La revolución silenciosa de la IA en el fútbol

En los pasillos del fútbol profesional ya casi nadie discute una idea: si existe una mínima ventaja, por pequeña que sea, alguien la va a perseguir. Y en esa búsqueda, la inteligencia artificial ha dejado de ser un juguete de laboratorio para convertirse en una herramienta que empieza a influir en fichajes, rehabilitaciones y hasta en la gestión de canteras.

No siempre de la manera que se imagina.

Del blog de un hincha de Arsenal a proveedor de clubes de élite

Bracha lo reconoce sin rodeos: algunos clubes ya trastean con ChatGPT y modelos abiertos “para jugar con sus ideas”. Pero sacar de ahí algo realmente valioso, dice, es otra historia.

Él habla con conocimiento de causa. Años atrás era, simplemente, un aficionado más de Arsenal con un blog muy detallado sobre los Gunners. Mezclaba ojo futbolístico y datos para señalar jugadores que, según él, los grandes debían fichar. Su comunidad creció. Cuando su trabajo a tiempo completo en tecnología empezó a absorberle, afinó un modelo de IA que le generaba esqueletos de los artículos.

Entonces decidió unir sus dos mundos. Y ahí aparecieron las sorpresas.

“Empecé a recibir mensajes de ojeadores profesionales y gente de clubes preguntándome: ‘¿Cómo sabes eso de este jugador?’”, cuenta. Su respuesta interna fue demoledora: “Es solo ChatGPT”. Si eso ya impresionaba a profesionales, ¿qué estaban usando ellos?

La respuesta que encontró fue un caos de datos. Plataformas por todas partes, números por millones, poca coherencia. Desde que Wyscout irrumpió en la década de 2010, el mercado se llenó de proveedores. El péndulo pasó de la escasez a la sobrecarga.

“En los últimos 10 años, esta industria ha pasado de la completa escasez a la saturación de datos”, resume Bracha. Demasiado ruido, poca claridad.

Su empresa, Marquee, se vende precisamente como el filtro. Automatiza procesos que, en la práctica, no dejan de ser “hojas de cálculo glorificadas” dispersas en mil plataformas. Centraliza, limpia, cruza y devuelve algo digerible. “En cierto sentido, Marquee es un departamento de análisis externo que trabaja para el club”, explica.

No es un Football Manager de lujo, insiste. El sistema genera perfiles muy específicos —pagados por el cliente— que sugieren posibles fichajes, cruzando rendimiento, estilo de juego y encaje táctico. El club decide si hace caso o no. Pero la herramienta ya está instalada en varios equipos de la Premier League y ha recibido respaldo público de Barcelona y Chicago Fire.

¿Están encontrando la próxima gran ganga del mercado? Nadie lo puede asegurar. Pero ya forman parte del ecosistema.

Cuando la máquina detecta el cansancio antes que el jugador

En un FC Cincinnati–Nashville SC de la MLS, la tecnología del club detectó algo raro en Matt Miazga. Cinco minutos antes de que pidiera el cambio, el sistema registró “un patrón de movimiento irregular”.

No se trató de una alerta en directo que pudiera evitar nada. Los datos no llegan en tiempo real. Pero la lectura posterior fue clara: la máquina había visto el problema antes de que se manifestara del todo.

Otra pregunta, mucho más complicada, llega después: ¿cuándo puede volver ese jugador al máximo nivel? Ahí entra otro actor de esta nueva era: Springbok Analytics.

Su petición a los clubes es tan simple como ambiciosa: “Enviadnos vuestra lesión más complicada”. La respuesta casi siempre es la misma: el isquiotibial. El talón de Aquiles moderno del fútbol. Un estudio de 2020 del NIH cifraba en un 12% la proporción de lesiones de isquios sobre el total en profesionales, con tasas de recaída entre el 4% y el 68%. Un problema masivo que se asocia, sobre todo, a la fatiga y al tramo final de cada parte.

Matt Brown, director de Analytics de Springbok, lo resume con frustración: los métodos de evaluación han mejorado, la tecnología se ha multiplicado, se miden fuerzas, carreras, impactos… pero las lesiones de isquios no bajan. Suben.

Para Brown, el cuello de botella es el dato. No la lesión en sí, sino la capacidad de cuantificar la fuerza muscular, el equilibrio entre grupos musculares, la atrofia. Un proceso largo y farragoso.

Su propuesta: escanear al jugador en el momento de la lesión, dos meses después, seis meses después, y seguir la evolución real del músculo. Sin intuiciones. Sin suposiciones.

Springbok nació en la Universidad de Virginia, donde un grupo de científicos desarrolló tecnología de resonancia magnética hiperespecífica para tratar a pacientes con parálisis cerebral, creando modelos 3D para que cirujanos pediátricos pudieran calcular con precisión procedimientos de alargamiento de tendones. Cuando funcionó, llevaron la idea al deporte. La NBA se sumó en 2023. La MLS eligió a Springbok para su Innovation Lab este año.

Brown describe la resonancia tradicional como “miles y miles de cortes de imágenes grises en 2D” que un médico debe interpretar capa a capa para crear una imagen 3D mental. Su equipo acelera ese proceso usando IA: preprocesan las imágenes, trazan los límites musculares y generan un “gemelo digital” en 3D, pulido y utilizable en cuestión de horas, no de una semana.

Springbok no cura. No promete prevenir lesiones. Ofrece algo más modesto y, a la vez, crucial: hacer que la imagen médica sea mucho más accionable para el especialista. “Nosotros damos las medidas. El resto es vuestro trabajo”, remata Brown.

