El ciclismo de élite representa un ejemplo tangible de un desafío que enfrentan organizaciones de todos los sectores: contar con grandes volúmenes de datos dispersos, pero con pocas herramientas para transformarlos en decisiones oportunas.
Frente a este panorama, Team Visma | Lease a Bike, uno de los protagonistas de algunas de las victorias más significativas en la historia reciente del ciclismo, está trabajando con McKinsey para utilizar inteligencia artificial y analítica avanzada en decisiones que van desde la estrategia de carrera hasta la nutrición y la gestión del entrenamiento.
En Colombia, donde cada día se realizan cerca de 880.000 viajes en bicicleta solo en Bogotá, según cifras de la Secretaría Distrital de Movilidad, y donde el mercado de bicicletas supera los 200 millones de dólares anuales, según estimaciones de Expert Market Research, el ciclismo ocupa un lugar central en la cultura deportiva del país. En este contexto, la analítica de datos emerge como una herramienta técnica para apoyar la preparación en el circuito profesional.
Team Visma | Lease a Bike, uno de los equipos líderes en el ciclismo profesional de primer nivel, está utilizando inteligencia artificial y analítica avanzada, desarrolladas en colaboración con McKinsey & Company, para estructurar y analizar información técnica. Estas herramientas respaldan procesos como los cálculos nutricionales de los ciclistas, el modelado de escenarios de ruta y el seguimiento del rendimiento.
Esta iniciativa plantea una pregunta que habría parecido impensable hace apenas unos años: ¿Pueden los algoritmos ayudar a los equipos a competir de manera más efectiva en el ciclismo de élite mundial?
Evolución en la toma de decisiones
Durante décadas, las decisiones el día de la carrera dependían de la experiencia del director deportivo y la intuición de los ciclistas. El desempeño deportivo de alto nivel sigue dependiendo de esos elementos fundamentales; sin embargo, el cambio radical radica en la gestión de la información. Se ha pasado de tener numerosos datos fragmentados, provenientes de distintas fuentes, a una visión unificada que facilita la priorización y la interpretación para la toma de decisiones, redefiniendo así la preparación y la estrategia en el deporte.
La colaboración entre McKinsey y Team Visma | Lease a Bike se centra en tres áreas principales:
Nutrición personalizada. Mediante el uso de algoritmos que combinan variables de rendimiento con las exigencias específicas de cada etapa, el equipo puede estimar con precisión las necesidades energéticas de cada ciclista y ajustar los planes de nutrición para maximizar su desempeño
Estrategias basadas en simulaciones. Los modelos analíticos incorporan factores como perfiles de elevación, viento, temperatura, datos históricos de rendimiento e, incluso, características específicas del recorrido para proyectar diferentes escenarios de carrera y preparar planes alternativos antes de llegar a la línea de salida.
Gestión del entrenamiento y la recuperación: Los equipos de rendimiento pueden analizar información sobre entrenamiento y recuperación, junto con otras fuentes de información, para apoyar la preparación de los deportistas y la gestión de sus cargas de entrenamiento de manera integral.
Aplicabilidad de los datos
Aunque las decisiones finales siguen estando en manos de los entrenadores y los ciclistas, un número cada vez mayor de expertos coincide en que los resultados también pueden depender de la capacidad de interpretar información compleja a una velocidad que resulta imposible para cualquier ser humano.
«La inteligencia artificial no reemplaza la experiencia ni los conocimientos de quienes toman las decisiones. Su función es ampliar la capacidad de procesamiento, identificar patrones en grandes volúmenes de datos, anticipar variables de manera objetiva y permitir una mayor precisión técnica», señaló Carlos Andrés Suárez de McKinsey & Company.
La colaboración con Team Visma demuestra cómo estas herramientas analíticas tienen aplicaciones operativas muy prácticas. En un país reconocido por su tradición ciclista, este caso técnico ilustra que las mismas capacidades de estructuración de datos utilizadas en el deporte también pueden aplicarse para optimizar procesos en la manufactura, la logística, la atención en salud y la planificación empresarial.