Tradycyjny obraz skauta piłkarskiego jest głęboko zakorzeniony w romantycznej wizji futbolu. To zazwyczaj starszy mężczyzna w grubym płaszczu, stojący w strugach deszczu na bocznym boisku gdzieś w Ameryce Południowej lub na Bałkanach, z notesem w dłoni, w którym zapisuje nazwiska najbardziej obiecujących nastolatków. Przez dziesięciolecia to właśnie ten „instynkt” i „piłkarskie oko” decydowały o wielomilionowych transferach. Dzisiaj ten obraz odchodzi do lamusa z prędkością światła.
Ślepe punkty ludzkiego oka a chłodna kalkulacja
Głównym problemem tradycyjnego modelu obserwacji były ograniczenia ludzkiej psychiki. Skaut, który spędził kilkanaście godzin w samolocie, aby obejrzeć konkretnego zawodnika, jest podświadomie narażony na błąd potwierdzenia (confirmation bias). Chce udowodnić sobie i przełożonym, że podróż miała sens, przez co często ignoruje wady gracza. Co więcej, człowiek jest w stanie śledzić z uwagą maksymalnie dwóch lub trzech zawodników jednocześnie podczas trwającego meczu.
Sztuczna inteligencja eliminuje te problemy z bezwzględną precyzją. Zasilana potężnymi bazami danych i zautomatyzowaną analizą wideo (Computer Vision), maszyna zyskuje miażdżącą przewagę na kilku polach:
- Nieograniczona pojemność uwagi. Podczas gdy człowiek jest w stanie śledzić z uwagą maksymalnie dwóch lub trzech zawodników, system ocenia wszystkich dwudziestu dwóch graczy na boisku w każdej milisekundzie spotkania.
- Brak uprzedzeń i odporność na zmęczenie. Algorytmy nigdy nie tracą koncentracji i nie mają preferencji co do konkretnych agentów piłkarskich czy narodowości.
- Chłodna obiektywność. Maszyna nie daje się zwieść jednemu, efektownemu dryblingowi, wyłapując bezlitośnie sytuacje, w których przez pozostałe osiemdziesiąt dziewięć minut zawodnik był taktycznie bezużyteczny.
Zastrzyk kapitału jako paliwo dla innowacji
Budowa lub nawet samo wykupienie subskrypcji do tak zaawansowanej infrastruktury analitycznej pochłania jednak potężne środki. Zespoły ze środka tabeli nie dysponują początkowo budżetami na własne działy „Data Science”, dlatego opierają swój rozwój na bardzo silnych partnerstwach komercyjnych.
To właśnie strumienie pieniędzy ze strony globalnych sponsorów – w tym podmiotów z branży zakładów i cyfrowej rozrywki, takich jak chociażby xon bet kasyno – zapewniają klubom płynność niezbędną do opłacania kosztownych licencji na oprogramowanie skautingowe. Zastrzyk tego zewnętrznego kapitału sprawia, że mniejsze zespoły zyskują dostęp do tych samych sieci neuronowych, co rynkowi giganci. Mogą zaryzykować i sprowadzić anonimowego chłopaka z Ekwadoru na podstawie algorytmicznej rekomendacji, omijając tradycyjne, drogie łańcuchy pośredników i skautów.
Biomechanika z drona: przechwytywanie ruchu bez markerów
Prawdziwym przełomem, który wywindował AI na szczyt piramidy transferowej, jest technologia bezmarkerowego przechwytywania ruchu (Markerless Motion Capture). Jeszcze kilka lat temu, aby dokładnie zmierzyć parametry fizyczne piłkarza, należało ubrać go w specjalną kamizelkę z czujnikami GPS. Dla chłopaka grającego w trzeciej lidze urugwajskiej było to oczywiście całkowicie niedostępne.
