Manuel Bravo: Encuentro de entrenadores latinoamericano y del caribe
De Ecuador, es Presidente FEA. Vicepresidente COE, ex atleta de alto rendimiento y senior master. PhD en Estomatologia y líder internacional en salud deportiva
Ramiro Varela: Gratitud al profesor Manuel Bravo y amigo, doctor en Estomatología, líder deportivo, exatleta de alto rendimiento, atleta seniormáster de maratones, y un gran líder del atletismo. Ha trascendido es el mejor dirigente deportivo de Latinoamérica y el Caribe, premio Heracles de oro, CEPALAC, 2024 recibió ese premio en Mar de Plata Argentina..
Manuel Bravo: A ustedes muchas gracias por el espacio y la oportunidad. Siempre gustoso de poder compartir algunos criterios y, claro, creo que es una era importante de cambios. Y vamos, como dicen, al grano.
RV: Saludamos al profesor Juan Luis Carter, Juan Luis, buenas noches en Chile, buenas tardes en Ecuador, en Colombia y otros países de Centroamérica y del Caribe, es la belleza de Latinoamérica: todas las horas, las temperaturas, los ambientes. Ya veo que no hay tanto frío en el sur de Chile.
JLC: Querido Manuel Bravo, un gusto tenerte aquí con nosotros una vez más, como en tantas jornadas. Muy contento de tener un gran líder, como muy bien decía Ramiro, del atletismo latinoamericano, ejemplo también para nosotros, el desarrollo que ha tenido el atletismo de Ecuador en los últimos años. Así que muy feliz.
Tecnología con tiempos nuevos, con futuro, que creo yo le hace falta a Latinoamérica: subirse a esa ola y aprender, de alguna manera, a hacer surf sobre la ola e irse ahí para poder salir de la posición en que está.
RV: El doctor Manuel Bravo, es presidente de la Federación Ecuatoriana de Atletismo. En pocos meses le cede el bastón de mando al campeón olímpico Jefferson Pérez, quien ha sido elegido con el beneplácito, con un acuerdo de relevo generacional. Y, diciendo el doctor Bravo, un hombre muy joven en la dirección del atletismo. Tuvimos al profesor Jefferson aquí en una memorable noche, con unas ideas magníficas, una exposición brillante y donde reiteradamente reconoció la vara que queda tan alta entregada por el profesor Manuel Bravo….
Manuel es actualmente vicepresidente del Comité Olímpico Ecuatoriano y, adicionalmente, decíamos que es odontólogo especialista. Doctor en Estomatología en Cuba y en Brasil, líder internacional en salud deportiva.
Profesor Manuel Bravo: “La inteligencia artificial en el deporte del alto rendimiento”.
MB: Bien, muchas gracias a ustedes una vez más por todas esas palabras de elogio inmerecidas. Uno como ser humano lo primero que busca es trascender en el espacio y en el tiempo, y creo que el deporte ha sido una bonita oportunidad para poder, de alguna manera, entregar nuestro contingente a la sociedad. Y en el caso del atletismo aún más, sabiendo que estamos finalizando un ciclo muy importante en la historia del atletismo de mi país.
Creo yo, sin temor de equivocarme, que hemos hecho cambios conceptuales muy importantes que nos han permitido llegar, creo yo, a esa fase, esa lista importante del atletismo que es, en la pirámide, llegar a la consecución de las medallas, que es parte importante del resultado.
Si bien es cierto, eso es un logro, pero normalmente creo que el resultado va más allá de eso, desde el desarrollo, la mancomunidad que existe entre todos los actores que propendemos estar en el movimiento olímpico y frente, sobre todo, a las instituciones que son más importantes en otros países.
Hoy, como el que más, me siento congratulado, sobre todo porque el recibir una invitación de los amigos, más que de los compañeros, de quienes en este momento con ideales buscan trascender también en el tiempo a través del conocimiento. Y ahí permítanme abarcar este campo. Estamos hablando de la inteligencia artificial.
Si bien ustedes dirán, qué hace un profesor de odontología que maneja posgrados hablar de esto cabalmente, yo en mi campo profesional en este momento creo que soy vanguardista, pese a no ser nativo digital. No soy de la época de los que ahora están inmersos directamente, pero creo que ese es el gran reto y el gran deber de quienes, generacionalmente, estamos en otra época: vivir el momento. Creo que es importante que todos debemos sumar a ello, porque no podemos quedarnos fuera de ese tren. Ese tren ha hecho que en la profesión me vea obligado a poder canalizar conocimientos y coyunturalmente hemos hecho estudios de maestría olímpica. Estamos de momento finalizando ya, posiblemente a final del año disertemos nuestro trabajo de titulación, y precisamente ahí es donde enfocamos este campo de acción en el deporte. Por eso de alguna manera agradezco a mi Comité Olímpico, al Comité Olímpico Internacional, al Instituto del Deporte en Cataluña, en Barcelona, y al anuncio de Leira, con el cual el COI tiene convenio y en el cual estamos formándonos en este proceder.
¿Qué es lo que importa realmente hoy en día? Tratar de mancomunadamente establecer los criterios y conocimientos hacia lo que lleva el deporte. Con esta pequeña introducción hablaremos de algunos puntos que veremos el día de hoy de manera rápida, porque no pretendo enseñar inteligencia artificial, sino más bien reflexionar. Hoy en día todos tenemos el derecho, el deber y la obligación de empezar a analizar lo que se viene en la modernidad. Prácticamente es lo que tenemos que usar en el día a día, y de hecho ya lo usamos. Precisamente ahí es donde debemos conocer de ciertas maneras conceptos básicos de la IA. Vamos a ver números estadísticos que nos van empoderando en lo que es el deporte hoy en día, basados en esta información y en conceptos claves.
Vamos a ver formas de IA que ya están aplicadas en el deporte, lo cual es importante, y la realidad de la IA que está generando impacto. No solo desde el punto de vista de la utilización de la big data y de los metadatos para la aplicación dentro del entrenamiento deportivo, sino también desde el otro actor: el espectador. Uniendo todo esto a las organizaciones deportivas y, claro, a proyectos actuales que podríamos analizar en Hispanoamérica, y que de alguna manera podrían ser un referente de aplicabilidad en nuestra región.
Obviamente será una guía interactiva. Pretendo hacer mi conferencia muy interactiva, con videos, porque hoy en día que estamos ya con tanta información, esto nos puede ayudar a establecer qué nos dicen realmente los datos, como decía al inicio, para poder entender. Yo siempre pongo como base fundamental: si bien venimos de un deporte como el nuestro, que es muy colectivo frente a las consideraciones de la heterogeneidad de las disciplinas, tenemos que hablar de deportes colectivos, que son los que realmente en este momento llevan la batuta. Están adelante, creería yo, como años luz de los deportes individuales y de alguna manera están generando muchos más axiomas.
Esto no es nada nuevo. Si ustedes recuerdan, en la última Copa América el fútbol aplicó ya secuencias de datos específicos. Yo hice un análisis específico y se generaron más de 60 000 GB de datos procesados en cada partido. Ustedes se pueden imaginar esos puntos de datos específicos que ya permiten albergar ciertas condiciones de almacenaje de información, para luego generar la coyuntura de las deducciones. Ese es el primer impacto en los deportes: ya los datos y los números están siendo procesados.
Eso nos lleva a la segunda fase de aplicabilidad. La Liga Americana de Béisbol, por ejemplo, genera normalmente en postemporada 7 TB de datos, con un consumo de 80 GB por partido. Eso involucra que toda la información recolectada, desde el esfuerzo físico del atleta hasta la presencia de un espectador, genere un axioma. Esto va a permitir que dentro de poco tiempo comprendamos cómo esa información nos puede servir de ayuda útil.
