Durante la temporada 2013-14, un estudio exhaustivo de las técnicas de pase de 20 equipos de la liga española de fútbol proporcionó una visión única de cómo juegan. Es una de una gran cantidad de herramientas basadas en inteligencia artificial destinadas a brindar a los entrenadores y gerentes una mejor comprensión del juego.
Una computadora que había analizado imágenes de video de juegos examinó información sobre los jugadores involucrados, sus coordenadas de lanzamiento, la distancia entre ellos y el tiempo necesario para cada movimiento. Observó más de 300.000 pases individuales realizados a lo largo de la temporada y encontró cientos de patrones que utilizaron los equipos. También buscó ver si aparecían en varios juegos.
«Nos preguntábamos si podríamos deducir alguno de los pensamientos iniciales del entrenador o la estrategia del equipo de la trayectoria del balón», dice Laszlo Gyarmati del Instituto de Investigación de Computación de Qatar.
El algoritmo confirmó que Barcelona y Real Madrid tenían cada uno más de 100 patrones de pases repetidos, 151 y 180, respectivamente, y pudieron mantener la posesión en su propia mitad. Sin embargo, hubo algunas sorpresas. El Atlético de Madrid, campeón de liga en ese momento, tenía apenas 31 tendencias recurrentes.
¿Cuál es la clave del éxito?
Según Stefan Szymanski, profesor de gestión deportiva en la Universidad de Michigan, la popularidad del Atlético de Madrid puede deberse a su falta de previsibilidad.
Dice que si fuera un club, diría: «No queremos más patrones de pases, queremos menos patrones». «Lo que hace de Messi el mejor jugador del planeta es el hecho de que nunca se sabe adónde irá después».
La esperanza es que un dispositivo como este ayude a los entrenadores a comprender mejor las estrategias de los equipos rivales. Conocer las estrategias de un equipo, así como cómo pueden cambiar durante la temporada, ayudará a los gerentes a determinar mejor cómo sus jugadores deben etiquetar a los oponentes y qué tácticas deben emplear ellos mismos.
Los entrenadores podrían incluso revisar para ver si sus propios jugadores están siguiendo el plan de juego. Otra ventaja de tal investigación predictiva, según Gyarmati, es que los entrenadores no tendrían que dedicar tanto tiempo a examinar las imágenes del juego porque las computadoras podrían identificar momentos y estrategias cruciales para ellos.
Los equipos más exitosos ahora están viendo cómo el análisis de datos los ayudará a aumentar su eficiencia. Bayern Munich y Hoffenheim, por ejemplo, se han asociado recientemente con SAP, un gigante tecnológico alemán, para obtener evaluaciones de desempeño completas después de cada partido.
El sistema de SAP analiza los datos de coincidencias mediante el aprendizaje automático, pero también tiene en cuenta las anotaciones de los analistas. Estos evalúan qué tan bien se desempeñó el equipo en varios puntos durante el juego para que el programa pueda comenzar a comprender los datos de la misma manera que lo haría un entrenador humano.
«Si juega de manera agresiva, descubriremos cuáles son los resultados», dice Jens Wittkopf, portavoz de SAP. «¿O puedes tener menos lesiones si juegas más como el Bayern de Múnich y te quedas con el balón durante largos períodos de tiempo?» El objetivo, dice, es poder proporcionar ese análisis durante el entretiempo.
En la pista
El concepto se ha extendido ahora a una amplia gama de deportes competitivos. SportIQ, una start-up finlandesa, ha creado dispositivos portátiles para jugadores de hockey sobre hielo, así como un disco con cable que envía datos de posición a los receptores de radio del estadio. Según el CEO Harri Hohteri, el dispositivo puede detectar información táctica durante un juego.Explica: «Es una gran cantidad de datos y, de hecho, los analizamos en tiempo real». «En cualquier momento, podemos decir cuándo un jugador tiene el disco».
El reconocimiento de patrones se puede utilizar en los datos para determinar cuándo ocurren jugadas ofensivas y defensivas y qué tan efectivas son. Hohteri espera obtener el permiso de la liga finlandesa de hockey sobre hielo para utilizar la tecnología de SportIQ en la próxima temporada.
Otra empresa de Estados Unidos, Second Spectrum, ha desarrollado un sistema de reconocimiento de patrones de baloncesto. Esto determina no solo las posiciones de los jugadores, sino también los tipos específicos de jugadas ofensivas, como el pick and roll, y las posibilidades de un jugador de hacer un tiro.
En una charla TED en marzo, el director ejecutivo de Second Spectrum, Rajiv Maheswaran, dijo: «Casi todos los aspirantes a un campeonato de la NBA de este año están utilizando nuestras herramientas».
El fútbol americano también se une a la diversión. Alan Fern, un informático de la Universidad Estatal de Oregón, ha estado trabajando en un proyecto para crear inteligencia artificial para el análisis de partidos. Las computadoras, señala, necesitan mejorar su capacidad para reconocer tendencias que deberían ser señaladas a los entrenadores. Sin embargo, cree que tienen mucho potencial.»Creo que esto transformará completamente el deporte», dice. «En la mayoría de los deportes, hay una revolución estratégica cada 20 años». Continúa diciendo que la IA tiene esa habilidad.