Conducir mirando el retrovisor
Una reflexión sobre los datos de carga, la adaptación de los sistemas vivos y la peligrosa trampa de la linealidad.
Hay una imagen poderosa que últimamente nos viene a la cabeza cuando pensamos en nuestro trabajo como profesionales del deporte. Es la de estar al volante de un coche en una carretera de montaña. El camino es incierto, lleno de curvas ciegas y cambios de rasante que exigen la máxima atención, porque no sabemos qué hay al otro lado, cómo se comportará el coche o si podremos maniobrar con rapidez ante los imprevistos. Sin embargo, en lugar de fijar la vista en el parabrisas, en lo que está por venir, nos obsesionamos con mirar por el espejo retrovisor. Desde esa perspectiva, el control es absoluto. Conocemos con gran precisión la carretera que acabamos de dejar atrás. El pasado es un territorio nítido, cuantificable y ordenado. Pero, mientras nos dedicamos a realizar ese análisis perfecto de lo que ya fue, nos precipitamos sin saberlo hacia la próxima la siguiente curva cerrada ¿seremos capaces de mantener el coche en la carretera?
Esta metáfora, de algo tan evidente de lo que no podemos hacer en la carretera, parece desvanecerse con una facilidad pasmosa cuando entramos en nuestro campo: el análisis del rendimiento deportivo. La hemos interiorizado de tal forma que hemos olvidado cuestionarnos nuestros propios procesos.
En los últimos años le hemos otorgado a los datos un gran poder, llegando a fundamentar gran parte de las decisiones del alto rendimiento deportivo en ellos. Y no pretendemos restarle ni un ápice del valor que tienen, ya que son de una gran utilidad, pero no pueden significar el todo. Principalmente porque los datos que recopilamos, al igual que lo que vemos por el retrovisor del coche, son solo una foto estática del pasado. Describen una parte de la realidad de lo que fue, siempre y cuando podamos decir con cierto nivel de certeza que los datos recopilados recogen la esencia de esa realidad bajo estudio.
Permitidnos esta anécdota que en parte ha motivado esta editorial. Un responsable de scouting de baloncesto de élite nos confesó no hace mucho tiempo lo siguiente: "La estadística en el baloncesto se usa para ahorrarte ver partidos. Pero si de verdad quieres saber cómo se comporta un jugador o un equipo tienes que sentarte y ver los partidos". Esta afirmación aparentemente obvia es demoledora por su simplicidad, y describe en gran medida la situación en la que nos encontramos. Es a través de la observación del juego que podemos llegar a comprender mejor sus dinámicas para así adentrarnos en el estudio de futuros, el siguiente estímulo, el siguiente ejercicio, la siguiente sesión de entrenamiento o el siguiente partido.
Del High Speed Running de ayer a la distancia total de mañana: la trampa de la linealidad
Esta deriva hacia el detalle se visualiza muy bien si hablamos de la investigación biomédica en el último siglo. Pensemos en cómo se ha pasado de estudiar el funcionamiento de sistemas fisiológicos completos a analizar el comportamiento de una única célula en una placa de Petri. Este enfoque reduccionista ha sido un motor de progreso innegable, permitiéndonos descifrar mecanismos fundamentales. No es una crítica, sino la constatación de un éxito. Sin embargo, también ha generado un desafío monumental: comprender cómo esas verdades descubiertas en el aislamiento de un laboratorio se traducen de nuevo al ecosistema caótico y interconectado del organismo vivo. Al enfocarnos en una parte, corremos el riesgo de malinterpretar el todo. Y esa es exactamente nuestra encrucijada.
