El món del reclutament de futbol està experimentant una profunda transformació digital. Fa temps que han passat els dies en què la intuïció d'un ojeador era la única base per a un traspàs de diversos milions de lliures.
Avui dia, la intel·ligència artificial i l'anàlisi predictiva estan transformant la manera com els clubs identifiquen, avaluen i adquireixen talent. Des de les decisions pioneres basades en dades del passat fins als models sofisticats dels poderosos moderns, l'esport està abraçant una nova era.
Tanmateix, com passa amb qualsevol canvi tecnològic, aporta no només una immensa promesa sinó també una pregunta crucial: on acaben els algoritmes i on comença l'element humà irreplaceable?
Els primeres pioners: Les decisions informades per dades de l'Arsenal
Tot i que el terme "IA" no estava en el lèxic del futbol a mitjans dels anys 2000, els clubs amb visió de futur ja estaven aprofitant les dades per prendre decisions difícils. La decisió de l'Arsenal de vendre el seu davanter carismàtic Thierry Henry el 2007 és un exemple primerenc i convincent d'un moviment difícil, informat per dades.
Mentres els aficionats veien una llegenda que acabava de portar-los a una final de la Lliga de Campions, els analistes del club tenien una perspectiva diferent. Estaven seguint el subtil i constant declivi en les mètriques físiques d'Henry: micro-disminucions en les velocitats màximes de sprint, els bursts d'acceleració i els temps de recuperació.
Aquests números, tot i que no són immediatament visibles a simple vista, pintaven una imatge clara d'un jugador el joc del qual, construït sobre un ritme explosiu, estava canviant inexorablement. Com va explicar l'antic CEO Keith Edelman a The Sun: "La raó per la qual Thierry va marxar va ser perquè estava perdent el seu ritme. El seu joc es basava en la velocitat, i si perds això, has acabat."
El club va prendre la decisió atrevida de vendre'l al Barcelona mentre el seu valor de mercat es mantenia al seu pic. Edelman va afegir: "Així que, vam obtenir diners per ell malgrat que estava en una caiguda." Aquesta no va ser una decisió basada només en dades, sinó una on mètriques objectives van validar i accelerar una difícil elecció estratègica.
Els Pportadors de la modernitat: L'Èxit impulsat per IA de Brighton i Brentford
Els exemples més exitosos d'avui en dia de reclutament basat en dades provenen de clubs que han fet d'això la seva filosofia institucional. Brighton & Hove Albion i Brentford han transformat la seva sort mitjançant un rendiment significativament superior al seu pes a través d'analítiques sofisticades.
- El Model de Brighton: Sota el lideratge de Tony Bloom i un equip d'analítica dedicat, Brighton ha identificat i adquirit constantment talent infravalorat. Les seves històries d'èxit són ara llegendàries: Alexis Mac Allister, Moisés Caicedo i Kaoru Mitoma. El sistema de Brighton no substitueix el scouting; l'apodera. La seva anàlisi impulsada per IA combina el scouting tradicional amb la modelització predictiva dels estils de joc, mètriques físiques i el potencial d'un jugador per adaptar-se al futbol anglès.
- La revolució "Moneyball" de Brentford: The rise of Brentford has been equally impressive. Their analytics team uses AI to analyse a wide range of data points - from passing networks and efficiency in set-piece plays to the probability of injuries. This allows them to identify players from lower leagues who are ready to make the jump, optimise squad building within a strict budget, and ensure that each signing fits their tactical system.
Ambdós clubs demostren un punt crucial: la IA és una eina poderosa per trobar el talent adequat per a sistemes tàctics específics i requisits de lliga. Augmenta, en comptes de substituir, l'escoutatge tradicional.
Estudi de cas: L'Experiment impulsat per IA de Sheffield United
Potser cap club il·lustra millor les promeses i limitacions d'aquest nou enfocament que Sheffield United. Sota una nova propietat liderada per Steven Rosen i Helmy Eltoukhy, el club ha iniciat el que han anomenat una nova "era de transferències d'intel·ligència artificial."
Les seves primeres transferències impulsades per IA a principis de 2025 van incloure joves jugadors amb alt potencial de l'estranger: el davanter nigerià Christian Nwachukwu i el davanter peruà Jefferson Cáceres. Com va explicar el conseller delegat a The Star, van ser assenyalats pel programari d'IA. "I quan vam pensar que el valor i el preu eren correctes, vam fer moviments per adquirir-los", va dir el conseller delegat dels Blades, Stephen Bettis. "Això és el que ha passat amb aquests dos i els hem aconseguit."
Aquests fitxatges representaven exactament el tipus d'ineficiència del mercat que Brighton i Brentford han explotat: talent jove de lligues menys escanejades identificat a través de dades.
Tanmateix, els primers resultats van ser mixtos, i la transferència de Caceres proporciona una lliçó clara. Firmat al gener de 2025, el jugador de 22 anys mai no va fer una sola aparició amb l'equip sènior. A l'agost, només uns mesos després d'arribar, va ser alliberat i va signar per al club escocès de segona divisió Dunfermline.
