Искусственный интеллект в футболе: от блога до аналитики

Искусственный интеллект уже внутри футбола. Не как модная игрушка, а как еще один способ выжать из игры лишний процент преимущества — в мире, где клубы сжигают миллионы ради долей процента.

От блога про Arsenal до собственного ИИ‑отдела

Браха – технарь, фанат Arsenal и человек, который когда‑то просто вел блог о лондонском клубе из дома. Смотрел матчи, копался в цифрах, предлагал, кого «большим» стоит подписать. Со временем у него появилась аудитория, а параллельно – слишком много работы на основной тех‑должности.

Тогда он сделал то, что умел лучше всего: написал модель искусственного интеллекта, которая создавала «скелеты» его текстов. Он добавлял глаз, опыт и эмоции – и выдавал готовый материал. Так случайно родился тандем: личный взгляд плюс ИИ.

И вдруг оказалось, что в этом тумане есть бриллианты.

«Мне начали писать скауты и люди из клубов: “Как ты вообще знаешь вот это об этом игроке?” А я отвечал: “Я не знаю. Это просто ChatGPT”», — вспоминает Браха и смеется.

И тут его накрыло другим вопросом: если это их впечатляет, чем тогда пользуются они?

Ответ оказался не таким простым.

Мир, утонувший в цифрах

У клубов были данные. Много данных. С появлением Wyscout в начале 2010‑х индустрия резко рванула из эпохи дефицита в эпоху перенасыщения. Затем на рынок вышли конкуренты, платформ стало слишком много, наборы метрик – разные, форматы – несовместимые.

«За последние 10 лет индустрия прошла путь от полной нехватки к перегрузке данными. И это создало новую проблему: слишком много разных поставщиков», — объясняет Браха.

Его компания Marquee как раз про то, чтобы выкинуть лишнее.

«Мы автоматизируем эти, по сути, “прославленные Excel‑процессы” и разношерстные платформы, которые клуб не может свести в одно окно. Мы делаем это за них. В каком‑то смысле Marquee — это аналитический департамент, который работает на клуб», — говорит он.

Marquee не играет в «виртуальный Football Manager». Платформа за деньги клиента строит конкретные профили игроков под конкретный запрос: не только по уровню мастерства, но и по соответствию игровой модели, стиля, системы.

Решение все равно за людьми. Скауты могут игнорировать рекомендации. Но спрос есть: сервисом пользуются несколько клубов из Premier League, публично его поддерживали Barcelona и Chicago Fire. Открывают ли они следующего скрытого гения – никто не докажет. Но они уже часть экосистемы.

Когда машина первой видит, что защитник «ломается»

В матче MLS между FC Cincinnati и Nashville SC в прошлом году система клуба заметила нечто, чего не увидели трибуны. За пять минут до того, как Матт Миязга сам попросил замену, данные показали «нерегулярный паттерн движений».

Это не значит, что травму можно было отменить. Данные не приходят в режиме реального времени, никто не заставлял защитника играть через боль. Но машина зафиксировала сбой. Она «увидела», что с игроком что‑то не так.

А вот ответ на следующий вопрос — когда он вернется на поле в полном объеме — уже в зоне ответственности другой команды ИИ.

Hamstring — загадка, которую футбол так и не разгадал

Springbok Analytics приходят в клубы с одной просьбой: «Отправьте нам вашу самую сложную травму». Чаще всего это подколенное сухожилие. Hamstring — старый враг футбола, который до конца так и не изучили.

Исследование NIH 2020 года: на травмы hamstring приходится 12 процентов всех повреждений в профессиональном футболе. Повторные травмы – от 4 до 68 процентов. Чаще всего их связывают с усталостью: всплеск повреждений – в концовках таймов. Клубы по всему миру ищут идеальный протокол восстановления. Пока без единого рецепта.

«У нас есть все новые технологии, тесты, замеры силы, анализ бега… а травмы подколенного сухожилия не снизились. Их стало больше», — говорит директор по аналитике Springbok Matt Brown.

