Canyon-SRAM usará IA para analizar todo el historial de sus ciclistas antes de 2027

Canyon-SRAM utilizará inteligencia artificial para revisar el historial de entrenamiento de sus ciclistas antes de planificar 2027. La formación alemana ha firmado un acuerdo con FasCat Coaching, desarrolladora de CoachCat, para analizar varias temporadas de datos y detectar qué preparación precedió a los mejores resultados de cada corredora.

La colaboración, vigente durante lo que resta de 2026, tiene una particularidad: el trabajo comenzará con años de información ya registrada. El departamento de rendimiento seleccionará a las ciclistas que participarán y utilizará las conclusiones del sistema para orientar su preparación. El objetivo es encontrar respuestas que los análisis convencionales pueden haber pasado por alto.

Qué puede descubrir la IA al revisar cinco años de entrenamientos

FasCat, empresa estadounidense fundada en 2003, asegura que CoachCat puede estudiar el historial completo de una deportista, en ocasiones de cinco temporadas o más. El sistema busca identificar qué bloques de entrenamiento produjeron mayores mejoras, cuándo se estancó la condición física y qué tipo de preparación precedió a las actuaciones más destacadas.

Para ello, cruza los datos de carga de entrenamiento y potencia con factores como el calor, la altitud o la frecuencia cardiaca. También incorpora información sobre el sueño y la variabilidad de la frecuencia cardiaca (HRV), con la intención de establecer cómo respondió cada ciclista a determinadas cargas y condiciones de entrenamiento.

La diferencia respecto a una revisión convencional está en la cantidad de información que puede relacionar. Una corredora puede haber acumulado miles de sesiones durante su carrera profesional. CoachCat pretende examinar conjuntamente esos registros para localizar patrones que ayuden a comprender qué estrategias han coincidido con sus mejores periodos de rendimiento.

El análisis también tiene sus límites. Encontrar una relación entre un determinado bloque de entrenamiento y una mejora posterior no demuestra que uno haya provocado la otra. La interpretación de esos resultados seguirá correspondiendo al personal técnico, que deberá valorar las circunstancias competitivas, físicas y personales de cada ciclista.

FasCat denomina a su metodología «analizar, predecir y prescribir». A partir del historial y del rendimiento actual, la plataforma busca estimar qué puede conseguir una deportista y sugerir cambios en su preparación. El propósito del acuerdo es incorporar esa información a las decisiones que tome el departamento de rendimiento durante la planificación de 2027.

El Tour de Francia Femmes sirvió como primera prueba

La relación entre FasCat y Canyon-SRAM comenzó antes del anuncio de este acuerdo. Durante la preparación del Tour de Francia Femmes de 2026, la compañía estadounidense examinó los datos históricos de las corredoras para elaborar predicciones de potencia en algunas de las etapas más exigentes de la carrera.

Entre los escenarios estudiados figuraban las ascensiones al Mont Ventoux y al Col d’Èze. Según FasCat, los valores registrados durante la competición permitieron validar las previsiones y ajustar el modelo. La empresa sostiene que esa experiencia ha servido para detectar nuevas oportunidades de mejora en la planificación de los próximos meses.

Sin embargo, la información publicada no detalla el margen de error de las predicciones ni cuántas ciclistas participaron en aquel análisis. Tampoco ofrece resultados individuales que permitan comprobar la precisión alcanzada. Por ahora, la valoración de esa primera experiencia procede de la propia empresa y del equipo con el que colabora.

Frank Overton, fundador y director ejecutivo de FasCat, considera que los equipos profesionales disponen de una enorme cantidad de información que apenas aprovechan. «CoachCat encuentra esas respuestas en minutos, no en meses», afirma. Su planteamiento consiste en utilizar el historial acumulado para orientar decisiones que hasta ahora requieren una revisión manual considerable.

Una herramienta para un Canyon-SRAM muy diferente en 2027

La incorporación de esta tecnología coincide con una profunda renovación de la plantilla. Kasia Niewiadoma-Phinney, ganadora del Tour de Francia Femmes de 2024 y segunda en 2026, abandonará el equipo después de nueve temporadas para incorporarse a Lidl-Trek. También se marchará Cecilie Uttrup Ludwig, mientras que Tiffany Cromwell pondrá fin a su carrera profesional.

Entre los fichajes destacan Lucinda Brand, Steffi Häberlin y Georgia Baker, tres corredoras con perfiles diferentes. También llegarán Shirin van Anrooij y Victoire Berteau. La alemana Antonia Niedermaier, cuarta en el Tour de Francia Femmes de 2026, se perfila como una de las principales referencias del equipo para las grandes vueltas.

Dan Fleeman, director de rendimiento de Canyon-SRAM, considera que revisar la trayectoria completa de una corredora mediante inteligencia artificial constituye una evolución natural del trabajo del equipo. Según explica, CoachCat proporciona al personal técnico una perspectiva adicional sobre los factores que han acompañado a los mejores resultados individuales y las áreas susceptibles de mejora.

La revisión histórica puede resultar especialmente útil para las corredoras que continúan en la estructura. Sus entrenadores dispondrán de información acumulada durante varias temporadas para reconsiderar cargas, periodos de recuperación y estrategias de preparación. El acuerdo, sin embargo, no especifica qué deportistas participarán ni cómo se aplicarán las recomendaciones obtenidas.

La inteligencia artificial gana terreno en el ciclismo profesional

Canyon-SRAM tampoco es el único equipo WorldTour que está incorporando inteligencia artificial a sus procesos. INEOS anunció en abril una alianza con Netcompany para desarrollar el uso de PULSE, una plataforma destinada a integrar información de entrenamiento, competición y recuperación y facilitar decisiones tanto individuales como colectivas.

La principal diferencia está en el enfoque. PULSE pretende conectar diferentes áreas de funcionamiento de un equipo profesional, también durante las carreras. CoachCat concentra este proyecto en el análisis retrospectivo del rendimiento y su aplicación al entrenamiento. En ambos casos, los responsables deportivos mantienen la decisión final sobre las recomendaciones de los sistemas.

El planteamiento también tiene aplicaciones fuera del ciclismo profesional. Los triatletas que utilizan TrainingPeaks, Garmin o COROS acumulan información sobre cargas, ritmos, potencia, pulsaciones y recuperación. Las herramientas de análisis mediante IA permiten revisar conjuntamente esos registros, aunque la calidad de las conclusiones depende de los datos disponibles y de cómo se interpreten.

Por ahora, el acuerdo entre Canyon-SRAM y FasCat cubre únicamente los últimos meses de 2026. Ninguna de las partes ha anunciado una ampliación para 2027 ni ha concretado el número de corredoras que participarán. La preparación de la próxima temporada permitirá conocer cómo utiliza el equipo las conclusiones extraídas de sus historiales de entrenamiento.