En el básquet, igual, si ustedes consideran, se generan alrededor de 8 800 puntos de datos en un solo partido. Vean ustedes que, a través del esfuerzo y la mancomunidad de condiciones, todos los espectáculos deportivos hoy en día se han basado en esta información, lo que los ha obligado en los últimos años a adaptarse a la tecnología. Muy vertiginosamente han sido obligados por ella.
Hoy en día tenemos esa compactación entre el esfuerzo deportivo y las condiciones de la reglamentación y el arbitraje, lo que permite entender hacia dónde está enfocado. Y creo que el deporte que más consumo de datos tiene y que más información alberga para generar meta-análisis de información y metadatos de auscultación es la Fórmula Uno.
En cada equipo, en cada vehículo, tenemos alrededor de 300 sensores que generan información específica. Eso habla de que dentro de muy poco tiempo tendremos claramente establecida una competencia importante entre las escuderías. Hoy mismo esto ya permite acelerar procesos de canalización de información frente a la competencia, considerando las características del sistema competitivo y de cada trayecto. Cada autódromo es diferente. Entonces, la aplicabilidad de esta tecnología ya no pasa solamente por el ser humano, sino también por las computadoras.
Con eso, ¿qué podemos hablar? El primer deporte, creo yo, que a nivel mundial nos da, nos dice y nos hace entender estas características es el fútbol. Hoy en día el impacto que genera ya como negocio establece toda esta referencia estadística. Más de 197 países están utilizando la IA en el mundo. Es decir, la federación más grande del mundo ya tiene conceptualizado cuál es el orden común y hacia dónde va a llegar. Recordemos que todo esto pasa por información que ya está establecida estadísticamente.
Creería que dentro del ámbito deportivo es la única federación que tiene ya bosquejados todos los datos estadísticamente en todos los roles fundamentales: cuánto representa en información y cuánto diariamente representa como negocio directo o indirecto la información tecnológica adaptada frente a las consideraciones de la inteligencia artificial. Y eso, obviamente, es escalofriante. Como ustedes ven, un total de más de 6 552 000 000, de acuerdo a la revista Forbes, que nos dice que posiblemente es el presupuesto de un país pequeño.
Considerando esto, podemos hablar de cuánto representa realmente ya como nicho final y que, obviamente, debe ser aprovechado en su momento por la mayoría de federaciones deportivas en el mundo. ¿Qué conlleva y por qué la necesidad? Hablábamos de una necesidad lógica de utilizar la tecnología. Si vemos la capacidad de memoria, hay un estudio que se hizo ya en 1991 con entrenadores, considerando que los estrategas que analizan visualmente el fútbol en el momento que están en el partido, apenas un 40 % de esa función la ejercen solos, ya con el concepto fundamental de la técnica y la tecnología que podrían ocupar.
Entonces, vemos ahí que realmente el ser humano ha pasado de solamente ser un simple testigo de la información y, obviamente, eso ha hecho que existan muchas más bases para poder conceptualizar hacia dónde llegamos con la información. ¿Qué conceptos nos hace indicar esto de la IA? De manera rápida, vamos a ir hablando. La inteligencia artificial simplemente se refiere a que las máquinas hoy en día están siendo programadas para que actúen básicamente como los humanos y, obviamente, reproduzcan sus acciones.
Pero más allá de ello, hay que entender el concepto. Como dice la imagen con nuestras muñecas rusas, la inteligencia artificial no es nada nuevo, pero ha ido escalando mucha información y prácticamente las métricas han ido cambiando en el manejo de esa información. Eso ha sucedido especialmente en estas últimas dos décadas, que han modificado el patrón del ser humano.
La información está dada por conceptualizar lo que es el machine learning, lo que es el deep learning y, finalmente, lo que hoy estamos usando ya: la inteligencia a través de los chatbots o la inteligencia generativa. Si ustedes googlean el término “inteligencia generativa”, les va a salir mucha información, prácticamente el bosquejo de lo que ya las computadoras están ejerciendo: un poder que está cambiando el esquema de visualización de la tecnología, basado en redes neuronales que en este momento están ampliadas a través de Internet.
Cuando hablamos del machine learning, establecemos la primera rama, el primer escaño que generó la inteligencia artificial: la recolección de datos, lo que se llama big data. Para muchos, es básicamente el concepto inicial de la utilización de la información, que luego la misma computadora empieza a analizar sin intervención del ser humano, hasta llegar a la inteligencia propia, donde ya las computadoras ejercen un dominio y canalizan toda la información a través de estas redes neuronales.
Son mallas específicas, incluidas con Internet, que generan conductas propias, peligrosamente. Es lo que hoy llamamos el reemplazo del ser humano en la toma de decisiones. Eso es lo que nos está mostrando esta información.
¿Cómo podemos hablar de ello? Normalmente vemos que existen tres campos específicos. Recordemos que hablábamos de las muñequitas rusas que se van encajando unas dentro de otras, generando hoy en día, prácticamente, la inteligencia generativa, que es el último eslabón y que va a cambiar el panorama. Se esperaría una última muñeca, la más fina, donde ya se considere toda la información a través de las tres anteriores, y esa supervisión va a generar un nuevo concepto de inteligencia artificial.
Básicamente, ¿qué podemos ver en el machine learning? Existen tres corrientes específicas. ¿Por qué hablamos de esto? Porque existe un aprendizaje supervisado inicialmente. ¿Qué quiere decir? Que durante el proceso de información o de almacenaje, esta recolección de datos ha venido dando sus patrones iniciales. Repito, esto empezó no hace muchos años.
Luego tenemos el aprendizaje no supervisado. Aquí ya hablamos de estructuras o estrategias específicas de conducción, que hacen que el algoritmo maneje la información desde el primer escalón de la big data y genere una respuesta automatizada. Mientras que el aprendizaje semisupervisado es una mezcla entre las dos anteriores e incorpora nuevas informaciones. Hoy en día, por ejemplo, tenemos la información de la voz. Sabemos que a través de las mismas redes neuronales aplicadas al conocimiento podemos tener información específica por comandos de voz que dan órdenes. Se me ocurre el mismo instrumento que tenemos en nuestras casas: las inteligencias artificiales que, a través de órdenes y comandos, permiten prender una luz o encender un equipo de Internet, como Alexa, solo por dar un nombre.
Y lo último: el aprendizaje por refuerzo. Básicamente es en lo que ya estamos en este último trabajo, donde el comando funcional de la computadora se encarga de deducir el movimiento y generar reacciones. Ahí, simplemente, es la IA.
Como ejemplo fundamental podemos hablar de los videojuegos. Si ustedes saben del juego más famoso, FIFA, que cada año se renueva, notan que cuando un jugador hace el lanzamiento de la pelota, el arquero se lanza a un lado o al contrario. Eso es lo que estamos viendo, en resumen: el aprendizaje supervisado con reconocimiento de imágenes; el no supervisado con segmentación clientelar (como en los CRM y la información automatizada por el algoritmo en redes sociales); y el no supervisado, también aplicado a la generación de textos.
Obviamente, la información recopilada prácticamente ya nos automatiza resúmenes de información y, en el último caso, como decía, se vuelve una estrategia de juego, porque es lo que encontramos dentro de la condición específica.
¿Qué hablamos del siguiente escalón? Podríamos decir que es prácticamente el refuerzo de este evento, una historia muy cercana a lo que hemos estado viviendo. Y, obviamente, el deep learning da como información que, desde este aprendizaje supervisado hasta 2018, comenzó a recopilarse por los grandes servidores, que hoy en día transformaron esa información a través de funciones propias del ser humano, aprovechándose, diría yo, de las emociones.
