Idea claveLa tecnología, analógica o digital, es un medio. Su valor depende de la calidad del dato, de la pregunta profesional que responde, del uso ético y legal de la información y de la capacidad de la persona profesional para convertirla en buenas decisiones.Papel de la tecnologíaCapta, guarda, procesa y comunica los datos que apoyan las decisiones en la educación, el entrenamiento, la salud y la gestión; la IA amplía el análisis y la generación de contenidos, siempre con supervisión humana.Herramientas fundamentales: sensores portátiles (GNSS, IMU, pulsómetros), hojas de cálculo y plataformas en la nube, asistentes de IA generativa y formatos abiertos de intercambio de datos (CSV, FIT, GPX).
Definición de tecnología
La palabra procede del griego téchne (arte, oficio) y logos (conocimiento). La tecnología es el conjunto de conocimientos, técnicas, herramientas y procesos que se aplican de forma ordenada para resolver problemas o satisfacer necesidades. Incluye los objetos (un pulsómetro, una plataforma de fuerza) y también los métodos y la organización que permiten usarlos con un fin (un protocolo de evaluación, un sistema de gestión de datos).
En las ciencias de la actividad física y el deporte, la tecnología sirve para medir, registrar, analizar, comunicar e intervenir. Su valor profesional está en recorrer la cadena dato → información → conocimiento → decisión: el dato bruto (por ejemplo, la frecuencia cardíaca latido a latido) solo es útil cuando se procesa, se pone en contexto y ayuda a decidir, por ejemplo ajustar la carga, modificar una tarea o derivar a un especialista.
Tipos de tecnología: analógica y digital
| Analógica | Digital |
| Cómo representa la información | Con magnitudes físicas que varían de forma continua (la posición de una aguja, la longitud de un muelle) | Con valores discretos codificados en bits (ceros y unos) |
| Registro y almacenamiento | Lectura manual y anotación; se degrada con el tiempo y las copias | Se guarda, copia y transmite sin pérdida |
| Procesamiento | Manual | Automático: cálculos, gráficos, análisis de grandes volúmenes de datos |
| Ventajas | Sencilla, barata, sin batería ni conexión, fácil de entender | Rapidez, integración de datos, conexión entre dispositivos, análisis avanzado |
| Ejemplos | Cronómetro mecánico, cinta métrica, goniómetro, plicómetro, báscula mecánica, dinamómetro de muelle, pizarra | Células fotoeléctricas, GPS, pulsómetro, encoder, aplicaciones, plataformas en la nube |
Muchos dispositivos combinan ambas: un sensor capta una señal física continua y un conversor analógico-digital la transforma en datos. En esa conversión intervienen la frecuencia de muestreo (registros por segundo, en hercios) y la resolución (número de valores posibles), que determinan qué fenómenos se pueden captar y con qué detalle. La tecnología analógica sigue siendo útil: un test de campo con cronómetro y cinta puede ser más adecuado que un sistema caro si responde a la pregunta profesional.
Tecnología digital en la actividad física y el deporte
Un sistema digital se compone de hardware, software, redes y comunicaciones y, cada vez más, inteligencia artificial.
Hardware
Es la parte física: dispositivos que captan, procesan, almacenan y muestran la información.
| Familia | Qué mide o hace | Ejemplos de uso |
| Posicionamiento (GNSS/GPS en exterior, LPS en interior) | Distancia, velocidad, aceleraciones | Carga externa en deportes de equipo |
| Sensores inerciales (IMU): acelerómetro, giroscopio, magnetómetro | Movimiento, impactos, orientación | Saltos, cambios de dirección, técnica |
| Monitorización cardíaca: banda de pecho (ECG) y sensor óptico (PPG) | Frecuencia cardíaca y su variabilidad | Carga interna y recuperación; la banda suele ser más fiable en esfuerzo |
| Fuerza y potencia: encoders, plataformas de fuerza y de contacto | Velocidad de ejecución, fuerza, tiempo de vuelo | Entrenamiento basado en la velocidad, saltos |
| Cronometraje y vídeo | Tiempos, movimiento, acciones de juego | Sprint, biomecánica, análisis táctico |
| Ergómetros instrumentados | Potencia, ritmo, curva de fuerza | Pruebas y control del entrenamiento |
| Equipos de procesamiento y visualización | Cálculo, almacenamiento y presentación | Ordenadores, tabletas, móviles, pantallas |
Calidad del dato. Ningún dispositivo es útil si sus datos no son de calidad:
- Validez: el instrumento mide lo que dice medir, comparado con un método de referencia (gold standard).
- Fiabilidad: da resultados consistentes en mediciones repetidas; se expresa con el ICC, el coeficiente de variación y el error típico de medida.
- Sensibilidad: detecta cambios reales. Un dispositivo solo es útil si su error de medida es menor que el cambio mínimo relevante que interesa detectar.
