¿Puede una entidad deportiva utilizar datos de rendimiento para justificar una decisión laboral sobre un jugador?

¿Hasta dónde pueden llegar los wearables, las plataformas de análisis y los sistemas de IA cuando miden el desempeño de una persona?

¿Y cómo se demuestra que una bajada de rendimiento no solo existe, sino que además es voluntaria?

El caso Nikola Maras ha abierto un debate interesante sobre la relación entre deporte profesional, datos y prueba laboral. Según se ha publicado, el Deportivo Alavés habría justificado el despido disciplinario del jugador por una disminución manifiesta, voluntaria y continuada de su rendimiento, apoyándose en un informe con datos técnico-tácticos, métricas físicas y registros de entrenamiento obtenidos mediante herramientas como Wyscout, SkillCorner, Catapult o WIMU.

No entro a valorar si esa decisión es correcta o no. Esa cuestión dependerá del expediente, del contrato, del convenio aplicable, de la prueba practicada y, en su caso, de lo que resuelvan los tribunales. Lo relevante, desde una perspectiva legal y tecnológica, es que este tipo de situaciones muestran hasta qué punto el rendimiento profesional puede medirse hoy con un nivel de detalle que antes no existía.

La pregunta de fondo no es solo si un jugador ha rendido menos, sino si los datos permiten explicar por qué ha ocurrido, si el tratamiento de esa información es legítimo y si puede utilizarse como prueba suficiente para apoyar una decisión con consecuencias laborales.

Datos de rendimiento como prueba laboral

El artículo 54.2.e) del Estatuto de los Trabajadores contempla como causa de despido disciplinario la disminución continuada y voluntaria en el rendimiento de trabajo normal o pactado.

La tecnología puede ayudar a documentar una parte del problema: si ha habido menos esfuerzo medible, menos intensidad, menos participación, menor carga o una evolución negativa frente a parámetros anteriores. Ese análisis puede ser útil, pero no agota la cuestión jurídica, porque la voluntariedad exige algo más que una métrica descendente.

Un sistema puede indicar que una persona corre menos, acelera menos, presiona con menor intensidad o reduce determinados parámetros de entrenamiento, pero esos datos no explican por sí solos si existe lesión, fatiga, decisión táctica, pérdida de confianza, instrucciones del cuerpo técnico, falta de minutos, cambio de rol o cualquier otra circunstancia que pueda alterar el rendimiento sin que exista una voluntad deliberada de rendir menos.

Por eso, el dato puede ser un elemento probatorio relevante, pero difícilmente debería convertirse en una conclusión automática. Entre la medición y la consecuencia jurídica tiene que existir análisis, contexto y revisión humana.

Wearables, apps de rendimiento e IA

En el deporte profesional, los wearables y las plataformas de análisis permiten registrar información sobre carga física, velocidad, distancia recorrida, aceleraciones, frecuencia cardíaca, recuperación, posicionamiento, intensidad o comportamiento táctico. Si además esos datos se tratan mediante sistemas de IA, pueden generarse patrones, alertas, comparativas y predicciones sobre evolución, rendimiento o riesgo físico.

Todo esto puede tener una finalidad legítima y muy útil: prevenir lesiones, mejorar entrenamientos, planificar cargas, analizar rivales o tomar mejores decisiones técnicas. El problema aparece cuando el mismo dato que se recoge para optimizar el rendimiento o proteger la salud del deportista se utiliza después para valorar su conducta laboral o fundamentar una decisión disciplinaria.

Ahí entran cuestiones propias del RGPD: finalidad, base jurídica, información al deportista, minimización, conservación, accesos internos, seguridad y, en determinados casos, tratamiento de datos de salud u otros datos especialmente protegidos. Además, el consentimiento no siempre será la base más sólida en una relación laboral o profesional de dependencia, porque puede existir un desequilibrio entre quien solicita el consentimiento y quien lo presta.

La clave, por tanto, no está solo en tener datos, sino en poder justificar para qué se recogieron, cómo se han tratado, quién los ha interpretado y si el uso posterior es compatible con la finalidad inicial.

AI Act y evaluación del desempeño

El AI Act también puede ser relevante cuando se utilizan sistemas de IA para monitorizar, evaluar o apoyar decisiones sobre personas en un contexto profesional.

