Durante el evento Prompteala, organizado por Ingenia y ArqConf en la Universidad del CEMA (UCEMA), Tomás Bacigalupo, fundador de Snowmatch, compartió los aprendizajes que se encuentran detrás de la implementación de un sistema de IA que analiza videos de esquiadores para ofrecer feedback automático en la app.
“Yo era corredor de ski, y después de una caída me rompí las dos rodillas. Terminé estudiando ingeniería informática y quise combinar las dos cosas”, relató Bacigalupo al inicio del panel “Product Talk: activando IA en mobile”. Así nació Snowmatch, una startup que comenzó como un marketplace de instructores de esquí, pero que con el tiempo se transformó en una plataforma de análisis impulsada por inteligencia artificial.
La aplicación conectaba instructores con alumnos para coordinar clases. Sin embargo, el equipo notó que faltaba algo: “Nos dimos cuenta de que, si ya sabías esquiar, no había nada más que hacer en la app. Queríamos ofrecerle algo a ese público más avanzado”. La solución llegó a través de un desarrollo inédito que le permite a los usuarios subir videos de sus bajadas y recibir correcciones automáticas generadas por IA.
Índice de temas
De la idea al modelo técnico
El proceso de implementación no fue inmediato. El equipo comenzó probando con prompts básicos en modelos de lenguaje para analizar los videos, pero los primeros resultados fueron decepcionantes. “Le pedíamos que corrigiera una bajada y los resultados eran malísimos. Sabía de esquí, pero no servía para lo que necesitábamos”, recordó Bacigalupo.
Todo cambió con la llegada de los primeros modelos con capacidad de razonamiento visual. “Probé uno que me dijo: ‘Estoy analizando fotograma por fotograma para armar un programa de análisis’. Ahí entendí que empezaba a razonar como nosotros”, comentó el fundador de Snowmatch. A partir de esa base, la app comenzó a iterar sobre su producto con un enfoque más estructurado.
Cuando un usuario sube un video, se almacena en un bucket de S3, se procesa con una AWS Lambda y se analizan los movimientos utilizando librerías como MediaPipe y OpenCV. Los datos estructurados (ángulos corporales, postura y balance) se envían luego a un modelo de lenguaje (LLM), que se encarga de generar el feedback final.
“El punto clave fue mejorar la detección de la persona bajando; cuanto más precisa es, mejor es la corrección”, explicó.
Elegir el modelo correcto
Durante las pruebas, el equipo experimentó con distintos modelos de lenguaje, desde versiones básicas hasta los más recientes. Pero, según Bacigalupo, el rendimiento varió notablemente: “El que mejor funcionó fue el modelo R1 de DeepSeek. Desde el primer prompt ya andaba perfecto, no sé por qué, pero era impresionante”.
Ese nivel de precisión permitió que Snowmatch avanzara hacia una experiencia más completa, capaz de analizar posición de manos, cadera y cabeza a lo largo de toda la bajada. En una demostración en vivo, el experto mostró cómo el sistema detecta automáticamente las curvas, la velocidad y los ángulos en tiempo real.
De single page application al mobile
Originalmente, la plataforma funcionaba como una single page application en React, pero decidieron dar el salto al entorno mobile utilizando Capacitor. “Fue la clave del éxito”, aseguró Bacigalupo. “Nos permitió tener notificaciones push y tracking en tiempo real. Lo súper recomiendo”, agregó.
El resultado fue una aplicación que ya corrigió más de 150 videos de usuarios de todo el mundo, incluyendo esquiadores de Dinamarca. Para fomentar la participación, Snowmatch incorporó elementos de gamification y un sistema de puntajes en función del rendimiento del usuario. “Hay videos divertidos, hay caídas, hay de todo. Lo importante es que la gente quiere volver a subir otro video”, señaló.
Competencia y próximos pasos
Durante la charla, el público le consultó cómo se compara Snowmatch con Carv, una aplicación de origen británica que analiza el equilibrio en el esquí mediante sensores. Bacigalupo fue claro con respecto a este tema: “Carv te muestra el balance de los pies, pero no sabe dónde están tus manos o tu cabeza. Nosotros medimos todo eso, por eso ofrecemos una corrección mucho más completa”.
Hoy el análisis básico con IA es gratuito, y los usuarios pueden pagar por una corrección más detallada hecha por un instructor de ski certificado de nivel 3. “Nos encanta usar las limitaciones de la IA como ventaja. Si querés un feedback más humano, ahí entra el profesor”, explicó.
“Nos preguntan si se puede usar para golf, fútbol o básquTécnicamente,ente se puede, pero requeriría expertos que nos ayuden a identificar los puntos clave de cada disciplina”, adelantó Bacigalupo. Por ahora, Snowmatch sigue perfeccionando su modelo de análisis en esquí, con la mirada puesta en escalar internacionalmente.
