Bienvenidos a la siguiente sesión sobre los últimos avances en IA, datos y tecnología en el fútbol. Les recuerdo que pueden hacer preguntas en cualquier momento a través del cuadro de preguntas y respuestas situado a la derecha de la pantalla. Responderemos a todas las que podamos a lo largo del debate y también pueden compartir sus opiniones y tweets en las redes sociales utilizando el hashtag #ftfootball. Bueno, voy a empezar presentando a mis invitados. Tenemos al maravilloso Vosse de Boode, Jefe de Análisis de Fútbol del AFC Ajax. ¿Tenemos a Sudarshan Gopaladesikan? Perfecto. Es el director de Football Intelligence del Atalanta BC. Y tenemos a Stephen Smith, director general y fundador de Kitman Labs, con sede en Estados Unidos. Así pues, tres personas cuyo trabajo consiste en reflexionar sobre las aplicaciones de los datos, la tecnología y la inteligencia artificial en el fútbol y en el deporte en general. En este sentido, soy consciente de que cada vez que hablamos de IA, y eso ocurre cada vez más hoy en día, puede significar cualquier cosa. Así que quiero preguntar, quizá empezando por Vosse, pero podemos movernos por la mesa. ¿A qué nos referimos cuando hablamos de aplicaciones? ¿De qué estamos hablando? Bueno, creo que difiere un poco de los modelos más tradicionales en que, al igual que los modelos tradicionales, son bastante buenos en la prescripción de lo que pasó y, como, sacar conclusiones y la esperanza de predecir que en el futuro, esa tendencia se seguirá. Mientras que con la IA, es un poco más en lo que podría haber sucedido o lo que sucederá en un futuro próximo, y tiene una especie de componente de autoaprendizaje a la misma. Así que es un poco más, como, capaz de hacer análisis complejos y también variables interrelacionadas que podríamos pensar que no están vinculadas, pero en realidad lo están. Así que para obtener, como, estructuras más complejas y creo que con el análisis del juego, usted tiene un juego muy complejo de analizar. Eso ayuda. Ayuda. Así que… Pero al final, es sólo una herramienta. Es otro método para analizar… La pregunta que buscas. Por supuesto. Pero supongo que estás diciendo que nos estamos alejando del tipo de trabajo descriptivo retrospectivo y en algo que se acerca a los tipos de preguntas más fluidas que los analistas de rendimiento y similares podrían querer responder. Sí. Y, Stephen, ¿qué aspecto tiene eso para ti? Sólo para reiterar, tenemos dos personas aquí que trabajan en la industria del fútbol. Usted trabaja en más deportes diferentes y diferentes tipos de datos. ¿Cómo es el uso de la IA en tu trabajo? Sí. Creo que se trata de apoyar a estos chicos. ¿No es así? Trabajamos con, ya sabes, miles de equipos de todo el mundo en diferentes deportes. Realmente se trata de ayudarles a desarrollar herramientas que les permitan automatizar y crear eficiencia en los procesos que tienen día a día. Creo que la oportunidad para la IA en particular es exactamente lo que dijo Vosse, que no es descriptiva. No se trata sólo de mirar hacia atrás, informar y visualizar. Ayuda a tomar decisiones. Se trata de inteligencia. ¿Correcto? Y creo que hay aspectos clave de lo que estos chicos hacen todos los días que requieren una gran cantidad de esfuerzo, mucho trabajo, mucha mano de obra, mucho tiempo, y creo que el papel de la IA es realmente donde uno de los papeles de la IA es la creación de la eficiencia y lo que les permite procesar estas tareas más rápido y luego ser capaz de pasar más tiempo desempaquetando que, trabajando con los entrenadores, ayudando a traducir eso y convertirlo en algo que es realmente procesable y es comprensible y puede ser aprovechado y puesto en práctica. Así que iba a añadir algo más. Creo que si tuviéramos que dividirlo en, digamos, tres categorías clave, tenemos el trabajo que se puede hacer en el mercado de fichajes y en el intercambio de jugadores. El trabajo que se hace en el análisis de los partidos semana a semana, tratando de encontrar esas pequeñas ganancias marginales para explotar las debilidades del oponente, cosas por el estilo. Y luego tenemos, especialmente, un tema importante dado que muchos equipos tienen calendarios muy congestionados. Tienes la recuperación de los atletas, la prevención de lesiones de los atletas y sólo, como, tratando de mantener a los jugadores en el en el estado de forma. Y creo que la IA puede ayudar en estas tres cosas. Ya sabemos que, una gran cantidad de trabajo ya se está haciendo desde el espacio de comercio de jugadores. Y puede que ahora se hagan más cosas en el análisis de partidos y puede que en el futuro también en el espacio de la salud. Por supuesto. En cuanto al análisis, durante años la gente ha dicho, podríamos llamarlos escépticos de la tecnología, escépticos de los datos, que el fútbol es demasiado fluido. Pasan demasiadas cosas. No es como el ajedrez, por ejemplo, donde tienes un espacio muy limitado. Así que argumentarían que los datos y la IA van a estar fundamentalmente limitados en lo que pueden hacer en el fútbol. Como personas que trabajamos en este ámbito, ¿hasta qué punto podemos demostrar que tenían razón o que no la tenían basándonos en cómo han cambiado las cosas en los últimos diez años? ¿Cómo es hoy la vanguardia de estas aplicaciones? Creo que siempre es divertido cuando hablamos de tipo de desarrollo. Siempre pensamos, como, el punto en que estamos ahora, ahí es donde hemos terminado el desarrollo de este tipo de cosas. Al igual que, en su día, vimos, como, un ordenador de ajedrez y pensamos, bueno, eso es posible en el fútbol. Ahora yo diría que hoy en día, estamos en ninguna parte