En el competitivo mundo de la NBA, organizaciones como los Toronto Raptors recurren a la Inteligencia Artificial para mejorar el proceso de decisión de la plantilla de jugadores con el fin de obtener una ventaja competitiva y lograr a ser campeones, cosa que lograron en 2019

 

 

**Este artículo fue originalmente publicado en rctom.hbs.org en noviembre de 2018 y traducido/ajustado por Néstor Altuve con ocasión del campeonato obtenido por los Toronto Raptors en junio de 2019

La necesidad de una ventaja competitiva en el baloncesto:

¿Hay un papel para la tecnología y específicamente las máquinas cuando se trata de gestionar la plantilla de jugadores en los deportes?

En la temporada 2002 de la MLB, Billy Beane de los Atléticos de Oakland, en busca de una ventaja competitiva, sentó las bases para la pregunta anterior al adoptar un sistema de búsqueda y firma de agentes libres a través del análisis de datos, rompiendo con el procedimiento tradicional en base al conocimiento de expertos cazadores de talentos. Moneyball, como se lo denominó, fue polémico e introdujo una nueva especialidad de trabajo en los deportes profesionales, Director de Analítica de Datos.

16 años más tarde, los Golden State Warriors, dominan el mundo del baloncesto de la NBA y dan gran parte del crédito de su éxito a las tácticas de Moneyball, pasando de una valoración de $300M a $2.2B en ocho años.

Es así como los ejecutivos de los equipos de la NBA están bajo la presión de los fanáticos y propietarios para replicar estos niveles de éxito. Masai Ujiri, presidente de los Toronto Raptors, cree que su equipo ha encontrado una ventaja al administrar de manera eficiente e innovadora su plantilla de jugadores al llevar las tácticas de Moneyball a un nuevo nivel con el aprendizaje automático. (Nota de Néstor Altuve: Cosa que logró recientemente al coronarse campeón de la NBA 2019)

Inteligencia artificial como herramienta de gestión de la plantilla de jugadores:

Las decisiones de la plantilla de jugadores de los Toronto Raptors son administradas por Ujiri y su equipo de personal. El proceso de creación de la plantilla comienza fuera de temporada regular con el reclutamiento en el draft de jugadores y firmas de agentes libres, y continúa a través de la temporada con intercambios y movimientos relacionados con la plantilla. Antes de 2016, el equipo de Ujiri curó y analizó grandes cantidades de datos, a menudo en Excel, para formar listas de jugadores objetivos. Ujiri describió este proceso como demasiado manual y atascado con el papeleo.

En busca de eliminar las ineficiencias, los Raptors se asociaron con IBM Watson en 2016 para convertirse en el primer equipo de la NBA en utilizar la supercomputadora para analizar jugadores, eliminar tareas incómodas y otorgarles a los Raptores más tiempo para tomar decisiones. En asociación con IBM Interactive Global Business Services, los Raptors construyeron un «War Room» de última generación, un centro equipado con múltiples pantallas que muestran datos capturados de la tecnología cognitiva avanzada de Watson.

En el corto plazo, los Raptors están utilizando ese «War Room» para integrar muchos de los mismos principios de Moneyball que antes, pero en tiempo real y de manera más amplia e innovadora. Las tácticas tradicionales de Moneyball son propensas a perder tendencias o jugadores. Sin embargo, Watson puede analizar grandes conjuntos de datos estructurados y no estructurados relacionados con el juego de los Raptors, compilando las métricas de eficiencia del equipo y del jugador individual para recoger tendencias en un conjunto de datos más amplio. Esto le permite a Watson determinar las deficiencias del equipo y los jugadores ineficaces. Esta Inteligencia Artificial luego compara las mencionadas deficiencias y los espacios disponibles en plantilla con los datos de los jugadores universitarios y los agentes libres para identificar las mayores posibilidades de mejorar el equipo en áreas específicas. Watson va más allá de simplemente revisar las estadísticas de los jugadores y analizar los videos de forma más rápida y eficiente que cualquier persona del equipo de Ujiri para identificar fortalezas y estilo de juego, luego combina estas ideas con informes de scouting, historias clínicas y evaluaciones de personalidad derivadas de entrevistas y redes sociales para hacer recomendaciones de jugadores. En situaciones presión relacionadas al tiempo, como por ejemplo en el draft, Watson entrega todo esto en cuestión de segundos en comparación con el proceso anterior de llamar a los scouts y estadísticos para obtener sus recomendaciones.