Asomaron las redes sociales y en cada red social, uno indirectamente o directamente, sin convencimiento, generaba un permiso para que se usara nuestra información. Y ahí es cuando comienza a sonar la primera recolección de información. ¿Quién iba a creer que luego, después de muchos años, entre 2018 y 2020, las tareas y los modelos preentrenados nos dirigían en las mismas redes sociales? Por ejemplo, ya teníamos predicciones de información: si le gustaba el fútbol, el atletismo o la información de carácter social, el mismo algoritmo dirigía a la persona. Pero también fue mal usado en su momento, y recordarán ustedes que hubo mucha polémica en las elecciones presidenciales de algunos países, fundamentalmente en Estados Unidos, cuando Facebook fue investigado por la Corte Suprema por entregar la base de datos a un candidato, que después mal aprovechó la información y generó un concepto de triunfo, incluso utilizando la predicción de los votantes.
En fin, hoy en día precisamente es ahí donde tenemos que establecer criterios. En la actualidad, mucha información está dada en los metabuscadores, que están desplazando a los buscadores convencionales. Estos, a su vez, se han visto forzados a involucrar la inteligencia artificial o la inteligencia generativa. Ese resumen es posible porque ya tienen una base de datos expedita de todo este arsenal de información en todas las áreas del conocimiento, lo que permite que una máquina haga una deducción lógica.
¿Qué pasará en el futuro? Repito, ese entrenamiento por esfuerzo hará que la máquina tenga una conceptualización y genere, entre comillas, una “conciencia” que le permita decidir por sí sola un accionar. Eso, obviamente, en su momento nos dará información posiblemente sesgada o muy peligrosamente manipulada, dada por los servidores que ya almacenan nuestros datos, muchas veces indirectamente, a través del mismo smartphone y de la información que cargamos en estos instrumentos.
Eso, como una breve introducción para poder entender cuál es el concepto en el deporte, porque hoy en día hablamos de que la inteligencia artificial está en el deporte. Pero, ¿qué podemos hablar más allá de ello? Si ustedes ven aquí, las formas de la IA han ido cambiando. Estos extractos que hablamos del machine learning, el deep learning y la IA generativa han modificado patrones de uso en el deporte: para bien, para mejorar la tecnología, para acercar resultados o para cambiar entrenamientos.
Es ahí donde vamos a hablar un poco más, conceptualizando con ejemplos que hoy en día se pueden establecer. Si hablamos de análisis de big data, como decíamos al inicio, podemos establecer mucha información respecto a eso. Me he permitido mostrar un video, porque hoy en día es mucha la información que viene cargada, pero esto podría dar una visión de lo que se llama esta primera parte:
“¿Estás listo para mejorar tus pruebas de rendimiento y entrenamiento?
Adéntrate en una nueva era de diagnóstico de rendimiento y metodología de entrenamiento.
Experimenta 4 días de educación en profundidad sobre entrenamiento de resistencia y pruebas de rendimiento. En este reconocido campamento aprenderás sobre los componentes básicos de la potencia y cómo se compone el rendimiento desde un punto de vista energético y muscular. Conocerás las últimas metodologías de prueba innovadoras para capturar la economía, Boulemax, VO2 Max, utilización de sustratos y métricas de recuperación, todo en una sola sesión de prueba.
Cómo el fenotipo de un atleta individual informa sobre el entrenamiento que debe realizar.
Cómo tomar datos fisiológicos de pruebas de rendimiento como VO2 Max, Grameats, Padmaks y umbrales y prescribir programas de entrenamiento individuales.
Cada campamento combina educación científica con aplicación en el mundo real, donde obtendrás un dominio práctico en pruebas de rendimiento y su aplicación directa en programas de entrenamiento basados en la fisiología.
Aprende de científicos de renombre mundial y entrenadores de élite. Adquiere habilidades del mundo real, ponlas en práctica y conéctate con una comunidad global que cree en el rendimiento impulsado por la ciencia.
Este otoño, nuestros campamentos de entrenamiento y pruebas te esperan en 6 ubicaciones globales: Park City, Estados Unidos; Luben, Bélgica; Burke, Australia; Frankfurt, Alemania; Girona, España; y Manchester, Reino Unido. Organizado por Inside. Reserva tu plaza ahora, plazas limitadas”.
No pretendo hacer una apología al marketing, pero simplemente ahí ustedes pueden ver que cada uno ya tiene una proyección hacia lo que queremos. Y esa es la información: esos datos ya están siendo aplicados desde el punto de vista de optimizar el resultado deportivo a través de la utilización de la IA. Antes esto era casi imposible, pero hoy en día la utilización del fenotipo de una persona puede aprovecharse con datos que provienen de otros individuos. Ese almacenaje permite crear un modelo específico de entrenamiento que podría ser mejorado.
Si hablamos de la IA a través de ChatGPT o de metabots, también podemos ver un ejemplo claro de lo que representa. Omega, por ejemplo, ha generado ya estereotipos de secuencia para poder replicar los movimientos del ser humano en el deporte. Eso generará información mucho más específica que permitirá a todos hacer un modelo perceptible del movimiento ideal para los deportes de tiempos y marcas.
Por eso me he atrevido a mostrar otro video, específicamente ya para deportistas de moto, utilizado hoy en día, impulsado con inteligencia artificial y completamente gratuito gracias a Adidas.
El paso número 1 es tener la aplicación de Adidas Ranking sincronizada con tu reloj deportivo para registrar los entrenamientos. Cada entrenamiento otorga puntos que se pueden usar en la aplicación Adidas en la zona club. Esos puntos se canjean por descuentos en próximas compras o en promociones. Pero en este caso, se aplican al análisis de técnica. Solo debes descargar la aplicación, subir un video tuyo corriendo con las indicaciones dadas, y la aplicación te ofrece un análisis completo de distintos aspectos de tu carrera. Te propone incluso un estilo de corredor: a mí, por ejemplo, me dice que soy “corredor estilo guepardo”.
Además, ofrece métricas de carrera que permiten interpretar qué tan eficiente eres. Junto con el análisis, si haces clic en cualquiera de las variables revisadas, te da consejos o sugerencias para mejorar tu técnica. De esta forma, puedes ser un corredor o corredora más eficiente. Una vez que hayas hecho tu propio análisis de técnica de carrera, comparte cómo te fue.
Ahí pueden observar la diferencia entre el big data y los datos específicos de un deporte, en este caso, con la interpretación que hace la IA solo a través de un escáner de un ojo, un lente o una fotografía, que permiten ya tener el movimiento. Entonces la IA se encarga sugestivamente, entre comillas, de hacer una predicción del movimiento a través de la información mecánica que ya tiene guardada en esa aplicabilidad. Luego tenemos la inteligencia automática. Como ven en la imagen de los bolos, cuando se genera el primer impacto en el juego, los sensores detectan qué bolos quedan parados para volver a ubicarlos. Eso es prácticamente una automatización.
Luego tenemos la inteligencia virtual, que hoy en día está siendo aprovechada en el deporte colectivo, como por ejemplo en el fútbol, para las revisiones de jugadas polémicas. Eso nos permite hablar de la inteligencia asistida. Un ejemplo es un robot con una diferenciación en el manejo de la información a través de los movimientos que replica, los cuales ya están almacenados en ese robot, y que podrían ser una automatización.