allí donde podemos decir, está bien, la IA va a resolver todos nuestros problemas porque veintidós personas que se mueven simultáneamente, con diferentes conjuntos de habilidades en lugar de, como, tener ajedrez una pieza a la vez y, como, menor variedad de habilidades. Ahora diríamos que no es la solución para, como, descifrar todo el juego a la vez. Pero también estoy un poco indeciso en decir que nunca vamos a llegar al punto en que realmente puede analizar, como, en gran medida y tipo de predecir lo que sería la lógica, como secuencias y esas cosas en el fútbol. Así que sí. Estoy un poco en este tipo de Estoy un poco consciente diciendo, nunca podemos hacerlo porque creo que es donde se está desarrollando, y nos encontramos con algo nuevo todo el tiempo, como hace dos años, nadie había oído hablar de OpenAI y ChatGPT, y ahora todos estamos usando. Pero, por otro lado, aún no hemos llegado al punto en el que podamos decir, oh, sí. Bueno, podemos predecir cómo va a ir el partido basándonos en el once inicial o algo así. Claro. ¿Y cuáles son las cosas que han cambiado para mejorar donde estamos hoy? Así que, obviamente, tienes el lado del hardware de las cosas, como, puedes ejecutar modelos más grandes y ese tipo de cosas ahora y ejecutarlos más rápido. Pero ¿qué pasa con los datos reales que estamos utilizando? Como, ¿qué puntos de datos, Stephen, tal vez, quieres venir en esto? ¿Tenemos hoy que no dijimos cinco años? Creo que la calidad de algunos de los datos que estamos recibiendo ahora, yo diría que en los últimos doce meses, estamos realmente empezando a ver un cambio. Hace tres o cuatro años, todo lo que obteníamos eran datos x y z sobre los jugadores, datos sobre el centro de masa de los jugadores, y ahora obtenemos datos de eventos que nos permiten hacerles frente. Ahora tenemos datos biomecánicos. Tenemos datos de seguimiento de las extremidades. Sabemos lo que ocurre en sus pies, en sus tobillos, en sus rodillas, en sus caderas, comprendemos hacia dónde miran, y podemos obtener información de ambos lados del balón, mientras que antes los datos detallados procedían de tecnología para llevar puesta con la que podías ver a tu equipo y a nadie más. Ahora, con los avances que estamos viendo en algunas de las tecnologías de seguimiento biomecánico y de las extremidades, que en realidad nos permiten no sólo comprender el desgaste físico, no sólo los datos del evento, sino lo que la persona está haciendo, cómo está mirando, cómo está escaneando, que abre un nuevo aliento de oportunidades en torno a la toma de decisiones, y realmente presenta una gran oportunidad también. Creo que en términos de análisis técnico táctico, y eso es un área que estamos increíblemente entusiasmados. Lo vemos como la próxima frontera en términos de análisis detallado, porque no se trata sólo de dónde estaba la persona, sino de qué estaba haciendo, qué estaba mirando, cómo estaba actuando. Y también en términos de eficiencia, porque si nos fijamos en la asistencia tradicional. Es principalmente vídeo, y todavía hoy, como, los jugadores y y y los entrenadores consumen vídeo porque eso es sólo la cosa real que pueden relacionar, mientras que si presento, como, un gráfico de barras, eso no es algo que viene a la parte superior de la mente cuando son capaces No me digas eso. En el campo. Así que hay que relacionarlo de nuevo a una situación que están familiarizados con, y creo que el modelado más complejo que podemos hacer ahora, especialmente con como, la superposición de datos de eventos. Es decir, lo que pasó, los datos de posición, dónde ocurrió, y luego el vídeo, qué aspecto tenía y luego utilizar los modelos para seleccionar automáticamente los clips en los que, por ejemplo, tenemos un contraataque después de un cierto fallo en la defensa. Eso ahorra mucho dinero al vídeo, a menos que se trate de ir a través de todos los partidos y tratar de encontrar esos momentos. Usted es como automáticamente pop up podemos hacerlo en vivo. Así que, sí, esas son cosas que han hecho su trabajo mucho más interesante. Por un lado, y creo que también aumenta la calidad, porque en lugar de tres partidos, de repente puedes elegir entre todos los partidos de una temporada o de varias temporadas. Piensa que si soñara un poco, siempre hablamos de análisis de partidos, análisis de juegos. El partido dura noventa minutos, pero el equipo entrena entre el partido menos cuatro y el partido menos uno, y pasa mucho tiempo entrenando. Y si usted piensa acerca de lo que una sesión de entrenamiento se parece a una sesión de entrenamiento se parece a una colección de varios ejercicios diferentes que los entrenadores se crea. Y la idea de que un entrenador cree todos estos ejercicios es que espera que los ejercicios que vamos a trabajar con estos jugadores sean probablemente el mismo tipo de patrones de juego que veremos en un partido. Y para ir a su analogía de ajedrez, si yo fuera a tipo de, como, sueño lo que podría ser potencial con la IA y el advenimiento de la IA. Es, sí, el juego es de veintidós jugadores, pero si nos fijamos en la pelota, y tal vez el primer radio o el segundo radio de lo que está sucediendo alrededor de la pelota, hay un pequeño juego lateral que está pasando, que es como un cuatro contra tres o un tres contra tres situación. Y creo que la IA, con la capacidad de encontrar patrones o relaciones entre los jugadores, que tal vez no se podría hacer con un modelo estadístico tradicional, nos ayudará a decir: bien, esta situación de cuatro contra tres sucedió, y luego esta situación de cuatro contra tres se convirtió en una situación de cinco