El movimiento de analítica en el hockey va por detrás de otros deportes, pero sus primeras historias de éxito ya son bien conocidas.
Está el video del director de scouting de los Canadiens, Eric Crawford, impulsando exitosamente la selección de Lane Hutson en la segunda ronda, diciendo en la sala que todo equipo contendiente tiene un defensa como él.
Está el entonces director de analítica y recién contratado gerente general de los Devils, Sunny Mehta, cuyo modelo de draft clasificó a Jesper Bratt en el tercer lugar general del draft de 2016, lo que llevó a Mehta a impulsar su selección en la sexta ronda.
Están figuras como el gerente general de los Hurricanes, Eric Tulsky; el director de analítica de los Avalanche, Arik Parnass; y el asistente del gerente general de Carolina, Tyler Dellow —exblogueros y escritores que ascendieron a la prominencia y ayudaron a construir equipos contendientes de la NHL.
Todavía hay una brecha en el hockey entre los equipos que adoptan los datos y los que no, pero los inicios de la próxima ola de innovación ya han comenzado a sentirse. Esta será sobre inteligencia artificial y qué equipos pueden integrarla mejor en sus operaciones.
Los desafíos existen en dos niveles. Primero, en el deporte más lento en adoptar la analítica, ¿cómo se vende el salto a la IA? Al igual que con la analítica, eso debe responderse con resultados que demuestren que quienes no se adapten quedarán rezagados.
El segundo es más amplio.
“Esa es una pregunta que todas las empresas en Estados Unidos se están haciendo, y es abrumadora: ¿por dónde empezamos?”, dijo a The Post un ejecutivo de la Conferencia Este. “Al final, lo que va a pasar es que cada proceso operativo será repensado a través del lente de la IA”.
La analítica es un tema amplio que a menudo se simplifica, pero en relación con cualquier deporte, se puede resumir su propósito en una sola idea: usar números, tendencias y datos para entender lo que el ojo no capta.
La IA no es así. Si hubiera que resumir sus posibles usos en el hockey en una idea, sería que puede ahorrar tiempo. Pero eso es tan amplio que apenas es un descriptor útil.
“Los ejemplos de cómo usar la IA, creo que los simples son… es útil para la gestión del tope salarial y el modelado, para analizar otros clubes y las tendencias de otros gerentes generales”, dijo a The Post Steve Werier, exasistente del gerente general de los Panthers que luego trabajó como abogado de IA para Amazon. “Creo que podría ayudar a identificar señales en otros mercados mediáticos que sean relevantes para la planificación estratégica”.
“Otro ejemplo es, si eres un ejecutivo de operaciones de hockey y recibes 100 correos de agentes a la semana sobre jugadores en varias ligas del mundo. Un agente de IA con las indicaciones correctas puede filtrarlos y resaltar los que más se ajusten a los criterios que buscan tus clubes de ligas menores, y eso te ahorra tiempo. La IA puede permitir que los equipos de analítica aceleren la codificación y agilicen el cronograma de ejecución”.
¿Qué más? Los equipos generalmente emplean a un puñado de entrenadores de desarrollo de jugadores para reunirse con prospectos en la universidad o en las juveniles por todo el continente durante la temporada. ¿Qué pasaría si, para complementar el tiempo entre esas reuniones, se pudiera automatizar la IA para dar retroalimentación en tiempo real a los prospectos?
Los equipos también usan empresas como SportLogiq, que tiene acceso a datos de seguimiento en tiempo real, para ayudar a construir modelos internos y dar información al personal. Pero ¿se podría usar la IA para ayudar a un entrenador durante el partido, acelerando la velocidad con la que los datos y el video que influyen en las decisiones de alineaciones llegan al banco?
“¿Qué pasaría si le diera a un entrenador un iPad con información en tiempo real que dijera: ‘Oh, mierda, tu tercera línea está siendo aplastada’? Puede que lo estés viendo de todos modos, pero ajustes en tiempo real sobre la marcha para ayudarlo a ganar partidos en el momento”, dijo el ejecutivo de la Conferencia Este. “Todo esto es posible, y parece lejano, pero no lo es en el contexto de lo que es posible con la tecnología que tenemos hoy”.
Mike Kelly, director de analítica e información en SportLogiq, se centró en la adquisición de jugadores como un área donde la IA puede ayudar.
