‘Es la nueva frontera’: Cómo la IA está llevando la preparación del draft de la NFL ‘a un nivel diferente’

**La IA Revoluciona la Preparación para el Draft de la NFL**

*Por Kevin Seifert | 11 de abril de 2026, 06:00 AM ET*

El safety de Ohio State, Caleb Downs, plantea un clásico dilema del draft de la NFL que ha desconcertado a los cazatalentos y ejecutivos durante años. Tuvo una carrera universitaria impresionante, obteniendo honores como All-America en dos ocasiones y ganando el Trofeo Jim Thorpe como el mejor defensive back del país en su última temporada. Sin embargo, decidió no correr los 40 yardas en el combine de la NFL o en su día de pruebas, dejando a los equipos preguntándose: ¿qué tan rápido es?

Tradicionalmente, los equipos de la NFL han confiado en el video de los partidos, el escouting en persona y las discusiones con entrenadores universitarios para evaluar la velocidad de un jugador. Sin embargo, este año, algunos equipos están incorporando un nuevo recurso: la inteligencia artificial.

La tecnología de IA está entre las primeras aplicaciones significativas de una herramienta que está transformando industrias en todo el mundo. Los equipos de la NFL pueden utilizar la IA a través de la asociación de la liga con Microsoft y varias empresas privadas que ofrecen plataformas especializadas.

Si bien hay preocupaciones sobre que la IA reemplace empleos humanos, la NFL apenas está comenzando a explorar su potencial. Los ejecutivos que hablaron con ESPN sobre su uso de IA para evaluar prospectos creen que, gradualmente, se convertirá en una parte estándar de su proceso de toma de decisiones, similar a cómo han integrado la analítica en las últimas dos décadas.

La IA hace más que solo proporcionar datos. «La analítica nos ayudó a reunir vastas cantidades de información», dijo Rob Brzezinski, gerente general interino de los Minnesota Vikings. «Con la IA, podemos analizar esa información también, llevándola a un nivel diferente.»

Para jugadores como Downs, la IA puede ofrecer métricas de velocidad objetivas y conocimientos sobre sus roles potenciales en la NFL. A diferencia de la NFL, los atletas universitarios no llevan dispositivos de rastreo durante los partidos, pero la tecnología de visión por computadora puede analizar el metraje de los partidos universitarios para generar calificaciones de velocidad comparables a las del programa Next Gen Stats de la NFL.

El análisis de IA indica que la velocidad de juego de Downs es más baja que la de otros safeties destacados en el draft, según Karim Kassam, vicepresidente de producto en Teamworks. Estos datos pueden ayudar a los equipos a hacer evaluaciones informadas sobre la idoneidad de Downs para diversas posiciones en la NFL. «No tengo duda de que es un jugador talentoso,» declaró Kassam, «pero puede que no sea tan rápido como otros.»

Kassam, quien tiene experiencia en analítica de oficinas, señaló que aunque la IA podría no cambiar el interés de un gerente general en un jugador, podría influir en cómo optimizan el uso de ese jugador. Para Downs, entender sus limitaciones de velocidad podría aclarar cómo encajaría en el esquema defensivo de un equipo.

Los equipos pueden llegar a conclusiones similares a través de métodos de escouting tradicionales, pero tener datos numéricos que respalden evaluaciones subjetivas es cómo la IA puede cambiar la conversación.

**IA en Acción**

En algunos casos, los equipos de la NFL acceden a herramientas de IA de manera similar al público, a través de interfaces de chat en línea. Microsoft ha desarrollado una plataforma interna que contiene amplios datos de pruebas del combine de la NFL, permitiendo al personal del equipo hacer preguntas en lenguaje natural utilizando su función Copilot.

«Hay una gran cantidad de información disponible,» dijo Monica Robbins, responsable de asociaciones estratégicas de Microsoft. «El desafío radica en unificar e interpretar esa información rápida y efectivamente. Muchos equipos están recurriendo a la IA para obtener ayuda, no para tomar decisiones por ellos, sino para proporcionar la información necesaria.»

La IA también puede enriquecer las discusiones sobre los principales prospectos del draft, como jugadores de línea como Arvell Reese de Ohio State, David Bailey de Texas Tech y Rueben Bain Jr. de Miami. Los equipos necesitan alinear las características de los jugadores con sus conceptos específicos. Por ejemplo, los datos de IA revelan que Reese pasó aproximadamente la mitad de sus jugadas en cobertura la temporada pasada, y su eficiencia como pass rusher fue más baja que la de Bailey y Bain.

«Reese podría ser el mejor jugador de línea y podría ser el primero en ser seleccionado,» observó Kassam. «Sin embargo, podría no ser tan probable que logre sacks de dos dígitos en comparación con Bain o Bailey. Eso no disminuye su potencial; simplemente significa que los equipos necesitan un plan claro para él.»

La IA también puede proporcionar nuevas perspectivas sobre datos existentes. Kassam recordó que analizó la ofensiva de los Miami Dolphins cuando Tyreek Hill y Jaylen Waddle jugaron juntos. Aunque Waddle fue clasificado bajo entre los receptores más rápidos, un análisis más profundo mostró que a menudo aún estaba acelerando cuando las jugadas terminaban, lo que indica que tenía potencial para una mayor velocidad.

Los equipos también pueden aprovechar las capacidades de visión por computadora de la IA para escautear jugadores de universidades más pequeñas, ayudándolos a identificar talentos ocultos. «Estos datos son cruciales para descubrir jugadores que podrían haber sido pasados por alto durante el escouting inicial,» dijo Hayden Schuh, ejecutivo de cuentas de fútbol para SkillCorner.

**El Futuro de la IA en la NFL**

Los equipos de la NFL han sido históricamente lentos en adoptar perspectivas impulsadas por datos, pero ahora cada equipo tiene alguna forma de departamento de analítica, posicionándolos para navegar en el creciente paisaje de opciones de IA. Algunos equipos incluso están desarrollando modelos adaptados a sus necesidades atléticas y esquemáticas específicas.

«Estamos comenzando a analizar métricas como el cambio de dirección y qué tan rápido los jugadores pueden entrar y salir de las rutas,» explicó Schuh. «Esto cambia el enfoque de un simple escouting a aplicaciones más orientadas al coaching.»

A medida que los equipos comienzan a evaluar el valor de los datos de IA, BrTomado de https://www.espn.com/