هوش مصنوعی، سلاح مخفی جدید باشگاه‌ها در بازار نقل و انتقالات

به گزارش مجله خبری نگار، در پشت صحنه ورزشگاه‌ها، هوش مصنوعی در حال تغییر شکل شیوه‌های باشگاهی است. تجزیه و تحلیل داده‌ها، جذب بازیکن، ردیابی بازیکنان: فناوری در حال تبدیل شدن به یک محرک کلیدی فوتبال مدرن و حتی یک دارایی استراتژیک مهم در بازار نقل و انتقالات است.

هوش مصنوعی جذاب، شگفت‌انگیز و گاهی نگران‌کننده، در سال‌های اخیر به عنوان یکی از موضوعات اصلی بحث زمان ما ظهور کرده است. این فناوری که مدت‌ها محدود به آزمایشگاه‌های تحقیقاتی و صنایع پیشرفته بود، اکنون در تمام جنبه‌های جامعه، از تجارت گرفته تا مراقبت‌های بهداشتی و از جمله فرهنگ و سرگرمی، نفوذ کرده است. فوتبال که مدت‌ها به عنوان دژ غریزه، احساسات و غیرقابل‌پیش‌بینی بودن تلقی می‌شد، از این انقلاب خاموش مصون نیست. حتی بیشتر از آن، در حال تبدیل شدن به یکی از پویاترین میدان‌های آزمایش خود است. در پشت صحنه، در دفاتر مدیران ورزشی و بخش‌های استخدام، هوش مصنوعی به تدریج خود را به عنوان یک سلاح استراتژیک تثبیت می‌کند. تجزیه و تحلیل عملکرد، نظارت پزشکی، استعدادیابی، مذاکرات قرارداد، تجربه هواداران: داده‌ها اکنون در همه جا وجود دارند. در چشم‌انداز جهانی، فوق‌العاده رقابتی و به طور فزاینده‌ای مالی‌شده فوتبال، استفاده هوشمندانه از اطلاعات دیگر یک کالای لوکس نیست، بلکه شرط بقا است. در قلب این تحول، هوش مصنوعی در حال تغییر قوانین بازار نقل و انتقالات است.

داده‌ها، در زندگی روزمره باشگاه‌ها، همه جا حاضر هستند

این تحول، به ویژه در فرانسه، که استفاده از داده‌ها و هوش مصنوعی به سرعت در حال پیشرفت است، در حال انجام است. باشگاه‌ها اکنون به حجم بی‌سابقه‌ای از اطلاعات تولید شده از مسابقات، جلسات تمرینی و ارائه دهندگان خدمات تخصصی دسترسی دارند. این تکامل، ابزار‌ها و مهارت‌های جدیدی را برای بهره‌برداری مؤثر از این ماده خام ضروری می‌سازد: جولین لگاور، رئیس بخش ورزش در آویسیا، یک شرکت مشاوره داده و هوش مصنوعی، توضیح می‌دهد: «استفاده از داده‌ها و هوش مصنوعی در فوتبال فرانسه به سرعت در حال رشد است، گاهی اوقات بیشتر از سایر کشور‌های اروپایی.» «امروزه، داده‌ها همه جا هستند. باشگاه‌ها از طریق لیگ حرفه‌ای، بلکه از طریق اشتراک با ارائه دهندگان تخصصی مختلف به آنها دسترسی دارند. این نشان‌دهنده حجم قابل توجهی از اطلاعات برای تجزیه و تحلیل و استفاده است. برای بهره‌برداری هرچه بیشتر از آن، تکیه بر ابزار‌های مناسب قادر به پردازش و بهینه‌سازی این داده‌ها ضروری است. هوش مصنوعی کاملاً در این رویکرد جای می‌گیرد. کاربرد‌های آن در دو حوزه اصلی ساختار یافته است.» مورد اول مربوط به عملکرد ورزشی است: نظارت فردی بر بازیکنان، گزارش خودکار و تجزیه و تحلیل عملکرد، از جمله جنبه‌های فیزیکی. باشگاه‌ها به داده‌های مسابقه، آمار خام و داده‌های جمع‌آوری‌شده روزانه، به‌ویژه از طریق دستگاه‌های GPS که اکنون توسط همه تیم‌های حرفه‌ای استفاده می‌شود، دسترسی دارند.

