El dinero que sostiene el automovilismo ha cambiado de manos. Donde antes había tabacaleras y marcas de alcohol, hoy aparecen empresas de criptomonedas, ciberseguridad e inteligencia artificial. La lógica es sencilla: una porción creciente del PIB mundial depende de esos sectores y hace falta mucho dinero para competir. En el ámbito amateur, los directivos tecnológicos han relevado a los dentistas como el perfil clásico del piloto privado: en las últimas Petit Le Mans participaron, entre otros, los cofundadores de GitHub, CrowdStrike y Shopify, además del creador de Ruby on Rails.
Pero hay alianzas en las que el patrocinador aporta algo más que una transferencia bancaria. Chip Ganassi Racing (CGR) y OpenAI llevan más de un año demostrándolo en el IndyCar, donde el análisis masivo de datos se ha convertido en una herramienta de rendimiento dentro del garaje.
- Sensores por todas partes: cada monoplaza de CGR supera los 200 sensores y genera cerca de mil millones de puntos de datos por hora.
- Más allá del reglaje: la colaboración cubre estrategia de carrera, rendimiento en boxes y operaciones administrativas.
- Resultados en pista: Alex Palou logró la pole en el urbano de Washington D.C. con más de medio segundo de ventaja y cerró la temporada con su quinto título de IndyCar.
Del tabaco a los modelos de lenguaje
La alianza se anunció el 28 de febrero de 2025 como una colaboración de investigación, la primera de este tipo para ambas organizaciones. El objetivo era convertir el torrente de información de cada carrera en decisiones más rápidas y certeras, tanto en la pista como fuera de ella. El proyecto nació de una conexión concreta: la investigadora de OpenAI Joyce Ruffell conoció al equipo en un evento de Women in Motorsports y acabó desempeñando un papel central en su construcción. También participan nombres conocidos, como el consejero delegado de OpenAI, Sam Altman, y el propietario del equipo, Chip Ganassi, cuya estructura acumulaba 17 campeonatos cuando se hizo el anuncio.
Mil millones de datos por hora
Los más de 200 sensores de cada IndyCar de CGR producen en conjunto cerca de mil millones de puntos de datos por hora, una cifra imposible de digerir a mano en los márgenes de un fin de semana de competición. La colaboración ataca varios frentes: reglajes, estrategia, paradas en boxes y tareas de oficina.
«Tenemos muchísimos sensores en el coche y, para ir más rápido, necesitamos revisar una cantidad enorme de datos. Solo disponemos de una hora entre sesiones y es crucial ver únicamente los fragmentos importantes que pueden hacernos más rápidos».
Alex Palou, piloto de Chip Ganassi Racing.
Con el tiempo, la relación pasó del laboratorio al patrocinio: en 2026 OpenAI se convirtió en patrocinador principal del monoplaza número 10 en carreras selectas, entre ellas las de Long Beach y Washington D.C. Varios campeonatos y la edición de 2025 de las 500 Millas de Indianápolis figuran en ese tramo. La alianza también generó su propio contenido: la serie documental «R&D», producida con Box-to-Box Films, sigue el trabajo del equipo.
El circuito que no existía en los datos
La prueba de fuego no fue un trazado conocido como St. Petersburg o Detroit, sino el circuito urbano de Washington D.C., de 1,7 millas (unos 2,7 kilómetros). El equipo dispuso de seis meses para prepararlo sin una sola vuelta de datos reales más allá del simulador. Con las herramientas de OpenAI, CGR trabajó hacia atrás: comparó las rectas y las curvas del nuevo trazado con circuitos ya conocidos para construir simulaciones y modelos.
«¿Qué alturas de coche usamos, por ejemplo, en Detroit y cuáles serían cuando vamos a Washington? Sabiendo más o menos cuántos baches hay, cuánto mide la recta y qué tipo de curva… OpenAI podía ayudarnos a obtener esos valores».
Alex Palou.
El sábado el modelo respondió: Palou se llevó la pole con más de medio segundo sobre Kyle Kirkwood, de Andretti. El domingo, dos paradas en boxes problemáticas y un trompo lo hundieron hasta la vigésima plaza; aun así, el piloto sostiene que tenían el coche más rápido y que los errores fueron humanos. La temporada terminó con su quinto título de IndyCar y el decimoctavo campeonato de la historia de CGR, un récord.
Queda la pregunta difícil: qué hacer cuando el modelo contradice a quienes están en la cima de su oficio. Palou admite que siguen aprendiendo cuándo confiar plenamente en el software: «La experiencia que puedan tener algunos miembros del equipo, ingenieros o mecánicos se equilibra con los datos», señala. Un modelo puede hallar la estrategia más rápida sobre el papel, pero no siempre anticipa factores como las banderas amarillas que alteraron media carrera en Markham.
Más allá del caso de CGR, el episodio marca un cambio de época. La inteligencia artificial deja de ser una etiqueta en el capó para convertirse en una pieza de ingeniería: cuantifica el riesgo, acorta los ciclos de preparación y permite atacar trazados sin referencias previas. El reto no es tecnológico, sino humano: integrar esas herramientas sin diluir la intuición de ingenieros y pilotos.