El tiro no entró. ¿Sabe la IA por qué?
Al poner uno al lado del otro el tiro que entra y el que falla, aparece una pequeña diferencia. En una época en que la IA señala los movimientos del cuerpo, ¿hasta dónde podemos fiarnos de esa diferencia? Comparamos dos vídeos de baloncesto para mirar el espacio que hay entre el análisis y el entrenamiento.
AI & SPORTS / 04
Pongamos dos vídeos de tiro uno al lado del otro. En uno la pelota entra; en el otro, no. En el segundo, el codo parece ir un poco más bajo. Y ya tenemos una explicación bastante convincente: quizá la pelota no entró porque el codo bajó.
Si a eso le sumamos los puntos y las líneas que dibuja la IA, la explicación parecerá aún más exacta. A esa diferencia que el ojo apenas intuía ahora le hemos puesto coordenadas. Pero ¿hasta dónde llegan esos números? Haber encontrado la diferencia entre dos tiros no es lo mismo que haber encontrado la causa del fallo.
La técnica de marcar puntos sobre el cuerpo
Una de las tecnologías que sostienen este tipo de análisis es la estimación de la postura. El Pose Landmarker de MediaPipe, de Google, calcula a partir de una foto o un vídeo dónde se encuentran 33 puntos del cuerpo, entre ellos los hombros, los codos y las muñecas. El nombre suena raro, pero se entiende enseguida si uno piensa en ver un vídeo e ir colocando marcas sobre las partes principales del cuerpo.
Al superponer esas coordenadas al vídeo, una persona obtiene material para comparar movimientos: volver a mirar, por ejemplo, dónde estaba el brazo al preparar el tiro y dónde quedó después de soltar la pelota. Su utilidad está en poder señalar la misma escena, en vez de decir «eso de hace un momento», cuando se habla de un gesto que pasó en un instante.
Con todo, lo que esta herramienta devuelve son posiciones del cuerpo. No es una aplicación de entrenamiento acabada que revele cómo se tira bien en baloncesto. Qué significado darles a las coordenadas y cómo evaluar el gesto siguen siendo el paso siguiente.
¿Podemos dar los dos vídeos por la misma escena?
Volvamos a los dos tiros del principio. Antes de corregir ese codo que parece bajo, hay algo que conviene comprobar. ¿Y si el primer vídeo está justo en el instante anterior a soltar la pelota y el segundo, en plena subida del brazo? Entonces estaríamos congelando dos momentos distintos para afirmar que la postura era diferente.
También hay que mirar dónde estaba la cámara. Si se grabó desde el mismo ángulo, si el brazo no quedó tapado por el torso o por otra persona. De un codo que se sale del encuadre no se puede decir que lo hayamos visto con claridad. Por eso, aunque la IA entregue coordenadas, hay que mirar a la vez a qué parte del vídeo original apuntan.
Y con igualar las condiciones de grabación tampoco se acaba la historia. El primero puede ser un tiro lanzado con libertad y el segundo, uno sacado esquivando a un defensor. Puede que las distancias fueran distintas. Puede que uno fuera el gesto de siempre y el otro, la prueba de algo recién aprendido. Si se dejan fuera esas diferencias y solo se comparan los codos, la explicación se cierra demasiado pronto.
Lo que no está en el vídeo lo cuenta la persona
Por eso, cuando se revisa un vídeo de entrenamiento entre varios, hacen falta también las explicaciones del jugador, y no solo las cifras marcadas en pantalla. Basta preguntar: «¿Qué querías cambiar en el segundo?». A veces esa respuesta convierte dos tiros aparentemente iguales en dos intentos distintos.
Nada de esto significa que el análisis con IA no sirva. Significa aprovecharlo para decidir qué merece una segunda mirada, sin convertir de inmediato la diferencia encontrada en un defecto que hay que corregir. Si al final se decide cambiar la postura, habrá que revisar juntos las condiciones de grabación, el objetivo del entrenamiento y lo que ha observado quien entrena.
La próxima vez que vea un vídeo de tiro, quiero empezar por cotejar con el original los puntos que ha señalado la IA. Y luego preguntarle a quien lanzó qué estaba intentando hacer en ese momento. Hasta oír esa respuesta, más vale dejar ese codo que parece bajo como «algo que volver a mirar» y no como «un problema que corregir».
Fuente: Google AI Edge · Pose landmark detection guide · consultado el 22/09/2026
Los dos tiros son un ejemplo ficticio, a modo de ilustración.