استفاده از این داده‌ها محدود به زمین بازی نیست. با ترکیب منابع مختلف اطلاعات، باشگاه‌ها می‌توانند رویکرد ورزشی خود را اصلاح کنند، اما همچنین استراتژی‌های اقتصادی و ارتباطی خود را نیز آگاه سازند: «ترکیب این منابع مختلف به ما امکان می‌دهد گزارش‌های خودکار تولید کنیم، خطرات آسیب‌دیدگی را پیش‌بینی کنیم و شاخص‌های کلیدی برای جذب بازیکن را شناسایی کنیم. دومین حوزه اصلی بیشتر بر ابعاد اقتصادی و استراتژیک باشگاه‌ها تمرکز دارد. این دیگر فقط مربوط به عملکرد ورزشی نیست، بلکه در مورد پرداختن به چالش‌های تجاری، به ویژه از دیدگاه مدیریت نیز هست. بنابراین، استفاده از داده‌ها و هوش مصنوعی امکانات جدیدی را برای تجربه هواداران ایجاد می‌کند و به ما این امکان را می‌دهد که به هواداران نزدیک‌تر شویم و تعاملات شخصی‌سازی‌شده‌تری ارائه دهیم. جولین لگاور توضیح می‌دهد که این دو حوزه استفاده به سرعت در حال گسترش هستند و به تدریج در اکوسیستم حرفه‌ای فوتبال ضروری می‌شوند.» بنابراین، هوش مصنوعی به عنوان ابزاری میان‌بر، در تقاطع عملکرد و توسعه باشگاه، در حال ظهور است. علاوه بر این، طبق برآورد‌های Gitnux، تقریباً ۶۵ درصد از باشگاه‌های فوتبال در سراسر جهان از الگوریتم‌های هوش مصنوعی برای بهبود تصمیمات تاکتیکی استفاده می‌کنند.

در مواجهه با این گسترش منابع، چالش اصلی باشگاه‌ها اکنون در سازماندهی و ساختاردهی اطلاعات نهفته است. بدون یک پایه داده محکم، هوش مصنوعی نمی‌تواند به پتانسیل کامل خود برسد: «بنابراین همه چیز به نحوه ساختاردهی یک باشگاه از نظر مدیریت داده‌ها بستگی دارد. این داده‌ها از منابع متعدد و اغلب ناهمگن می‌آیند. بنابراین، اولین چالش، سازماندهی و متمرکز کردن این اطلاعات در یک پایه داده منسجم است. این پایه سپس امکان تسهیل و بهینه‌سازی همه موارد استفاده ذکر شده را فراهم می‌کند. در این راستا، بسیاری از شرکت‌های بزرگ در بهره‌برداری از داده‌ها، رهبری دنیای ورزش را به دست گرفته‌اند. امروزه، مشاهده می‌کنیم که این ساختاردهی ضروری شده است. این دقیقاً همان تغییری است که باشگاه‌های فوتبال بیشتری در حال حاضر در حال طی کردن آن هستند.» یک مسئله شناخته شده در دنیای تجارت، که فوتبال نیز اکنون شروع به پرداختن به آن کرده است.

بازار نقل و انتقالات در عصر الگوریتم‌ها

استخدام یکی از حوزه‌هایی است که تأثیر داده‌ها و هوش مصنوعی در آن به شدت احساس می‌شود. باشگاه‌ها، و همچنین بازیکنان و نمایندگان آنها، به طور فزاینده‌ای برای پشتیبانی از تصمیمات و مذاکرات خود به تجزیه و تحلیل داده‌ها متکی هستند: «یک نمونه بارز استفاده از داده‌ها، کوین دی بروین است که مذاکره مجدد قرارداد خود را بر اساس داده‌های دقیق و با پشتیبانی یک شرکت تخصصی انجام داد. این نوع عمل قرار است گسترده شود. اکنون باشگاه‌ها به لطف حجم عظیم داده‌های جمع‌آوری‌شده، درک بسیار دقیقی از بازیکنان دارند. آنها می‌توانند نقاط قوت، زمینه‌های بهبود و تناسب آنها را با یک تیم یا سبک بازی به طور دقیق شناسایی کنند. بنابراین، داده‌ها به طور کامل در مذاکرات ادغام می‌شوند، اما توسط نمایندگانی که آن را به عنوان یک مزیت اضافی می‌بینند نیز به کار گرفته می‌شوند. نماینده‌ای که می‌تواند یک پرونده جامع، با پشتیبانی آمار معتبر، ارائه دهد و به عنوان مثال نشان دهد که بازیکنش در زمینه‌های خاصی عالی است و کاملاً با اصول بازی یک مربی مطابقت دارد، از اعتبار بیشتری برخوردار است.» مقایسه با سایر بازیکنان در همان موقعیت، از جمله در دوره‌های گذشته، پتانسیل افزایش ارزش را نیز برجسته می‌کند. لازم به ذکر است که طبق گزارش پلتفرم تخصصی Gitnux، ۷۸ درصد از باشگاه‌های لیگ برتر نوعی از فناوری هوش مصنوعی را برای استعدادیابی و تحلیل عملکرد به کار گرفته‌اند.

