¿La IA sustituirá a la oficina principal en los deportes profesionales?

Con predicciones precisas de la disponibilidad de los jugadores para todos los jugadores activos, la toma de decisiones impulsada por la IA mejora drásticamente en torno a tres dimensiones: 1) Gestión del riesgo: si un receptor abierto productivo se lesiona, por ejemplo, un equipo podría invertir más en refuerzos con talento para minimizar la caída del rendimiento del equipo durante una lesión. 2) Entrenamiento e intervenciones específicas: si la IA sugiere que un jugador es propenso a lesionarse, los equipos pueden dirigirse a ese jugador con regímenes de entrenamiento, nutrición u otros regímenes personalizados. para reducir la probabilidad de lesión. Como alternativa, un equipo puede optar por reducir la carga de trabajo del jugador y reducir también el riesgo. 3) Decisiones de personal: al identificar los factores que predicen una lesión u otra falta de disponibilidad, los equipos pueden reclutar, cambiar o adquirir jugadores que crean que tienen más probabilidades de estar disponibles durante toda la temporada. Además, los equipos pueden optar por cambiar a jugadores por los que parezca probable que se lesionen.

••• El 15 de marzo de 2023 marcó el inicio oficial de la nueva temporada de la National Football League. También significó el inicio del[período de agencia libre](https://www.nbcsports.com/boston/patriots/nfl-free-agency-tracker-2023-top-players-signings-start-time-cap-space), cuando los equipos hacen tratos con jugadores que ya no tienen contrato con sus antiguos equipos, cada nuevo contrato puede significar literalmente millones de dólares del presupuesto del equipo. Por eso es fundamental reclutar bien. Como cualquier empresa, los ejecutivos de la NFL y los líderes de otros equipos deportivos profesionales deben tomar decisiones sobre la mejor manera de asignar sus limitados presupuestos, haciendo apuestas informadas sobre el ROI que obtendrán con los activos (jugadores, en este caso), incluso en relación con el rendimiento esperado (dentro y fuera del campo), las futuras lesiones y otros factores. Pero, ¿y si este año la IA pudiera decirnos cuántos partidos le quedan a un jugador en su carrera, cuántos puntos marcará la próxima temporada o si sufrirá una lesión grave en un futuro próximo? Si bien la agencia libre y otros mecanismos de contratación existen desde hace décadas, _cómo_ las decisiones sobre los jugadores que se toman están cambiando rápidamente. En concreto, la aplicación de tecnologías basadas en la IA a enormes conjuntos de datos deportivos está mejorando la capacidad de la oficina principal para tomar decisiones sobre los jugadores: a quién reclutar, desarrollar, bancar o cambiar. Y cambiará el funcionamiento de todos los deportes profesionales de forma permanente. Pero, ¿la IA sustituirá pronto a las oficinas principales de los equipos deportivos? Si bien esta nueva tecnología no cabe duda de que está aumentando la toma de decisiones humanas, no creemos que sustituya a los equipos de dirección general en un futuro próximo, en el deporte u otros negocios. ## **Un poder predictivo que cambia las reglas del juego** En medio de un número cada vez mayor de ofertas centradas en los deportes basadas en la IA, algunas tienen como objetivo ayudar a los responsables de la toma de decisiones de los equipos a predecir las lesiones y la longevidad de los atletas. Conocer la probabilidad de lesionarse dentro de un período de tiempo específico tiene un gran impacto en la contratación, ya que los equipos naturalmente se centrarían en que los jugadores permanezcan libres de lesiones durante más tiempo. Los ejecutivos del sector siempre han tenido una intuición basada en la experiencia sobre los factores que intervienen en las lesiones, como el tiempo y el «kilometraje» en el campo de juego. A veces estas predicciones son ciertas, pero a menudo no. La diferencia ahora es que la IA puede respaldar algunos conocimientos convencionales (en la NFL, por ejemplo, un receptor abierto de más de 30 años es más propenso a lesionarse y a otros desafíos, por ejemplo), pero también puede proporcionar estimaciones mucho más específicas de la probabilidad de lesión o disminución del rendimiento, y lo que eso significa para la disponibilidad de un jugador determinado y lo que eso podría costar al equipo. Una empresa,[API de probabilidad](https://probility.ai/), afirma tener una precisión del 96% a la hora de predecir qué jugadores se perderán tiempo la próxima temporada. Los ejecutivos pueden utilizar estos