La IA que Rastrea a los Atletas Favoritos de Tus Hijos

Tu hijo tiene un poster de Memo Ochoa en su cuarto o conoce de memoria las estadísticas de Lionel Messi. Sabe cuántos goles lleva Santiago Giménez, cuántos metros recorre Canelo Álvarez en un ring durante un combate, y qué promedio de bateo tiene su jugador favorito de béisbol de Los Mochis.

Lo que probablemente no sabe — y tú tampoco — es que esas estadísticas no las recoge un cronista con pluma y cuaderno. Las genera un sistema de visión computacional que rastrea a cada atleta 25 veces por segundo.

El problema: los deportes parecen lo más alejado posible de la tecnología

Hay una idea extendida entre los papás de hijos deportistas: el deporte es físico, el talento es lo que importa, y la tecnología es cosa de geeks en oficina. Esa idea está cada vez más divorciada de la realidad de los deportes de alto rendimiento.

El análisis de datos y la visión computacional llevan más de una década transformando cómo se evalúan, entrenan y contratan los atletas profesionales. Lo que Moneyball (la historia de los Oakland Athletics de béisbol en los años 2000) fue para las estadísticas básicas, la visión computacional está siendo para el análisis de movimiento en tiempo real: un salto cuantitativo que está redefiniendo qué información tienen los equipos cuando toman decisiones.

En México, esta transición ya llegó. Club América, Chivas de Guadalajara, Cruz Azul y la Selección Nacional utilizan plataformas de análisis de datos y video. Los departamentos técnicos de los clubes de Liga MX tienen analistas de datos en su nómina, una posición que no existía hace 10 años. Y el béisbol profesional en Sonora y Sinaloa — donde hay una tradición larga y vínculos con las Grandes Ligas — usa tecnología TrackMan en algunos estadios para análisis de pitcheo y bateo.

Si tu hijo es fanático del deporte, hay un camino de carrera detrás de esa pasión que muy pocos papás conocen.

Lo que dice la investigación

La adopción de tecnología en deportes de alto rendimiento está bien documentada:

Sistema	Tecnología base	Aplicación deportiva	Adopción en México
Hawk-Eye	Visión computacional + triangulación	Arbitraje en tenis, cricket, fútbol (VAR)	VAR en Liga MX desde 2018
Second Spectrum	ML + visión computacional	Tracking de jugadores en NBA, Premier League	No directo, pero Liga MX usa sistemas equivalentes
StatsBomb	Análisis de eventos de video	Métricas de rendimiento en fútbol	Clubes de Liga MX con acceso a plataformas de análisis
TrackMan	Radar Doppler + ML	Análisis de pitcheo y bateo en béisbol	Estadios de LMB (Liga Mexicana de Béisbol) seleccionados
Catapult Sports	GPS + acelerómetros + ML	Carga de entrenamiento en fútbol, rugby	Selección Nacional y algunos clubes de Liga MX
Dartfish	Análisis de video con IA	Biomecánica y técnica individual	Atletas olímpicos mexicanos (CONADE)

Un estudio publicado en el Journal of Sports Sciences (2022) demostró que los modelos de ML que predicen rendimiento deportivo a partir de datos cinemáticos superan en hasta un 23% la precisión de las evaluaciones subjetivas de scouts profesionales en fútbol. La investigación se basó en datos de la Bundesliga alemana, pero sus conclusiones han sido replicadas en estudios de la Premier League y de la MLS.

La FIFA implementó EPTS (Electronic Performance and Tracking Systems) como estándar oficial en competencias de élite desde 2015. El sistema permite rastrear en tiempo real la posición, velocidad, aceleración y distancia recorrida de cada jugador en el campo — generando más de 4 millones de datos por partido. Ese volumen de información requiere sistemas de ML para ser interpretado de manera útil.

El CONADE (Comité Olímpico Nacional) ha incorporado tecnología de análisis biomecánico con IA para atletas de alto rendimiento en disciplinas como natación, atletismo y clavados — áreas donde México tiene tradición olímpica. La biomecánica asistida por IA puede identificar desviaciones de técnica que el ojo humano no detecta.

Cómo funciona el tracking de atletas con visión computacional

Para entenderlo bien, vale la pena ver paso a paso qué pasa cuando el sistema rastrea a un jugador:

Paso 1: Captura. Múltiples cámaras de alta velocidad cubren el campo desde distintos ángulos. No son cámaras de TV convencionales — son cámaras de seguimiento especializadas con velocidades de captura de 25 a 50 fotogramas por segundo.

