IA en la NBA: qué revela Draymond Green y qué puede aprender LatAm

El ala-pívot de los Golden State Warriors, Draymond Green, reveló el nivel de penetración que tiene la inteligencia artificial en la NBA: los equipos ya procesan volúmenes masivos de datos para preparar partidos, analizar rivales y medir el rendimiento físico. La declaración, recogida por Yahoo Sports, destapa una realidad que hace unos años era impensable en el básquet profesional.

La magnitud del uso de IA no se limita al scouting. Las franquicias de la liga estadounidense han integrado sistemas basados en computación en la nube que convierten cada partido en una mina de información. La tecnología transformó las competencias de élite en eventos ricos en datos, y los equipos que no se subieron a esa ola ya compiten en desventaja.

De los datos a la cancha

Un estudio publicado en Scientific Reports detalla cómo funciona esa maquinaria. Los investigadores desarrollaron un marco para implementar sistemas de IA en entornos reales de baloncesto, combinando múltiples fuentes de datos. La novedad frente a trabajos anteriores es que no se queda en análisis generales o aplicaciones tecnológicas aisladas, sino que propone una integración completa en el flujo de trabajo de un equipo.

El trabajo utiliza el análisis SHAP para hacer visible el proceso de decisión de los modelos. Esa técnica revela cómo inciden las métricas de rendimiento a nivel global y local: no solo se sabe qué jugador tiene mejor evaluación, sino por qué el modelo considera que la tiene. Esa interpretabilidad es una de las mayores barreras para que un entrenador confíe en una recomendación generada por algoritmos, y el estudio la convierte en el centro del sistema.

Los resultados muestran una correlación de 0,60 entre las evaluaciones del modelo y el desempeño real, un nivel que valida su uso como herramienta de apoyo. En términos prácticos, el sistema permite construir perfiles individuales con precisión y explicar cada predicción, un paso adelante frente a los modelos de caja negra que dominan el análisis deportivo.

Qué significa para los equipos latinoamericanos

Para la región, el dato tiene lecturas concretas. Las ligas locales no cuentan con la infraestructura de recolección de datos de la NBA, pero el estudio demuestra que es posible avanzar con menos: la clave está en la calidad de las fuentes y en la transparencia del modelo, no en el volumen absoluto. Un club con estadísticas básicas de sus divisiones inferiores puede empezar a construir perfiles de jugadores con herramientas de IA accesibles, en lugar de esperar a tener los recursos de una franquicia estadounidense.

Para los ejecutivos, la advertencia es operativa. La IA no reemplaza el ojo del entrenador, pero exige que los cuerpos técnicos aprendan a leer sus resultados. El análisis SHAP, que explica cada predicción, funciona como puente entre el dato y la decisión. Las organizaciones que no formen a su gente en esa lectura quedarán rezagadas frente a las que sí lo hagan.

Lo que Green reveló no habla solo del básquet de élite. Habla de un estándar que está bajando de precio y de complejidad. La pregunta para los clubes latinoamericanos es si van a esperar a que la IA llegue con una liga profesional consolidada o si van a empezar a usarla ahora, con los datos que ya tienen.