Cómo AWS automatizó los escenarios de clasificación en la NHL con programación por restricciones

El reto: ¿ya aseguró mi equipo un lugar en los playoffs?

Cada primavera, cuando la temporada regular de la NHL entra en su tramo final, surge la misma pregunta para aficionados y medios: ¿mi equipo ya clasificó a los playoffs? Responderla no es trivial. Con 32 equipos, reglas de desempate complejas y cientos de partidos restantes, determinar si un equipo está garantizado en la postemporada es un desafío combinatorio serio. El AWS Generative AI Innovation Center desarrolló un sistema automatizado que genera escenarios de clasificación utilizando programación por restricciones y una búsqueda en árbol personalizada, y validó sus resultados contra los publicados por la propia NHL.

Qué significa “clinchar” los playoffs

Un equipo ha “clinched” (asegurado) un cupo en los playoffs cuando, independientemente de cómo terminen los partidos restantes, existe garantía matemática de que estará entre los 16 equipos que avanzan. La NHL publica diariamente escenarios que describen combinaciones de resultados que bastan para que un equipo asegure su lugar. Tradicionalmente estas combinaciones se producen manualmente, pero con reglas de desempate cada vez más elaboradas, el proceso se ha vuelto más lento y proclive a errores. El trabajo de AWS ofrece una alternativa automatizada y rigurosa para uso diario.

Estructura de la NHL y reglas que complican el cálculo

La NHL agrupa sus 32 equipos en dos conferencias, cada una dividida en dos divisiones. Para los playoffs avanzan 16 equipos: en cada conferencia se clasifican directamente los tres mejores de cada división, y se suman dos equipos adicionales como “wild cards”.

Cada partido debe tener un ganador. Si el marcador está empatado al término del tiempo regular, se juega tiempo extra y, si es necesario, un shootout. Desde la perspectiva de un equipo, un partido puede acabar en seis resultados distintos: victoria en tiempo regular (RW), victoria en tiempo extra (OTW), victoria en shootout (SOW), derrota en shootout (SOL), derrota en tiempo extra (OTL) y derrota en tiempo regular (RL). Las victorias dan 2 puntos, las derrotas en OT o shootout dan 1 punto, y las derrotas en tiempo regular no dan puntos.

Cuando equipos empatan en puntos, la NHL aplica una cascada de siete criterios de desempate que complican mucho la lógica de clasificación:

• Porcentaje de puntos (mejor si se jugaron menos partidos)
• Victorias en tiempo regular (RW)
• Victorias en tiempo regular más tiempo extra (RW + OTW)
• Victorias totales
• Puntos entre los enfrentamientos directos (head-to-head)
• Diferencia de goles (incluyendo goles que decidieron shootouts)
• Goles a favor (incluyendo shootouts)

Estas reglas, especialmente el uso de desigualdades y conteos vinculados a enfrentamientos directos, convierten la generación de escenarios exhaustivos en un problema computacionalmente desafiante.

La solución de AWS: dos componentes clave

El enfoque implementado por el equipo se articula en dos piezas complementarias: el “0-day solver” y el “n-day lookahead”.

0-day solver

La base es un modelo de programación por restricciones que responde a la pregunta: dado el estado actual de la tabla, ¿hay alguna asignación de resultados en los partidos restantes que haga que un equipo concreto quede fuera de los playoffs? Esto se formula como un problema de factibilidad: si no existe tal asignación, entonces el equipo ha clinchado. El modelo incorpora la complejidad completa de los desempates de la NHL y se resuelve con CP-SAT, el solver de Google OR-Tools.

n-day lookahead

Con el 0-day solver disponible, el siguiente paso fue identificar qué combinaciones de resultados en los próximos n días provocan que un equipo asegure su clasificación. Para esto se usa una búsqueda en árbol personalizada donde cada nivel representa un partido de los próximos n días y cada nodo, un resultado posible de ese partido. En cada nodo se invoca al 0-day solver para verificar si los resultados acumulados garantizan la clasificación. Mediante preprocesamiento, estrategias de poda y heurísticas de ordenación de nodos, la búsqueda evita explorar la mayoría del árbol de posibilidades, haciendo el proceso práctico para uso diario.

Un caso ilustrativo: si el solver determina que una victoria en shootout (SOW) en el próximo partido garantiza la clasificación, entonces cualquier resultado “más fuerte” (OTW o RW) también la garantizará, y esto permite marcar grandes ramas del árbol como probadas sin evaluación explícita.

Validación y desempeño

Los escenarios generados por el sistema fueron validados con datos públicos de la API de la NHL en cuatro temporadas regulares (2021–22 hasta 2024–25). Todas las situaciones producidas por la solución coincidieron exactamente con las publicadas por la liga, lo que demuestra la corrección del enfoque. El cálculo de escenarios de 1 día mostró tiempos de ejecución con medianas en el orden de minutos, lo que representa una mejora importante frente al trabajo manual. La eficiencia proviene en buena parte de la poda: con estrategias adecuadas de preprocesamiento y ordenación de nodos, gran parte del árbol de búsqueda no necesita explorarse; en las pruebas se observaron valores de eficiencia de poda cercanos al 100% en la mayoría de los casos.

Valor práctico para stakeholders

• Para la propia NHL y medios: permite generar escenarios automatizados y demostrablemente correctos de forma diaria, reduciendo esfuerzo manual y el riesgo de errores.
• Para fans: ofrece explicaciones precisas sobre qué resultados hacen falta para que su equipo clasifique, mejorando la experiencia informativa en las fases decisivas de la temporada.
• Para analistas deportivos: establece un marco riguroso que puede extenderse a otros hitos competitivos (títulos de división, eliminaciones, posiciones específicas) y ajustarse a otras ligas.

Relevancia y oportunidades para América Latina

Aunque el trabajo se centra en la NHL, la metodología es relevante para organizaciones deportivas, medios y plataformas de análisis en América Latina. Ligas nacionales, torneos regionales y operadores de contenido que manejan tablas de posiciones y reglas de desempate complejas pueden beneficiarse de un sistema automatizado y verificable. Además, productos de fan engagement, apuestas responsables y coberturas en tiempo real pueden incorporar escenarios generados automáticamente para enriquecer la narrativa alrededor de la clasificación.

Implementación, mantenimiento y retos operativos

Integrar esta solución en un flujo de trabajo productivo requiere atender varios puntos prácticos: asegurar la calidad y disponibilidad de los datos (por ejemplo, la API de la liga), mantener actualizado el modelo ante cambios en las reglas o el formato de la competición, y dimensionar recursos computacionales para atender ventanas diarias de cálculo. Las reglas de desempate y formatos de torneo son la fuente principal de complejidad; cualquier modificación en ellas obliga a revisar y validar el modelo.

Conclusión

La combinación de programación por restricciones y una búsqueda en árbol optimizada permite automatizar y certificar escenarios de clasificación en competiciones con reglas complejas, como la NHL. El trabajo del AWS Generative AI Innovation Center demuestra que con modelos adecuados, solvers robustos y buenas heurísticas de poda es posible ofrecer resultados correctos y prácticos para uso diario. Para líderes y tomadores de decisiones en la región, esta aproximación abre oportunidades para modernizar el análisis competitivo, mejorar productos informativos y expandir servicios de datos en el ecosistema deportivo latinoamericano.