A medio plazo, las mencionadas recomendaciones están ayudando a impulsar la gestión de la plantilla. La herramienta de evaluación de Watson es fluida, un jugador que podría haberse calificado como positivo un día podría verse negativamente al siguiente, ya que Watson incorpora nuevos informes de scouting o una publicación de redes sociales poco aconsejable. Los Raptors utilizaron por primera vez a Watson en el draft de la NBA de 2016 y, aunque hasta el momento los resultados fueron muy estrictos por razones competitivas, han estado trabajando con el equipo de IBM para seguir haciendo ajustes para mejorar la herramienta.

Usos adicionales de la inteligencia artificial:

Más allá del uso de la inteligencia artificial en la gestión de la plantilla de jugadores, los Raptors pueden ampliar su ventaja en el corto plazo al incorporar a Watson como un asistente técnico altamente eficiente. La siguiente etapa del aprendizaje automático en el deporte es formular estrategias de juego basadas en el video de las tendencias del oponente y las debilidades explotables. En la NBA, los equipos juegan cada dos noches y, a menudo, los scouts elaboran el plan de juego. Tener a Watson como una herramienta para explorar exhaustivamente al otro equipo en poco tiempo proporcionaría ventajas significativas a los Raptors todas las noches.

En el mediano plazo, un área para explorar es el desarrollo del jugador. Usando el mismo método detrás de las evaluaciones de jugadores para la construcción de la plantilla, los Raptors podrían usar a Watson para diseñar planes de desarrollo individualizados. Watson podría también usarse para medir el potencial y las recomendaciones sobre los objetivos y pasos de desarrollo de cada jugador.

Preguntas abiertas:

Watson proporciona recomendaciones basadas en criterios proporcionados por los Raptors, dejando las recomendaciones susceptibles a algunos sesgos humanos. Además, uno podría ver a los Raptors como caso de éxito de IBM y vender soluciones a otros equipos en el futuro.

Teniendo en cuenta estos factores, ¿hay razones suficientes para creer que el Machine Learning, este caso Watson de IBM, realmente le da a los Raptors una ventaja competitiva?

Nota de Adicional de Néstor Altuve:

El pasado 13 de junio, los Toronto Raptors derrotaron a los Golden State Warriors, 114-110 en el sexto juego, para coronarse en las Finales de la NBA 2019, convirtiéndose en la primera franquicia que no es de los EE. UU. (Canadá) en ganar un título de la NBA.

Después de llevar a los Raptors a su primer Campeonato de la NBA en la historia de la franquicia, Kawhi Leonard fue nombrado MVP de las Finales de la NBA 2019. Leonard se convirtió en el tercer máximo anotador (732 puntos) en una sola postemporada de la NBA en la historia de las eliminatorias de la NBA, el tercer jugador en la final de la NBA en ganar el MVP de las finales de la NBA con dos equipos diferentes, y el 4º jugador en ganar la MVP de las finales de la NBA en su primera temporada con un equipo.

Ciertamente hay muchos factores que llevan a un equipo profesional a mejorar y ganar un campeonato, pero definitivamente ha quedado comprobado, desde el Moneyball de Billy Beane y los Atléticos de Oakland, que la tecnología llegó y seguirá influyendo de manera positiva en el desarrollo y ámbito de todos los deportes, individuales y/o colectivos.

Recomiendo seguir mi etiqueta en cualquiera de las redes sociales #TD_Deportes

Néstor Altuve

Ver artículo original en inglés Aquí