اگرچه فناوری امکان انتخاب‌های دقیق‌تر را فراهم می‌کند و خطا‌ها را کاهش می‌دهد، اما ادعا نمی‌کند که تمام عدم قطعیت‌ها را از بین می‌برد: «همیشه عنصری از موارد غیرمنتظره در استخدام وجود خواهد داشت. هوش مصنوعی و داده‌ها در درجه اول باید به عنوان ابزار‌های تصمیم‌گیری در نظر گرفته شوند. نقش آنها کاهش خطر خطا با تکیه بر معیار‌های عینی و واضح تعریف شده است: ویژگی‌های بازی، نیاز‌های تیم و محدودیت‌های بودجه. بر اساس این پارامترها، داده‌ها امکان ایجاد پیش‌انتخابی از پروفایل‌های مرتبط را فراهم می‌کنند. این امر به طور قابل توجهی جست‌و‌جو را محدود می‌کند و با تمرکز تجزیه و تحلیل آنها بر روی تعداد کمتری از بازیکنان، در زمان ارزشمند باشگاه‌ها، استخدام‌کنندگان و استعدادیاب‌ها صرفه‌جویی می‌کند. جولین لگاور، که در ایجاد شاخص بازیکن آویسیا شرکت داشت، توضیح می‌دهد که برخی از جنبه‌ها، به ویژه هر چیزی که مربوط به ذهنیت، شبکه پشتیبانی یا روابط بین فردی باشد، برای تعیین کمیت دشوار هستند. در این زمینه‌ها، داده‌ها به محدودیت‌های خود می‌رسند و ارزیابی انسانی همچنان ضروری است.» علاوه بر این، دیمیتری میچل، فوتبالیست بریتانیایی، در پادکست انگلیسی From My Left فاش کرد که برای مذاکره در مورد آخرین انتقال خود به لیتون اورینت، یک باشگاه لندنی که در لیگ دسته سوم انگلیس بازی می‌کند، به ChatGPT تکیه کرده است.

در نهایت، اگرچه هوش مصنوعی در حال تبدیل شدن به ابزاری ضروری در زندگی روزمره است، اما استقرار آن همچنان به منابع مالی باشگاه‌ها وابسته است. این واقعیت، مسئله نابرابری را مطرح می‌کند، اگرچه برخی از ابتکارات با هدف کاهش تأثیر آن انجام می‌شوند: «داده‌ها با آزاد کردن زمان برای کاوش عمیق‌تر در این جنبه‌های انسانی‌تر، به کاهش عدم قطعیت کمک می‌کنند، در حالی که دیدگاه اساسی ذاتی فوتبال را حفظ می‌کنند. اغلب تکرار می‌شود که داده‌ها جایگزین کسی نمی‌شوند؛ بلکه با ارائه اطمینان یا تسریع فرآیندها، از تصمیم‌گیری روزانه پشتیبانی می‌کنند. البته، نابرابری‌های بودجه‌ای بین باشگاه‌ها بر دسترسی به پیشرفته‌ترین ابزار‌ها و داده‌ها تأثیر می‌گذارد. منابع مالی تا حدودی توانایی توسعه راه‌حل‌های هوش مصنوعی با عملکرد بالا را تعیین می‌کنند. با این حال، لیگ به دنبال کاهش این شکاف‌ها با در دسترس قرار دادن داده‌های خاص برای همه باشگاه‌ها است تا عدم تعادل‌ها و سوگیری‌های رقابتی را محدود کند.» جولین لگاور نتیجه می‌گیرد. بین قدرت الگوریتم‌ها و شهود انسانی، فوتبال در حال حرکت روی خط باریکی است. هوش مصنوعی قرار نیست جایگزین بازی شود، بلکه قرار است تصمیم‌گیری را اصلاح کند. این وظیفه باشگاه‌ها است که تعادل مناسب را برای تبدیل این به یک مزیت، بدون از دست دادن روح فوتبال، پیدا کنند.