Paso 2: Detección. Un modelo de visión computacional (generalmente una red neuronal convolucional entrenada con miles de horas de video deportivo) detecta en tiempo real la posición de cada jugador en cada fotograma. El modelo aprende a distinguir jugadores de árbitros, de la pelota, de las sombras y del fondo del estadio.

Paso 3: Tracking. Un algoritmo de seguimiento mantiene la identidad de cada jugador a través de los fotogramas — sabe que el punto que era Memo Ochoa en el fotograma 1 es el mismo punto que Memo Ochoa en el fotograma 100, incluso cuando los jugadores se cruzan, tapan entre sí o se mueven rápido.

Paso 4: Análisis. Los datos de posición se combinan con velocidad, aceleración, distancia recorrida, frecuencia cardíaca (si hay sensores en el uniforme) y datos de eventos (gol, tiro, falta) para generar métricas de rendimiento. Esas métricas se visualizan en dashboards que los analistas del equipo revisan en tiempo real o después del partido.

Paso 5: Decisión. El entrenador usa esa información para ajustar tácticas, gestionar la carga de entrenamiento, identificar patrones del rival y evaluar el rendimiento individual de los jugadores.

Hawk-Eye, el sistema que alimenta el VAR en la Liga MX y en la mayoría de las ligas profesionales del mundo, usa este mismo principio para determinar si una pelota cruzó la línea de gol o si hubo fuera de lugar — con una precisión de milímetros y una respuesta en menos de un segundo.

Por qué esto importa en México específicamente

México tiene una cultura deportiva apasionada y diversa:

Fútbol (Liga MX): Es la liga de fútbol con el mayor promedio de asistencia en el continente americano. Club América, Chivas, Cruz Azul y Rayados ya tienen departamentos de análisis de rendimiento con herramientas tecnológicas. Cada transferencia de jugador importante involucra datos de rendimiento generados por sistemas como StatsBomb o Wyscout.

Béisbol profesional: La Liga Mexicana de Béisbol tiene 16 equipos y una historia larga en estados como Sonora, Sinaloa y Veracruz. El béisbol es el deporte que más avanzó en el uso de datos — el análisis saberméticos es estándar desde hace décadas. El TrackMan, que usa radar Doppler + ML para analizar pitcheo (velocidad, giro, movimiento), ya está en algunos estadios mexicanos.

Natación olímpica: México tiene tradición en clavados y natación. El CONADE usa análisis de video y biomecánica asistida por IA en el entrenamiento de atletas de alto rendimiento. Los Juegos Panamericanos de 2027 en Barranquilla y los Olímpicos de Los Ángeles 2028 son horizontes que están acelerando la inversión en este tipo de tecnología.

Boxeo: Canelo Álvarez entrena con datos. Su equipo usa cámaras de alta velocidad para analizar su técnica y la de sus rivales. Ese es el estándar actual en el boxeo de élite mundial.

Si le interesa a tu hijo saber cómo la IA está cambiando diferentes industrias, puedes complementar con este artículo sobre IA en los autos de la familia y este sobre visión computacional y pensamiento computacional.

Las carreras que esto está creando para tus hijos

Ingeniero de visión computacional deportiva

Diseña y mantiene los sistemas de cámara + IA que rastrean atletas. Necesita conocimientos de visión por computadora (Python, OpenCV, TensorFlow), modelos de detección de objetos (YOLO, Detectron2) y matemáticas de geometría 3D para la triangulación de cámaras. Carrera base: Ingeniería en Computación o Sistemas, con especialización en visión computacional. Es un perfil escaso y muy bien pagado — la barrera de entrada es alta, lo cual es una ventaja para quien la supera.

Analista de datos deportivos (Sports Data Analyst)

Trabaja con los datos que genera el sistema de tracking para producir métricas, reportes y recomendaciones para el equipo técnico. No necesita programar los modelos de visión — necesita saber estadística, visualización de datos y entender los deportes profundamente. Herramientas clave: Python, R, Tableau, Statsbomb360. Carrera base: Estadística, Matemáticas Aplicadas, Ingeniería Industrial o Ciencia de Datos.

Científico de datos de rendimiento deportivo

El perfil más técnico en el equipo de analytics: construye los modelos de ML que predicen rendimiento, riesgo de lesión, eficacia de tácticas. Requiere dominio de machine learning, estadística bayesiana y comprensión del deporte en cuestión. Carrera base: Matemáticas, Física o Ingeniería en Computación con posgrado en Ciencia de Datos o Machine Learning.

Desarrollador de software para plataformas deportivas

Construye los dashboards, las APIs y los sistemas que consumen los datos de tracking y los hacen accesibles para entrenadores y analistas. Perfil más orientado al desarrollo de software que a la ciencia de datos, pero trabaja en ecosistemas de datos de alta velocidad. Carrera base: Ingeniería en Sistemas o Computación.

