¿Logrará la inteligencia artificial descubrir al futuro Cristiano Ronaldo? O, más modestamente, ¿será capaz de ayudar (más de lo que ya lo hace hoy con las diversas herramientas de que dispone, incluida una inmensa videoteca) a los cazatalentos y observadores de futbol a identificar a los talentos más afines al juego y los patrones de un determinado club? IBM cree que sí, y ha estado poniendo su watsonx en dos herramientas dedicadas precisamente a investigar y sugerir los futbolistas jóvenes más prometedores y más adecuados para un determinado tipo de juego. Lo hizo hace tiempo, y en el segundo frente, con el Sevilla en España (se llama «Scout advisor») y últimamente, en Italia, con el Empoli (la herramienta a disposición del club toscano ha sido bautizada como «Talent scouting»).
Cazar talentos desde la IA
“El «Talent scouting» desarrollado para el Empoli FC y «Scout advisor» para el Sevilla FC no son lo mismo”, explica a WIRED Italia Tomasz Slowinski, IBM Sales manager data, AI & Business automation en IBM Italia, “aunque ambos utilizan la plataforma de datos e inteligencia artificial basada en watsonx de IBM, se han personalizado para satisfacer las necesidades de cada club”. Es importante subrayar, de hecho, que cada proyecto está ‘hecho a la medida ‘ y tiene su base en los datos y las necesidades específicas de cada realidad. Lo que IBM produce sigue siendo propiedad de la empresa individual que lo encargó, así como, en este caso, del club individual. «Talent scouting» de IBM para el Empoli FC se diseñó para apoyar al club en la búsqueda y desarrollo de jóvenes talentos, mientras que «Scout advisor» para el Sevilla FC se creó para ayudar al club a identificar a los jugadores que mejor encajan con su estilo de juego y su cultura. Ambas plataformas utilizan el análisis de datos y el aprendizaje automático para proporcionar información detallada sobre los jugadores, pero se han personalizado para satisfacer las necesidades exclusivas del club».
Cómo entrenan los sistemas de IA de futbol
Cabe preguntarse de qué bases de datos se nutren estas soluciones de inteligencia artificial, para no arriesgarse quizá a infrarrepresentar a jugadores de determinadas zonas geográficas de las que se dispone de menos datos o cuyas ligas están menos ‘rastreadas’: «El departamento de datos del Sevilla FC ha estado trabajando con el equipo de ingeniería de clientes de IBM y el departamento de datos del Empoli está trabajando con nuestro socio Computer Gross para aprovechar el procesamiento del lenguaje natural de watsonx y sus modelos fundacionales, y así poder analizar enormes cantidades Esto incluye tanto datos cuantitativos, como la altura y el peso, la velocidad, el número de goles o los minutos jugados, como datos cualitativos no estructurados, como el análisis textual contenido en los informes de los ojeadores. Estas soluciones de IA tienen base en una amplia gama de bases de datos de clubes individuales, incluidos videos de partidos, estadísticas de jugadores e información sobre el rendimiento. Watsonx.ai puede analizar datos de diferentes zonas geográficas, lo que significa que no hay ningún problema con la representatividad de los jugadores rastreados. Sin embargo, la calidad y la exhaustividad de los datos pueden variar en función de la fuente y, por consiguiente, de la zona geográfica. Por ejemplo, los datos de algunas fuentes pueden ser menos completos o menos fiables que otros, lo que puede afectar a la precisión del análisis proporcionado por la plataforma».
Así, para garantizar la calidad y la fiabilidad de los datos, IBM watsonx explota diversas técnicas de procesamiento de datos y aprendizaje automático para analizarlos e interpretarlos, y hace explícita su procedencia, en beneficio del usuario, ya sea un director de equipo, el personal del director deportivo o el del entrenador:»La plataforma es capaz de integrar datos de distintas fuentes para ofrecer una visión más completa de los jugadores. También puede aprender de las preferencias y decisiones tomadas por los usuarios finales, lo que significa que la plataforma puede adaptarse y mejorar con el tiempo para ofrecer análisis más precisos y útiles». En ambos casos, se ha valorado la estrategia de IBM de adoptar un enfoque abierto a la hora de elegir el modelo LLM, que ofrece la posibilidad de trabajar con modelos propios de IBM (Granite), así como con modelos de Meta (Llama 3) y Mistral AI, e incluso de aportar algunos modelos ya desarrollados (Bring Your Own Model-BYOM)».