Obecnie najnowsze systemy AI potrafią wygenerować trójwymiarowy, biomechaniczny model zawodnika wyłącznie na podstawie płaskiego, dwuwymiarowego nagrania z transmisji telewizyjnej lub nawet ze smartfona kibica. Oprogramowanie analizuje kąt zgięcia kolana przy oddawaniu strzału, częstotliwość stawiania kroków podczas sprintu oraz idealny środek ciężkości podczas zmiany kierunku biegu. Dzięki temu europejski klub może precyzyjnie ocenić ryzyko kontuzji mięśniowych u gracza z innego kontynentu, nigdy nie zapraszając go wcześniej na testy medyczne.
Algorytmiczna ocena inteligencji boiskowej
Fizyczność to jednak nie wszystko. Najtrudniejszym zadaniem dla dawnych łowców talentów była ocena tak zwanego „piłkarskiego IQ”. Dzisiaj modele sztucznej inteligencji potrafią skwantyfikować nawet to. Kamery śledzące ruch gałek ocznych i ruchy głowy zawodnika (tzw. skanowanie przestrzeni) dostarczają danych do algorytmów, które obliczają, ile razy przed otrzymaniem podania gracz sprawdził ustawienie rywali. Modele uczenia maszynowego nakładają na to metrykę „Oczekiwanych Zagrożeń” (Expected Threat – xT), mierząc, jak każda decyzja konkretnego gracza statystycznie zwiększyła szansę jego zespołu na strzelenie bramki w perspektywie kolejnych dziesięciu sekund. W ten sposób AI bezbłędnie wskazuje zawodników wybitnych kognitywnie.
Niewidzialny wpływ: modele kontroli przestrzeni i gra bez piłki
Inteligencja boiskowa objawia się jednak nie tylko w momencie kontaktu z futbolówką. Biorąc pod uwagę, że przeciętny zawodnik ma piłkę przy nodze przez zaledwie około trzy minuty w trakcie całego meczu, dla skautów kluczowe staje się to, co robi on przez pozostałe osiemdziesiąt siedem. W tym obszarze AI wprowadziło rewolucyjne modele „Kontroli Przestrzeni” (Pitch Control) oraz zaawansowane śledzenie gry bez piłki (Off-ball tracking).
Wykorzystując potężne zestawy danych XY z kamer, algorytmy nieustannie rysują na wirtualnym boisku strefy wpływów. System potrafi wyliczyć tak zwaną wartość dodaną ze sprintu w ciemno, który ściągnął na siebie dwóch obrońców, celowo otwierając korytarz innemu partnerowi. Dzisiejszy skauting algorytmiczny nagradza więc graczy za samo tworzenie wolnych przestrzeni, nawet jeśli ich mądre zachowanie taktyczne nie zakończyło się otrzymaniem podania i nie zapisało się w tradycyjnych statystykach. To pozwala algorytmom odkryć nieocenionych „ludzi od czarnej roboty”, których wybitne czytanie gry wcześniej umykało uwadze tradycyjnych obserwatorów.
Kto przetrwa technologiczną czystkę?
Czy to oznacza, że zawód tradycyjnego skauta całkowicie zniknie z rynku? Absolutnie nie. Zmieni się jedynie jego rola i zakres obowiązków. Sztuczna inteligencja jest niesamowicie skuteczna w filtrowaniu szerokiego lejka. Z bazy pięćdziesięciu tysięcy zawodników potrafi w kilka sekund wyciągnąć pięciu, którzy idealnie pasują do profilu taktycznego danej drużyny i mają wybitne statystyki biomechaniczne.
Jednak na samym końcu tego procesu nadal potrzebny jest człowiek. To ludzki skaut musi pojechać na miejsce, porozmawiać z zawodnikiem, ocenić jego charakter, relacje z rodziną i to, jak zachowuje się w szatni po przegranym meczu. Algorytm nie potrafi bowiem ocenić empatii ani mentalności lidera. Przyszłość futbolu nie polega na wyparciu ludzi przez maszyny. Należy raczej do tych menedżerów, którzy potrafią z pokorą przyjąć twarde dane z systemów AI i wykorzystać je jako fundament pod własne, ostateczne decyzje rekrutacyjne.