contra seis. Y luego esta situación de cinco contra seis se convirtió en un dos contra uno contra el portero. Y entonces si podemos hablar sobre el juego como secuencialmente como estos pequeños juegos secundarios, en realidad suena como el ajedrez. Oh, el caballo b uno se movió a la casilla c siete. No soy un experto en ajedrez, pero espero que tenga sentido. Pero creo que la IA puede ayudarnos a entender… ¿Cuál es la causa y el efecto de todas estas cosas diferentes? Y, por último, que es, como, el sueño más grande es ¿cuál es el ROI de todos estos ejercicios de formación diferentes? Por ejemplo, pasamos tres horas trabajando en los saques de esquina, o pasamos tres horas trabajando en los contraataques. ¿Vemos realmente ese ROI en términos de XG generados o goles marcados? Coincide. Y entonces podemos entender. Es aún más sencillo. ¿Cuánto tiempo pasamos en cada minijuego en el campo y cuánto tiempo entrenamos? ¿Y cuánto mejora? Sí. Eso es sí. Sí. No. Es difícil ser un soñador. Entonces una pregunta sobre eso, y con Stephen o cualquiera es, ¿qué puntos de datos necesitarías para poder hacer eso? Por ejemplo, si quieres hacer un seguimiento de estas sesiones de entrenamiento, como, obviamente, ya sabes, la duración de la sesión de entrenamiento, genial. Pero supongo que necesitarías más para saber, por ejemplo, qué es lo que necesitas cuando estás introduciendo esto en un modelo y viendo, ¿funcionó esto para un jugador o para un equipo? ¿Qué información necesitarías sobre esos ejercicios para poder hacer esa evaluación? Creo que estamos viendo a muchos equipos y entrenadores tratando de entender cuál es el impacto de lo que estamos haciendo, cuáles son los ejercicios correctos a utilizar, cuál es el resultado en términos de rendimiento en un partido, cuando tenemos una cierta cantidad de tiempo con nuestros atletas cada semana, ¿estamos eligiendo los ejercicios correctos? ¿Realmente están teniendo el impacto deseado? La parte del desafío es que muchos clubes no están recogiendo, como, el tipo de datos de calidad que se necesitan para eso. No basta con comprender, por ejemplo, las exigencias físicas a las que se somete a un atleta en una sesión de entrenamiento; hay que comprender cada ejercicio. Tienes que entender cuáles fueron los principios de entrenamiento, cuáles fueron los resultados, como los resultados tácticos o técnicos que estás tratando de apoyar a través de esos ejercicios, también tienes que entender. Creo que muchas veces tenemos entrenadores que intentan comprender o equipos de entrenadores que intentan comprender qué entrenadores son más impactantes, cuáles son los que realmente lo están consiguiendo. Y no todos los atletas participan en cada ejercicio de una sesión de entrenamiento, ni todos los entrenadores participan en cada ejercicio. Eso significa que hay que saber quién participó en cada ejercicio, qué entrenadores participaron en cada ejercicio. Así que si queremos ser inteligentes, tenemos que tener una gran amplitud de contexto para los datos, lo que en la mayoría de las organizaciones, hoy en día no está sucediendo. Sí. Puedes usar la visión por ordenador para eso. Eso sería genial. Cambiaría absolutamente el juego. Pero incluso si usted habla con, como, algunos de los expertos en el en ese campo hoy en día, mientras que ahora son capaces de recoger datos de muy alta calidad en un juego, tienen todo el mapa del campo que tienen todas las líneas cuando se va a una práctica o instalación de entrenamiento para alguien. Es una cosa completamente diferente, y no tienen la sofisticación todavía. Pero incluso entonces, como, muchos clubes ahora tienen acceso a la posición de un evento de datos, pero eso es sólo como lo que sucede donde. Sí. Cuando. Exactamente. Mientras que, creo que nuestro club, se basa en gran medida también en nuestra academia juvenil. Y entonces la pregunta es principalmente, ¿cómo lo hicieron? Sip. Y ahí es donde los próximos datos en 3D que ahora viene de vídeo, y no es cien por ciento exacta. No es como lo que tienes en el laboratorio, pero estamos llegando allí. Y ahí es cuando se abre, como, un nuevo conjunto de datos. Se abre, como, en realidad, ¿cómo fueron capaces de realizar una habilidad tan increíble. Y creo que va a ser, de nuevo, como, muy interesante y tipo de, mira fijamente nuestra, nuestra visión un poco en lo que debemos centrarnos. Porque al final, pagamos mucho dinero por jugadores que pueden hacer cosas excepcionales. Si. Pero casi nunca medimos lo aceptable, como, lo excepcional que es. Sí. Y así es que estamos hablando de cosas como la pose corporal Sí. Como los datos del esqueleto. Así que, como, ¿cómo, como, ¿dónde están escaneando? Al igual que, ¿cuál fue su, como, hacer Al igual que, la gente siempre habla de, como, una cosa que hace a Brian un gran es que él será ya que es no es sólo donde está. Es cómo donde se enfrenta. Si. Y, al igual que, incluso la posición del cuerpo, recibir una pelota realmente tipo de prescribe donde pueden alejarse rápido o vas a estar atascado. Así que si llegas al punto en el que puedes mirar a los menores de catorce años y puedes decir, vale, aquí están los jugadores que parecen realmente buenos para esto ya, y luego quiénes son los que necesitan centrarse un poco más en la enseñanza con Martin, y ese tipo de cosas. Genial. Stephen, una pregunta más amplia para ti. Así que usted trabaja a través de los deportes, que ha pasado mucho tiempo en los EE.UU.. ¿Cuál es el tipo de pregunta simple en primer lugar es el fútbol americano, el fútbol real. Contrastando los dos, que está en una mejor posición en este momento