Casualmente, hoy estamos en la famosa cita de los Juegos Mundiales. Aquí se puede observar cómo la réplica de movimientos mecánicos del ser humano va alcanzando ciertos límites de velocidad. Eso irá cambiando con el tiempo, pero ya estamos hablando del cuarto eslabón de la IA, que permite ir más allá del alcance del movimiento y considerar también la reserva energética que podría ser usada. Hoy ya se ha visto muchas veces en redes, por ejemplo, acompañantes robóticos en carreras de larga distancia. Eso, en poco tiempo, podría ser algo normal. Y aunque no queremos caer en la imagen de ficción de Terminator, peligrosamente estamos avanzando a pasos agigantados hacia ese nivel.
Rápidamente, para terminar esta parte: las reacciones del público fueron una mezcla de asombro y risas, especialmente cuando los robots se recuperaron de casi caídas como si nada hubiera pasado. Estos momentos recordaron que los Juegos no solo consisten en ganar, sino también en poner a prueba los límites de la tecnología humanoide.
Eso es lo que vivimos ahora, la realidad aplicada de la IA. Tomemos en cuenta que hay tres eslabones importantes: el espectador, la persona y la condición del ser humano, hacia dónde se enfoca en este gran mundo del comercio deportivo. Lo primero que encontramos son ejemplos claros de la utilización del deep learning en función de necesidades. Desde métricas de disparos, que ya vemos en el fútbol, hasta las cámaras automatizadas en los estadios que permiten visibilizar las reacciones del espectador.
Hoy avanzamos más allá. Incluso equipos de fútbol, para la compra de jugadores, aplican el conocimiento de la big data para determinar si conviene o no una inversión en el mercado futbolístico. También está la aparición de los juegos electrónicos, que se han convertido en un desplazamiento hacia las nuevas generaciones y que han sido homologados por el movimiento olímpico.
Esto refleja un nuevo marketing hacia la tecnología, que ha sumado incluso los e-sports. Son axiomas reales que podemos considerar. Me he permitido traer una pequeña muestra de lo que encontramos en el mercado deportivo actual y que puede servir para nuestras aplicaciones, sobre todo en países que no somos del primer mundo y que tenemos limitaciones. Sin embargo, los tiempos y espacios cambian y podemos aplicar estas innovaciones.
Por ejemplo, tenemos Winmus Realidad Aumentada, que nos muestra cómo estudiar el movimiento biomecánico a través de acelerómetros, dispositivos que captan imágenes específicas. Este sistema usa dos sensores: uno en el tren superior y otro en el inferior, que entregan información al entrenador y al atleta sobre velocidad, aceleración, ángulos y otros datos.
Miren cómo esa información puede ser valiosa para deportes como los nuestros. En salto alto, por ejemplo, brinda datos sobre el ángulo de despegue. En salto largo, permite analizar desde el impulso la presión o fuerza ejercida, lo que podría orientar entrenamientos en el tren inferior para mejorar el pie de apoyo o el pie de impulso. Son métricas óptimas basadas en la información del propio atleta, lo que resulta muy útil.
Esto ha sido un punto de quiebre frente a entrenamientos basados solo en la percepción. Hoy vemos que podemos optimizar los resultados deportivos. También tenemos los drones, que en deportes como el atletismo permiten seguimiento en tiempo real. Antes se acompañaba al atleta en bicicleta, ahora drones inteligentes con cámaras como GoPro logran captar desde múltiples ángulos.
Además, existe el balón de fútbol inteligente de la marca Kinexon, usado en ligas importantes para evaluar tácticas. Este balón recolecta información y, con big data, permite al entrenador verificar estrategias, tanto con la pelota como en el desempeño de los jugadores.
Hay algunas marcas que obviamente sirven para ello. Me referiré también a esto. Hoy en día, el apoyo a través del principio neuronal. Si ustedes ven, los deportistas colectivos, sobre todo en el fútbol, se está ya aplicando en deportes importantes, como por ejemplo las ligas inglesas.
Acá tenemos a Liverpool utilizando ya está neuroinformación para poder controlar emociones. Ustedes dirán, bueno, la sala está igual.
Están haciendo prácticas específicas de balón, pero con comandos sensoriales para poder evaluar la conductualidad del deportista frente al manejo del balón. Y eso, obviamente, hace que sea hoy en día algo que está siendo ya usado en deportes colectivos con gran desarrollo para poder, de alguna manera, controlar las emociones frente al juego.
Y, obviamente, ustedes ven que ya no solamente es el aspecto psicológico que involucra, sino también toda esta recolección de información que permitirá, en su momento, a la inteligencia dar comandos específicos u órdenes que les permitan establecer. Bueno, Jürgen Klopp ya salió del Liverpool.
Pero como ustedes ven, la información ahí dice muy claramente que la utilización de este sistema neuronal apoya muchísimo para mejorar el resultado de lo que es, en clase claro, deportista, la parte mental frente a la necesidad.
Así mismo, vemos acá otros ejemplos, por ejemplo, la utilización de los rayos, en este caso las zonas termogénicas. Como ustedes ven en el deportista, que es lo primero que se puede utilizar ya hoy en día. Y si vemos como un axioma, prácticamente la termografía pasa a ser también un aliado valioso para evitar lesiones. Para saber la utilización, no solamente como medida antropométrica, sino a través de la espectrografía, nos permite visualizar la caminada, el pie de apoyo, cómo está el tipo de pisada que tienen los atletas, el tipo de envergadura muscular en zonas de tejido adiposo donde necesita mejorar.
Si ustedes ven, prácticamente esto viene a ser algo muy llamativo, porque fundamentalmente, como sabemos, las medidas antropométricas dadas o, en este caso, los fisioterapeutas son trabajados de manera tradicional. Hoy en día hay estos espectrómetros que permiten muchísimo manejar información, no solamente para ellos, sino también para poder establecer ese plan de tratamiento a futuro para mejorar, en este caso, la simetría del cuerpo humano frente a la necesidad de hacer un resultado deportivo. Como ustedes ven, prácticamente se vuelve una información muy tecnificada y que, obviamente, luego del resultado se puede comparar, repito, con información. Como ustedes ven ahí, busca la idealidad. Hoy en día, en las medidas, siempre serán tomadas de manera tradicional.
¿Qué hay en el atletismo algo más? Y, obviamente, me he permitido, a través de esta información, solicitar a un amigo muy de Hispanoamérica, de Latinoamérica, como el presidente de la Federación Española de Atletismo, quienes han sido, creo yo, en Europa, uno de los puntales pioneros de la información. Si ustedes ven, España hoy en día tiene muchos resultados deportivos en los últimos años, y creo que eso es un trabajo tesonero de toda la organización deportiva basada en esta información.
Y me permito ahí compartir este video. No sé si muchos lo han visto, pero prácticamente este video fue sacado hace unos 2 meses. Soy el presidente y la información es bastante buena. Anteriormente, Ciudad de Eta, que también es importante, me gusta mucho remarcarlo, pero bueno, es una entidad que nació hace más de 103 años, con el objetivo de regular la facilidad, el constitucionalismo. Sentimos la necesidad de que el mundo estaba cambiando, que la publicidad estaba cambiando, que la tecnología estaba entrando en el deporte. Si queremos ser competitivos, tenemos que dar un paso adelante. No sabemos cómo hacer esto y tenemos que ir de la mano de gente que sepa.
Que, en nuestro deporte, una milésima, un segundo, a veces un centímetro, es la barbaridad entre el éxito y el fracaso. Y eso no se mejora solo con mucho esfuerzo ni con mucha determinación, sino también necesitas basarte en datos, y no tanto en perfección. Y ahí nació la necesidad de entrar en contacto con vosotros, con un equipo que yo creo que compartió la misma visión y la misma pasión que teníamos por este proyecto. Un proyecto complejo, porque para nosotros no es solo utilizar sensores, utilizar plataformas o tener datos en tiempo real, sino que ese dato sea preciso.
