Pythia Sports, un proveedor de datos para los sectores de carreras y juegos de azar interactivos, ha lanzado una solución impulsada por inteligencia artificial destinada a mejorar la precisión y eficiencia de las ventas de caballos en entrenamiento inicial. La herramienta está diseñada para apoyar a los compradores en la identificación de prospectos destacados de dos años durante la importante temporada de ventas de abril.
La tecnología utiliza un modelo patentado que evalúa más de 100 variables, incluyendo tiempo, longitud de zancada y biomecánica. Combinando el aprendizaje automático, la IA y los datos históricos de ventas, la plataforma genera calificaciones predictivas destinadas a informar las decisiones de compra durante las subastas.
El nuevo sistema fue desplegado recientemente en la venta de entrenamiento inicial de Newmarket, donde atrajo el interés de compradores y consignatarios. Según Stephen Davison, jefe de operaciones comerciales de Pythia Sports, la próxima implementación tendrá lugar durante la próxima venta de Doncaster, con entrenamiento programado para el 23 de abril y la subasta prevista para el 24 de abril.
La iniciativa refleja un creciente impulso en el sector de las carreras por adoptar soluciones basadas en datos para apoyar resultados comerciales y deportivos, con un creciente cruce entre las ventas tradicionales de sangre pura y el análisis impulsado por la tecnología.
“La tecnología analiza tres secciones diferentes del entrenamiento: el tiempo, la velocidad y el perfil de zancada, el modelo rastrea cada zancada a medida que el caballo galopa combinándolo con tiempos parciales”, dice Davison. “Eso nos permite ver cómo cambia el perfil de zancada a medida que el caballo acelera y cuando alcanza la velocidad máxima.
“También tenemos biomecánica, que mira el andar del caballo y toma medidas de la conformación de un caballo y su andadura. Eso funciona en conjunto con actuaciones históricas en carreras para aprender cuáles son las características físicas más definitorias en un caballo de élite.
“Por ejemplo, podemos retroceder diez años para buscar datos de entrenamientos iniciales y decir, ‘este caballo hizo este entrenamiento, esta zancada y estas biomecánicas’ y luego el modelo de aprendizaje automático puede comenzar a recoger cosas que nos hemos perdido o cosas que quizás hemos subestimado o sobreestimado”.
“Creo que definitivamente está empezando a haber mucha más apertura a que las personas utilicen los datos para informar su toma de decisiones. Solo tienes que mirar dónde estaba el fútbol hace 10–15 años y dónde está hoy. Los ejemplos obvios son Brighton y Brentford que estaban utilizando sus propios modelos de datos de jugadores para encontrar valor en el mercado de transferencias mucho antes que cualquier otro club de primer nivel. Es natural que pueda haber una intersección en otros deportes y otras industrias. Esperamos poder jugar nuestro papel en la revolución de cómo las carreras de caballos y la sangre pura ven el uso de datos dentro del deporte.”
