Tendencias a largo plazo
Detectar cambios de rendimiento en sesiones repetidas y contextos de actividad comparables.
Tecnología
La arquitectura de inteligencia de AthletAI.
AthletAI conecta la recogida de datos con wearables, los historiales de deportistas en la nube y la analítica asistida por IA para apoyar el trabajo de rendimiento, desarrollo y scouting.
Arquitectura
De los datos de campo al apoyo a las decisiones.
Dispositivos wearables
Datos de movimiento y posición en entornos deportivos
Aplicación móvil
Asignación de dispositivos y flujo de trabajo de la sesión
Plataforma de datos en la nube
Deportistas, actividades, asignaciones y métricas procesadas
Analítica con IA
Detección de patrones, tendencias, valores de referencia e indicadores de carga
Conclusiones
Decisiones de rendimiento, desarrollo y scouting
Datos del sensor
Sesión canónica
Métricas
Historial del deportista
Modelo de datos
Analítica centrada en el deportista con datos en bruto trazables.
La capa de ingesta de datos en bruto de AthletAI parte de los dispositivos y de sus sesiones, mientras que el valor del producto se construye en torno al desarrollo del deportista a lo largo del tiempo. Las asignaciones vinculan un dispositivo, un deportista, un intervalo de tiempo y el contexto de la actividad deportiva.
Esta estructura responde al uso operativo real: un dispositivo puede ser usado por distintos deportistas, un deportista puede usar distintos dispositivos, y los archivos en bruto se pueden seguir hasta los historiales y las actividades de cada deportista.
Entidades principales
- deportista
- dispositivo
- sesión de dispositivo
- actividad
- asignación
- métricas procesadas
- valores de referencia
Capa de IA
Modelos estadísticos y de aprendizaje automático para generar conocimiento estructurado.
La capa de inteligencia está diseñada para usar modelos estadísticos y de aprendizaje automático que analizan grandes volúmenes de datos de deportistas a lo largo del tiempo. El sistema apoya la toma de decisiones y no ofrece diagnóstico médico ni garantiza la predicción de lesiones.
Comparación del desarrollo
Comparar el desarrollo de los deportistas a lo largo del tiempo con historiales estructurados y valores de referencia pertinentes.
Seguimiento de la carga de trabajo
Identificar patrones anómalos de carga de trabajo e indicadores de fatiga para su posterior revisión por personas.
Perfiles de deportistas
Crear perfiles objetivos que combinan movimiento, carga de trabajo y señales de rendimiento propias de cada contexto.
Apoyo al scouting
Mejorar las decisiones de scouting con datos repetibles, sin sustituir el criterio de los expertos.
Indicadores de carga
Detectar patrones de carga física que pueden requerir la atención de entrenadores y preparadores, sin afirmaciones clínicas.