Bueno, pues tenemos un equipo, un equipo de trabajo muy grande para implementar soluciones innovadoras a medida del cliente. Es clave el papel de Telefónica BDMs. Tenemos hasta una ingeniera, Tamara, que ha sido deportista de élite, que su papel es clave en este Holanda. Y luego, por supuesto, Telefónica España aporta con nuestra ingeniería y todo nuestro equipo comercial.
La solución consiste en una serie de sensores que se colocan en las zapatillas de la atleta mediante 2 soportes que hemos impreso en 3D. Estos sensores se comunican mediante vibración en el reloj, información que aparece en unas gafas de realidad aumentada.
Llevamos años trabajando con la organización de atletismo en diferentes proyectos y es un privilegio trabajar con ellos. Tenemos la suerte de que este proyecto específico nos deja probar cabezas de dite, que es clave para probar el éxito o el fracaso de nuestras soluciones.
Y a partir de ahí, desarrollando el resto de maneras deportivas, que son muy complejas, y las puedes proyectar en todo este proyecto de ebooks o sensores que utilizan los atletas y que de ahí vienen los datos, los datos interpretados, y luego poderlos llevar a plataformas que además se combinen con otro tipo de análisis de video o de biosensores. O, bueno, todo esto que la tecnología de hoy provee y que el entrenador no tenga que digerir, sino que ya esté analizado y se puedan tomar decisiones en un estadio olímpico.
No solo crearía el entrenamiento. Y la otra cosa que creo que también entendemos bien en Telefónica es que no queremos hacer un sistema elitista. Es decir, nosotros no somos un deporte de grandes recursos, con lo cual tendría que ser un sistema muy democratizado para cualquier entrenador.
Un pequeño coste de comprar unos ebooks, que no cuestan mucho, y puedes utilizar esa plataforma. Esos son los dos principios. Sin duda, la tecnología, la innovación y todo lo que es inteligencia artificial es clave en todos los sectores, pero en el deporte también.
Creo que es un proyecto apasionante que nos exige muchísimo a nivel técnico y, además, implica trabajar mano a mano con las atletas y contagiarnos de ese espíritu de competición para poder ayudarles al máximo.
Tenemos un plan de marcha cuyo objetivo al final es ayudar a los socialistas a conseguir medallas. ¿Puede haber algo más bonito?
Pues, bueno, sin duda que lo están consiguiendo, porque, de alguna manera, como todos sabemos, los resultados deportivos se ven a la vista, algo que es importante conceptualizar. Toda esta información me ha pasado de una manera básica, pero quería compartirla con ustedes. Son los sensores de hoy en día. Creo que podemos hacer investigación a través del centro deportivo. Se podría trabajar para hacer un análisis, porque son instrumentos que están al alcance y que se pueden conseguir. De hecho, se consiguen a través de plataformas de compras por Internet. No son costosos para Latinoamérica y creo que es importante invitar a hacer esto. Porque lo que ustedes ven que pasa en el primer mundo, nosotros podemos, pese a nuestras limitaciones, hacerlo.
Pero que también de alguna manera sirve. Y ahí ustedes pueden ver, se puede comprar esto básicamente, y se puede vestir y hacer el uso. Hoy en día, usted, a través de las plataformas de smartphones, Google Play Store, puede bajarse la app y los sensores trabajados para poder analizar y hacer el trabajo que estamos viendo de biomecánica.
MB: ¿Por qué decir esto? Porque, básicamente, para los que nos gusta el atletismo, es algo importante. Muchos conocerán la información, pero me llama mucho la atención este atleta, que con sus veintiún años y un poquito más estuvo clasificado a los Juegos Olímpicos de París. No tuvo una buena performance, pero él, a través de esa debilidad, la convirtió en una gran fortaleza. Él estudia ingeniería e inteligencia social en Alemania y crea una app por la cual mejoró el resultado deportivo a través de la adaptabilidad, uniendo el deep learning con la IA generativa y haciendo, obviamente, una aplicación a sus movimientos y mejorando la parte técnica.
Ahí se puede ver claramente que sí puede ser trabajado específicamente para el atletismo y, sobre todo, para mejorar el resultado o el rendimiento deportivo. Hoy en día, lo que están viendo ustedes que hace España bien puede ser replicado por países nuestros, latinoamericanos, y sería muy gustoso empezar a trabajar a través de nuestras universidades.
¿Qué es lo que viene en el futuro? Hoy, en Tokio, que ya mismo, en pocas semanas tenemos el Mundial, prácticamente va a haber una herramienta oficial que se llama Atletis Power, y que básicamente va a recolectar, así mismo, a través de la big data, todos los análisis de todos los atletas: la información de golpes, de lanzamientos, de carreras, que va a permitir generar un análisis ya importante. De hecho, es la primera vez que van a utilizarla en los mundiales.
No sé qué más depare para Seiko. Recuerden ustedes que es el sponsor oficial y el cronómetro oficial de la World Athletics desde 1987, desde que empezaron los mundiales de atletismo en Roma, y desde ahí ha venido acompañando la información. Estamos hablando de uno de los países más tecnificados del mundo. No sé qué sorpresa tendrán para nosotros en el Mundial de Atletismo, pero la información ya está clara: va a haber mucha IA mezclada con cada una de las diferentes estrategias.
Y, claro, la monitorización de todo, cada uno de ellos, traerá resultados nuevos, porque la información no solamente será del espectáculo, sino también lo que creo que a todos les conviene y nos conviene saber: el rendimiento del deportista, cómo logró el resultado a través de esta biomecánica y la mejora que podría darse durante el evento deportivo.
Esto simplemente nos hace gesticular que lo que hoy vivimos es un acercamiento al ser humano, pero no por ello queremos dejar de decir que el ser humano sigue siendo el mismo y que, obviamente, los ideales de la excelencia deportiva pasan por el sacrificio. Si bien las herramientas autosómicas, digámoslo así, de la información asistida a través de la inteligencia artificial, nos van a llevar a mejorar el rendimiento posiblemente en poco tiempo y a pasos agigantados, también tenemos que idealizar al ser humano en su pureza.
Y creo que un ejemplo muy importante es, como ven en la foto, Usain Bolt haciendo el lenguaje superlativo después de ganar sus 4 medallas doradas en la olimpiada de Río de Janeiro. Gracias, amigos. Eso es todo, si es que tienen ustedes algo más a la ostra.
RV: Profesor Manuel, usted es uno de los gestores de CEPALAC, que busca generar nuevos paradigmas para el deporte. Y en esa circunstancia nos comprometimos con este encuentro. Ya habíamos estado en otros en Chile, en Ecuador, en Mar del Plata y en Cali, en Colombia, y ahora quedamos mucho más impactados con esa actualización, el update que usted le ha hecho a esta presentación interesante. Estuvimos en Tokio 2021 y ahora el mundo entero está ya normalizado con el tema de la IA, lo que no pasaba en 2021. La pregunta va en el sentido de ese compromiso de CEPALAC con 1 286 profesores y entrenadores, líderes de atletismo que se inscribieron en este encuentro.