para aprovechar la IA en términos de los datos que tiene. Creo que es diferente en todas partes. No creo que se pueda decir que una organización está en mejor posición. Creo que lo que vemos en EE.UU. es que áreas como el skyding y el reclutamiento son excepcionales porque no tienen sistemas de academias como los que tenemos en el modelo europeo y en el fútbol real. Así que, ya sabes, tienen que ser excelentes en eso porque no están pensando en el desarrollo de los jugadores. Están pensando en temporadas. Como, eso es todo. Y creo que lo que hemos hecho un trabajo increíble en Europa es, creo, el desarrollo del jugador, la salud y la seguridad del jugador, los aspectos de la ciencia del deporte como eso. Creo que el modelo europeo está mucho más avanzado que el estadounidense en esos aspectos. Y creo que eso se debe a la cultura, a la forma en que está diseñado su juego, a la forma en que está creada su academia o a la falta de un sistema de academia. Y creo que lo que dice sugiere que hay una gran oportunidad para compartir más conocimientos a través de, como, diferentes deportes para, como, tomar lo que ha funcionado y no ha funcionado en diferentes organizaciones. Creo que también hay una gran oportunidad para, como, todas las organizaciones a nivel mundial realmente para ir y adaptar los datos y análisis de todo el camino y el espectro de la forma en que operan como creo que hoy en día, la mayoría de los clubes son muy buenos en una o dos áreas, no en todo. No en todo. Eres bueno en encontrar una respuesta, pero en realidad sabes cómo se hace algo, pero ser capaz de hacerlo es una cosa diferente. Pero ser capaz de hacerlo es otra cosa. Así que realmente aplicarlo y traducirlo en algo que los jugadores pueden relacionarse, creo que eso es lo que se pasa por alto a veces. La traducción de lo que realmente significa y cómo convertir la ciencia de los datos y el análisis en lenguaje de entrenador, cómo usar el lenguaje del fútbol y cómo hacerlo accesible a la gente, creo que se ha perdido. Y creo que es por eso que en muchos clubes no se adopta bien. Creo que donde se aplicó con mayor eficacia para nosotros cuando hicimos un modelado más complejo, por ejemplo, sobre dónde hay espacio para, como, una buena opción de pase de ataque. Fue cuando superpusimos las zonas que el modelo mostraba en el terreno de juego, como en el vídeo, para que pudieran verse a sí mismos corriendo y se dieran cuenta de que, en ese momento, había una mejor opción de pausa. En este momento, este jugador estaba en una mejor posición. Y quiero decir, eso es algo que se puede hacer viendo un clip, pero es muy bueno si usted tiene como el resultado de éxito y sin éxito y realmente se puede ver, está bien, estos son cincuenta clips, estos fueron los que no tienen éxito, estos fueron los exitosos, y se puede utilizar inmediatamente como una especie de material de estudio. Casi como un tipo de realidad aumentada. Es como, una especie de. Sí. Queremos tomar lo que ya tenemos. No eliminar nada de ella, pero sólo añadir más información. Sólo añadir, como, el tiempo de realmente aumentada. Sí. Así que una gran pregunta que tenemos de uno de los espectadores, hablando de diferentes deportes, alguien hace el punto de que en la NBA, hemos visto este tipo de optimización de las estrategias de baloncesto en la última década más o menos como más datos ha llegado. Así que más triples más libres para más triples, ese tipo de cosas. ¿Hay alguna posibilidad de que el fútbol se convierta en una especie de optimización limitada? Vemos algunos de estos casi hacks que salen donde alguien se ha dado cuenta, oh, esto funciona siempre. ¿Crees que eso es algo que está sucediendo? ¿Sería algo malo? ¿Cómo afectaría al deporte? Hay una broma en nuestra zona. Es un chiste de nerds. Y dice que es un algoritmo de autoaprendizaje que entra en un bar y el camarero le pregunta ¿qué le gustaría beber? Y mira a su alrededor y es como, ¿qué está tomando todo el mundo? Si nos basamos en lo que pasó antes, no nos lleva a ninguna creatividad, y creo que esa es la belleza del fútbol, estar siempre un paso adelante. Y, como, usar estos modelos a tu favor, pero también saber cómo engañarlo y llegar a, como, una mejor estrategia. Claro. Y supongo que el, como, porque los estilos de fútbol cambiado, como, ya sabes, hace veinte años. Era un juego diferente a como es hoy. Así que la solución que resuelve el fútbol hoy podría no funcionar en un par de años. Así que creo que eso es probablemente una cosa que los equipos podrían tal vez utilizar, para optimizar la oferta y la demanda de la reserva de talento de los jugadores. Típicamente, muchas veces, siempre se habla de los mismos nombres sólo porque, por lo general es un miedo a perderse o un miedo a, ya sabes, tomar una decisión equivocada. Los agentes están empujando los mismos nombres, por lo general, cosas por el estilo, y que luego tiende a tipo de muchos equipos tienden a auto limitar tipo de lo que es la reserva de talento que en realidad van a buscar. Creo que, con una especie de uso de la IA o los datos y tener diferentes estrategias. La flexibilidad táctica, el papel, la flexibilidad, para un jugador es, o un equipo es bastante grande, y en realidad puede entonces tal vez mejorar el tipo de reserva de talento que usted mira. Así que en lugar de simplemente reciclar constantemente a través de los mismos quince, veinte nombres de, como, está bien. Cada, ya sabes, cada competidor que tiene el mismo perfil de ingresos del Atalanta está buscando los mismos quince, veinte nombres. Tal vez con este tipo de estrategias, tal vez no podemos, ya