Desplacemos el ejemplo a nuestro terreno, al análisis de los datos recogidos en los procesos de monitorización de la carga. Actualmente contamos con soluciones tecnológicas —sistemas de posicionamiento, sensores inerciales, etc.— que nos proporcionan un retrovisor gigante de altísima definición que nos permite ver con mucho detalle las curvas ya sorteadas. E incluso podemos hacer zoom prácticamente infinito para descomponer en mil trozos diferentes cada una de las curvas. Podemos observar centímetro a centímetro dónde estaba el jugador, qué aceleraciones sufría su tronco o cuánto duró el cambio de dirección. Y si hemos llegado hasta aquí debemos ser conscientes que estamos a un paso de caer en una trampa peligrosa. Ya hemos dejado de ver la curva, hemos perdido la perspectiva del todo, del contexto. Pasamos al análisis del gesto con una precisión exquisita, la tratamos como un evento aislado, olvidando que forma parte de un sistema adaptativo. Esto nos obliga a plantear algunas preguntas: ¿Cuál es el impacto real de esa variable hiperanalizada en el estado global del jugador? ¿El cambio que proponemos en esa pequeña pieza tendrá el efecto lineal y predecible que esperamos en el conjunto? Nosotros estamos convencidos que el análisis tiene valor, pero debemos ser cautos.
Y esa deriva hacia el detalle, ese reduccionismo que nos ha permitido entender la pieza aislada, es precisamente la que alimenta el espejismo de la linealidad. Al hacer zoom sobre una única variable —una aceleración, la distancia recorrida a alta velocidad, etc.—, caemos en la tentación de creer que hemos aislado la causa fundamental del rendimiento o del riesgo. Asumimos que si modificamos esa pieza, el efecto sobre el conjunto será directo, predecible y proporcional.
Olvidamos que en los sistemas complejos las interacciones entre los componentes a menudo importan más que los componentes mismos. Al centrarnos en la curva, no solo perdemos de vista el carretera, sino que olvidamos que el estado de la misma modifica la manera en la que abordamos cada curva y la experiencia misma de la conducción. Y aquí ya hemos topado con el espejismo de la linealidad.
El responsable de la gestión de la carga observa los datos y asume, casi por inercia, que si una carga X produjo un resultado Y, una carga X+1 producirá un resultado predeciblemente superior. Si hoy hemos hecho más la respuesta es más intensa, a más metros recorridos a alta intensidad en competición los jugadores necesitarán más tiempo para recomponerse. Esto nos lleva en muchos casos a tareas más cortas y menos intensas ¿Y qué certezas tenemos de que esto es más beneficioso?
💡Nota. Estos análisis se realiza generalmente a través promedios y desviaciones estándares. Quizás estos no son los estadísticos más adecuados cuando hablamos de sistemas vivos que cambian su respuesta a estímulos aparentemente similares. Pero esto lo exploraremos en otra editorial.
Pero esto no es exclusivo del campo, ya que un sinfín de revistas científicas, reconocidas, publican artículos que correlacionan la carga acumulada con lesiones pasadas, pero en esencia, es un análisis forense. Estudiamos la caja negra del avión después del accidente. Esto nos obliga a plantearnos una pregunta incómoda: ¿estamos usando estos datos para comprender la complejidad o, en realidad, para sentir que la controlamos? El problema fundamental de este enfoque, y el antídoto contra el reduccionismo extremo, es recordar que los deportistas no son máquinas. Son sistemas biológicos complejos y adaptativos. Ignorar esto es ignorar al elefante en la habitación. La clave para entenderlo reside en conceptos que deberían ser el pilar de nuestra praxis. Uno de ellos es la hormesis: el principio por el cual un estresor en la dosis adecuada provoca una respuesta que fortalece al sistema, rompiendo cualquier lógica lineal simple.
Pensemos en dos jugadores que ejecutan exactamente la misma sesión. Para uno, que ha descansado bien y tiene una alta confianza, es un estímulo óptimo. Para otro, que arrastra fatiga mental y duerme mal, esa misma carga puede ser el empujón hacia la lesión. La carga externa registrada por los sistemas de posicionamiento será idéntica; el sistema que la recibe, y por tanto el resultado, es radicalmente diferente. El dato en la pantalla no nos cuenta esa historia.
