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)”.
Más información: https://es.wired.com/articulos/ia-cambiando-forma-descubrir-nuevas-promesas-futbol