sabes, cien por ciento para optimizar o explotar estos todo el tiempo, pero podríamos utilizar estos en el momento adecuado en la ventana correcta para entonces tal vez decir, ya sabes, nuestra reserva de talento que nos fijamos no es sólo veinte personas. Vamos a mirar a treinta y cinco personas. Y aquí, podríamos ser capaces de encontrar algunos interesantes, ya sabes, valor o, cosas que, ya sabes, otros equipos podrían no estar mirando. Sí. Absolutamente. Y luego una pregunta interesante aquí acerca de lo que todo esto significa para los jugadores, ya sabes, todos estamos aquí hablando en una especie de aplicación de las cosas a la gente. De nuevo, en referencia a la NBA y a algunos jugadores de baloncesto que no están muy interesados en la tecnología portátil. Todos ellos están monitoreando. Stephen puede ser uno para ti. Al igual que, ¿eso viene a colación, como, es este es este un tema que debe preocuparnos? ¿La gente en general parece aceptarlo? Creo que los deportes de EE.UU. están muy sindicalizados. Así que ha habido miedo a la recopilación de datos porque les preocupa que afecte a sus bolsillos, lo cual es justo. Pero la realidad es que estas organizaciones están invirtiendo enormes cantidades en talento, y el coste del talento se está disparando a un ritmo increíble en todos los deportes a nivel mundial. Y creo que eso significa ser capaz de aprovechar los datos para ser capaz de cuidar mejor de ellos, para ser capaz de ayudarles a ser lo mejor que pueden ser y, y, como, liberar su potencial esa es la oportunidad. Y creo que eso es lo que cualquiera de las personas con las que estamos hablando, y sin duda lo que estos chicos están haciendo todos los días se trata de maximizar ese potencial. Ciertamente no se trata de tratar de quitarle a los atletas. Nosotros y que no tenemos un juego sin ellos. ¿No es cierto? Ellos son, como, el talento lo supera todo y, nuestro trabajo para tratar de apoyarlos y ayudarlos en todo lo que podamos. Así que sin duda la bienvenida a un futuro en el que ya sabes, que abrazan y y y adoptar la tecnología y la analítica de esa manera. Y también es por eso que ciertas cosas como algunos de los ópticos y el tipo, ya sabes, la tecnología que está llegando ahora va a ayudar porque no tenemos que pedirles que ponerlo en. Se recoge automáticamente, y probablemente por eso la inteligencia artificial es tan emocionante, porque puede darnos más datos sin depender de la intervención humana. Sí. Y creo que ahora estamos tratando con la Generación Z que es mucho más nativa digital. Están tan acostumbrados a, como, obtener calificaciones, como, obtener gustos, obtener, como, antes de ir a un restaurante y preguntar a un amigo, lo que es bueno. Ahora sólo tienes que ir en línea y, como, comprobar las calificaciones, ver si es algo para ti. Y tienen una forma completamente diferente de consumir información. Y creo que deberíamos estar preparados para cuando lleguen con sus preguntas, porque serán mucho mayores de lo que nos tenían acostumbrados las generaciones anteriores. Ser nuevo en todo esto. Sí. Así que usted está notando, al igual que, entre los jugadores que nacieron, por ejemplo, después de 2000, Tienen un enfoque diferente manera de pensar acerca de las estadísticas y los datos para decir alguien nacido en los años ochenta. Bueno, al principio, son mucho más individualmente pensando, como, ¿cómo estoy funcionando dentro del equipo? ¿Qué está haciendo por mí? Y están mucho más acostumbrados a obtener toda esta información de todos modos. Así que, sí, sólo veo que se desarrolla más y más que quieren tipo de tomar el control de su, básicamente, muy corta carrera. Como, son diez, tal vez si tienes suerte quince años. Y es poco tiempo para desarrollarse. Así que ¿por qué no aprovechar toda la información que pueda y ser como el mejor jugador informado por ahí quiero decir, no haría daño. Sí. Sí. Creo que Austin y yo estábamos hablando de esto antes de la sesión de hoy. Es, no sólo con la llegada de la IA, tenemos más información que podemos dar al jugador, pero con cosas como OpenAI y ChatGPT para mostrar que, hey, podemos tener un concepto que es algo así como que puedo dar un sin dar un nombre, puedo dar un ejemplo de, había un delantero que realmente quería tipo de, ya sabes, trabajar en su capacidad para marcar más goles y natural. Eres un delantero. Pero sin darse cuenta, ya sabes, de la importancia de las pequeñas cosas como el juego de enlace o sin importar la importancia de cosas como mantener la espalda, estás de espaldas a la meta y y ser capaz de mantener la pelota, algo que, como, Lukaku es muy bueno en Roma. Y, ya sabes, con el al final de la IA, sólo se puede decir, hey, muéstrame, como, todos los jugadores de referencia que en realidad marcan muchos goles, pero también hacer esto, como, ya sabes, comer sus verduras. Así que haciendo todas estas otras cosas que son importantes para que usted sea un delantero de primera, ¿puede mostrarme estos ejemplos de estos jugadores haciéndolo en video? ¿Puedes mostrarme estos ejemplos de estos jugadores haciéndolo contra los mejores rivales? Y la IA puede entonces trabajar en la forma en que el jugador aprende mejor y puede ser utilizada como una herramienta pedagógica. Así que tenemos, ya sabes, para este aprendiz de audio, tenemos tal vez audio. Para el que aprende visualmente, tenemos vídeo y cosas así. Para alguien a quien le gustan los gráficos de barras, tenemos biografías y partes dispersas para eso. Sí. Puede que haya un jugador al que le guste la biografía porque eso es realmente interesante, porque mi pregunta ignorante