El anexo III incluye como sistemas de alto riesgo determinados sistemas de IA utilizados en empleo, gestión de trabajadores y acceso al autoempleo, especialmente cuando sirven para adoptar decisiones sobre la relación laboral, la terminación contractual, la asignación de tareas o la evaluación del rendimiento y del comportamiento de las personas.

Esto no significa que cualquier herramienta de análisis deportivo sea automáticamente un sistema de alto riesgo. Habrá que analizar el caso concreto: qué hace la herramienta, si existe IA en sentido normativo, qué datos utiliza, quién decide, qué peso tiene la salida del sistema y si afecta realmente a decisiones laborales o profesionales relevantes.

Pero el mensaje regulatorio es claro: cuanto más se acerque el uso de la herramienta a la evaluación del desempeño de una persona, mayor debe ser el nivel de control. En ese contexto cobran importancia el análisis de riesgos, la calidad de los datos, la documentación, los registros, la supervisión humana, la precisión, la robustez y la ciberseguridad.

Riesgos, evidencias y capacidad de contradicción

El principal riesgo no es medir el rendimiento. El riesgo es convertir una medición en una verdad jurídica automática.

Un dato puede ser correcto y aun así estar incompleto. Un modelo puede detectar una caída de rendimiento y no explicar su causa. Un informe puede parecer objetivo, pero depender de variables seleccionadas por el club, por el proveedor o por el propio sistema.

Como ya he comentado en otros artículos en relación con el scoring en banca, el problema no está solo en que exista un sistema que ordene, puntúe o clasifique información. El problema aparece cuando esa puntuación se convierte en una decisión relevante para una persona sin suficiente explicación, revisión humana y posibilidad real de discutir el resultado.

La lógica es parecida. En banca, una puntuación de riesgo puede influir en la concesión de crédito. En deporte profesional, una métrica de rendimiento puede influir en una convocatoria, una renovación, una valoración interna o una decisión disciplinaria. En ambos casos, el sistema puede ayudar a decidir mejor, pero no debería sustituir el análisis humano ni impedir que la persona afectada entienda qué datos se han usado y cómo se han interpretado.

Por eso, cualquier uso de datos, wearables o IA con impacto laboral debería partir de un análisis de riesgos previo. La organización debería definir qué finalidad persigue, qué datos necesita realmente, qué decisiones puede apoyar el sistema, qué decisiones quedan fuera, quién revisa los resultados, cómo se corrigen errores y qué evidencias se conservarán.

También debería existir capacidad real de contradicción. Si una persona no puede entender qué se le imputa, qué datos se han utilizado, cómo se han interpretado y cómo puede discutirlos, el sistema puede perder solidez desde el punto de vista jurídico, aunque técnicamente parezca avanzado.

Data Act y control del dato

El Data Act puede entrar en la conversación cuando los datos proceden de productos conectados o servicios relacionados, como sensores, dispositivos de seguimiento, wearables o plataformas que generan datos de uso.

En estos casos, no solo importa la privacidad. También importa quién puede acceder a los datos generados por el dispositivo, en qué condiciones, con qué finalidad, durante cuánto tiempo y bajo qué reglas contractuales.

En deporte profesional, donde el dato puede tener valor técnico, económico y probatorio, esta cuestión puede ser especialmente sensible. El dato no es solo una medición; puede influir en decisiones deportivas, laborales, médicas, contractuales o comerciales.

Conclusiones

El caso Nikola Maras deja sobre la mesa una cuestión que va más allá de una situación concreta: el deporte profesional está entrando en una fase en la que el rendimiento puede medirse, compararse y documentarse con herramientas cada vez más sofisticadas.

Eso puede ser positivo para prevenir lesiones, mejorar entrenamientos y tomar mejores decisiones técnicas, pero también puede generar riesgos cuando esos datos se utilizan para valorar el desempeño profesional de una persona o apoyar una decisión disciplinaria.

La clave legal no está en rechazar la tecnología, sino en gobernarla bien. Si una organización quiere apoyarse en datos deportivos, wearables o IA para tomar decisiones relevantes, debe poder explicar la finalidad, la base jurídica, la calidad del dato, los criterios de análisis, la supervisión humana y las evidencias conservadas.

La tecnología puede ayudar a demostrar que algo ha cambiado en el rendimiento, pero lo más difícil consiste en demostrar por qué ha cambiado, qué parte puede atribuirse a la voluntad de la persona y qué consecuencias jurídicas pueden derivarse de ello.