La aplicación y el impacto de la IA en el baloncesto y la NBA

Gracias a los avances tecnológicos, la participación de los aficionados y el análisis de los jugadores se han convertido en una parte importante de la industria deportiva. Los eventos deportivos dependen cada vez más de los datos, y la IA está desempeñando un papel fundamental en este cambio.

Anteriormente, hemos visto cómo tecnologías como la visión por ordenador, que ayuda a los ordenadores a ver y comprender lo que ocurre en el campo, han tenido un gran impacto en ámbitos como la Fórmula 1 y los Juegos Olímpicos. Del mismo modo, la Asociación Nacional de Baloncesto (NBA) ha acaparado recientemente titulares por utilizar la IA de formas nuevas e innovadoras.

Sin embargo, la NBA entró en el debate sobre la IA hace ya tiempo. Desde que la liga comenzó en 1949, ha adoptado rápidamente nuevas tecnologías para conectar con los aficionados y mejorar el juego.

Hoy en día, los modelos de visión por ordenador como Ultralytics YOLO11 llevan el análisis del rendimiento en baloncesto un paso más allá al permitir la detección y el seguimiento de objetos en tiempo real. La IA de visión facilita el análisis del juego sobre la marcha y permite comprender mejor lo que está ocurriendo.

En este artículo, analizamos con más detalle cómo la IA y la visión por ordenador están transformando el baloncesto. Hablaremos de cómo estas tecnologías ayudan a los equipos a seguir a los jugadores en tiempo real, analizar los datos de rendimiento con mayor precisión, tomar decisiones de entrenamiento más acertadas y crear una mejor experiencia para los aficionados.

El auge de la IA en el análisis deportivo#

Antes de profundizar en cómo se utiliza la IA para mejorar los partidos de baloncesto, veamos cómo ha evolucionado la IA en el deporte a lo largo de los años.

En los primeros tiempos, el análisis deportivo dependía principalmente de estadísticas básicas y del registro manual de datos. Esto empezó a cambiar en 1997, cuando los sistemas de seguimiento de jugadores basados en IA, como Prozone, comenzaron a recopilar datos sobre los movimientos de los jugadores.

En 2009, la NBA dio un gran paso adelante con el seguimiento del balón y de los jugadores basado en IA de SportVU. Esto marcó un nuevo hito que permitió realizar análisis detallados y ricos en datos, cambiando la forma en que los equipos evaluaban el rendimiento de los jugadores y la estrategia de los partidos.

Fig. 1. La evolución de la IA en el deporte.

En los últimos años, hemos visto utilizar una amplia variedad de técnicas de IA en el deporte: desde el aprendizaje automático para el análisis predictivo hasta la visión por ordenador para el análisis en tiempo real y la robótica para ayudar en los entrenamientos.

A medida que estas tecnologías siguen evolucionando, el análisis basado en IA se está convirtiendo en algo habitual tanto en los eventos deportivos como en los entrenamientos, ayudando a los equipos a obtener una ventaja competitiva y ofreciendo a los aficionados una visión más profunda de los partidos que tanto les gustan.

Formas innovadoras en las que la NBA utiliza la IA#

Una de las formas más emocionantes en las que la IA ha llegado a la NBA esta temporada es a través de los robots. Los Golden State Warriors están liderando el camino con su iniciativa Physical AI, un sistema de vanguardia formado por robots impulsados por IA que ayudan durante las sesiones de entrenamiento.

Estos robots ayudan con todo tipo de ejercicios, desde rebotes y pases hasta la simulación de jugadas defensivas, lo que permite a los jugadores recibir comentarios instantáneos sobre su rendimiento.

En un vídeo publicado por el equipo, el base de los Golden State Warriors Steph Curry comentó que, aunque al principio resultaba extraño, los robots se habían convertido rápidamente en una parte integral de su rutina de entrenamiento.

Fig. 2. Los equipos de baloncesto utilizan robots para prepararse para los partidos.