Cuatro fotos, diez segundos y el futuro físico de un canterano

En la academia de Philadelphia Union, la gran duda se repite cada día: ¿a qué nivel están realmente sus chicos? ¿Cuánto pueden soportar sus cuerpos? ¿Cuántos minutos de primer equipo puede manejar un talento como Cavan Sullivan sin que el físico pase factura?

Hasta ahora, la respuesta era un cóctel de pruebas físicas, proyecciones de altura, fuerza, picos de rendimiento… y mucha intuición.

Fit:Match quiere reducir ese margen de conjetura. Su promesa es radicalmente simple: un móvil, cuatro fotos, diez segundos. Y una radiografía física del futuro del jugador.

El proceso: se toman cuatro imágenes del chico desde distintos ángulos. El teléfono calcula altura, masa corporal, envergadura y un catálogo de medidas básicas. A partir de ahí, el sistema proyecta altura probable, maduración del crecimiento y un boceto de cómo podría ser su estado físico óptimo. Todo en menos de 30 segundos. Su fundador, Haniff Brown, lo define medio en broma como “el ChatGPT del fútbol”.

Brown viene de otro mundo. Empezó en la moda, acelerando la experiencia de probarse ropa con escaneos corporales instantáneos desde el móvil. “¿Cómo conseguir que alguien suba su perfil corporal para que no tenga que comprar cuatro camisas y devolver tres?”, se preguntaba. La respuesta técnica acabó interesando a hospitales, empresas de salud… y, en 2024, a un club europeo que le pidió escanear a todos los jugadores de su academia.

Ahí vio el potencial. Con una condición innegociable: el proceso no podía durar más de 15 segundos. “Los entrenadores odian las evaluaciones largas. Quieren a los chicos en el campo, haciendo ejercicios”, explica. Cuanto más complejo el test, menos se usa.

El club quedó convencido. Llegaron otros. Y apareció otro problema: la falta de consistencia en las mediciones tradicionales. Un mismo jugador, dos entrenadores, dos resultados distintos. Fit:Match elimina esa variabilidad. Cuatro fotos, medio minuto de procesamiento y un perfil detallado del jugador, que hoy utilizan tanto clubes como familias.

Cuando los padres inscriben a sus hijos en una academia, pueden subir esas fotos. El sistema genera su gemelo digital y, por detrás, ofrece a la MLS un paquete de datos sobre ese chico. Eso permite ajustar mejor las categorías por edad, sobre todo en un ecosistema juvenil donde el tamaño físico sigue pesando demasiado.

Brown lo resume con un ejemplo claro: un jugador de 14 años que es un desarrollador temprano es muy distinto a otro de 14 que se desarrolla tarde. Ahora, la liga puede identificar científicamente a estos últimos y diseñar caminos que eviten que se caigan del sistema.

El impacto puede ser enorme. Pero también abre un frente incómodo: el de la ética.

Ética, empleos y la eterna duda: ¿construir o comprar?

Proyectar el desarrollo de un adolescente con ayuda de máquinas no es inocuo. Cambia procesos, cuestiona rutinas, condiciona decisiones que afectan carreras. “El primer paso fue lograr que la gente se sintiera cómoda”, admite Brown.

Marquee aprendió lo mismo. No se presenta como sustituto, sino como socio de los clubes. “Se trata de que ellos se sientan cómodos con todo lo que hacemos juntos. Cuando tengamos historias de éxito, las contaremos”, dice Bracha.

El otro debate es más terrenal: los puestos de trabajo. Si una herramienta externa hace el trabajo de un departamento entero, ¿qué pasa con ese departamento? Bracha lo plantea desde la frialdad del retorno de inversión: los salarios son uno de los grandes gastos de un club. “¿Quieren contratar más gente para construir algo así o comprarlo fuera? Es la gran pregunta de la IA: ¿construir o comprar? En este caso, creo que comprar”, sentencia.

Eso no garantiza nada en el césped. Wolfsburg fue uno de los primeros clubes europeos en abrazar la IA. Presumió de ahorrar alrededor de un millón de euros al año en tareas administrativas y prevención de lesiones. La temporada pasada, el equipo se hundió en lo deportivo y recibió críticas feroces por su campaña de comunicación sobre la IA mientras el rendimiento se desplomaba.

No han dado marcha atrás. Sevilla, por su parte, utiliza IBM WatsonX para gestionar datos. Otros se mueven entre la curiosidad y la dependencia.

Hay entrenadores que han jugueteado con ChatGPT para explorar emparejamientos o formaciones. Y casos más sonoros, como el de la entrenadora de Seattle Reign, Laura Harvey, que en octubre de 2025 contó en el pódcast Soccerish que le preguntó directamente al modelo: “¿Qué formación debería usar para ganar a equipos de la NWSL?”. Para dos de los 14 equipos de entonces, la respuesta fue clara: defensa de cinco.

Harvey lo meditó, lo discutió con su cuerpo técnico y terminó implantando un sistema con cinco atrás. El equipo acabó quinto, ocho puestos mejor que la temporada anterior. No fue ChatGPT quien cambió el destino del Reign, pero la idea salió de ahí. Para los defensores de la IA, eso ya es una victoria.

Por cada acierto hay montones de propuestas descartadas, datos ignorados, caminos que no llevan a nada. Quizá ahí esté la clave: no se trata de la infalibilidad del algoritmo, sino de sumar una herramienta más a la caja de recursos de entrenadores, analistas y directores deportivos.

En un deporte tan apretado, donde un detalle decide millones, la pregunta ya no es si la IA debe entrar en el juego. La cuestión es cuánto tardará en convertirse en algo tan normal como un vídeo de análisis o un informe de ojeo. Y quién se quedará atrás mientras los demás ya están preguntándole a la máquina dónde puede estar la próxima ventaja.