iba a ser, ¿no hay peligro de que con los jugadores siendo más conocedores de las estadísticas, se vuelvan más egoístas porque están más mirando sus números y optimizándolos? Pero usted está usted hace el muy bueno que ahora tendría perfecto sentido que es más que los jugadores en tal vez hace veinte años sólo estaban haciendo eso. Estaban más centrados en marcar sus goles porque no tenían todas estas otras estadísticas, como, asistencias esperadas, y como usted dice, todas las otras imágenes de cómo un jugador puede contribuir, y ahora un jugador puede realmente apreciar y cuantificar más cosas que hacen. Muy bien. Genial. Y otro punto que surgió antes fue el de los agentes. Así que estoy interesado. ¿Podría la IA trastornar el negocio de los agentes deportivos eliminando un poco más la política, los humos y los espejos y a quién conoces y qué sabes? Y cuantificar más claramente cuánto vale un jugador. ¿Crees que hay agentes por ahí pensando qué pasa cuando mi jugador puede ir con su propia hoja de cálculo a negociar? O, b, ¿crees que hay otros agentes que ahora están trayendo más y más datos a su agencia con el conocimiento de que esto va a ser más importante en las negociaciones. Creo que se trata de estar bien informado. Y creo que ser un agente es, como, mucho más que eso. Así que sólo lo usaría en mi beneficio si yo fuera uno. No creo que vaya a reemplazar nada de eso. Quiero decir, podría dar, como, claro, como, incluso una mejor visión de conjunto de, como, hey, este Club no es tal vez tan entusiasta, pero hay, como, otros tres Clubes que se ajustan a sus derechos de perfil. Eso es intentarlo. Así que creo que abre oportunidades en lugar de cerrar puertas. Claro. Claro. Y, bueno, una pregunta parecida iba a haceros a vosotros tres. ¿Cuál es el potencial de la IA para alterar sus trabajos? Y no quiero decir, para ser claros, cuando digo alterar, no quiero decir reemplazar, sino simplemente cómo se verán diferentes vuestros trabajos o cómo son hoy en día en comparación con hace diez años, hace cinco años, ¿tenéis que tener habilidades diferentes? ¿Es el día a día diferente basado en esta nueva tecnología? Sí. Creo que, al igual que, la parte más importante de mi trabajo es utilizar la analítica, pero luego traducirlo. No me importa si se trata de un modelo de inteligencia artificial o de una regresión logística que llevamos usando desde hace años, o de sumar el número de contraataques y el número de saques de esquina que marcamos. Para mí, es como si tuviera que asegurarme de que encaja en los objetivos en los que estamos trabajando, y encaja como el enfoque del equipo o la estrategia del Club. Así que empieza con la estrategia y luego responde a preguntas que te ayuden a mejorar esa estrategia para alcanzar tus objetivos. Para mí, la IA es otra gran herramienta. Y espero que haya muchas otras grandes herramientas en los próximos años. Así que el núcleo del trabajo para mí es el mismo. Es sólo que los métodos cambian un poco. Claro. Creo que, para mí, ya estamos viendo muchas ventajas competitivas que los equipos utilizan con los datos en el intercambio de jugadores y el análisis de partidos y el desarrollo de jugadores. Y creo que eso va a seguir mejorando, hasta un punto en el que quizás muchas de las cosas estén automatizadas desde el punto de vista táctico. Siempre habrá cosas que se puedan mejorar y cosas que se puedan descubrir nuevas. Pero podría darnos un poco más de espacio para pensar en cosas que son más difíciles de resolver: ¿Cómo sacar lo mejor de lo que tenemos ahora? Cómo sacar el máximo partido de la plantilla que tenemos ahora mismo, no desde un punto de vista táctico, sino desde el punto de vista de la motivación de los jugadores, de conseguir que dos jugadores trabajen mejor juntos, del desarrollo del carácter. Creo que una de las cosas más importantes en las que pensamos es, ya sabes, este jugador tiene una puntuación bastante alta en algunos modelos, pero ¿tiene las características adecuadas desde el punto de vista de la personalidad? Y tal vez entonces podamos empezar a trabajar un poco más en la construcción de la plantilla, no sólo desde el punto de vista técnico táctico, sino en la construcción de la plantilla en términos de lo que significa tener el número adecuado de jugadores veteranos, el número adecuado de jugadores jóvenes. Qué significa tener el número adecuado de mentores, y trabajar realmente en esos elementos más suaves de la construcción de la plantilla, y luego informar al Chelsea cuando tenga las respuestas. Pero háblame a través de eso, como, ¿cómo los datos entran en eso? ¿Cómo entra en juego la tecnología de datos de las tiendas, la inteligencia artificial? Porque estoy completamente de acuerdo contigo, pero los datos nos ayudan, no pueden resolver todas las cosas tácticas todavía, pero los datos nos dan un buen punto en el que podemos sentirnos cómodos con la idea de que somos capaces de evaluar la capacidad técnico-táctica de un jugador. Lo que nos da, como seres humanos, la capacidad de utilizar nuestra intuición, nuestro sentido empático, nuestra inteligencia emocional, para centrarnos en problemas para los que quizá aún no podamos utilizar los datos. Así es como está cambiando el panorama en mi reino por completo, porque se puede escuchar de estos dos han dicho es que ya no estamos obsesionados sólo en la solución de sólo el elemento táctico, sólo el elemento técnico. En realidad, el aliento y la naturaleza integral de las preguntas que quieren responder son enormes. Y eso significa que hay un cambio completo en el movimiento de tener datos fragmentados a tener