Como os clubes de futebol usam a IA: onde ajuda e onde para

Quando se pergunta como os clubes de futebol usam a IA, a resposta útil é um mapa de funções, não uma tecnologia única. Por trás da marcação de vídeo, dos relatórios de adversário, da monitorização de carga de trabalho, das aplicações para adeptos e das previsões de jogos estão ferramentas diferentes, e cada uma tem um padrão próprio para ser considerada boa. Tratá-las como uma só coisa é como os clubes acabam por comprar o produto errado para a decisão errada.

Comecemos pela análise e pela preparação dos jogos. O melhor uso é poupar horas aos analistas: triar imagens, assinalar padrões na forma como um adversário constrói a partir de trás ou defende os lances de bola parada, redigir um primeiro relatório que um humano depois verifica e afina. É aqui que a inteligência artificial aplicada ao treino e ao apoio à decisão está mais madura, porque o resultado pode ser confirmado no vídeo em poucos minutos. A boa prática é simples: a ferramenta propõe, o analista decide, e o treinador só vê o que sobreviveu a essa verificação. Se um sistema não consegue mostrar os clipes que sustentam a sua afirmação, essa afirmação deve ser tratada como não provada.

A área médica e da gestão de cargas é aquela onde a cautela deve ser maior. Modelos que combinam carga de treino, minutos jogados e marcadores de recuperação podem ajudar a equipa técnica a detetar um jogador que começa a sair do seu intervalo normal. A palavra que conta é «seu»: os sistemas úteis comparam o jogador com o seu próprio historial, não com uma média da liga. A decisão fica com a equipa médica e de performance, e o valor do modelo está em provocar mais cedo uma conversa, não em ditar um veredicto sobre a disponibilidade. Convém perguntar contra o que foi validada a ferramenta, quantos jogadores e épocas abrangeu e o que faz quando faltam dados, porque a falta de dados é rotina em semanas de treino reais.

A rotação do plantel e a IA no treino de futebol levantam a mesma questão do lado do treinador: o resultado muda uma decisão que, de outro modo, teria sido diferente? Um alerta de carga que apenas confirma o que o fisioterapeuta já viu é um descanso barato, não uma descoberta. O teste é saber se a equipa técnica consegue apontar uma decisão passada que teria seguido outro rumo e se alguém verificou o desfecho depois.

Os conteúdos para meios de comunicação e adeptos são o terreno de menor risco para usar IA, e aquele onde a honestidade mais pesa na credibilidade. Resumos automáticos de jogos, notificações personalizadas e previsões para os adeptos funcionam quando o sistema é claro sobre aquilo que sabe. Falham quando uma frase confiante esconde dados escassos. Tudo o que é publicado em nome do clube deve ter um editor humano e uma declaração clara da incerteza.

A previsão de jogos pertence ao mapa como um dado, não como um oráculo. Uma previsão dá uma probabilidade para vitória da casa, empate e vitória do visitante, o que ajuda a gerir expectativas: dizer a uma direção que uma equipa com 70% continua a falhar cerca de três vezes em cada dez é mais honesto do que prometer um resultado. O Kickwise é um exemplo concreto. A sua probabilidade pré-jogo combina a leitura de um modelo de linguagem sobre a forma, a força das equipas, o historial entre ambas, as lesões, as suspensões e os onzes confirmados com o consenso do mercado implícito nas cotações das casas de apostas, ou com uma estimativa baseada na forma quando não há cotações, e é atualizada quando os onzes são conhecidos.

Como avaliar qualquer previsão é a parte que vale a pena aproveitar. Primeiro, verificar se o registo assenta na última previsão antes do apito inicial, e não numa anterior mais favorável. O Kickwise avalia a última previsão feita antes do pontapé de saída contra o resultado aos 90 minutos, mais o prolongamento, se o houver. Segundo, comparar com uma referência que faça sentido. Nos últimos 7 dias, as suas previsões, a todos os níveis de confiança, acertaram 21 em 33 (64%), com um índice de Brier de 0,507 contra 0,645 de uma referência que usa as taxas de vitória da casa, empate e vitória do visitante da própria amostra. Em 30 dias foram 57 certas em 107 (53%), com Brier de 0,582 contra 0,66. Um Brier mais baixo é melhor, e o que se afirma é bater a referência, não a taxa de acerto em bruto. Terceiro, exigir o tamanho da amostra: uma semana é uma série curta e, sozinha, prova pouco.

Os limites fazem parte do produto, e qualquer comprador deve pedi-los. O empate é o resultado mais difícil de prever, os jogos de preparação e os jogos com poucos dados são quase uma moeda ao ar, e uma previsão confiante falha com regularidade, pelo que um registo tem de ser lido ao longo de muitos jogos, nunca num só. Nas previsões mais fortes, as de 65% de confiança ou mais nos últimos 90 dias, o registo mostra 56 certas em 71 (79%), enquanto a equipa da casa ganhou 51% desses jogos. Esse desfasamento é o tipo de comparação que convém pedir, e nada nele substitui o juízo sobre um plantel concreto.

A regra prática é a mesma em todas as áreas: nomear a decisão, nomear a referência e verificar o registo num número suficiente de casos antes de mudar a forma de trabalhar do clube.