos han aumentado su capacidad para anticipar resultados, aunque no siempre aclaran sus causas. En rendimiento y salud es necesario avanzar hacia sistemas comprensibles y explicables.
4. La prevención de lesiones trabaja con probabilidades: La carga, la fatiga, el descanso o la edad ayudan a identificar riesgos, pero ninguna herramienta puede predecir una lesión con certeza absoluta. El criterio profesional sigue siendo imprescindible.
5. El fichaje depende del talento y del contexto: Una puntuación individual no determina el éxito de una incorporación. También deben estudiarse el encaje con el entrenador, el modelo de juego, los compañeros y la estrategia del club.
6. La tecnología ahorra tiempo y amplía el acceso: La automatización acelera informes, análisis y procesos de selección. Además, dispositivos asequibles permiten trasladar algunas aplicaciones de la élite al deporte de base y a la actividad física.
7. El futuro exige perfiles híbridos y formación continua: El sector necesita especialistas capaces de conectar la ciencia del deporte, la analítica y la tecnología. La experiencia humana y las competencias digitales deberán desarrollarse de manera complementaria.

La inteligencia artificial está transformando el deporte, pero disponer de más datos no garantiza por sí solo mejores decisiones. La tecnología permite automatizar procesos, reconocer patrones, anticipar escenarios y personalizar los entrenamientos; sin embargo, su eficacia depende de la calidad de la información, de un modelo deportivo sólido y, sobre todo, de profesionales capaces de interpretar los resultados. Esta fue una de las principales conclusiones del Foro UNIR ‘Qué está haciendo la IA en el deporte: datos para tomar decisiones’.

Participaron en el evento Anselmo Ruiz de Alarcón, analista de datos de la selección masculina de fútbol de Estados Unidos; Moisés Falces, doctor en Ciencias de la Actividad Física y del Deporte, especializado en alto rendimiento en fútbol; e Ignacio Vázquez Cabrera, technical analyst en SkillCorner y especialista en analítica de datos aplicada al fútbol. La periodista Ana Gugel moderó un encuentro que abordó la ciencia del deporte, el rendimiento, el análisis de datos y el desarrollo de nuevas métricas.

Ruiz de Alarcón comenzó mostrando el estado actual de una tecnología que ya se emplea en ámbitos tan diversos como el análisis biomecánico, la prevención de lesiones, la selección de talento, la preparación de competiciones o la gestión de clubes. Su avance permite que tareas antes costosas y reservadas a grandes organizaciones puedan realizarse ahora con herramientas mucho más accesibles.

La visión computacional, por ejemplo, facilita el seguimiento de movimientos, articulaciones y trayectorias sin necesidad de colocar sensores a todos los deportistas. En disciplinas como la natación, el atletismo o los deportes colectivos, esta posibilidad abre nuevas vías para estudiar el rendimiento propio y el de los rivales. El cambio libera tiempo dedicado hasta ahora a preparar la información y permite concentrarlo en comprenderla.

“Los modelos han ganado mucho poder predictivo, pero han perdido poder explicativo”, advirtió Ruiz de Alarcón en el foro. La afirmación resume uno de los principales desafíos de la IA: un sistema puede acertar con frecuencia y, al mismo tiempo, no ofrecer una explicación comprensible de las causas. En ámbitos como la salud o el riesgo de lesión, saber por qué se produce una predicción resulta tan importante como conocer su resultado.

Anselmo Ruiz de Alarcón, analista de datos de la selección masculina de fútbol de Estados Unidos.

Del dato a una métrica que resuelva problemas reales

La creación de una herramienta útil no comienza por el algoritmo, sino por una necesidad deportiva concreta. Ignacio Vázquez explicó que el proceso exige una comunicación continua entre clubes, cuerpos técnicos, analistas, especialistas en metodología e ingenieros. El primer paso es determinar si el objetivo consiste en mejorar el scouting, estudiar al rival o evaluar el rendimiento individual.

