Искусственный интеллект в футболе: от анализа до тактики
В элитном футболе давно не стесняются любой мелочи, которая может дать преимущество. Миллиметр, доля секунды, один процент — всё идёт в ход. И искусственный интеллект уже не где‑то на горизонте, а внутри кабинетов, раздевалок и медицинских центров.
«Вы удивитесь, но некоторые клубы реально используют ChatGPT или похожие открытые модели просто, чтобы поиграть с идеями», — говорит Bracha. «Я это вижу постоянно. Но получить из LLM по‑настоящему качественные инсайты… это уже сложно».
Bracha — не сторонний наблюдатель. Он фанат Arsenal, который когда‑то вёл блог о клубе из дома, разбирая «канониров» с помощью сочетания «глаз» и технологий. Он подбирал игроков, которых, по его мнению, должны были подписывать топ‑клубы. Постепенно набрал аудиторию, а когда основная работа в IT стала забирать всё время, обучил модель ИИ, которая начала собирать для него «скелеты» текстов.
Потом он совместил одно с другим — и вдруг начал попадать в точку.
«Мне начали писать скауты и люди из клубов: “Откуда ты всё это знаешь об этом игроке?” А я такой: “Да я ничего о нём не знаю. Это просто ChatGPT”», — смеётся он. «И тогда я задумался: если их это впечатляет, чем же они пользуются сами?»
Ответ оказался запутанным.
От дефицита к потопу цифр
У аналитиков и скаутов давно есть цифры. Проблема в другом: их слишком много и они слишком разрознены. Wyscout, стартовавший в 2004 году в Генуе, в начале 2010‑х захватил рынок. Затем подтянулись конкуренты. Сегодня у клубов не просто база данных — у них десятки баз, которые не разговаривают друг с другом.
«За последние 10 лет индустрия прошла путь от полной нехватки данных до перегруза, — объясняет Bracha. — И это создаёт новый тип проблемы: слишком много разных провайдеров».
Его компания Marquee, работающая с клубами по всему миру, пытается расчистить этот завал.
«Если мы автоматизируем все эти, по сути, “прославленные таблицы Excel” и разрозненные платформы, которые нельзя свести в одно место, — мы делаем это за них. В каком‑то смысле Marquee — это внешний аналитический департамент клуба», — говорит он.
Bracha сразу оговаривается: это не красивый Football Manager и не EAFC Career Mode. Marquee продаёт клубам конкретные профили игроков — подборку потенциальных трансферов с учётом не только уровня, но и соответствия системе, стилю, требованиям тренера.
Клубы не обязаны слепо следовать рекомендациям. Скауты могут принять их, могут выбросить в корзину. Но спрос есть. Marquee уже используют несколько клубов из Premier League, а публично компанию поддержали Barcelona и Chicago Fire. Нашли ли они «нового скрытого бриллианта» — вопрос открытый. Но в ландшафт современного футбола Marquee уже встроен.
Когда машина видит усталость раньше тренера
В матче MLS между FC Cincinnati и Nashville SC в прошлом сезоне в данных вдруг что‑то дёрнулось. Система клуба зафиксировала у Matt Miazga «нерегулярный паттерн движений». Через пять минут защитник сам попросил замену.
Предотвратить травму это не могло: данные не шли в режиме реального времени, никто не заставлял его играть через боль. Но алгоритм отметил ошибку. Машина «поняла», что с игроком что‑то не так.
Куда сложнее следующий шаг — ответить на вопрос, когда футболист сможет вернуться в строй на 100 процентов. Здесь подключается Springbok Analytics. Их просьба к каждому новому клиенту звучит одинаково: «Пришлите нам вашу самую сложную травму». Чаще всего это задняя поверхность бедра.
Футбол так и не научился по‑настоящему справляться с этой проблемой. Исследование NIH 2020 года показало: на травмы задней поверхности бедра приходится 12 процентов всех повреждений у профессионалов, а риск рецидива колеблется от 4 до 68 процентов. Это, как правило, травма усталости: большинство случаев приходится на концовки таймов. Клубы по всему миру ломают голову, как лучше выстраивать реабилитацию. И продолжают промахиваться.