- Precisión y exactitud: la precisión es la dispersión entre medidas repetidas; la exactitud, la cercanía al valor real.
Software
- Tipos: sistemas operativos; aplicaciones de registro y entrenamiento; plataformas de gestión de deportistas, clubes e instalaciones; software de videoanálisis, estadístico y de hojas de cálculo; paneles de visualización.
- Modelos de distribución: licencia de pago, software libre o de código abierto, y servicios en la nube por suscripción.
- Formatos de datos: CSV para tablas, JSON para datos estructurados, y FIT, TCX o GPX para actividades deportivas.
- Interoperabilidad: capacidad de intercambiar datos entre sistemas, a menudo mediante API (interfaces que conectan aplicaciones). Conviene evitar ecosistemas cerrados de los que no se pueden exportar los datos.
Redes y comunicaciones
| Tecnología | Uso habitual |
| Bluetooth de baja energía y ANT+ | Conectar sensores (pulsómetros, potenciómetros, encoders) con relojes, móviles y tabletas |
| Wi-Fi y redes móviles (4G, 5G) | Enviar datos a la nube, seguimiento en directo, retransmisiones |
| GNSS | Señal de satélites para calcular posición y velocidad |
| RFID y NFC | Cronometraje con chip en carreras, control de accesos y taquillas en instalaciones |
| Internet y nube | Almacenamiento, plataformas compartidas, trabajo colaborativo del cuerpo técnico |
| Internet de las cosas (IoT) | Sensores conectados en instalaciones: aforo, consumo energético, calidad del aire |
En comunicaciones importan la latencia (retraso de la transmisión, clave en el uso en tiempo real), la cobertura y la ciberseguridad: cifrado, contraseñas robustas y control de accesos a datos personales.
Aplicación por ámbitos
| Ámbito | Hardware | Software | Redes y comunicaciones | Inteligencia artificial |
| Rendimiento deportivo | GPS, IMU, pulsómetros, encoders | Plataformas de control de carga, videoanálisis | Datos en directo en el banquillo | Detección de acciones, análisis táctico |
| Salud y readaptación | Dinamómetros, plataformas, sensores de sueño | Apps de prescripción y seguimiento | Telemonitorización | Análisis del movimiento por vídeo |
| Educación física | Tabletas, cámaras, pulsómetros | Plataformas educativas, apps de registro | Aula virtual y trabajo compartido | Creación de materiales, retroalimentación |
| Actividad física y ocio | Relojes y wearables de consumo | Apps de entrenamiento y comunidades | Sincronización en la nube | Planes personalizados y asistentes |
| Gestión deportiva | TPV, control de accesos, sensores de instalación | Gestión de socios, CRM, contabilidad | Reservas y pagos en línea | Atención automatizada, predicción de bajas |
Inteligencia artificial
¿Qué es?
La inteligencia artificial (IA) agrupa los sistemas informáticos capaces de realizar tareas que asociamos a la inteligencia humana: reconocer patrones, interpretar imágenes o lenguaje, predecir y generar contenido. El Reglamento europeo de IA la define, en esencia, como un sistema basado en máquinas que, con cierto grado de autonomía, deduce a partir de los datos que recibe cómo generar resultados (predicciones, contenidos, recomendaciones o decisiones) que pueden influir en entornos físicos o virtuales.
¿Cómo funciona?
- Datos: el sistema necesita muchos ejemplos. Por ejemplo, señales de una IMU etiquetadas como «salto», «sprint» o «cambio de dirección».
- Entrenamiento: un algoritmo de aprendizaje automático ajusta un modelo para encontrar patrones en esos datos. Puede ser supervisado (con ejemplos etiquetados), no supervisado (agrupa datos sin etiquetas) o por refuerzo (aprende por ensayo y error con recompensas). Las redes neuronales profundas son el tipo de modelo más usado hoy.
- Validación: se comprueba el modelo con datos nuevos que no ha visto para saber cuánto acierta.
- Uso o inferencia: el modelo aplica lo aprendido a datos reales, por ejemplo para detectar saltos en un entrenamiento.
El resultado depende de la calidad y representatividad de los datos: un modelo entrenado solo con hombres adultos de élite puede funcionar mal con mujeres, jóvenes o personas sedentarias.
¿Qué es la IA generativa?
Es la IA que crea contenido nuevo (texto, imágenes, audio, vídeo o código) a partir de instrucciones en lenguaje natural. Los grandes modelos de lenguaje se entrenan con enormes cantidades de texto para predecir la continuación más probable de un texto y después se ajustan para seguir instrucciones y conversar. Sus usos en el sector incluyen preparar materiales, resumir documentos, analizar datos, redactar informes, traducir y programar aplicaciones mediante vibe coding (tema 3).