Esto nos lleva directamente a la naturaleza de los sistemas con los que trabajamos, magníficamente explorada en obras como Pensar en Sistemas de Donella Meadows o En un vuelo de estorninos de Giorgio Parisi. Los sistemas vivos, como un deportista o un equipo, tienen propiedades que desafían nuestro deseo de simplificar:
Emergencia: El rendimiento no es la suma de sus partes. Es una cualidad que emerge de la interacción de incontables variables. ¿Cómo medimos la influencia de la confianza del entrenador o la química del vestuario en el dato de carga que vemos en el ordenador?
Adaptación: El sistema aprende y cambia. La carga de hoy modifica al atleta de mañana. Por tanto, el dato de ayer se aplica a una "versión" del atleta que, estrictamente, ya no existe.
Auto-organización: El sistema encuentra soluciones y se coordina sin un control centralizado. Pensemos en cómo un equipo ajusta su presión en el campo o encuentra sinergias ofensivas que no estaban explícitamente diseñadas en la pizarra, sino que surgen de la interacción y la confianza mutua de los jugadores.
No-linealidad: Pequeños cambios pueden provocar resultados desproporcionados (la famosa "sensibilidad a las condiciones iniciales" o efecto mariposa). La historia de la ciencia, como narra Peter L. Bernstein en su historia sobre el riesgo, es la historia de la lucha humana por domesticar esta incertidumbre.
Ver y gestionar al elefante en la habitación
Entonces, ¿qué hacemos? La propuesta no es abandonar la estadística o el estudio de los valores de carga, todo lo contrario. Debemos entender su relevancia y su lugar. Como afirmó Alfred Korzybski, "el mapa no es el territorio". Nuestros datos son mapas del pasado, pero no son datos de una realidad compleja y cambiante. Su valor no reside en darnos certezas, sino en ayudarnos a formular mejores preguntas. ¿No debería ser esa nuestra principal habilidad cuando trabajamos en el alto rendimiento de los deportes de equipo?
El gran reto es empezar a equilibrar la balanza. Debemos complementar nuestro profundo conocimiento del pasado con métodos que nos permitan explorar el futuro, aceptando la incertidumbre como una característica inherente del sistema, no como un enemigo a batir. Y para ello, hemos de hacer autocrítica. Nos llenamos la boca hablando de sistemas complejos, pero la presión del día a día nos empuja a buscar una simplificación en un semáforo que nos indique con sus colores la decisión a tomar. Es humano. Tratamos de reducir la complejidad de la realidad del mundo en piezas más pequeñas para poder manejarla.
Reconocer esta tensión es el primer paso. El siguiente es atreverse a levantar la vista del retrovisor. La pregunta que nos queda es: en nuestra rutina diaria, ¿las herramientas que usamos fomentan nuestra capacidad de observación y juicio, o están diseñadas para reemplazarlas? ¿Cuánto tiempo le dedicamos al día a hacernos preguntas? ¿Necesitamos desarrollar nuevas habilidades para avanzar?
La respuesta definirá si somos meros descriptores del pasado o verdaderos arquitectos del rendimiento futuro.
Referencias
Bernstein PL. Against the Gods: The Remarkable Story of Risk. John Wiley & Sons; 1998.
Introducción a los Sistemas Complejos. Polymatas. Publicado online. Accedido el 11 de junio de 2025. https://www.polymatas.com/introduccion-sistemas-complejos/
Korzybski A. Science and Sanity: An Introduction to Non-Aristotelian Systems and General Semantics. International Non-Aristotelian Library Publishing Company; 1933.
Meadows DH. Thinking in Systems: A Primer. Chelsea Green Publishing; 2008.
Parisi G. In a Flight of Starlings: The Wonders of Complexity. Allen Lane; 2023.
Taleb NN. The Black Swan: The Impact of the Highly Improbable. Random House; 2007.