A partir de ahí, se diseñan métricas, se analizan vídeos y se utilizan sistemas de visión computacional para extraer información. Los primeros resultados se comparan entre jugadores, competiciones y niveles de rendimiento. Tras recibir la valoración de los clubes, el modelo se reajusta y se entrena con secuencias reales hasta obtener un indicador que pueda incorporarse al trabajo cotidiano.

El procedimiento puede resumirse en varias fases:

• Definir el problema deportivo y la decisión que se desea mejorar.
• Seleccionar las variables que representan correctamente esa necesidad.
• Entrenar y comprobar el modelo con situaciones reales de competición.
• Contrastar sus resultados con analistas, técnicos e ingenieros.
• Revisar la métrica cuando cambian el contexto o las necesidades del club.

Ignacio Vázquez Cabrera, technical analyst en SkillCorner y especialista en analítica de datos aplicada al fútbol.

“Una métrica solo aporta valor cuando responde a las necesidades del cuerpo técnico y permite tomar una decisión”, sostuvo Vázquez. La utilidad de los datos, por tanto, no reside en acumularlos, sino en convertirlos en información comprensible, contextualizada y aplicable.

Entrenar mejor sin apartar la experiencia profesional

Moisés Falces trasladó esta lógica al terreno de juego. Los patrones reconocidos por los modelos predictivos pueden utilizarse para diseñar tareas ajustadas a la forma de competir de un equipo. Si el cuerpo técnico quiere trabajar una presión alta, media o baja, los datos ayudan a establecer la duración del ejercicio, el número de repeticiones y la densidad de acciones que debe asumir cada jugador.

La información procedente del GPS y de los sistemas de seguimiento permite conocer el perfil locomotor, las aceleraciones, las desaceleraciones y otras exigencias de la competición. La IA agiliza después la recopilación y la elaboración de informes. Procesos que antes requerían veinte o treinta minutos pueden resolverse en solo unos pocos minutos, dejando más tiempo para observar, interpretar y decidir.

Esa rapidez no elimina el valor de la experiencia. Un modelo no siempre conoce el estado emocional de un jugador, sus relaciones con el grupo, un viaje especialmente exigente o una circunstancia familiar que haya alterado su descanso. “La tecnología nos puede ayudar mucho, pero no debemos perder la parte humana”, afirmó Falces. El rendimiento continúa siendo el resultado de una interacción compleja entre dimensiones físicas, tácticas, psicológicas y sociales.

Moisés Falces, doctor en Ciencias de la Actividad Física y del Deporte, especializado en alto rendimiento en fútbol.

Predecir lesiones y fichajes sin caer en falsas certezas

La prevención de lesiones muestra con claridad las posibilidades y limitaciones de la IA. Los sistemas pueden detectar perfiles de riesgo a partir de la carga acumulada, la fatiga, el descanso, la edad, el estado madurativo o la frecuencia de determinadas acciones. No obstante, el cuerpo humano sigue siendo demasiado complejo como para asegurar que una lesión se producirá en un momento concreto.

Según Falces, estas estimaciones deben servir para prestar atención, ajustar cargas y aplicar medidas preventivas, no para formular diagnósticos infalibles. Un joven que acaba de incorporarse al deporte de élite puede no estar preparado para determinadas exigencias, mientras que un deportista con problemas de descanso puede presentar un riesgo mayor aunque sus métricas físicas parezcan normales.

Algo similar sucede en la captación de talento. Ruiz de Alarcón recordó que una puntuación general no basta para decidir un fichaje. Además de valorar las capacidades del deportista, resulta imprescindible estudiar su encaje con el entrenador, el modelo de juego y sus futuros compañeros. La IA puede enriquecer esa evaluación, pero también empobrecerla si se reduce una persona a un percentil.

Para emplear los modelos con mayor rigor, los expertos recomendaron:

• Analizar la eficiencia del mercado y los errores habituales de evaluación.
• Valorar al deportista dentro de un contexto y no mediante una escala aislada.
• Incorporar el encaje con el entrenador, el sistema y los compañeros.
• Utilizar ventanas temporales suficientemente amplias.
• Evitar que una predicción automática se convierta en una decisión incuestionable.