Он уверен, что хотя бы часть ответа — в правильных данных. Повреждение само по себе понятно. А вот измерить силу мышц, баланс, степень атрофии — долгая и сложная работа.

«Вы хотите сканировать игрока в момент травмы, через два месяца, через шесть, чтобы отслеживать атрофию и понимать, получаете ли вы те стимулы и изменения в мышце, к которым стремитесь», — объясняет Brown.

От детской хирургии к NBA и MLS

Springbok вырос из лаборатории Университета Вирджинии. Там ученые создавали сверхточные МРТ‑модели для детей с церебральным параличом: трехмерные графики помогали хирургам правильно рассчитывать операции по удлинению сухожилий. Когда это стало работать, технологию перенесли в спорт. В 2023 году к ним присоединилась NBA, в этом году Springbok вошел в Innovation Lab MLS.

Классическая МРТ, по словам Brown, — это «тысячи и тысячи срезов двухмерных серых картинок». Врачи накладывают их, анализируют, собирают в голове трехмерную модель. Это долго и зависит от человека. Springbok ускоряет и стандартизирует процесс.

«Теперь мы можем предварительно обрабатывать эти изображения с помощью ИИ. Берем все безумные МРТ‑картинки, трехмерное пространство, время, все, что там есть. Прогоняем через модель, строим границы мышц и выдаем очень финализированный, красивый 3D‑“цифровой двойник”», — говорит Brown.

Springbok не лечит и не обещает чудесной профилактики. Их продукт — точный, быстрый срез состояния. То, что раньше занимало неделю, превращается в часы.

«Мы — система поддержки, которая делает МРТ гораздо более значимой и полезной. Мы не те, кто реализует это за вас. Мы даем измерения. А вы учились этому 10 лет, у вас есть своя методика», — подчеркивает Brown.

Телефон, четыре фото и будущее 14‑летнего таланта

В академии Philadelphia Union каждый день задают одни и те же вопросы: на каком уровне готов играть их воспитанник? Где граница между физическим развитием и качеством игры? Сколько минут в основе выдержит подросток вроде Cavan Sullivan? И выдержит ли его тело?

Раньше это была смесь тестов, таблиц и интуиции. Силовые показатели, рост, прогнозируемый пик — все это занимало время и оставляло место догадкам.

Fit:Match предлагает другой подход: телефон и 10 секунд.

Схема проста: пользователь делает четыре фотографии игрока с разных ракурсов. Смартфон считает рост, массу тела, размах рук — все базовые параметры. Затем — сложнее: прогнозируемый рост, темп созревания, примерный образ «полной физической готовности» в будущем. Через полминуты тренер видит на экране цифровой профиль юного футболиста. Основатель Fit:Match Haniff Brown полушутя называет это «ChatGPT для футбола».

Изначально Brown занимался модой. Смартфон‑сканирование помогало клиентам не заказывать четыре рубашки, чтобы потом вернуть три.

«Как позволить человеку загрузить профиль своего тела, чтобы он не покупал четыре рубашки и не возвращал три? Он купит одну — и все», — вспоминает Brown.

Потом за технологией пришли больницы и медкомпании. В 2024 году с ним связался европейский клуб, который захотел оцифровать академию. Тогда Brown понял, что масштаб может быть совсем другим.

«Я с самого начала был жестким: это не должно занимать больше 15 секунд. Потому что тренеры не любят долгие тесты. Они хотят, чтобы дети как можно быстрее вернулись к упражнениям. Чем дольше и сложнее оценка, тем меньше шанс, что ее будут использовать», — говорит он.

Клуб купился на идею, за ним подтянулись другие. Но всплыла старая проблема: человеческий фактор.

«Мы увидели, что один тренер для одного и того же игрока выдает один результат, другой тренер — другой. И это в рамках одной команды», — рассказывает Brown.

Fit:Match убирает эту разницу. Четыре фото, 30 секунд обработки — и на выходе стандартизированный профиль. Сейчас систему используют и клубы, и сами дети.