“Rara vez, o nunca, dices ‘veamos a todos los agentes libres sin restricciones, o incluso a los agentes libres con restricciones, clasifícalos de mejor a peor y empecemos a trabajar con los mejores’. Buscas ajustes”, dijo Kelly a The Post. “Dices que quizás necesitamos un centro de profundidad que pueda ganar faceoffs y matar penalidades. Eso es lo que buscas. O buscamos un defensa de tercer par que sea físico y mate penalidades”.
“Puedes ingresar los datos y hacer que tus herramientas de IA, con cierta información de contratos, quizás quieras un tipo con uno o dos años restantes como máximo, o un agente libre sin restricciones en un cierto rango de precio, y que te genere una lista. Una vez que tengas tu lista, reduce a una aún más corta. Ese es el trabajo manual que habría que hacer. Las herramientas de IA pueden hacer ese trabajo más rápido. Así que es un ahorro de tiempo”.
Hay un contrapunto obvio a todo esto que cualquiera que haya usado casualmente un asistente de IA puede pensar: ¿no es sospechosa su confiabilidad?
La respuesta a eso depende del contexto: qué tan bueno eres para darle indicaciones, qué tan buenos son los datos con los que trabajas y si haces las preguntas correctas sobre lo que produce. Sin embargo, todos enfatizan lo rápido que está mejorando la tecnología y cuánto tiempo ya puede ahorrar.
“Hace un año, dudaba en usarla porque podía desviarte”, dijo a The Post un ejecutivo de la Conferencia Oeste. “Estaba aprendiendo mi propio camino. Y ahora se usa más comúnmente esta temporada, seguro. No diría que se usa para todo el día, todos los días. Es más una herramienta de apoyo para ayudar a acelerar o resolver problemas, cosas así”.
“No se ha apoderado, y ahí es donde estamos en ese precipicio de: ¿hasta dónde va a llegar y cómo la van a usar los proveedores de datos y cómo la usamos nosotros?”
Jules Lanari-Collard, estudiante del Imperial College London, presentó recientemente un modelo que creó para medir cómo los jugadores contribuyen lejos del disco en la conferencia HALO en Denver, una conferencia de analítica de hockey pionera organizada por Parnass. Usó Gemini de Google para escribir aproximadamente el 10 por ciento del código, lo que en el mundo de la estadística es algo conservador.
“Para escribir código, para hacer las cosas más eficientes, realmente puede acelerar muchas cosas. Ese es un aspecto”, dijo Lanari-Collard. “Creo que fundamentalmente todavía necesitas personas realmente buenas. Esas personas pueden implementar modelos de IA para desarrollar métricas y cosas así, pero definitivamente no puedes simplemente delegar la analítica a una IA y esperar obtener resultados particularmente buenos”.
La IA eventualmente se integrará en todas las organizaciones, pero, usada correctamente, no reemplazará a los analistas de datos, scouts ni a nadie más. Complementará su trabajo y les ahorrará tiempo.
Si hay un inconveniente, es que la mayor parte de esa innovación, al menos en el hockey, ocurrirá lejos del ojo público. A diferencia, por ejemplo, del béisbol —donde niveles granulares de datos de seguimiento están disponibles para cualquiera que quiera usarlos a través de Baseball Savant— los datos de seguimiento del hockey son en gran parte inaccesibles a menos que trabajes para un equipo, la NHL u otra empresa con acceso a SportLogiq. Para hacer su proyecto, a Lanari-Collard y a otros que participaron en el Hackathon de HALO se les dio parte de esos datos, pero el aficionado promedio no puede acceder a ellos.
“Si quieres entrar en el béisbol, el fútbol americano, el baloncesto, está realmente, realmente saturado”, dijo Lanari-Collard. “No digo que no haya más por hacer, pero hay mucho espacio para la innovación en el hockey. Estamos limitados por los datos disponibles. Ese es el cuello de botella”.
Lo que eso también puede significar, sin embargo, es una brecha más notable entre los equipos que adoptan nuevas formas de pensar y los que se aferran a la tradición.
Del lado del equipo, sin embargo, esa limitación no existe, al menos no de la misma manera que para el público. Es solo una cuestión de quién puede innovar más rápido.
“Creo que, en términos de operaciones de hockey, no habrá muchos lugares a los que [la IA] no llegue”, dijo el ejecutivo de la Conferencia Oeste. “… No puedo pensar en un departamento que no se beneficiaría de la capacidad de usarla en algún momento en los próximos años”.
**REDACCIÓN FV MEDIOS**