La revolución del entrenamiento: cómo la IA está cambiando el fútbol

• ¿Hasta qué punto cambiará la IA los juegos en los próximos cinco años?
• ¿En qué medida se apoya ya la inteligencia artificial en la búsqueda de talentos?
• ¿Podría una IA reconocer y tener en cuenta cuándo los jóvenes están especialmente desarrollados o retrasados con respecto a su edad biológica?
• ¿Pueden los clubes de aficionados aplicarlo también con relativa facilidad?
• ¿En qué medida ayudan los sistemas de IA a la rehabilitación?
• ¿Me diría también una IA cuándo tengo que tomarme un descanso?
• ¿Cómo es el uso de la IA en el aprendizaje/mejora de las técnicas de movimiento?
• ¿Es realmente posible que una cámara grabe un partido desde 1000 perspectivas y luego escupa una táctica?

Los entrenadores llevan mucho tiempo trabajando con innumerables datos de entrenamiento en el mundo del deporte de competición, especialmente en el fútbol. Los equipos de primera división, por ejemplo, fueron los primeros en integrar las nuevas tecnologías, ya que la feria de medición y análisis de parámetros fisiológicos siempre ha formado parte de la descripción del trabajo de sus preparadores físicos. Durante los entrenamientos y los partidos, primero sin balón y después con él, el equipo técnico puede registrar fácilmente la velocidad, la aceleración o los kilómetros recorridos por los jugadores. Hoy en día, estos datos también se analizan con ayuda de la inteligencia artificial (IA). Los entrenadores integran los datos obtenidos en sus planes de entrenamiento, obtienen perfiles de carga y gestionan las sesiones. La IA también puede utilizarse ahora para planificar y analizar contenidos de entrenamiento complejos con balón.

Daniel Memmert participa en los aspectos científicos de estos avances. Memmert es catedrático y director gerente del Instituto de Ciencias del Entrenamiento e Informática Deportiva de la Universidad Alemana del Deporte de Colonia. Ha publicado numerosos trabajos (especializados), por ejemplo, sobre análisis de datos en el fútbol, y realiza investigaciones para la Federación Alemana de Fútbol y la Liga Alemana de Fútbol, entre otros. Para ISPO.com, hace una previsión de hasta qué punto la IA cambiará el deporte y muestra lo que es posible hoy en día en el deporte de élite y lo que pronto será posible en el deporte recreativo con la IA.

Enorme. El principal factor será el scouting. En la actualidad, solo alrededor del diez por ciento de los clubes profesionales utilizan la prospección de datos. Este porcentaje se disparará en los próximos años. Hay muchas ligas, como la brasileña y la argentina, que aún no recopilan datos de seguimiento o posicionales satisfactorios. En algún momento, todas las ligas dispondrán de estos datos. Así, por ejemplo, podrás hacer clic en una lista de jugadores con determinadas métricas que el club respectivo considere importantes. A continuación, podrás volver a ver en directo a los diez mejores jugadores de esta lista o explorarlos por vídeo. Algunos clubes ya emplean menos ojeadores, pero en la actualidad sigue predominando el seguimiento convencional de jugadores. En los próximos años, el ojeo de datos se extenderá también a las divisiones juveniles sub-17 y sub-19 para poder buscar, listar, analizar y evaluar a los jugadores de forma más rápida, eficiente y eficaz en función de determinados KPI.

Con nuestra herramienta desarrollada y validada por nosotros mismos, utilizamos datos históricos de los clubes de la Bundesliga y calculamos, por ejemplo, las probabilidades de qué jugadores deben pasar de la categoría sub12 a la sub14. O qué valor de mercado y cuántos minutos profesionales tendrán los jugadores más adelante. La base son siempre los datos históricos, que nos dan una estimación para el futuro.

Utilizaríamos otras medidas. Por ejemplo, el BioBending. Se trata de agrupar y evaluar a los jugadores en los entrenamientos y las competiciones en función de su etapa biológica de desarrollo y no de su edad natural para evitar el problema del "efecto de la edad relativa". Al mismo tiempo, estadísticamente se da el caso de que los jugadores nacidos a finales de año acumulan más minutos profesionales en algunas canteras que los nacidos entre enero y marzo. Es lo que se conoce como "efecto de la edad relativa invertida". Como los jugadores más jóvenes juegan constantemente con jugadores más fuertes o más grandes y tienen que hacerse valer, esto también puede dar lugar a ventajas. De hecho, aquí también estamos empezando a trabajar con IA. Ya hemos desarrollado modelos de predicción para incorporar el "efecto de la edad relativa".

Por supuesto, esto lleva mucho tiempo en general. Sin embargo, hay sistemas de cámaras cada vez más baratos que proporcionan datos de vídeo de los que se pueden extraer datos de seguimiento. Esto se viene utilizando desde hace unos cinco años. En el futuro, estas opciones pronto serán asequibles para muchos clubes de aficionados, ya que los sensores dejarán de costar tanto. Esto crea un modelo de negocio para que muchas empresas tecnológicas trabajen con clubes más pequeños.

El término técnico para esto es "predicción de lesiones". Hay estudios que muestran la probabilidad de que los jugadores se lesionen si no se les perdona la vida. Para ello se necesitan datos médicos, por lo que es muy difícil publicar algo así o hacerlo transparente. Aquí es donde todavía necesitamos más investigación. Queremos conocer mejor la historia de las lesiones que llevan a los jugadores a ser perdonados. Al mismo tiempo, estamos investigando en qué situaciones de un partido -por ejemplo, en qué tipo de entradas- el riesgo de lesión es especialmente alto. Estas preguntas pueden responderse muy bien con IA basada en grandes cantidades de datos históricos. Actualmente, estamos intentando encontrar patrocinadores para este tipo de proyectos.

Sí, por supuesto. En cuanto se dispone de datos históricos o incluso de datos comparativos dentro de los grupos, por lo que los datos históricos de un atleta tienen más sentido, entonces esta IA utiliza esta información para controlar el entrenamiento en consecuencia.

La IA intenta categorizar los datos de rendimiento y, basándose en los datos disponibles del pasado, sabe en qué área de entrenamiento se encuentra el atleta.

En mi opinión, las técnicas de movimiento son muy individualizadas. Rechazo la idea de generar estándares. No existe la técnica estándar de oro, sino que muchas técnicas diferentes conducen a los mejores rendimientos debido a las condiciones biomecánicas y antropométricas. Por ejemplo, los diez mejores tenistas del mundo tienen técnicas relativamente diferentes para el saque, el revés y la derecha. Como no existe una técnica estándar ideal, el uso de la IA es mucho más complejo en este caso. Habría que invertir mucho tiempo para obtener resultados significativos. Estamos en los comienzos.

Sí, sí, así es exactamente como funciona. Por ejemplo, tenemos los datos de la Bundesliga alemana. Esto nos permite leer en fracciones de segundo el control espacial de los jugadores, de todo el equipo, los valores de presión, los rivales sobrepasados y muchas otras variables tácticas. Como los datos de los sensores del balón y de los jugadores son ahora muy fiables, todo se rastrea con gran precisión. Esto significa que tenemos datos de primera clase y análisis muy buenos apoyados por la IA.