Estas son otras formas fascinantes en las que la NBA utiliza la IA:

• Seguimiento de jugadores en tiempo real: La liga utiliza la visión por ordenador para seguir los movimientos de los jugadores y sus posiciones en tiempo real. Esto proporciona a los entrenadores información instantánea y les ayuda a ajustar las estrategias sobre la marcha.
• Optimización de la programación de partidos: La NBA utiliza herramientas de IA para analizar datos históricos, el rendimiento de los jugadores y la logística con el fin de crear calendarios de partidos que aumenten la participación de los espectadores y agilicen la temporada.
• Mayor participación en las redes sociales: La IA se utiliza para generar automáticamente recopilaciones de mejores jugadas y clips personalizados mediante el análisis de las imágenes de los partidos, lo que facilita que la NBA conecte con aficionados de todo el mundo.

Predicción de los resultados de los partidos: modelos de IA para el análisis avanzado de la NBA#

La Cumbre Tecnológica del All-Star de la NBA de 2025 se centró principalmente en las innovaciones de IA. De hecho, en un pódcast reciente, Daryl Morey, presidente de operaciones de baloncesto de los Philadelphia 76ers, explicó cómo la IA, especialmente los modelos de lenguaje de gran tamaño (LLMs), se ha convertido en una parte integral del proceso de toma de decisiones.

Morey señaló: «Utilizamos absolutamente los modelos como un voto en cualquier decisión», destacando que la IA ahora desempeña un papel en la evaluación de todo tipo de aspectos, desde las selecciones del draft hasta las estrategias de los partidos. Estos modelos combinan datos en tiempo real, rendimiento histórico y otros conocimientos para predecir tendencias y resultados, añadiendo un nuevo nivel de precisión a la forma en que los equipos planifican el futuro.

Morey continuó explicando el papel de los LLMs en este proceso: «Resulta que los LLMs funcionan bastante bien en la predicción. Aun así, no superan a los humanos, como los grandes expertos en predicciones... Añaden información respecto a utilizar solo a ojeadores y recursos similares. Así que los trataremos casi como a un ojeador».

Con el tiempo, a medida que estos modelos mejoren, podrían desempeñar un papel aún más importante en la configuración del futuro de la NBA.

Cómo Ultralytics YOLO11 puede seguir a los jugadores y el movimiento del balón en baloncesto#

Entonces, ¿cómo funcionan las aplicaciones de IA de visión, como el seguimiento de jugadores en tiempo real en baloncesto? Demos un paso atrás y repasemos los detalles técnicos.

Los modelos como Ultralytics YOLO11 son compatibles con una serie de tareas de visión por ordenador, como la detección de objetos, la segmentación de instancias y el seguimiento de objetos. Gracias a estas capacidades, YOLO11 puede procesar cada fotograma de vídeo de un partido de baloncesto en tiempo real.

Por ejemplo, si queremos seguir el momento en que el balón atraviesa el aro o se produce un mate, un sistema de visión por ordenador integrado con Ultralytics YOLO11 puede detectar y seguir el balón cuando sale de la mano de un jugador, viaja por el aire y entra en contacto con el tablero y la canasta para anotar.

Otro buen ejemplo es utilizar las capacidades de estimación de poses de Ultralytics YOLO11. La estimación de poses consiste en identificar y seguir puntos clave del cuerpo de un jugador, como los codos, las rodillas y las caderas, en cada fotograma del vídeo. Esto puede utilizarse para crear un mapa detallado del movimiento de un jugador, que muestre no solo dónde se encuentra en la pista, sino también cómo se mueve durante momentos importantes. La información recopilada puede utilizarse después para analizar el rendimiento, perfeccionar las técnicas de entrenamiento e incluso ayudar a reducir el riesgo de lesiones.

Fig. 3. Un ejemplo del uso de Ultralytics YOLO11 para detectar la pose de un jugador.

Uso de Ultralytics YOLO11 para ayudar a los árbitros mediante IA#

Además del seguimiento de jugadores y el análisis del movimiento del balón, YOLO11 puede utilizarse para ayudar a los árbitros mediante IA, contribuyendo a detectar faltas, jugadas fuera de banda y otras infracciones en tiempo real.