datos contextuales muy ricos y completos de los que se puede extraer inteligencia de rendimiento. No se trata sólo de resolver, como, un problema de flujo de trabajo y hacer algo por aquí, en realidad se trata de responder realmente interesante, como, realmente, como, preguntas impactantes. Y eso significa que el cambio para la gente en el espacio de la tecnología, como yo, es que, como, la, como, la complejidad de los problemas que estamos resolviendo tiene como, multiplicar por un factor. Y que, ya sabes, que crea una gran cantidad de desafíos. Y creo que significa que si eres una empresa de tecnología, estás en este espacio y te centras en una pequeña astilla miope, estás en problemas. Y si estás centrado en, ya sabes, ser una base de datos, creo que ya se acabó para ti, porque lo último que esta industria necesita son otros datos. ¿Verdad? Necesitamos inteligencia. Necesitamos ideas. Necesitamos cosas en las que podamos actuar. Así que sí, es casi como el ejemplo clásico de lo que la gente suele decir acerca de la IA es que no se deshace de puestos de trabajo. Se deshace de las tareas y te da más espacio para hacer tareas más grandes y mejores. Y se siente como en los deportes, esto es más aplicable casi que en cualquier otro lugar. Bueno, creo que si pensamos en los modelos lingüísticos más grandes, como Open AI, podrían abrir la analítica a un público más amplio, porque reducen el nivel de conocimientos necesarios para hacer preguntas a los conjuntos de datos. Eso también ocurrirá a gran escala. Por otro lado, también puedo ver ya que hay, como, bastante tipo de modelos no muy bien pensados o, como, modelos no muy bien probados, y la gente empieza a usarlos como una verdad porque es un número, por lo que debe ser correcto, sin tener en cuenta que estás evaluando al jugador sin tener en cuenta la competencia de la que viene o que tu estudio jugó, y no eres consciente de que el modelo no tiene esto en cuenta, pero pones esto en, como, un tablero de instrumentos llamativo y esa es tu nueva verdad. Creo que eso es, como, uno de los errores que algunos clubes están haciendo ahora, que es el nuevo director pensando, oh, tengo esta gran herramienta. Tiene mucha inteligencia detrás. Tiene IA, así que debe ser genial. Y entonces esta es mi verdad donde al final, si usted es la toma de decisiones o en el club, usted tiene la responsabilidad de por lo menos hasta cierto punto, entender lo que está haciendo y lo que no está haciendo porque si usted comete errores basados en ella, usted es responsable, no se puede poner el algoritmo tras las rejas porque es racista, ¿verdad? Tú eres el responsable de desarrollar ese modelo. Sí. Y lo mismo es, como, si vas a gastar veinte millones en un jugador, que realmente bien tiene que saber lo que el modelo puede y no puede hacer Sí. Puede parecer llamativo si es nuevo, pero son, como, no tengas miedo de hacer preguntas y decir, ¿cómo lo hace en realidad por lo que estábamos hablando de esto antes de venir aquí acerca de esta idea de que en el fútbol, estás casi estás en términos de un papel basado en la evidencia, estás tan cerca de los resultados. Estás tan cerca de la evidencia que, como, no hay donde esconderse. No puedes trabajar en un producto durante cinco años y descubrirlo más tarde. Es usted está descubriendo el sábado. Al igual, el el riesgo es como usted acaba de decir. Ya sabes, si está mal, hay casi un riesgo de que el bebé sea tirado con el agua del baño, como, toda la estrategia en la que has estado trabajando alguien dice, tú nos dijiste que hiciéramos esto. Nos dijiste que ficháramos a este jugador o que ejecutáramos las jugadas a balón parado de esta manera. ¿Cómo gestionas ese riesgo? El clásico, como, con gran poder gran responsabilidad cosa. ¿Qué conversaciones mantienes? ¿Cómo gestionas tus expectativas sobre lo que tus herramientas pueden y no pueden hacer? Sí. Estoy totalmente de acuerdo contigo. Creo que el mayor error que puede cometerse en el equipo es, por un lado, romper la estructura salarial y, por otro, gastar mucho en fichajes, lo que puede afectar a las tres o cuatro próximas temporadas, sobre todo en el intercambio de jugadores. Quiero poner un pequeño ejemplo de la época del Benfica, cuando intentábamos entender cómo utilizábamos los datos para evaluar a los jugadores jóvenes que se incorporaban a la Academia del Benfica. Te sorprenderás de lo mucho que puedes hacer simplemente usando la métrica del número de minutos que alguien está jugando. Y, obviamente, ya sabes, un niño de trece años que está jugando toneladas de minutos en el nivel sub trece, pero también está consiguiendo minutos no triviales en el nivel sub quince en esta región local en Portugal. Probablemente sea una buena señal de que hay talento. Tal vez no sabemos todas las características exactas que el cuidado que el jugador tiene, pero es un niño de trece años jugando mucho. El sábado, y luego está jugando mucho el viernes para la U quince. Es bastante interesante, ya sabes, punto de datos. Y creo que para nosotros, creo que para mí, lo que yo diría es que hay mucho que se puede hacer en este momento, con los datos que tenemos. Incluso si sólo tiene datos de eventos, y no este seguimiento x y datos, todavía puede crear buenas ventajas competitivas. Si sabes cuál es tu visión, qué preguntas quieres hacerte, cuál es tu objetivo si eres un equipo que quiere ganar partidos, si eres un equipo que quiere aumentar quizás, ya sabes, el valor de la plantilla de tus jugadores de la academia, tienes que tener muy claro cuál es tu objetivo. Y luego tener una especie de tableros a nivel