Nos hemos comprometido en desarrollar toda una red de entrenadores y nos hemos comprometido en auscultar con las universidades de Chile, de Colombia, que trabajan en el deporte, de Cuenca, Ecuador, por su generosidad en desarrollar la búsqueda de una mayor profesionalización. Oferta de condición de Emperatriz González, entrenadora colombiana en la universidad de los Estados Unidos, para que el entrenador y el profesor estén más capacitados y puedan llegar a esos niveles dirigenciales, como el de Manuel, o de logros deportivos, como lo encontramos anoche con José Luwding Rubio, y como otros que hemos tenido aquí en este encuentro. Y también en el tema del negocio deportivo, como negocio en el mercadeo en el mundo del negocio, para que ese entrenador crezca y el deporte crezca, el atletismo crezca.
Mucha propiedad: en salud, educación y deporte, en nutrición y atletismo, en deporte y psicología, en alto rendimiento y resultados. Ahora se encumbra usted como una de las figuras latinoamericanas en este tema de la IA y el atletismo. ¿Qué recomendaría usted para este grupo de entrenadores y profesores, para que los diplomados que vamos a gestar nosotros, en un modelo colaborativo, buscándole la financiación para que los profesores y entrenadores puedan acceder gratuitamente, a la IA?. Nosotros somos ambiciosos en la búsqueda de una maestría en atletismo, de un doctorado en deportes con énfasis en la ciencia del atletismo y del fútbol, porque no se puede descartar el avance del fútbol.
¿Qué recomendaría arrancar en ese modelo de capacitación educativa y formativa?
MB:Como dije, creo que estos temas son tan llevados a la tecnificación del ser humano, y creo que hay que aprovechar y acortar esas distancias con los países del primer mundo.
Como habíamos puesto en un ejemplo, no hemos encontrado mucha evidencia e información de muchos países, porque recuerden que en el deporte nada se regala. Creo que todos trabajan de manera que se decide como espionaje cibernético, guardando la información. Pero hoy en día, claro, los tiempos se han ido acercando muchísimo y la desinformación está a la vuelta de la esquina. Yo creo que el entrenador latinoamericano lo primero que tiene que hacer es comenzar a prepararse ya con la tecnología. Hoy ya no podemos darnos el lujo de solamente, con la apreciación del ojo humano, decidir si un atleta tiene o no el bagaje para ser un campeón olímpico, un campeón de área o un campeón regional.
Hoy en día, la información está ahí y tenemos ya el fenotipo, el genotipo de las personas. Sabemos, pero tenemos que ver alrededor de esto cabalmente cómo podemos mejorar la capacitación de nuestros entrenadores. De hecho, el autoaprendizaje hoy en día pasa a ser una de las herramientas más valiosas del ser humano.
A muchos de los que estamos viendo esto, las universidades nos han permitido cambiar el modelo educativo prácticamente. Hoy ya ni siquiera debemos mandar trabajos a los alumnos, porque todo lo hacen con el control del ChatGPT, buscan información y humanizan el resultado del deber. Hoy tenemos que buscar al entrenador colaborativo, al entrenador que tenga la posibilidad incluso de ser evaluativo y también ser, a discreción, muchas veces guía en la orientación de la perceptibilidad del ser humano, de la persona, del atleta.
Y ahí es donde tenemos estas herramientas. Yo decía los acelerómetros. Es algo muy sencillo. Usted —no quiero hablar de precios—, pero básicamente puede encontrar en el mercado, en AliExpress, solo para decir un término, esta información. Y eso mejorarlo. Necesitamos una computadora con un buen RAM para poder trabajar con las imágenes en movimiento. Y necesitamos imágenes 3D. Y, obviamente, se necesitan computadoras de las que los jóvenes hoy llaman gamers, pero son máquinas con tarjetas de memoria más rápidas. Eso va a permitir, al menos, que el entrenador tenga la posibilidad de evaluar lo que acabamos de ver.
Toda esta información que ustedes ven está al alcance. De hecho, nosotros iniciamos un contacto con Inside, que prácticamente es una empresa europea que evalúa, en este caso, la big data para mejorar el rendimiento en deportes, en las competencias aeróbicas.
Pero también tenemos que pensar en otros deportistas: velocistas, saltadores, lanzadores, como ven. O sea, hay prácticamente información asequible para poder trabajarla. Y, obviamente, creo que a la vuelta de la esquina está la necesidad imperiosa de generar diplomados ya conceptualizados en que la mejora del rendimiento de nuestro entrenador se dé a través de la inteligencia artificial.
Juan Luis Carter: De verdad que creo que nos pusiste en una dimensión muy importante hacia el futuro. Una mirada de futuro. Vamos atrasados, sin duda. Ya tú sabes que intentamos partir hace un tiempo con base de datos con algo sencillo, como fuera partir de los resultados deportivos, pero usar una plataforma, una plataforma propia sencilla, por último, que nos permitiera ir cambiando la cultura, el ecosistema. Cierto que cuesta instalarlo, pero hoy día vienen las generaciones nuevas.
Y si queremos ser dirigentes y queremos estar a la cabeza, a la vanguardia, tenemos que ponernos en ese contexto. Muchas veces la gente que, como dices tú, tú no eres un nativo digital, yo menos, pero sí intentamos adecuarnos. Sí intentamos, de alguna manera, capturar esa parte. Entonces te quería hacer una pregunta un poco aterrizando la tecnología en la región, en Latinoamérica.
La inteligencia artificial abarca desde sistemas muy complejos hasta herramientas muy accesibles. ¿Cierto? Entonces, en el contexto latinoamericano, con realidades económicas diversas, ¿qué aplicaciones de inteligencia artificial han demostrado ser más viables y efectivas para mejorar el rendimiento de los atletas sin requerir una inversión monumental?
Un buen ejemplo son los análisis de video, y tú recién hablabas de los acelerómetros, que tienen un bajo costo. ¿Nos podrías indicar algo acerca de eso, por dónde podríamos empezar?
MB: Sí, yo creería, por ejemplo, ahí, como dice el profesor Juan Luis Carter, que es importantísimo crear una base de datos propia de Latinoamérica. Comenzar a llenar una información, una big data propia, nuestra, donde un saltador de Colombia, un saltador de Perú, un saltador de República Dominicana comience a generar información y cada uno de ellos llegue a una técnica expedita. Porque nosotros, como condición, no podemos replicar lo que hace un europeo. Nosotros no tenemos las fibras ni el genotipo de ellos. Obviamente, hay que considerar que cada uno de estos acelerómetros va a permitir evaluar al menos al deportista in situ.
Antes, como decíamos, veíamos el video y prácticamente ese sigue siendo el común denominador en las competencias. Uno ve a las personas que están usando un video específicamente solo para ver la movilidad del deportista. Pero hoy prácticamente ya tienen otra herramienta. Y me llama mucho la atención, porque nosotros tenemos la posibilidad, los que hablamos del atletismo, de ver en directo y en vivo las competencias en el campeonato europeo. Precisamente me llamó la atención ver a un lanzador de martillo que, a través de su app, el entrenador le mostraba cómo era el lanzamiento y el ángulo que hacía de rotación.
Obviamente, yo no sabía alemán, pero básicamente interpretaba lo que le estaba diciendo, cómo tenía que mejorar. Si a una persona que biomecánicamente hace mil lanzamientos se le mejora a través de una inteligencia, pues obviamente va a tener un rendimiento espectacular, que es lo que le pasó. Este año lanzó más de 80 metros, y ese salto le permite estar ya con boleto a Tokio. Eso creería que va a ser nuestro futuro. Y, comercialmente, para algunos podría ser una utopía pensar que nosotros podemos llegar a eso.
Sí lo podemos, porque realmente hasta los costos no son tan altos como para poder manejarlos. Comprarse hasta un mismo drone a través de una marca específica, bajar el software y comenzar a analizar la mecánica desde el punto de vista de la actividad desde cualquier ángulo. Eso es lo que se necesita hoy en día, para no solamente evaluar desde el punto de vista del ojo humano, de la percepción, sino también a través de la tecnología.
