Olvida el brazo — son las piernas las que determinan el saque

Cuando la cámara ve más que el ojo

La mayoría de aficionados al tenis saben que un buen saque se trata de potencia, precisión y timing. Pero exactamente cómo se construye un saque — qué músculos contribuyen, cómo fluye la energía a través del cuerpo, qué distingue un buen saque de uno magistral — ha sido difícil de medir de forma significativa durante mucho tiempo.

IBM intenta cambiar eso ahora.

Según Sportico, la empresa tecnológica lanza en el US Open de este año una métrica estadística completamente nueva para la calidad del saque. El sistema se basa en la misma tecnología de cámara que ya se utiliza para las decisiones automáticas de línea, pero se utiliza aquí para rastrear 21 puntos específicos en el cuerpo del jugador y la raqueta — nada menos que 50 veces por segundo. No se trata de cámara lenta para el ojo, sino de captura de movimiento a velocidad de máquina.

Cada saque se convierte luego en una puntuación en una escala de 0 a 100, basada en qué tan bien el jugador aprovecha la cadena de movimiento de su cuerpo. El sistema mide, entre otras cosas, la transferencia de energía desde las piernas a través del tronco hasta el brazo, así como el movimiento exacto de la muñeca en el instante del contacto con la pelota.

Las piernas superan al brazo — un cambio de paradigma

Aquí viene una de las conclusiones más fascinantes del proyecto: no es el brazo el que impulsa un buen saque — son las piernas y el tronco.

Esto puede parecer obvio para un entrenador experimentado, pero para el público en general — y para cómo las estadísticas se han presentado tradicionalmente en el tenis — es una revaluación considerable. Las métricas anteriores se han centrado en gran medida en la velocidad de la pelota, que ciertamente es fácil de medir pero dice sorprendentemente poco sobre la verdadera calidad del saque.

Esta es precisamente el tipo de insight que surge cuando dejas de medir lo que es fácil de medir y empiezas a medir lo que realmente importa.

Los jugadores mismos han protestado durante mucho tiempo

También vale la pena escuchar a los jugadores. Los principales jugadores estadounidenses Ben Shelton y Taylor Fritz — que ambos encabezan las estadísticas de saque del ATP — han criticado abiertamente cómo se mide el saque hoy en día. Fritz sostiene que la colocación es el factor más importante, es decir, dónde aterriza la pelota en el cuadro de saque en relación al oponente. Shelton ha expresado frustración porque su efectivo saque cortado — un saque con topspin fuerte que rebota alto y fuera del alcance del oponente — puede recibir una puntuación baja en el sistema actual a pesar de funcionar excelentemente en partido.

Este es un desafío clásico en la medición de habilidades complejas: una métrica unilateral no captura la totalidad. El nuevo sistema de IBM intenta adoptar un enfoque más amplio, pero queda por ver qué tan bien maneja precisamente ese tipo de variación táctica del saque que describen Shelton y Fritz.

No solo números — una nueva comprensión del movimiento

Lo que hace que esto sea técnicamente interesante es que el sistema es fundamentalmente sobre inteligencia del movimiento — permitir que las máquinas analicen cómo funciona el cuerpo humano como una unidad mecánica coherente. Es visión por computadora y aprendizaje automático en un caso de uso concreto y bien delimitado donde los resultados pueden ser verificados contra la realidad.

Esta es mi perspectiva como desarrollador de sistemas: lo más difícil con este tipo de sistemas no es recopilar datos — las cámaras ya están en su lugar. Lo más difícil es definir qué se debe medir y por qué, y luego validar que las puntuaciones del modelo realmente correlacionan con los resultados de los partidos y las experiencias de los propios jugadores.

La colaboración de IBM con jugadores como Shelton y Fritz sugiere que al menos se intenta anclar el sistema en conocimiento real del tenis, no solo en modelado estadístico en el vacío.

Un precursor de una tecnología deportiva más amplia

El tenis es un excelente banco de pruebas para este tipo de tecnología: la cancha es controlada, los jugadores son bien conocidos y el análisis del movimiento es relevante tanto para el rendimiento como para la prevención de lesiones. Pero es difícil no ver el siguiente paso evidente — sistemas similares para fútbol, baloncesto, atletismo o natación.

Una vez que la infraestructura para rastrear y analizar el movimiento en tiempo real esté en su lugar, las áreas de aplicación pueden crecer rápidamente. Herramientas de entrenamiento, rehabilitación después de lesiones, identificación de talentos — las posibilidades son muchas e iniciativa de IBM en el US Open bien podría convertirse en un ejemplo práctico temprano que otras disciplinas deportivas observen con gran interés.