Estudiantes de la Unison obtienen una mención honorífica en el Big Data Bowl de la NFL. El motivo: una IA utilizada en el deporte para detectar fallas defensivas que las métricas actuales no registran.

Ricardo Amador/NORO

Un equipo de estudiantes de la Universidad de Sonora (Unison) obtuvo mención honorífica en el Big Data Bowl 2026 de la National Football League o NFL. Los alumnos desarrollaron una inteligencia artificial capaz de analizar jugadas defensivas y detectar patrones que los métodos actuales no registran. El proyecto se basa en redes neuronales y datos de posicionamiento de jugadores.

El punto de partida no fue la experiencia, sino la curiosidad. Los estudiantes llegaron al Big Data Bowl —concurso anual de análisis deportivo organizado por la NFL— al buscar competir en ciencia de datos, no necesariamente en futbol americano. Sin embargo, la elección del concurso terminó marcando el rumbo del proyecto.

“Buscamos proyectos y eventos a los que pudiéramos entrar;  entonces, ahí junto al equipo, nos metimos para participar. Originalmente yo estaba intentando buscar competencias más dirigidas a la ciencia de datos e inteligencia artificial, pero aplicadas a medicina, economía, que eso es más o menos lo que me muevo normalmente. Pero pues salió esa oportunidad, se nos hizo interesante, participamos y al final logramos sacar una mención honorífica”, explicó a NORO, Dante Tostado, miembro del equipo ganador.

El desconocimiento de este deporte les permitió evitar sesgos y explorar las jugadas desde una lógica distinta. Gracias a este proyecto, al que nombraron “La geometría de la intención”, Tostado, junto a Jorge Luna, Orlando Pacheco y Oliver Ruiz Beltrán, estudiantes de la Licenciatura en Ciencias de la Computación, lograron la mención honorífica por parte de la NFL. Este reconocimiento marca un precedente importante, pues la Unison se convierte en la primera universidad latinoamericana en recibirla.

Una IA en el deporte que aprende sin reglas previas

En lugar de alimentar el modelo con reglas del juego o criterios de expertos, el equipo optó por un enfoque experimental que permitiera que la inteligencia artificial aprendiera por sí sola a interpretar lo que ocurre en el campo.

“El enfoque que tomamos se llama aprendizaje supervisado. Nosotros no sabíamos de futbol, entonces utilizamos una técnica que trata de enseñarle a la IA a aprender para que la por sí sola pudiera aprender de futbol”, explicó Tostado.

A partir de miles de jugadas, el sistema comenzó a identificar patrones, relaciones espaciales y comportamientos colectivos que normalmente pasan desapercibidos.

El hallazgo más importante fue que muchas jugadas bien ejecutadas defensivamente no se reflejan en las métricas actuales, que suelen enfocarse en resultados y no en la intención de la jugada.

“Con este proyecto atacamos el problema de las métricas que usan hoy en día, pues dependen de cosas como las yardas de distancia, los puntos que se espera que el otro equipo marque, pero esas son cosas individuales. No pueden captar si un jugador está un poco más lejos del jugador que está cubriendo, pero tiene a otro jugador que les está bloqueando tres o cuatro jugadores. Es una defensa que en la práctica es muy buena porque no va a pasar nadie. Pero en las métricas actuales no se refleja. Estamos atacando justamente ese problema”, relató. 

El modelo que desarrollaron los estudiantes busca precisamente llenar ese vacío. Pues evalúa  la calidad de la estructura defensiva más allá del desenlace inmediato. A diferencia de los sistemas utilizados por grandes corporaciones tecnológicas, este modelo no requiere infraestructura compleja ni costosa para funcionar, lo que podría cambiar el acceso a la analítica deportiva.

“Nosotros no más ocupamos el sistema GPS, con sensores de $100 o $200 pesos para cada jugador, es más que suficiente para procesar todas las jugadas”, señaló Tostado.

El descubrimiento abre la puerta a que equipos con menos recursos puedan incorporar herramientas avanzadas de análisis sin depender de grandes inversiones.

Un modelo de IA que hace “touchdown” en cualquier campo

Aunque el proyecto nació en el contexto de la NFL, su alcance no se limita a ese deporte. Al basarse en patrones de movimiento y posicionamiento, el sistema puede adaptarse a distintas disciplinas.

“Como nuestro sistema se basó en enseñarle a la inteligencia artificial a aprender, es agnóstico al futbol americano. Puede aprender futbol soccer, hockey o básquetbol”, indicó.

Esto amplía su potencial más allá de una sola competencia y lo convierte en una herramienta aplicable a distintos contextos deportivos. El proyecto plantea una nueva forma de analizar el rendimiento defensivo, pero también cuestiona las limitaciones de los modelos actuales y propone una alternativa más accesible, que podría modificar quién tiene acceso a la analítica avanzada dentro del deporte.