RV: Manuel, supuesto, te nombran entrenador de velocidad de Jamaica. Recuerda que Jamaica sola empató en los Olímpicos de París con todo Latinoamérica….
Pero te nombran entonces en velocidad como entrenador, y para que te escuchen estos profesores, estos entrenadores que en este momento superan ampliamente los dos centenares ¿Qué tecnología y qué inteligencia artificial para velocidad, profesor de velocidad de Jamaica, empezarías a utilizar para ser competitivo en un país pequeñito, de 4 millones de habitantes, y que nos empata a nosotros, con un volumen superior a 600 millones? ¿Qué tecnología y qué inteligencia artificial empezarías a usar para ser competitivo con esos entrenadores jamaiquinos, Manuel?
MB: Bueno, dicen que las condiciones superan a la máquina. Hoy en día vemos que ya no es así, que incluso la tecnología ha ido acortando los tiempos. Sino, como dice usted, el gran referente Usain Bolt y todo ese arsenal de deportistas que en su momento fueron hegemónicos en la última década. Tomemos en cuenta que hoy asoman de nuevo, ya tenemos ahí a Seville, a Thompson, que son los nuevos. Pero creo que, ¿cómo puedes cambiar, por ejemplo, la concepción del gran Glenn Mills, que es el mejor entrenador de Jamaica de todos los tiempos, entrenador de Usain? Difícilmente creería que él podría acoplarse a la tecnología, pero creo que, vanguardistamente, sí debería hoy en día aprovechar esta oportunidad.
Entiendo que muchos clientes llevamos la información. Hemos visto en Netflix los programas de velocidad y ahí hemos visto cómo tienen un equipo precisamente de nativos digitales que están ayudando a trabajar en lo que ella se preocupó, el acortamiento. Si bien vemos ahí la posibilidad de que en Jamaica tenemos deportistas de potencia importantes en la velocidad, sabemos también que hoy en día se han ido acortando los tiempos. Y eso, precisamente, es en base a la tecnología que ha ido modificando el patrón.
Hoy tenemos la tecnología involucrada en los zapatos. Tenemos la tecnología involucrada en la suela de carbono. Tenemos involucrados también, precisamente, espectrómetros que permiten analizar la velocidad de cada uno. Y si vemos eso, realmente, creería yo que el mundo está a constancia de las distancias, precisamente porque, si bien hay las condiciones, hoy tenemos que aprovechar todo esto.
JLC: Hay una característica que tiene el poder de usar la tecnología, que es un poco anticipar procesos, controlarlos y proyectarlos hacia el futuro en torno al scouting o desarrollo de talento. Latinoamérica, todos sabemos, es una inmensa cantera de talento natural. ¿De qué manera la inteligencia artificial puede ayudar a identificar estos talentos atléticos, diamantes en bruto, en lugares más alejados, donde no hay tanto desarrollo de infraestructura? ¿Cómo crees tú que esto, de alguna manera, puede ayudar?
MB: Bueno, como decía, hoy en día, si a través de un teléfono, de un smartphone, podemos advertir ya condiciones del ser humano, la inteligencia está acortando incluso el pensamiento, haciendo que el ser humano ya no reaccione a la razón, sino que se adelante a ese proceso.
Y claro, lo que nos permite hablar de ello es buscar lo que de manera tradicional se hace cuando uno busca talentos: ir a zonas específicas, ver altura, ver engrosamiento muscular. Hoy en día, precisamente ha asomado la termometría, que prácticamente evalúa a la persona para poder condicionar, no solamente en el aspecto físico, sino potenciar la masa muscular, bajar los índices de grasa en ciertas zonas en las cuales se necesita, de acuerdo a la condición del atleta.
Precisamente, el biotipo ha ido modificándose. Si podemos ver, por ejemplo, el lanzador de disco o la lanzadora de disco, recordemos que antes había mayor proyección a atletas que tenían altos índices de grasa muscular. Hoy en día, lo que vemos es masa magra, muscularmente más dotada, con una fuerza específica de acuerdo a la mecánica. Eso, precisamente, es lo que permite hoy hablar de modelos de atletas específicos para diferentes pruebas.
Y claro, ahí tendremos que analizar precisamente cómo estas pueden mejorar. Hoy se las llama redes neuronales, que están cambiando la aproximación, no solamente de la big data o de la base de datos que nos permite establecer el modelo de un deportista y patrón para un entrenamiento, sino también, hoy en día, a través del deep learning, que hace que la inteligencia generativa aproveche y tome decisiones o soluciones que el ser humano a veces puede evitar o puede dejar pasar.
Por eso, precisamente, hoy en día registremos esto a través de mucha información. Ya nos debemos olvidar del papel y el cuaderno. Hoy tenemos que aproximarnos a las aplicaciones, a las apps, y mejorar incluso los mismos excels, que prácticamente pasan a ser algo arcaico, porque ya tenemos aplicabilidad con información, con metadatos que dirigen al deportista. ¿Saben qué es lo que se hace hoy en día? Un deportista de alto rendimiento no puede ser considerado como un deportista del montón, como los amateurs.
Ellos tienen más tecnología que muchos otros. En el alto rendimiento ya se ven los máximos, se ve la altimetría, se ve la distancia de zancada. Precisamente, las alternativas de los relojes inteligentes han ido acortando los tiempos. Pero claro, hoy en día necesitamos más tecnología, y esa es la tecnología que queremos conocer.
RV: Manuel, en estos 10 años que hemos tenido de amistad muy cercana, te hemos visto participando como atleta senior máster en Boston, en la Maratón de Boston, en Chicago, en Londres, en Berlín, en Nueva York, en Tokio. Y hoy ese plan de entrenamiento, ese plan de preparación que haces, es muy importante…En tu última maratón o la próxima que vas a hacer, ¿cuál es tu plan tecnológico de inteligencia artificial, para que los profesores vean en la realidad lo que tú utilizas en beneficio propio para evaluar y proyectar tu resultado?
MB: Bueno, ahí nos pasaríamos a la parte amateur, pero prácticamente hoy en día lo que para deportistas de fondo se está utilizando es el controlador glicémico. Si ustedes ven, prácticamente las alternativas para bajar la temperatura a través de los nuevos modelos con inteligencia artificial que salieron denodadamente en la Olimpiada de París. Ustedes vieron a Sifan Hassan, la maratonista holandesa, que hizo la colocación. Igual Kipchoge.
Pero básicamente, hoy en día el reto es la reserva energética, y prácticamente la evaluación de los glucómetros, a través de la colocación de estos en la zona del brazo, permite evaluar precisamente el gasto energético de las personas, el comportamiento frente al desgaste de los electrolitos. Y prácticamente eso hoy en día pasa a ser ya una información cercana para muchos que entienden y conocemos el sistema.
Hay una hegemonía en el estudio del gasto energético en los deportistas. Para muchos que están copiando este momento e información, pueden hacer que la náusea de Murcia… Ahí hay un conejillo de indias famosísimo que hoy tenemos ya en el mundo del tenis. Todos deben conocerlo: Alcaraz. Ustedes, cuando lo ven jugar, coloca sus diferentes envases de electrolitos ya marcados y los toma secuencialmente, en el tiempo y el momento adecuados. Y esas concentraciones vienen dadas ya por un estudio que le hicieron del VO2, incluso para saber cuánto es su desgaste y la optimización de la energía en partidos de 4 o 5 horas.