Al analizar las imágenes de vídeo fotograma a fotograma, la IA de visión puede proporcionar a los árbitros información adicional para reducir los errores humanos. También puede integrarse en sistemas de repetición instantánea para marcar automáticamente los momentos que necesitan revisión, haciendo que el proceso sea más rápido y fiable.

Por ejemplo, si un jugador pisa fuera de la pista, Ultralytics YOLO11 puede detectar la posición de sus pies respecto a las líneas de la pista y alertar al instante a los oficiales. Además, el modelo puede seguir el contacto físico excesivo entre jugadores para ayudar a identificar faltas.

Del mismo modo, en situaciones en las que el balón está en movimiento, Ultralytics YOLO11 puede analizar su trayectoria para determinar si ha cruzado completamente la línea de tres puntos antes de un lanzamiento o si se ha producido una infracción de interferencia. Al automatizar estas detecciones, la asistencia arbitral basada en IA puede mejorar la precisión del arbitraje, reducir las decisiones polémicas y hacer que el juego sea más justo para jugadores y equipos.

Ventajas y desventajas de la IA en el entrenamiento y la estrategia de baloncesto#

El uso de la IA en el baloncesto está transformando todos los ámbitos, desde el rendimiento de los jugadores hasta la participación de los aficionados, y abre nuevas formas de analizar el juego y tomar decisiones más acertadas. Estas son algunas de las ventajas que la IA ofrece a los equipos y organizaciones de baloncesto:

• Mejor toma de decisiones: Al tener en cuenta múltiples fuentes de datos, los modelos de IA pueden respaldar decisiones objetivas en ámbitos como la gestión de la plantilla y las tácticas durante los partidos.
• Entrenamiento personalizado: Al analizar los datos de los jugadores, la IA puede ayudar a crear programas de entrenamiento personalizados que mejoren sus habilidades y minimicen el riesgo de lesiones.
• Mejora de la búsqueda de talento: Los sistemas de IA pueden analizar grandes cantidades de datos de varias temporadas y ligas, ayudando a los equipos a identificar talentos prometedores y descubrir jugadores desconocidos con gran potencial.

Aunque los beneficios son evidentes, implementar soluciones de IA puede conllevar sus propios desafíos. Estas son algunas de las limitaciones y consideraciones clave que debes tener en cuenta:

• Problemas de privacidad de los datos: La recopilación y el análisis de grandes cantidades de datos de los jugadores suscitan preocupación por la seguridad de los datos y la privacidad individual.
• Gestión de la incertidumbre: Los modelos de IA pueden tener dificultades para tener en cuenta los factores espontáneos y emocionales que suelen definir el deporte en directo.
• Dependencia excesiva de los datos: Depender demasiado de la IA podría restar importancia a la intuición del entrenador y a la naturaleza impredecible del juego.

La IA en el baloncesto es un mate#

La IA está redefiniendo el baloncesto de formas emocionantes. Desde el seguimiento de jugadores en tiempo real con Ultralytics YOLO11 hasta los modelos predictivos que ayudan a los entrenadores a tomar decisiones más acertadas, estas tecnologías ofrecen a los equipos nuevas herramientas para analizar el juego y mejorar el rendimiento.

La NBA ya utiliza la IA para todo tipo de tareas, desde optimizar los calendarios de partidos y crear recopilaciones automáticas de mejores jugadas hasta perfeccionar las estrategias de entrenamiento y mejorar la participación de los aficionados. A medida que la IA siga evolucionando, podemos esperar análisis aún más precisos, una mejor prevención de lesiones y conocimientos más profundos sobre el rendimiento de los jugadores.

Para obtener más información, visita nuestro repositorio de GitHub y participa en nuestra comunidad. Descubre innovaciones en sectores como la IA en los coches autónomos y la visión por ordenador en la agricultura en nuestras páginas de soluciones. Consulta nuestras opciones de licencia y haz realidad tus proyectos de IA de visión.