resultados para pasar de «Creo que probablemente sea un factor importante» a «Sé que es un factor importante y pueden estimar su impacto y su coste con una confianza sin precedentes». Los conocimientos generados por la IA van mucho más allá de los existentes o los respaldados por la intuición. Por ejemplo, Probility AI entrenó sus modelos de predicción de lesiones en datos de equipos específicos de la NFL, junto con otras fuentes de datos públicas y privadas, para entender el impacto de factores como el lugar donde un jugador determinado fue a la universidad, las combinaciones de entrenadores principales y asistentes con los que jugó y las consiguientes exigencias de práctica y carga de trabajo. Si bien estos conocimientos incipientes merecen más investigación, muestran hasta qué punto puede llegar la IA en sus análisis predictivos. Como resultado, en lugar de que los directores generales traten de conseguir el mejor receptor ancho de la historia, pueden encontrar el mejor receptor _para su equipo,_ basado en las predicciones de la IA sobre las lesiones y el rendimiento futuros. Dado que los jugadores suelen tener diferentes duraciones profesionales y resultados de rendimiento previstos con diferentes entrenadores, condiciones de campo o compañeros de equipo, esto crea una situación de arbitraje en la que el valor de mercado de los jugadores varía según el equipo en el que juegue el jugador. Varios equipos de la NFL están desplegando tecnologías de IA, desde Probility AI y[otras fuentes](https://www.brookings.edu/blog/techtank/2021/03/18/how-the-nfl-is-using-ai-to-evaluate-players/), por una buena razón: no hacerlo los pondría en desventaja frente a sus pares equipados con IA. Por supuesto, estos modelos también se utilizan en otros deportes, como [fútbol y baloncesto](https://fortune.com/2022/12/22/artificial-intelligence-is-the-new-competitive-edge-in-sports/) para generar valor, y en todos los sectores empresariales para[mejorar las actividades](https://www.forbes.com/sites/forbesbusinesscouncil/2022/11/21/the-top-five-ways-ai-is-transforming-business/?sh=139d9da98e7f) incluidas las decisiones informadas, el aumento de la productividad y el mejor servicio a los clientes. ## **Aumento, no reemplazo** Entonces, a medida que la IA adquiera capacidades predictivas en las dimensiones clave del deporte (lesiones, horarios comerciales, otras), ¿sustituirá a la oficina principal? En resumen, no. Por ahora, piense en la IA como _aumentando_ toma de decisiones humanas. No sustituirá a los ejecutivos, sino que los ayudará a tomar mejores decisiones, especialmente en áreas en las que es más probable que se cometan errores y sesgos humanos, como basar la contratación en gran medida en la intuición y hacer «lo que antes funcionaba». Dónde el[Movimiento Moneyball](https://techcrunch.com/2016/04/02/moneyball-is-dead-long-live-moneyball/) de los últimos 20 años se ha centrado en utilizar las estadísticas de los jugadores de una manera mucho más rigurosa y sistemática, la IA utiliza el aprendizaje más profundo para hacer predicciones aún mejores sobre el rendimiento. Con predicciones precisas de la disponibilidad de los jugadores para todos los jugadores activos, la toma de decisiones ha mejorado drásticamente en torno a tres dimensiones: - **Gestión de riesgos:** Si es probable que un receptor abierto productivo se lesione, por ejemplo, un equipo podría invertir más en suplentes con talento para minimizar la caída del rendimiento del equipo durante una lesión. - **Formación e intervenciones específicas:** Si la IA sugiere que un jugador es propenso a lesionarse, los equipos pueden apuntar a ese jugador con un entrenamiento, una nutrición u otros regímenes personalizados para reducir la probabilidad de que se lesione. Como alternativa, un equipo puede optar por reducir la carga de trabajo del jugador y reducir también el riesgo. - **Decisiones de personal:** Al identificar los factores que predicen una lesión u otro tipo de falta de disponibilidad, los equipos pueden reclutar, cambiar o adquirir de otro modo jugadores que crean que tienen más probabilidades de estar disponibles durante toda la temporada. Además, los equipos pueden optar por cambiar a jugadores por los que parezca probable que se lesionen. Los ejecutivos expertos también integrarán la predicción de lesiones en la toma de decisiones financieras. Es decir, la IA no solo genera predicciones sobre la disponibilidad de los jugadores, sino que también puede introducirlas en un motor de toma de decisiones financieras, lo que permite a los