«У нас есть все новые технологии, все новые тесты… измеряем силу, анализируем бег. Но количество травм задней поверхности бедра не снизилось. Оно выросло», — говорит директор по аналитике Springbok Matt Brown.
Он не обещает чудесного решения, но уверен, что их подход ближе к ответу. По его словам, одна из главных проблем — сами данные. Повреждение мышц — понятная вещь, но превратить его в цифры — измерить силу, баланс, степень атрофии — долго и сложно.
«Нужно сканировать игрока в момент травмы, через два месяца, через шесть, отслеживать атрофию и понимать, достигаете ли вы тех изменений, на которые нацелены», — объясняет Brown.
МРТ для XXI века
Springbok вырос из лабораторий Университета Вирджинии. Там учёные разрабатывали сверхточную МРТ‑технологию для пациентов с ДЦП: создавали 3D‑модели, чтобы детские хирурги могли точнее рассчитывать операции по удлинению сухожилий. Когда методика сработала, её перенесли в спорт. В 2023 году к ним присоединилась NBA, а в этом году Springbok вошёл в Innovation Lab MLS.
Классическая МРТ, по словам Brown, — это «тысячи и тысячи срезов двумерных серых картинок». Врачи накладывают их друг на друга, вручную выстраивая трёхмерную картину. Springbok делает это за них.
«Мы можем предварительно обработать эти изображения с помощью ИИ… собрать весь этот безумный массив МРТ‑кадров в 3D‑пространстве и времени, вычленить границы мышц и выдать очень точного, красивого 3D digital twin», — говорит он.
Springbok не лечит и не обещает предотвратить травмы. Их задача — превратить громоздкий, медленный процесс в чёткую, быструю систему. То, на что раньше уходила неделя, они выдают за часы.
«Мы — система поддержки: делаем МРТ‑изображения гораздо более полезными и прикладными. Но реализуете всё вы сами. Мы даём измерения, а у вас за плечами 10 лет практики и собственная методика», — подчёркивает Brown.
Телефон, четыре фото — и будущее подростка
Каждый день в академии Philadelphia Union тренеры задают себе одни и те же вопросы. На каком уровне уже может играть этот парень? Где граница между физическим развитием и качеством на поле? Сколько матчей за первую команду выдержит подросток вроде Cavan Sullivan? И выдержит ли его тело?
Ответа «раз и навсегда» нет. Клубы MLS проводят тесты на силу, рост, предполагаемую «финальную» высоту, пик формы. Это всегда полунаучное гадание, отнимающее массу времени.
Fit:Match уверены, что могут сделать этот процесс проще и быстрее. Им нужен только телефон и 10 секунд.
Схема простая: пользователь делает четыре фотографии игрока с разных ракурсов. Телефон считает рост, массу тела, размах рук — любые базовые параметры. Потом идёт глубже: прогнозируемый рост, темпы созревания, примерный образ того, как будет выглядеть футболист в физическом плане на пике. Через полминуты тренер получает на экране мини‑портрет будущего. Основатель Fit:Match Haniff Brown полушутя называет это «ChatGPT для футбола».
Brown пришёл в спорт из модной индустрии. Он искал способ, как с помощью смартфона мгновенно сканировать тело, чтобы люди не покупали четыре рубашки и не возвращали три.
«Как дать пользователю возможность загрузить профиль своего тела, чтобы он сразу купил одну рубашку, и она села идеально?» — вспоминает он.
Очень скоро им заинтересовались больницы и медицинские компании. В 2024 году с Fit:Match связался европейский клуб, который захотел оцифровать игроков своей академии. Тогда Brown понял, что масштаб может быть совсем другим.
«Я с самого начала был жёстким: процесс не должен занимать больше 15 секунд. Потому что тренеры не любят долгие оценки. Они хотят, чтобы дети как можно быстрее вернулись к упражнениям. Чем дольше и сложнее тест, тем меньше шанс, что его будут использовать», — объясняет он.
Клуб согласился. За ним подтянулись другие. Но вскоре всплыла старая проблема: разные тренеры по‑разному измеряли одного и того же игрока.
«Мы увидели, что один тренер для одного и того же футболиста выдаёт один результат, другой — другой», — говорит Brown.
