NFL y AWS: cómo los chips convierten el partido en datos

El marcador terminó 34-17, pero el dato interesante es otro

El NFL Madrid Game entre Cincinnati Bengals y Atlanta Falcons acabó 34-17 en el Bernabéu, pero lo verdaderamente relevante para quien construye tecnología ocurrió fuera del marcador: 75 modelos de inteligencia artificial procesaron millones de datos de ese partido en menos de un segundo, según la crónica de Xataka desde el estadio.

Ese es el punto que un founder debería leer con atención. La NFL dejó de ser un deporte que se mide por yardas y touchdowns para convertirse en una operación de datos en tiempo real, con sensores, antenas, machine learning y optimización combinatoria. Y casi todo lo que hace se puede replicar, en escala menor, en cualquier startup con producto digital.

Qué es Next Gen Stats y por qué cambió la forma de medir el deporte

Durante más de un siglo, el fútbol americano se midió con estadísticas de resultado: yardas ganadas, touchdowns, placajes. Esos números describen el qué, no el cómo. En 2015, la NFL se alió con AWS para cambiar esa lógica y empezó a colocar chips de rastreo RFID en las hombreras de los jugadores, dentro del balón y en los marcadores, además de instalar más de 20 antenas en cada estadio.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

El resultado fue Next Gen Stats (NGS), un sistema que registra la posición exacta de cada jugador con precisión de centímetros 10 veces por segundo y la del balón 25 veces por segundo. En 2018 la alianza se amplió y entró el aprendizaje automático: los datos de seguimiento se convirtieron en una plataforma en tiempo real capaz de reconocer patrones y generar estadísticas avanzadas.

La evolución es medible. En una década, NGS pasó de medir solo la velocidad máxima de un jugador a operar más de 40 modelos estadísticos —como Pressure Probability o Tackle Probability— que producen más de 200 estadísticas distintas por jugada. Un ejemplo concreto es Catch Probability: un algoritmo analiza en tiempo real la presión sobre el pasador, la distancia del lanzamiento y la cercanía del defensor para calcular la dificultad del pase y mostrarla en la retransmisión.

De los chips RFID al gemelo digital del jugador

El uso de esos datos ya no se limita al espectáculo. Los entrenadores los usan para evaluar fichajes, diseñar estrategias y preparar partidos. Y la NFL los combina con simulaciones de IA para analizar el impacto físico que sufren los jugadores y reducir el riesgo de lesión, en un programa que la liga llama NFL Digital Athlete.

Hay una segunda capa que la liga abrió al público: Next Gen Trends, una experiencia interactiva y gratuita en NFL.com impulsada por AWS que permite explorar cómo juegan los 32 equipos. Según NFL.com, la herramienta organiza los datos en dos vistas —tendencias de liga y tendencias por equipo— y analiza la identidad de cada equipo en 28 dimensiones, con un Similarity Score que compara estilos de juego y un modelo de probabilidad de playoffs que simula el resto de la temporada 10.000 veces.

El ejemplo que mejor ilustra para qué sirve esto es el uso de la formación 13 personnel por parte de los Rams: pasó del 0,3% de sus jugadas ofensivas en 2024 al 30,5% en 2025, según NFL.com. Sin datos, ese cambio de identidad táctica sería invisible.

El calendario de la NFL: un problema de optimización de escala brutal

Uno de los casos más citados por AWS es el calendario. Distribuir 272 partidos en 18 semanas obliga a considerar más de 26.000 factores: desplazamientos, disponibilidad de estadios, rivalidades de división, horarios de máxima audiencia y criterios de competición.

Cada temporada, más de 4.000 instancias de Amazon EC2 ejecutan unas 1.000 permutaciones al día para analizar más de 100.000 calendarios posibles de entre aproximadamente mil billones de combinaciones, según los datos que recoge Xataka. Es un problema de optimización combinatoria resuelto con cómputo elástico, no con una hoja de cálculo mejorada.

¿Qué significa esto para tu startup?

La lección no es "usa AWS". La lección es que la NFL convirtió una operación analógica en un sistema de telemetría continua, y ese patrón se aplica a cualquier negocio con usuarios, inventario, flota o infraestructura.

Tres ideas que se trasladan directamente:

Instrumentar antes de optimizar. La NFL no empezó con modelos de IA: empezó poniendo chips y antenas. Sin captura de datos a nivel de evento, no hay nada que analizar después. Si tu producto no emite telemetría granular, tu primera inversión no es un modelo, es la instrumentación.
Separar el dato del resultado del dato del proceso. Las estadísticas clásicas son el marcador; NGS mide el proceso. En un SaaS, el equivalente es medir el recorrido del usuario, no solo la conversión final. Ahí aparecen los cuellos de botella que el resultado agregado esconde.
Usar servicios gestionados para lo que no es tu ventaja competitiva. La liga no construyó su propia nube de cómputo elástico para simular calendarios. Delegó la infraestructura y se quedó con el conocimiento del dominio deportivo.

Tres acciones concretas para tu equipo

Define tus cinco eventos de telemetría críticos esta semana. No cien. Cinco, con la misma lógica que la NFL aplicó al balón y a las hombreras: qué se mueve, cuándo y con qué frecuencia. Si no puedes nombrarlos, tu producto no está instrumentado.
Pon un número a una decisión que hoy tomas por intuición. El caso de los Rams es replicable: mide la adopción de una función o de un canal y compárala con la temporada anterior. Un cambio de 0,3% a 30,5% no se detecta a ojo.
Antes de contratar un equipo de datos, prueba un servicio gestionado. El patrón de la NFL —chips, antenas, plataforma, modelos— se puede recorrer con componentes administrados. Valida que el dato cambia una decisión antes de construir la infraestructura propia.

Conclusión

El NFL Madrid Game fue la segunda edición del partido de la liga en España, en un Bernabéu con capacidad cercana a las 80.000 personas y una remodelación que superó los 1.000 millones de dólares, según BroBible. Pero el verdadero espectáculo tecnológico no estaba en las gradas: estaba en los más de 20 antenas del estadio, en los chips que reportan 25 veces por segundo y en los 75 modelos que traducen todo eso en información útil en menos de un segundo.

Para un founder hispanohablante, la conclusión práctica es incómoda y valiosa: la ventaja competitiva de la NFL no es tener datos, es haber construido el sistema que los captura, los procesa y los devuelve a la cancha en tiempo real. Ese sistema se puede empezar a construir con mucho menos presupuesto del que imaginas. Lo que no se puede es saltarse el primer paso.