Qué significa esto para el futuro de tus hijos

El mercado de análisis de datos deportivos superó los 4.5 mil millones de dólares a nivel global en 2023 y tiene una tasa de crecimiento proyectada del 20–25% anual hasta 2030 (Grand View Research, 2024). La presión por maximizar el rendimiento de los atletas y optimizar las decisiones de transferencia hace que las organizaciones deportivas inviertan cada vez más en estas capacidades.

En México, la profesionalización de los departamentos técnicos de los clubes de Liga MX es un proceso en marcha. Los clubes que atraen inversión internacional — como los equipos respaldados por fondos de EUA o Europa — llevan consigo estándares de análisis que elevan el piso de toda la liga. Eso crea demanda local.

Para un niño que hoy tiene 10–14 años y ama el deporte: la combinación de pasión deportiva genuina + habilidades técnicas en datos y programación es exactamente el perfil que estos departamentos buscan. No tienen que elegir entre ser fanáticos del deporte e ingenieros. Pueden ser las dos cosas.

Qué pueden hacer los papás

1. Introduce el concepto de estadísticas avanzadas cuando vean el partido

La próxima vez que vean un partido de Liga MX o béisbol, busca en conjunto las estadísticas avanzadas disponibles en la app oficial o en SofaScore/WhoScored. Hablen de lo que significan: xG (goles esperados), presión alta, cobertura de campo. Esas métricas vienen de sistemas de tracking — entender qué representan es el primer paso para entender la tecnología detrás.

2. Explora el sitio de StatsBomb o Opta con tu hijo adolescente

StatsBomb (statsbomb.com) y Opta tienen blogs y reportes de divulgación que explican cómo construyen sus métricas. Algunos de esos recursos son gratuitos y están en inglés, pero accesibles para un adolescente con nivel básico. Ver cómo se construye una métrica como xG — con regresión logística entrenada en miles de tiros — es un ejercicio fascinante para un joven con interés en matemáticas y fútbol.

3. Presenta el béisbol como laboratorio de datos

Si tu hijo tiene interés en el béisbol — especialmente si vive en estados del norte como Sonora, Sinaloa, Veracruz o Tabasco donde la cultura beisbolera es fuerte — el béisbol tiene la cultura de análisis de datos más desarrollada en el deporte profesional. El concepto de sabermetrics es accesible desde los 12–13 años para niños con habilidades matemáticas. Moneyball como libro o película es un punto de entrada excelente.

4. Habla del VAR como ejemplo cotidiano de visión computacional

El VAR en Liga MX es el ejemplo más visible y discutido de visión computacional en deportes mexicanos. La próxima vez que el VAR marque o anule un gol, úsalo como oportunidad: “¿Cómo crees que la computadora sabe si el jugador estaba adelantado o no?” La respuesta involucra cámaras, triangulación 3D y detección de pose — conceptos de visión computacional explicados en un contexto que tu hijo ya vive emocionalmente.

5. Explora cursos de ciencia de datos con datasets deportivos

Kaggle (kaggle.com) tiene decenas de datasets públicos de fútbol, béisbol y otros deportes. Un adolescente que ya sabe Python básico puede hacer su primer análisis de datos usando estadísticas reales de la Liga MX o las Grandes Ligas. Eso es más motivador que cualquier ejercicio abstracto, y es exactamente lo que se hace en los departamentos de analytics profesionales.

6. No descarten la carrera de analista deportivo por sonar “poco seria”

En México hay un sesgo hacia carreras “tradicionales” — Medicina, Derecho, Ingeniería Civil, Administración. El análisis de datos deportivos suena como un hobby, no como una profesión. Los números dicen otra cosa: un analista de datos deportivos senior en un club europeo de primera división gana entre 50,000 y 120,000 dólares anuales. En México, donde la demanda supera la oferta de este perfil, los salarios son competitivos con cualquier puesto técnico comparable.

Qué observar en los próximos 3 años

La Copa del Mundo de 2026 se celebra parcialmente en México — en el Estadio Azteca y en los estadios de Guadalajara y Monterrey. Ese evento va a acelerar la inversión en infraestructura deportiva y en tecnología de análisis. Los equipos participantes van a llegar con sus propias plataformas de datos y eso va a crear visibilidad sobre el estándar internacional.

Observa también: la expansión de departamentos de análisis en clubes de Liga MX medianos y pequeños (actualmente este tipo de inversión está concentrada en los clubes más grandes), la aparición de startups mexicanas de análisis deportivo, y los programas de certificación en ciencia de datos deportivos que universidades como el Tec de Monterrey o el ITAM podrían empezar a ofrecer en los próximos años.