Algo así prácticamente es lo que nosotros tenemos que advertir en nuestros entrenamientos con deportistas de élite, en los cuales el abastecimiento no solamente ya debe pasar por la entrega de electrolitos y de glucosa, en este caso los diferentes abastecimientos que se dan en pruebas de largo aliento, sino también establecer que hoy en día la tecnificación es precisamente eso: la información albergada en los datos de cuánto el deportista, durante un proceso de rendimiento en fase 3 o 4 de entrenamiento de competencias, estará gastando su energía.
Entonces, prácticamente hoy en día ese es el nuevo boom: que en 42 kilómetros un atleta trate de no llegar a gastar toda la reserva de glucógeno y, obviamente, que no llegue a los calambres. Eso permite que la optimización de la energía se dé para poder cruzar ese umbral de 30 kilómetros y llegar satisfactoriamente con un buen rendimiento y un buen resultado deportivo. Eso hoy en día creo que es el reto de muchos de los que están haciendo pruebas de largo aliento.
JLC: Hay un tema que tiene que ver básicamente con el factor cultural y regional, siempre pensando un poco en Latinoamérica, que es lo que nos concentra. Y cómo la tecnología democratiza muchos procesos y nos pone en igualdad de condiciones. ¿Cuáles han sido, crees tú, los principales desafíos culturales o estructurales que han hecho que vayamos retrasados en esto? ¿Y qué deberíamos vencer, o qué debería ocurrir, para poder instalar como tú hablabas recientemente, una base de datos, un big data? ¿Qué crees tú que debería ocurrir en Latinoamérica para que eso se acelere, recuperemos el tiempo perdido y tengamos nuestras propias bases de datos, nuestro análisis comparativo entre pares? ¿Qué crees tú que debería ocurrir mirando hacia el futuro?
MB: Yo creería que hoy en día tenemos que acercarnos al conocimiento, a la autodidactación del conocimiento. Hoy en día hay que aprovechar que es tan efímero. El conocimiento formal que hoy en día el aprendizaje continuo viene por la autodidacta dedicación de lo que tenemos que buscar. Y prácticamente, hoy en día, eso debe ser lo que cuesten los tiempos: borrar este mito del ser humano de que debemos esperar a que llegue el conocimiento y poder practicar hoy en día la semántica de los modelos de entrenamiento deportivo que están ahí y todo lo que representan.
Prácticamente hay que hacer un trabajo exploratorio de autopreparación. Creo que eso es lo que en Latinoamérica debemos hacer, porque en Europa, como sabemos, están adelantados con toda la tecnología y los recursos. Hoy tenemos que adaptarnos, y creo que esa ha sido nuestra principal debilidad, y debemos hacerla nuestra fortaleza en este momento.
JLC: El chat dice: “Las aplicaciones donde registramos nuestros entrenamientos juegan un papel importante para aquellos que inician”. Exactamente. Nos indican que hay muchos comentarios que van siguiendo esto, pero como preguntas, como tales, no hay. Pero hay una cantidad enorme. Creo que batimos el récord de comentarios. Voy a buscar acá en preguntas…
“Me gustaría un doctorado en ciencias del deporte y la educación física”, un poco recogiendo lo que decía Ramiro. Son muchas, entonces voy a recorrerlas… Aquí debería de… Bueno, excelente exposición. Una exposición maravillosa. “La tecnología al servicio para el desarrollo de la valoración deportiva”. “Saludos desde México al doctor Manuel Bravo, extraordinaria ponencia”. “Extraordinaria ponencia”. “Saludos”. “Las redes neuronales son una parte de la inteligencia artificial que nos ayuda mucho en nuestros planes de entrenamiento. Hay que tener en cuenta que desarrollarlo es un sistema”. “Los sistemas expertos son fundamentales. Muy buena exposición. Gracias por la información”. “Excelente trabajo de presentación.
RV: Dinos, Manuel, qué recomendaciones les haces. Ya generaste unos marcos muy importantes a todos los profesores y entrenadores. Pero específicamente, ¿qué recomendación les harías alrededor de tu temática de hoy, tan brillante, “La inteligencia artificial en el deporte olímpico y en el alto rendimiento”?
MB: Como les decía, yo creo que lo importante es acortar las distancias, la autopreparación, la motivación, que prácticamente existen herramientas que nos pueden ayudar a mejorar el rendimiento deportivo. Y, claro, eso nos va a permitir optimizar recursos. Tener muy claro que la IA no solamente es ChatGPT. La IA es el razonamiento lógico, los metadatos, toda esta información que nosotros debemos construir internamente.
Y, claro, hoy podemos generar mucha información solamente albergando a nuestros entrenadores. Tener un grupo de atletas, comenzar a hacer los procesos de test en cada uno de ellos, generar la información, generar una base de datos. Y esa base de datos llevarla a uno de los buscadores de metadatos, como ser Cloud ChatGPT 5.0, que les va a permitir llegar a una optimización de los resultados, hoy pueden hacer tranquilamente un plan de entrenamiento, y es precisamente eso lo peligroso. No queremos dejar que las máquinas nos hagan todo. Hoy tenemos que tener el contacto íntimo con el atleta, pero, claro, detrás tiene que haber esta información. Hoy los mismos atletas ya saben lo que estamos haciendo y le preguntan al entrenador, porque entran y buscan la información. Ya saben en qué periodo estamos: general, especial, competitivo. Pero las cargas hoy en día ya no son calculables, hoy día son optimizables, y prácticamente la herramienta está ahí.
JLC: Ya decía que hay un punto de inflexión. Pero yo creo que aquí hay un tema que tiene que ver básicamente con un paradigma, ¿no? Lo que tiene que ver con lo que escuchábamos a Ludwig Rubio ayer, que hablaba sobre el arte, un poco, de entrenar. Pero yo creo que la inteligencia artificial y todo lo que significa no es una inteligencia extra, sino la capacidad humana expresada de otra forma.
Como yo lo planteaba, que era como la pértiga para saltarnos, que es una extensión del cuerpo humano que permite ir más lejos. Esto también permite ir más lejos, pero a veces más de lo que el ser humano puede controlar. Pero aquí no hay una disputa entre lo que es el arte, la forma esencial de entrenar, porque bien decía Manuel: aquí hay que trabajar, detrás está el trabajo y el esfuerzo humano, que no se va a acabar.
Entonces, sin duda, de alguna manera hay procesos que van a mejorar, pero no se van a enfrentar con lo que es el ser humano y con la esencia del atletismo. Lo que sí va a pasar es que habrá entrenadores que usen inteligencia artificial y otros que no la usarán. Algunos a lo mejor van a tener menos cantidad de alumnos o de atletas que dirigir, porque van a tener que manejar los datos de otra manera.
Pero yo creo que el impacto de todo esto va a ser mejorar el atletismo y va a hacer que el atletismo, hoy día, de alguna manera, con deportes como el fútbol, el básquetbol o incluso la natación, que superan al atletismo en público y en espectadores, siga siendo clásico, siga siendo el rey de los deportes. Entonces también tiene que avanzar con resguardo de lo que significa la esencia, no perder la esencia. En Wimbledon todavía se juega sobre césped, el tenis tiene esos resguardos de la esencia y de la cultura.
Yo creo que Latinoamérica va a dar un gran salto si incorpora este tema de práctica y estos métodos que provienen de la inteligencia artificial y de la tecnología. Eso.
RV: Gratitud y un aplauso virtual de todos esos 210 profesores y entrenadores de atletismo que nos acompañan esta noche. Muchas gracias, Manuel.
MB: Gracias a ustedes, amigos, muy amables por darme el espacio de poder hablar un poco más de conocimiento superlativo. Muchas gracias