Fit:Match убирает человеческий фактор. Четыре фото, 30 секунд загрузки — и на экране подробный профиль. Сейчас сервисом пользуются и клубы, и сами дети.
«Когда родители регистрируют ребёнка в академию, они могут загрузить его фото. Мы создаём его digital twin, а в бэкэнде передаём MLS все параметры по этому игроку», — объясняет Brown.
Это помогает клубам точнее распределять детей по возрастным группам. Мир детского футбола по‑прежнему сильно зависит от физики.
«14‑летний ранний созревший игрок — это совсем не то же самое, что 14‑летний поздний созревший. Теперь MLS может научно отличать одно от другого и строить для поздних разработчиков правильные траектории, чтобы они не выпадали из системы», — говорит Brown.
Удобно, быстро, мощно. Но где границы?
Всё это звучит как революция. Но за любым алгоритмом встают вопросы этики. Машины вторгаются в привычные процессы, а речь часто идёт о подростках. Можно ли проецировать их будущее по картинке с телефона? И кто несёт ответственность за решения, принятые на основании этих данных?
«Первым шагом было просто сделать так, чтобы люди почувствовали себя комфортно», — говорит Brown.
У Marquee похожий путь. Компания быстро поняла: нельзя приходить к клубу «сверху» и навязывать решения.
«Это, по правде говоря, больше про них — про то, чтобы им было комфортно с тем, что мы делаем вместе. Когда появятся первые успешные истории, мы их обязательно опубликуем», — говорит Bracha.
Есть и другая моральная дилемма: если ИИ берёт на себя часть работы, что будет с людьми, которые раньше занимались этим вручную? Bracha смотрит на это жёстко, через призму экономики.
«С точки зрения ROI всегда будет быстрее, дешевле и точнее прийти к нам. Мы уже всё построили и продолжаем вкладываться в развитие. Это единственная статья расходов. Одна из крупнейших затрат в футбольном клубе — зарплаты. Так что что им выгоднее: нанимать людей, чтобы строить такую систему с нуля, или купить её снаружи? Это главный вопрос об ИИ сегодня: строить или покупать? В этом случае, думаю, покупать», — говорит он.
Не панацея: Wolfsburg, Sevilla и ChatGPT в тактике
ИИ не гарантирует успеха. Wolfsburg были одними из первых в Европе, кто громко заявил о ставке на технологии. Клуб утверждал, что экономит около €1 млн в год на административных задачах и профилактике травм. Но на поле команда провела слабый сезон и получила волну критики: слишком уж контрастировали PR‑кампания об ИИ и результаты в таблице.
Волки не отступили и продолжили курс. Sevilla используют IBM WatsonX для управления массивами данных.
Кто‑то идёт ещё дальше. Fraser признаётся, что экспериментировал с ChatGPT, подбирая тактические схемы и потенциальные преимущества в конкретных матчапах. Другие почти опираются на ИИ в ежедневной работе.
Главный тренер Seattle Reign Laura Harvey осенью 2025 года попала в заголовки, когда рассказала в подкасте Soccerish, что использовала ChatGPT для поиска тактических идей. Она прямо спросила у модели: «В какую формацию надо играть, чтобы обыгрывать команды NWSL?» Для двух из 14 клубов лига ИИ предложил схему с тремя центральными защитниками и двумя латералями.
Harvey обдумала вариант, обсудила его со штабом — и Reign перешли на систему с пятёркой защитников. Сезон они закончили пятыми, поднявшись на восемь позиций по сравнению с годом ранее.
Сделал ли ChatGPT из Seattle Reign другую команду? Конечно нет. Но идея, предложенная машиной, дошла до поля. Для сторонников ИИ это уже аргумент.
Ошибок тоже хватает. Данные откладываются в сторону, модели не срабатывают, гипотезы рушатся. Но, возможно, дело не в том, чтобы всегда быть правыми. ИИ становится ещё одним инструментом в руках тренеров, аналитиков и клубов. А в игре, где разница между победой и поражением измеряется сантиметрами, этическая дискуссия часто отходит на второй план.
«Мы все ищем хоть какое‑то преимущество», — говорит Fraser.
Вопрос лишь в том, кто первым найдёт грань, за которой алгоритм перестанет быть просто подсказкой — и начнёт определять, каким станет футбол завтрашнего дня.