El futuro de la carrera de tus hijos en deportes no tiene que ser en la cancha. Puede estar en el cuarto de análisis, frente a datos que nadie más sabe interpretar.

Preguntas frecuentes

¿La Liga MX realmente usa análisis de datos o es solo en ligas europeas?

La Liga MX usa análisis de datos de manera creciente. Clubes como Club América, Rayados de Monterrey y Tigres UANL tienen departamentos de análisis de rendimiento. El sistema VAR, implementado en la Liga MX desde 2018, es en sí mismo un sistema de visión computacional. La brecha con las ligas europeas existe, pero se está cerrando.

¿Mi hijo necesita ser bueno en deportes para trabajar en análisis deportivo?

No necesita ser atleta de élite. Necesita entender el deporte bien — sus reglas, sus dinámicas, cómo se juega — para que sus análisis tengan sentido para los entrenadores que los van a usar. Pero eso lo tiene cualquier fanático apasionado. Las habilidades técnicas en datos y programación son lo que realmente abre la puerta.

¿Hawk-Eye y el VAR son lo mismo?

No exactamente. Hawk-Eye es una plataforma de visión computacional desarrollada por la empresa Hawk-Eye Innovations (ahora parte de Sony). El VAR (Video Assistant Referee) es un sistema de arbitraje que puede usar tecnología de Hawk-Eye u otras plataformas equivalentes. Hawk-Eye también se usa en tenis (líneas fuera) y cricket. Son sistemas distintos que comparten la misma tecnología base.

¿Cuánto gana un analista de datos deportivos en México?

Los rangos varían mucho. Un analista junior en un club de Liga MX puede empezar entre 20,000 y 35,000 pesos mensuales. Un perfil senior con experiencia en ML aplicado a deportes puede llegar a 60,000–90,000 pesos o más, especialmente si trabaja con equipos que tienen socios o capital internacional. Los ingenieros de visión computacional con especialización en deportes tienen rangos similares a los de otros sectores de tecnología avanzada.

¿Hay una diferencia entre “analista de datos” y “científico de datos” en el contexto deportivo?

Sí. El analista de datos deportivos trabaja principalmente con datos ya procesados — interpreta métricas, crea reportes, comunica insights al equipo técnico. El científico de datos construye los modelos que generan esas métricas. El primero necesita estadística y visualización; el segundo necesita machine learning y programación avanzada. Los dos perfiles coexisten en los departamentos de analytics de clubes profesionales grandes.

¿El análisis de datos en deportes afecta la forma en que se entrena?

Sí, directamente. Los sistemas de tracking de GPS y acelerómetros (Catapult Sports es el más usado) monitorean la carga de entrenamiento de cada jugador — cuántos metros recorrió, a qué velocidad, cuántas acciones explosivas realizó. Eso permite al preparador físico personalizar la carga de cada atleta y reducir el riesgo de lesión. Es uno de los usos más documentados de tecnología de datos en deporte de rendimiento.

---

Sobre el autor

Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.

---

Fuentes

1. Rein, R., & Memmert, D. (2022). “Big data and tactical analysis in elite soccer: future challenges and opportunities for sports science.” Journal of Sports Sciences, 40(14), 1571–1579. https://doi.org/10.1080/02640414.2022.2050473

2. FIFA. (2023). Electronic Performance and Tracking Systems (EPTS) Regulations. FIFA Technical Regulations. https://www.fifa.com/technical/football-technology/epts/

3. Grand View Research. (2024). Sports Analytics Market Size, Share & Trends Analysis Report 2024–2030. Grand View Research. https://www.grandviewresearch.com/industry-analysis/sports-analytics-market

4. StatsBomb. (2023). StatsBomb Data: Methodology and Definitions. StatsBomb IQ. https://statsbomb.com/articles/soccer/

5. CONADE — Comisión Nacional de Cultura Física y Deporte. (2024). Programa de Alto Rendimiento: tecnología aplicada al deporte. Gobierno de México. https://www.gob.mx/conade

6. Hawk-Eye Innovations (Sony). (2024). Sports Technology Solutions: Football and Officiating. https://www.hawkeyeinnovations.com/sports/football

7. Catapult Sports. (2023). GPS Athlete Tracking Technology in Professional Football. Catapult Sports White Paper. https://www.catapult.com/resources

8. Liga MX / FEMEXFUT. (2024). Sistema VAR: implementación y resultados en la Liga MX. Federación Mexicana de Fútbol. https://www.femexfut.org.mx