Tot i que l'anàlisi de dades i la modelització predictiva del club poden haver analitzat amb precisió el seu ritme, habilitats tècniques i estadístiques a la lliga peruana, no van poder tenir en compte el que els economistes anomenen els factors "cigne negre" que determinen el veritable èxit d'un jugador.
En economia i altres camps, els esdeveniments de cigne negre es refereixen a ocorreguts rars i imprevisibles que tenen conseqüències significatives (per exemple, col·lapses financers, disruptives tecnològiques). En futbol, tot i que els fracassos individuals de transferència poden no complir sempre els criteris complets d'un esdeveniment de cigne negre, la teoria encara pot proporcionar informació sobre per què molts traspassos fallen inesperadament.
Les transferències de futbol impliquen inversions significatives (taxes de transferència, salaris, etc.) amb l'esperança que un jugador rendirà bé i contribuirà a l'èxit d'un equip.
Molts factors que afecten el rendiment d'un jugador són inherentment imprevisibles. Per exemple:
- Lesions: Un jugador pot patir una lesió inesperada que desvia la seva carrera en un nou club (per exemple, l'etapa plena de lesions d'Eden Hazard al Real Madrid després del seu traspàs el 2019).
- Adaptabilitat: La capacitat d'un jugador per adaptar-se a una nova lliga, cultura o sistema tàctic és difícil de predir. Per exemple, Ángel Di María va tenir dificultats al Manchester United el 2014-15 a causa de problemes d'ajustament tàctic i personal, malgrat la seva qualitat demostrada.
- Dinamica d'equip: Problemes imprevistos com una mala química amb els companys d'equip, desajustos en l'entrenament o distraccions fora del camp (per exemple, problemes personals, pressió mediàtica) poden afectar significativament el rendiment.
Aquests factors estan fora de l'abast de l'anàlisi predictiva, cosa que els fa rars i imprevisibles en el seu impacte específic.
L'algorisme no podia preveure com el peruà de 22 anys tindria dificultats per adaptar-se a un nou país, a una nova llengua, a les exigències físiques del futbol anglès, o a la pressió psicològica d'una tarifa de transferència significativa. Aquests elements humans - que finalment van determinar el seu fracàs en la transferència - van romandre completament fora de l'abast dels sofisticats algorismes predictius.
El toc humà: La perspectiva d'una llegenda sobre un moviment arriscat
La llegenda del futbol peruà Nolberto Solano, que va passar la major part de la seva carrera a Anglaterra, va proporcionar una anàlisi centrada en la humanitat que il·lustra perfectament aquestes limitacions. Com va explicar al diari El Comercio, el trasllat de Jefferson Cáceres era simplement massa aviat.
Solano va qüestionar si Cáceres havia guanyat realment el dret a tal transferència, preguntant: "Ha sortit el noi com una revelació del futbol peruà? Juga el noi a la selecció nacional com a titular o sempre està a la selecció nacional?"
"Tallen aquests buits curt [...], i això és bo per a ell, però no és fàcil, ni tan sols a la segona o tercera divisió a Anglaterra si no segueixen el procés de desenvolupament."
Els comentaris de Solano revelen una distinció crucial: mentre que la IA pot identificar un jugador amb mètriques i dades prometedores, no pot mesurar la seva preparació per al salt psicològic i físic a una nova cultura.
La crítica de la llegenda destaca el valor del judici basat en l'experiència que pot avaluar la maduresa, la resiliència i la preparació personal d'un jugador d'una manera que les dades per si soles no poden.
És un recordatori que fa reflexionar que un jugador no és només una col·lecció de punts de dades; és una persona amb un viatge personal que un algoritme no pot veure.
La perspectiva Clevacat: Un enfocament híbrid per a un joc complex
A Clevacat, construïm solucions d'IA que ajuden les empreses, incloent les del món de l'esport professional, a navegar aquesta nova era.
El cas de Jefferson Cáceres subratlla una veritat fonamental sobre l'anàlisi predictiva en el futbol. A diferència d'altres aplicacions d'IA - com ara el monitoratge del rendiment o l'optimització de la càrrega d'entrenament, o fins i tot sistemes al camp que utilitzen detecció d'objectes per seguir els moviments dels jugadors amb precisió de mil·límetre - l'èxit en les transferències depèn de nombroses variables imprevisibles. Per tant, una estratègia de reclutament realment efectiva ha de ser híbrida.
L'IA i l'aprenentatge automàtic poden filtrar eficientment milions de punts de dades per crear una llista reduïda de possibles objectius que un scout tradicional podria no trobar mai. Aquí és on rau el poder de l'IA.
Però un cop que s'ha generat aquesta llista curta, la feina humana comença de debò. Aquí és on entren en joc els scouts experimentats i els directors de futbol. Observan el jugador en persona, avaluen el seu llenguatge corporal, parlen amb antics companys d'equip i valoren la seva personalitat i ètica de treball. La decisió d'invertir milions en un jugador és una aposta, i la millor manera de mitigar el risc és utilitzar totes les eines disponibles - des de la IA predictiva més avançada fins al judici humà irreplaceable que prové d'anys d'experiència.
El joc bonic, sembla, és al seu millor moment quan la tecnologia empodera, però no substitueix, el toc humà.