ejecutivo y modelos estadísticos que tal vez utilicen relaciones cuidadosas entre regate, pase, defensa, bla, bla, bla, y luego ganar. Y luego, una vez que tienes este tipo de, como, línea de base y dices, ya sabes, incluso si nuestra estrategia de IA falla o nuestra estrategia de IA nos va a decir algo como disparar más cerca de la meta, probablemente va a ser mejor para ti anotar. Algo muy obvio, ya sabes. No pasa nada. Siempre puedes recurrir a este enfoque que funciona porque hay equipos que tienen éxito hoy con un enfoque sin usar necesariamente IA. Sí. Y una vez que tengas este tipo de base común… Así que retomando ese punto sobre algunos equipos que utilizan IA, algunos equipos no. Una pregunta de uno de los espectadores aquí diciendo, ¿ves el rendimiento dirigido por la IA llegar a ser accesible en todos los niveles del juego. ¿Es algo que se democratizará, o es algo que sólo tendrán los clubes y organizaciones más grandes? Creo que la IA abierta está ahora al alcance de todos. Sí. Creo que la analítica será algo común para todos. De hecho, creo que la gente disfrutará viendo un partido a través de los ojos de un jugador, como señalando dónde hay espacios abiertos que buscarían en lugar de limitarse a mirar un balón, que no es que se ofendan, pero muchos de los aficionados siguen limitándose a mirar el balón. Creo que estos modelos realmente pueden ayudar a hacer el juego más divertido de ver y y mirarlo desde, como, literalmente, una perspectiva diferente. Supongo que en el fútbol de los lunes por la noche en el Reino Unido, por ejemplo, ya se profundiza en las tácticas y la gente habla de los goles que se esperan y otras cosas. Y estamos hablando de una aceleración o continuación de esa tendencia, con una comprensión cada vez más profunda de lo que ocurre en el partido. Hay una oportunidad, creo, para crear, como, una intimidad dentro del juego para los aficionados también. Creo que cuanto más avanzadas sean la IA y la analítica, más explicable será, en esencia, cómo es un rendimiento sobresaliente. Creo que en gran medida, vamos a ser capaces de decodificar el rendimiento. Y creo que si podemos hacer que sea lo suficientemente explicable, eso significa que creo que la radiodifusión y los medios de comunicación serán capaces de empezar a aprovechar eso y realmente entender, como, lo que hace que la gente increíble, lo que hace que ciertas cosas increíbles. ¿Qué es esto? Sí. Exactamente. Además, tengo una amiga que acaba de empezar a trabajar en una iniciativa en torno al fútbol femenino, Mercury Thirteen. Y hablamos mucho de esto en términos de que el fútbol femenino es probablemente diferente al masculino. Llevo menos de un año trabajando con el equipo femenino en Estados Unidos, y parecen mucho más interesadas en comunicarse entre ellas y en averiguar cómo acercar el balón a la portería en grupos de tres o de cuatro. Y a veces hay un equipo masculino que dice: «Vale, yo tengo la velocidad y la potencia. O si me das el balón, puedo llegar a la portería yo solo, lo que está muy bien. Hay muchas formas de acercar el balón a la portería. Y creo que la IA puede ayudarnos a apreciar y celebrar el hecho de que el fútbol se juega de forma diferente. Y podemos contar mejor esas historias, volviendo al tema del compromiso de los aficionados, porque, sí, el fútbol femenino y el masculino aplican dos tipos diferentes de fútbol. Sí. Sí. Y luego, una última pregunta, ya que nos estamos quedando cortos de tiempo es como, ¿ve usted los otros roles como los roles de fútbol de alto nivel, ya sea que estemos hablando de fútbol, entrenadores, gerentes, se están volviendo más cómodos hablando de estas cosas, se están volviendo casi más cuantitativos? ¿O es más bien que todo eso ocurre aquí, en una habitación separada, y los directivos siguen siendo los directivos de siempre? Varios instrumentos. Ciertamente creo que se están volviendo más inquisitivos. No. Esa es la palabra que probablemente usaría. Creo que la mayoría de los deportes que estamos viendo, hay un movimiento hacia el aprovechamiento de los datos y análisis. Y creo que eso significa que hay un apetito. Y creo que, ya sabes, tuve esta conversación con alguien hace un par de días en una conferencia la semana pasada, y estaban diciendo que estamos viendo un montón de entrenadores más jóvenes y que creemos que eso está cambiando. Y yo creo que sí, pero también hay muchos entrenadores muy experimentados con los que trabajamos que entienden que el juego está evolucionando y que, para que ellos puedan seguir haciendo lo que hacen todos los días, también tienen que evolucionar. Y la mayoría de las culturas son bastante inteligentes. Pero si le preguntas, ¿serías el entrenador mejor informado o el menos informado? ¿Qué elegirían? Sí. Eso es básicamente lo que estás haciendo. ¿Verdad? Y ellos pueden tomar la decisión, pero al menos están informados. Sí. Sí. Bueno, amigos, muchas gracias por esto. El jefe ha dicho, Stephen, que ha sido una conversación fantástica. Realmente lo aprecio. Así que quiero dar las gracias a todos los demás por ver también y por estas grandes preguntas que se contribuyó. Y un recordatorio, esta sesión estará disponible bajo demanda durante noventa días en el sitio web del evento. Dentro de unos minutos, mi colega James Fontanella Khan, editor de finanzas corporativas y acuerdos del FT en Estados Unidos, presidirá una mesa redonda sobre el fútbol estadounidense con Jessica O’Neil, presidenta de Operaciones Comerciales del Houston Dynamo, Steve Horowitz, socio de inner circle sports, y Cara Nordman, cofundadora de Angel City SC. Volveremos en breve.