líderes de equipo crear métricas detalladas sobre la productividad esperada por cada dólar gastado. Por ejemplo, un corredor del que se prevé que juegue solo el 50% de los partidos en un año determinado pasa a ser, funcionalmente, el doble de caro que uno con un coste similar que podría jugar todos los partidos. Al tener en cuenta el precio pagado por resultado (yardas ganadas, tacleadas realizadas, puntos anotados, otros), los equipos pueden asignar su dinero de la manera más eficiente posible, optimizando la productividad por cada dólar gastado. Sin embargo, la tecnología por sí sola no es suficiente. Si bien el software puede analizar el motor de los jugadores y la asignación de recursos, el juicio y la tolerancia al riesgo de los ejecutivos deportivos deberán eventualmente elegir entre las inevitables compensaciones y dictar las decisiones que se toman. Compartimos más sobre esto en la última sección. Aun así, la IA ha cambiado las reglas del juego en los deportes profesionales y está sustituyendo a la toma de decisiones informales o incluso basadas en estadísticas como motor de un sistema integral impulsado por los macrodatos y un poder predictivo sin precedentes. Es fácil entender cómo unas predicciones mejores, generadas por la IA, tendrían un enorme impacto en cualquier empresa. Una analogía cercana en este caso sería predecir cuándo se vería afectado el desempeño de los trabajadores en industrias que requieren mucha mano de obra, como la construcción, o cuándo los grandes equipos, como los que alimentan las plantas de fabricación o las refinerías, funcionarían mal o fallarían, y tomar medidas preventivas antes de que se produzca un incidente costoso. El enfoque se aplicaría a cualquier empresa con recursos anticuados. En términos más generales, pronosticar la demanda de cualquier cosa, desde ropa hasta maíz, permitiría a los líderes empresariales tomar mejores decisiones en materia de producción, incluso en relación con la cadena de suministro y otras áreas. Otros algoritmos basados en la IA podrían hacer predicciones sobre la competencia. La lista es interminable y la IA ya se ha aplicado de estas y otras formas en todos los sectores, lo que ayuda a explicar por qué las empresas emergentes de IA recibieron[casi 1.400 millones de dólares en financiación](https://www.businessinsider.com/artificial-intelligence-trends-2023-business-healthcare-2023-1) en 2022. ## **No se salga de los límites** Por supuesto, el uso de la IA predictiva tiene limitaciones, lo que refuerza aún más la idea del aumento frente al reemplazo. Con respecto a la predicción de las lesiones de la NFL, por ejemplo, si bien la nueva tecnología puede guiar las decisiones sobre la contratación, los intercambios y cuánto pagar a un jugador determinado, el equipo técnico tiene que pensar estratégicamente en la dinámica de todo el equipo. La IA puede decirle que es hora de reemplazar a un corredor propenso a lesionarse por un jugador con un perfil determinado, pero un ejecutivo tendrá que pensar en la mejor manera de integrar al nuevo recluta en el equipo. Al fin y al cabo, el riesgo total se extiende entre todos los jugadores y sus interacciones. También en este caso, la IA entiende mejor el panorama general de los equipos y sus implicaciones, empezando por los deportes con equipos titulares más pequeños, como[hockey](https://uwaterloo.ca/news/media/artificial-intelligence-makes-it-faster-easier-analyze), que no pone a más de seis jugadores en el hielo a la vez. Además, es importante entender que las ofertas basadas en la IA no ofrecen una «respuesta» definitiva, sino que hacen una predicción con un intervalo de confianza en torno a ella. Ese intervalo se reducirá a medida que la tecnología mejore, pero siempre habrá cierta flexibilidad en relación con la predicción y ahí es, una vez más, donde el juicio humano es fundamental. Al final, la IA es sin duda un punto de inflexión para los deportes, ya que da a las oficinas principales y a los entrenadores un poder predictivo sin precedentes para tomar una gama cada vez mayor de decisiones con grandes implicaciones en el rendimiento y la rentabilidad, proporciona a los jugadores información para ampliar sus carreras y hace que más jugadores jueguen, lo que entusiasma a los aficionados. Pero sigue siendo una historia de aumento, en la que los líderes, que utilizan las nuevas tecnologías para fundamentar su intuición basada en la experiencia, deben tomar decisiones estratégicas lo mejor que puedan y mantener la responsabilidad por lo que ocurre en el campo y el balance.