El presente proyecto de investigación aplicada aborda la necesidad de optimizar el análisis estratégico y operativo en el ecosistema competitivo del Pokémon Trading Card Game (TCG). Actualmente, el volumen masivo y la complejidad de la información generada en los torneos oficiales del circuito Play! Pokémon han superado la capacidad de procesamiento de los métodos analíticos tradicionales. Esta brecha tecnológica limita la identificación de patrones de éxito, ralentiza la innovación estratégica de los jugadores y dificulta a los organizadores la detección oportuna de desequilibrios o comportamientos anómalos en el metajuego. Para resolver esta problemática, se propone el diseño e implementación de una plataforma de analítica competitiva fundamentada en Inteligencia Artificial. La arquitectura de la solución opera a través de un pipeline de datos integral (End-to-End) que ingesta, limpia y procesa la telemetría histórica de los torneos. El núcleo tecnológico del sistema está compuesto por tres módulos de Machine Learning: un modelo de predicción de rendimiento (aprendizaje supervisado), un algoritmo de detección de anomalías (aprendizaje no supervisado) y un sistema de recomendación de configuración de mazos (decks). El plan de acción para el despliegue de esta solución se estructura en un cronograma iterativo de seis meses, soportado por una infraestructura elástica en la nube (Cloud Computing) y ejecutado por un equipo multidisciplinario de ciencia de datos y expertos del dominio. Finalmente, los insights algorítmicos generados se democratizan mediante dashboards interactivos de Business Intelligence (BI). De este modo, el proyecto logra transformar datos crudos en inteligencia estratégica accionable, impulsando una cultura de toma de decisiones basada en datos (Data-Driven) que beneficia tanto a los jugadores en la optimización de sus estrategias, como a la organización en la salvaguarda de la integridad competitiva..
| Código institucional | PROD-2026-4527 |
| Idioma | ES |
| Grupo(s) | Gestión, Ingenierí@ y Desarrollo Organizacional (COL0213531) |
| Línea de investigación | Analítica de Datos e Inteligencia Artificial en Sistemas de Software |
| Programa | Ingeniería Industrial |
| Área OCDE | Ciencias Sociales |
| URI Minerva | https://sgi.redsummaeducation.education/minerva/item/4449 |
Nelson Ricardo Caicedo Rivera, Roy Alexander Quesada Medina, Julián Camilo Ortega Gómez (2026). Aplicación de la IA para el análisis competitivo en el ecosistema del Pokémon Trading Card Game. https://sgi.redsummaeducation.education/minerva/item/4449
@article{NelsonRicardoCaicedoRivera2026,
title = {Aplicación de la IA para el análisis competitivo en el ecosistema del Pokémon Trading Card Game},
author = {Nelson Ricardo Caicedo Rivera and Roy Alexander Quesada Medina and Julián Camilo Ortega Gómez},
year = {2026},
url = {https://sgi.redsummaeducation.education/minerva/item/4449}
}