“La valoración de un jugador debe incluir su calidad, su encaje con el modelo de juego y la química con sus compañeros”, explicó Ruiz de Alarcón. Esta mirada poliédrica permite superar ciertos usos simplistas de los datos y comprender por qué un deportista puede rendir de manera muy distinta en dos equipos.

Vázquez expuso una aplicación concreta en las direcciones deportivas: emplear el lenguaje natural y la IA para filtrar futbolistas según el perfil solicitado. Frente a una búsqueda entre miles de candidatos, el sistema puede seleccionar las métricas relevantes y reducir el análisis inicial a una lista de diez o quince nombres. Después corresponde a los profesionales estudiar los vídeos, el contexto y la adecuación de cada opción.

“La IA es una herramienta que nos permite ahorrar tiempo y dinero y nos ayuda a tomar buenas decisiones”, señaló Vázquez. Su aportación no consiste en elegir automáticamente a un futbolista, sino en reducir el universo de búsqueda y proporcionar evidencias para que la dirección deportiva decida con mayor conocimiento.

Formación, especialización y acceso a la tecnología

Las aplicaciones analizadas no se limitan a la alta competición. En el deporte de base, los centros de entrenamiento y la actividad física orientada a la salud, la IA también puede favorecer una atención más individualizada. Las aplicaciones móviles y los relojes inteligentes ofrecen ya algunas funciones que hace pocos años requerían sistemas de miles de euros.

Ruiz de Alarcón aconsejó registrar las sesiones, siempre con el consentimiento de los deportistas, para conservar la experiencia acumulada y analizar posteriormente las decisiones. “La inteligencia artificial contribuye a que podamos disponer de más tiempo para analizar y ofrecer una atención personalizada”, afirmó. También recomendó trasladar los procesos a lenguajes de programación para no depender por completo de una plataforma determinada.

La adaptación debe ser progresiva. Falces recordó la evolución desde el papel y el bolígrafo hasta las hojas de cálculo, las herramientas de visualización y la actual figura del sport scientist. “El futuro son los datos: hay que manejar la tecnología y, sobre todo, saber interpretarla”, subrayó. Los profesionales con experiencia pueden aportar conocimiento deportivo, mientras los perfiles más familiarizados con las nuevas herramientas facilitan la transición digital.

Vázquez coincidió en que no todos necesitarán el mismo dominio técnico. Algunos especialistas trabajarán directamente con el código y otros se concentrarán en formular las preguntas adecuadas, interpretar predicciones o traducirlas al lenguaje del entrenador. “Siempre necesitaremos personas con experiencia que se detengan a pensar qué nos están diciendo los datos”, afirmó.

El Foro UNIR concluyó que la IA marcará un antes y un después en el deporte, pero su avance no reduce la importancia del especialista: la aumenta. Los modelos pueden procesar información, anticipar escenarios y acelerar tareas, pero necesitan datos fiables, preguntas relevantes y profesionales capaces de explicar sus resultados. La verdadera ventaja competitiva surgirá de combinar tecnología, paciencia, formación y criterio humano para tomar decisiones más fundamentadas.

Los mensajes principales de los participantes

Anselmo Ruiz de Alarcón:

• “Los modelos han ganado mucho poder predictivo, pero han perdido poder explicativo”.
• “La valoración de un jugador debe incluir su calidad, su encaje con el modelo de juego y la química con sus compañeros”.

Moisés Falces:

• “La tecnología nos puede ayudar mucho, pero no debemos perder la parte humana”.
• “El futuro son los datos: hay que manejar la tecnología y, sobre todo, saber interpretarla”.

Ignacio Vázquez Cabrera:

• “Una métrica solo aporta valor cuando responde a las necesidades del cuerpo técnico y permite tomar una decisión”.
• “Siempre necesitaremos personas con experiencia que se detengan a pensar qué nos están diciendo los datos”.