L’analisi del calcio ha fatto passi da gigante dai tempi in cui il modello dei “gol attesi” sembrava l’ultima frontiera dell’innovazione. Oggi, grazie a tecnologie sempre più avanzate — dai dati sugli eventi alle rilevazioni del movimento dei giocatori, fino al tracciamento degli arti — è possibile misurare il valore di un’azione ben oltre il semplice conteggio dei gol. Una corsa senza palla o una giocata spalle alla porta hanno finalmente un peso concreto.
In questo panorama in continua evoluzione, l’intelligenza artificiale è l’ultima grande rivoluzione. Pur articolandosi in molteplici forme e applicazioni, il principio base dell’AI è semplice: permettere a un computer di svolgere compiti che normalmente richiederemmo a un essere umano.
Ma non si tratta di una novità improvvisa. Alcune aziende, come Zone7, operano da anni a fianco dei club per prevedere infortuni grazie all’apprendimento automatico. Tecnologie simili sono già in uso nel fuorigioco semi-automatico, che utilizzano l’AI per monitorare il movimento di giocatori e pallone, determinando con precisione il momento giusto per intervenire. Anche i grandi club stanno entrando in gioco. Il Liverpool, ad esempio, ha avviato una collaborazione con Google DeepMind per sviluppare TacticAI, una piattaforma progettata per ottimizzare la strategia sulle situazioni da calcio d’angolo.
Ma l’impatto più significativo dell’analisi basata sui dati si registra nel reclutamento dei giocatori. I club più evoluti hanno costruito team di ricerca che somigliano più a startup della Silicon Valley che a tradizionali dipartimenti sportivi. Un modello finora inaccessibile per i club con budget più ridotti, ma qualcosa sta cambiando.
L’avvento dell’intelligenza artificiale generativa, come nel caso di ChatGPT, ha trasformato il modo in cui interagiamo con la tecnologia. Grazie ai modelli linguistici di grandi dimensioni (LLM), oggi è possibile generare testi, immagini e persino analisi sportive partendo da domande formulate in linguaggio naturale. Due esempi concreti nel calcio sono xvalue di Soccerment e ScoutGPT di SentientSport, strumenti che semplificano lo scouting dei giocatori rendendolo accessibile a tutti.
Secondo David Sumpter, co-fondatore della società di analisi Twelve Football, questa democratizzazione sta aprendo la strada a club di ogni livello:
Oggi, anche una squadra delle serie inferiori può accedere alle capacità di un intero dipartimento di data science, semplicemente usando un’app sul telefono.
Ed è proprio da questa idea che nasce Earpiece, l’ultimo strumento AI lanciato da Twelve. La particolarità? Funziona tramite WhatsApp. L’app consente di ricevere un’analisi verbale dei punti di forza e debolezza di un giocatore, in modo diretto, semplice, quasi fosse un messaggio vocale da un allenatore o da uno scout. La forza di questo approccio non sta solo nei dati, ma nell’abbattimento delle barriere. Non tutti i club dispongono di infrastrutture avanzate o di personale tecnico specializzato, ma tutti hanno WhatsApp. E proprio quest’app, universalmente adottata nel mondo del calcio, diventa il veicolo perfetto per trasmettere analisi e report.
“La maggior parte delle persone nel calcio comunica solo su WhatsApp” – racconta ancora Sumpter – “Fin dall’inizio ci siamo resi conto che dovevamo inviare i report in formato PDF tramite WhatsApp, perché è quello che chiedono allenatori e presidenti, dai grandi club ai dilettanti“.
E non si tratta solo di comodità. La crittografia end-to-end garantisce la riservatezza, un fattore chiave in un ambiente competitivo come quello calcistico.
Naturalmente, l’uso dell’AI in questo modo solleva anche delle domande sul futuro dello scouting tradizionale. Alcuni temono che l’automazione possa minacciare i ruoli umani, ma secondo Sumpter, i veri pericoli non sono per gli scout: “Le qualità umane necessarie per valutare gli aspetti qualitativi di un giocatore non possono essere replicate da un algoritmo“.
Diverso il discorso per i data scientist. I compiti più tecnici — come l’ingegneria dei dati o la costruzione delle pipeline — sono i primi a poter essere automatizzati da queste nuove piattaforme. Ma attenzione: ciò non significa che la figura dell’analista debba sparire. Al contrario, competenze trasversali come il pensiero critico e la capacità di valutare i limiti di un modello saranno ancora più preziose. “Non basta scaricare un modello di machine learning da Internet. Bisogna saperlo leggere, interpretare e capire dove potrebbe sbagliare“, avverte Sumpter.
La diffusione di questi strumenti AI rappresenta una democratizzazione della conoscenza, una risorsa preziosa soprattutto per i club più piccoli. I dipartimenti dati non devono temere l’estinzione, ma piuttosto adattarsi a un ecosistema in cui la tecnologia amplifica le capacità umane, senza necessariamente sostituirle.