La figura del scout ya ha sufrido profundas transformaciones en los últimos años que, de hecho, le han convertido en un experto navegante entre plataformas dedicadas, desde Opta hasta StatsBomb pasando por Hudl, su solución SportCode, KlipDraw y Wyscout, con sistemas como estos, corre el riesgo de desaparecer definitivamente, con el mercado del futbol (o al menos la fase de scouting de los equipos juveniles) cada vez más en manos de la inteligencia artificial. El responsable de IBM no está de acuerdo, y defiende la tesis de todos los desarrolladores de IA, la del trabajo humano codo con codo: «Desde luego, el observador no está en peligro de desaparecer, ya que la tecnología de IA no puede sustituir a la experiencia y la intuición humanas», afirma, «este tipo de sistemas pueden seguir apoyando y complementando el trabajo de los observadores, proporcionándoles información y análisis detallados para tomar decisiones con mayor conocimiento de causa». De este modo, la tecnología de IA puede ayudar a reducir la carga de trabajo de los observadores, permitiéndoles centrarse en tareas más estratégicas y de mayor valor añadido».
¿Vendrán más?
También hay un elemento de accesibilidad, que de hecho puede ser uno de los puntos fuertes de estas herramientas a medida que más y más clubes de futbol (y otros) las adopten: «La tecnología de IA también puede ayudar a democratizar el proceso de contratación de jugadores, haciéndolo más accesible y transparente», de acuerdo con Slowinski. «Por ejemplo, la plataforma watsonx puede ser utilizada por clubes de diferentes tamaños y niveles. Esto significa que los clubes más pequeños y con menos recursos pueden ahora crear su propia plataforma y tener así la posibilidad de beneficiarse de un análisis detallado de los jugadores, algo que en el pasado solamente podían permitirse los clubes más grandes y con más recursos económicos». Eso no es todo: según el experto, la tecnología de IA de IBM también puede ayudar a reducir el riesgo de errores humanos y sesgos al proporcionar análisis con base en datos objetivos y fiables: “Los observadores tienen un profundo conocimiento del juego y de la industria del fútbol, así como una capacidad única para evaluar a los jugadores en función de su personalidad, motivación y otros factores intangibles que no se pueden medir con datos. Además, también pueden proporcionar información y conocimientos únicos sobre la cultura y el estilo de juego de los clubes, así como sobre las necesidades específicas de los jugadores y los equipos. Por lo tanto, es probable que la tecnología de IA y los observadores sigan complementándose en el proceso de contratación de jugadores. Lo que es seguro es que esta nueva forma de trabajar requiere un cambio cultural por parte de los humanos, que deben aprender a utilizar la tecnología de forma que les proporcione un ”apoyo real a sus decisiones».
Por lo tanto, cabe preguntarse si, además del Empoli y el Sevilla, otros clubes están interesados en actualizar su modelo de selección de jugadores: «Hasta la fecha, podemos mencionar estas dos referencias en el fútbol. También estamos colaborando en otros ámbitos deportivos para ofrecer soluciones de IA personalizadas identificando las áreas de mayor impacto», concluye Slowinski: «Por ejemplo, puedo mencionar el proyecto que IBM acaba de anunciar con el All England Lawn Tennis Club, que ha puesto a disposición una nueva función dedicada a la experiencia digital de Wimbledon. Aprovechando los datos de los partidos, esta solución permitirá a los aficionados mantenerse al día durante el transcurso del campeonato sobre los mejores jugadores del mundo. La nueva función, llamada «Catch Me Up», muestra las tarjetas de los jugadores antes y después del partido con información y análisis generados por inteligencia artificial a través de Wimbledon.com y la aplicación de Wimbledon. Las tarjetas de los jugadores aparecerán en un orden personalizado basado en las elecciones y los datos del usuario, como su ubicación geográfica y su perfil de MyWimbledon, empezando por sus jugadores favoritos. El contenido previo al partido incluirá análisis de las últimas actuaciones y predicciones sobre la probabilidad de victoria, y el contenido posterior al partido incluirá estadísticas clave y momentos destacados. La función también creará resúmenes diarios más detallados».
Artículo publicado originalmente en WIRED Italia. Adaptado por Mauricio Serfatty Godoy.