«Когда родители регистрируют ребенка в академию, они могут загрузить его фото. Система создает цифрового двойника, а на бэкэнде мы отдаем MLS весь набор показателей по этому игроку», — объясняет Brown.

Это помогает клубам более осознанно формировать возрастные группы. Физика по‑прежнему влияет на детский футбол, но теперь ее хотя бы можно честно измерить.

«Игроку 14 лет, но если он ранний зрелый — это одно. Если 14 и поздний — совсем другое. Теперь MLS может научно это определить и выстроить лучшие траектории для поздних разработчиков, чтобы они не выпадали из системы», — говорит Brown.

Технологии против этики и рабочих мест

Все это звучит как революция. Но за любой революцией тянутся вопросы. Машины вторгаются в привычные процессы, меняют оценку подростков, вмешиваются в скаутинг и медицину. Где граница? Кто несет ответственность за прогнозы по 15‑летнему ребенку?

«Первым шагом было сделать так, чтобы люди почувствовали себя комфортно», — признает Brown.

Marquee пришли к тому же выводу: нужно работать вместе с клубами, а не вместо них.

«Главное — чтобы им самим было комфортно с тем, что мы делаем. А когда у нас появятся общие успешные истории, мы их обязательно опубликуем», — говорит Браха.

Есть и другой пласт — страх за рабочие места. Если внешний ИИ‑сервис берет на себя половину задач аналитического отдела, что будет с самим отделом?

Браха смотрит на это прагматично.

«С точки зрения окупаемости всегда будет быстрее, дешевле и точнее прийти к нам. Мы уже все построили и продолжаем в это вкладываться. Это ваша единственная статья расходов. Одна из крупнейших статей в бюджете клуба — зарплаты. Им что, нанимать людей, чтобы строить такое внутри, или просто купить снаружи? Это самый популярный ИИ‑вопрос: строить или покупать? В этом случае, думаю, покупать», — говорит он.

Успехи, провалы и клубы, которые не сдаются

Гарантий, конечно, нет. Wolfsburg — один из ранних европейских пионеров ИИ. Клуб заявлял, что экономит около миллиона евро в год на админ‑процессах и профилактике травм. На поле в прошлом сезоне команда провалилась и получила волну критики за то, что активно пиарила свой ИИ‑подход на фоне слабых результатов.

Тем не менее немцы не свернули проект, а усилили его. Sevilla используют IBM WatsonX для управления данными. Другие клубы не так громко, но столь же упорно продолжают эксперименты.

Есть и те, кто работает с ИИ неформально. Тренеры играются с ChatGPT, просчитывая варианты схем и матчапов. Кто‑то просто проверяет свои идеи, кто‑то ищет неожиданный ход.

Главный тренер Seattle Reign Laura Harvey в октябре 2025 года открыто призналась, что использовала ChatGPT для поиска тактических решений. В подкасте Soccerish она рассказывала, как задала системе прямой вопрос: «Какую формацию нужно использовать, чтобы обыгрывать команды NWSL?»

Для двух из тогдашних 14 клубов лига ИИ посоветовал схему с тремя центральными защитниками и двумя латералями. Harvey обдумала это, обсудила с штабом — и Reign перешли на игру с пятеркой защитников. В итоге команда финишировала пятой, поднявшись на восемь позиций по сравнению с предыдущим сезоном.

Сделал ли ChatGPT из Seattle Reign другую команду? Конечно, нет. Но он подкинул идею, которая дошла до газона. Для сторонников ИИ — это уже победа.

В поисках одного лишнего процента

Историй успеха мало, провалов и выброшенных в корзину моделей — море. Но, возможно, дело не в том, чтобы «выиграть матч с помощью ИИ». Это просто еще один инструмент в руках тренеров, аналитиков и медиков.

Футбол стал слишком плотным и жестоким, чтобы отказываться от любого легального преимущества.

Как сказал Fraser, подводя черту: «Мы все ищем любую возможную фору». Вопрос только в том, кто первым научится превращать эту фору из красивых презентаций в реальные очки на табло.