Strava ha ejecutado en las últimas semanas una de las mayores limpiezas técnicas de su historia reciente en los rankings de segmentos de ciclismo. La plataforma ha reanalizado de forma global las 100 mejores actividades de cada segmento de tipo Ride para corregir la presencia de registros anómalos, una intervención que ha supuesto la retirada de millones de actividades que no cumplían los criterios deportivos establecidos.
Un nuevo enfoque técnico para proteger la integridad de los segmentos
El núcleo de esta actuación ha sido la implantación de un nuevo sistema de detección basado en aprendizaje automático, desarrollado específicamente para identificar actividades realizadas con bicicletas eléctricas que habían sido subidas como salidas convencionales. Según explica el equipo de ingeniería de Strava, este modelo ha sido entrenado para reconocer patrones de esfuerzo, velocidad y comportamiento incompatibles con una bicicleta muscular.
El impacto de esta revisión ha sido considerable. En total, la plataforma ha eliminado 2.3 millones de actividades registradas con bicicletas eléctricas que estaban alterando los rankings de segmentos. A estas se suman 1.6 millones de actividades detectadas como desplazamientos en vehículo, que también habían acabado posicionadas en clasificaciones competitivas.
La limpieza no se ha limitado al ciclismo. Strava ha desplegado un segundo modelo capaz de identificar actividades subidas como carrera a pie que, en realidad, correspondían a salidas en bicicleta. Este ajuste ha permitido reducir la distorsión en las tablas de clasificación de running, un problema recurrente en zonas urbanas y segmentos populares.
Uno de los datos más relevantes de esta operación es la restauración de posiciones legítimas. Más de 293.000 deportistas han recuperado su lugar correcto dentro del top 10 de distintos segmentos, un efecto directo de la eliminación de registros incompatibles con el esfuerzo humano esperado en una actividad de ciclismo en carretera o MTB.
Desde el punto de vista técnico, la intervención ha requerido un reprocesado completo de los datos históricos. El sistema actual poco tiene que ver con el que existía a finales de 2024, cuando comenzaron los trabajos. A día de hoy, Strava opera con tres modelos de detección diferenciados: vehículos, bicicletas en actividades de carrera y detección de e-bikes en salidas de ciclismo convencional.
Este enfoque se ha extendido más allá de los segmentos. La plataforma ha ampliado los sistemas de detección de anomalías a otros espacios competitivos, como los rankings de desafíos, donde también se habían detectado irregularidades derivadas del uso de medios motorizados o configuraciones incorrectas.
Strava reconoce que la integridad de los datos es un proceso continuo y sujeto a mejora. La compañía admite que todavía existen áreas donde los modelos pueden refinarse, especialmente en segmentos muy cortos o con perfiles atípicos, habituales en zonas urbanas o circuitos compartidos.
El movimiento llega tras años de quejas por parte de los usuarios, especialmente entre los ciclistas que compiten por tiempos en segmentos históricos. La combinación de modelos de Machine Learning y reprocesado masivo marca un punto de inflexión en la forma en la que Strava gestiona la competitividad dentro de su ecosistema.
A corto plazo, esta depuración refuerza la credibilidad de los segmentos como herramienta de comparación deportiva real y devuelve valor a un sistema que había perdido fiabilidad en muchos territorios. A medio plazo, el reto será mantener esta coherencia a medida que evolucionan las bicicletas eléctricas, los dispositivos de registro y los propios hábitos de los usuarios.