Su principal limitación es que genera respuestas plausibles, no necesariamente verdaderas: puede inventar datos o referencias con total apariencia de realidad.
Principales riesgos
- Errores e invenciones: datos, cálculos o referencias falsas que hay que verificar siempre.
- Sesgos: resultados peores o injustos para grupos poco representados en los datos de entrenamiento.
- Falta de explicabilidad: el efecto «caja negra» impide saber por qué el sistema da un resultado.
- Privacidad: introducir datos personales o de salud en herramientas sin garantías sobre su tratamiento.
- Propiedad intelectual y derechos de imagen en los contenidos que se usan o se generan.
- Exceso de confianza en predicciones que la evidencia no respalda, como el riesgo individual de lesión.
- Dependencia y pérdida de competencias profesionales propias (tema 12).
- Manipulación y suplantación con contenidos falsos (deepfakes) e impacto ambiental por el consumo energético.
Marco ético y legal en España y la UE
Protección de datos
- Reglamento General de Protección de Datos (RGPD, Reglamento UE 2016/679) y Ley Orgánica 3/2018 (LOPDGDD).
- Los datos de salud y los biométricos son categorías especiales (art. 9 RGPD): requieren una base legal reforzada, normalmente el consentimiento explícito, además de seguridad y minimización.
- Menores: en España pueden consentir por sí mismos desde los 14 años (art. 7 LOPDGDD); por debajo, consienten sus representantes legales.
Reglamento europeo de inteligencia artificial
El Reglamento (UE) 2024/1689 clasifica los sistemas de IA según su riesgo:
| Nivel | Tratamiento | Ejemplos |
| Riesgo inaceptable | Prohibido | Puntuación social, manipulación dañina, reconocimiento de emociones en centros de trabajo y educativos |
| Alto riesgo | Permitido con obligaciones estrictas | Sistemas en ámbitos como la educación, el empleo o los productos sanitarios |
| Riesgo de transparencia | Obligación de informar | Chatbots que deben avisar de que son una máquina; contenidos generados o manipulados que deben etiquetarse |
| Riesgo mínimo | Sin obligaciones específicas | Filtros de correo no deseado, videojuegos |
Entró en vigor el 1 de agosto de 2024 y se aplica por fases. Desde el 2 de febrero de 2025 rigen las prohibiciones y la obligación de alfabetización en IA del personal que usa estos sistemas; la mayor parte del reglamento se aplica desde el 2 de agosto de 2026. Tras la modificación aprobada en 2026, las obligaciones para sistemas de alto riesgo se aplican desde el 2 de diciembre de 2027 o el 2 de agosto de 2028, según el tipo. En España, la Agencia Española de Supervisión de la Inteligencia Artificial (AESIA) tiene su sede en A Coruña.
Otras normas relacionadas
- Reglamento (UE) 2017/745 de productos sanitarios, para software o dispositivos con finalidad diagnóstica o terapéutica.
- Ley 34/2002 de servicios de la sociedad de la información (LSSI): webs, cookies y comunicaciones comerciales.
Principios éticos
Las directrices éticas de la UE para una IA fiable (2019) proponen siete requisitos: supervisión humana; solidez técnica y seguridad; privacidad y gestión de datos; transparencia; diversidad, no discriminación y equidad; bienestar social y ambiental; y rendición de cuentas. En la práctica profesional se traducen en:
- Transparencia: la persona sabe qué se mide, para qué y quién accede a sus datos.
- Proporcionalidad: no medir por medir; recoger solo los datos necesarios.
- Propiedad y acceso: el deportista puede consultar sus datos y llevárselos.
- Supervisión y responsabilidad profesional: las decisiones las toma y las firma una persona cualificada.
- Bienestar: los datos sirven para cuidar y mejorar, no para presionar o discriminar.
Criterios clave para seleccionar una tecnología
| Criterio | Pregunta que hay que responder |
| Necesidad | ¿Qué pregunta profesional quiero responder o qué proceso quiero mejorar? |
| Calidad del dato | ¿Hay evidencia de validez y fiabilidad en mi población y contexto? ¿El error es menor que el cambio relevante? |
| Viabilidad | ¿Tengo tiempo, formación y personal para usarla e interpretar los datos? |
| Interoperabilidad | ¿Puedo exportar los datos e integrarlos con otras herramientas? |
| Coste total | ¿Compensa frente a alternativas más sencillas, sumando licencias, mantenimiento y formación? |
| Legalidad y ética | ¿Cumple el RGPD y, si usa IA, el Reglamento europeo? ¿Dónde se guardan los datos? |
| Transparencia de la IA | ¿Sé cómo llega a sus resultados y si se ha validado de forma independiente? |
| Accesibilidad y sostenibilidad | ¿Es fácil de usar para todas las personas? ¿Tiene soporte, actualizaciones y una vida útil razonable? |