Como a IA vai mudar o futebol: o tempo dos treinadores, não as suas decisões

Como vai a IA mudar o futebol? A resposta curta é que muda aquilo em que treinadores e equipas técnicas gastam o tempo, e deixa intocadas as partes do ofício que não se podem delegar. Um modelo consegue ler mais material numa semana do que qualquer equipa de analistas, mas não se senta diante da direção depois de uma má série, não diz a um capitão que ficou de fora e ninguém o pode responsabilizar. A decisão fica com a pessoa cujo nome está nela.

A primeira coisa a mexer é a preparação. Os departamentos de análise pré-jogo já gastam boa parte da semana a recolher, limpar e resumir: resultados recentes, listas de lesionados, o modo como um adversário tem marcado e sofrido golos. É nesse trabalho de montagem que a automação ganha o seu lugar, porque liberta os técnicos para fazerem melhores perguntas em vez de compilarem respostas. O mesmo vale para a análise de dados no futebol que as equipas produzem a cada semana, e para o relatório do adversário: uma máquina pode redigir a primeira versão, mas decidir qual dos dez padrões desse relatório conta para este jogo, contra esta linha defensiva, continua a ser um juízo do treinador.

O que os modelos de probabilidade fazem bem é estreito e útil. Exprimem a incerteza em forma de número, aplicam o mesmo processo a todos os jogos sem humor nem viés de recência, e podem ser avaliados depois. Um modelo que dá a uma equipa 70% de hipóteses está a fazer uma afirmação que se pode testar ao longo de muitos jogos. Também é esperado que falhe cerca de três vezes em cada dez, e é essa a parte que os dirigentes esquecem. Uma única previsão errada diz quase nada, e uma única certa diz exatamente o mesmo.

O que fazem mal é igualmente específico. O empate é o resultado mais difícil de prever, porque está entre dois sinais mais fortes. Os amigáveis e os jogos com poucos dados são quase lançamentos de moeda, e qualquer produto que finja o contrário está a esconder a sua incerteza. Os modelos também não veem o que não está nos dados: um plantel fraturado, um treinador sob pressão, uma mudança tática decidida na quinta-feira. Trate-se o resultado como um dado entre outros para uma decisão, nunca como a decisão.

Então, como se avalia uma previsão, ou um produto de dados que se pensa construir ou comprar? Há quatro perguntas a fazer. Publica uma probabilidade e não apenas uma escolha? Guarda a última previsão feita antes do apito inicial e avalia-a face a um resultado claramente definido, em vez de reescrever a história? É comparada com uma referência simples, como apostar sempre na equipa da casa ou usar as taxas de vitória caseira, empate e vitória fora da própria amostra? E a amostra é grande o bastante para significar alguma coisa? A taxa de acerto, sozinha, lisonjeia; uma pontuação que premeie probabilidades bem calibradas, como o Brier score, é mais difícil de manipular.

O Kickwise é um exemplo prático dessa disciplina. O seu registo público guarda a última previsão antes do pontapé de saída, avaliada pelo resultado aos 90 minutos mais o eventual prolongamento. Nos últimos 90 dias, as previsões feitas com confiança de 65% ou mais acertaram 66 vezes em 82 (80%), em jogos nos quais a equipa da casa venceu 56% das vezes, pelo que apostar sempre na equipa da casa teria acertado 56% das vezes. Em todas as previsões avaliadas, a qualquer nível de confiança, nos últimos 30 dias, acertou 114 vezes em 186 (61%), com um Brier score de 0.544 contra 0.648 da referência (quanto mais baixo, melhor).

O mesmo registo traz os avisos. O empate continua a ser a previsão mais difícil, os poucos dados dão quase lançamentos de moeda, e uma previsão de 70% falha ainda cerca de três vezes em dez, pelo que o registo se lê ao longo de muitos jogos, nunca num fim de semana. Os últimos 7 dias, com 58 acertos em 98 (59%), lembram que as janelas curtas oscilam. Usem-se os números de 30 e 90 dias para julgar o processo, e trate-se qualquer semana isolada como ruído.

Para quem decide, as conclusões práticas são claras. Usar os modelos para comprimir o tempo de preparação e para criar expectativas honestas junto da direção: um favorito a 60% que perde não é uma falha da previsão. Usá-los no planeamento das rotações como verificação de realidade sobre o peso verdadeiro de um jogo, não como uma ordem. E, nos produtos para media e adeptos, mostrar a probabilidade e o registo em conjunto, para que o público veja tanto a afirmação como o historial que a sustenta.

Os treinadores que mais vão ganhar serão os que entregarem a montagem às máquinas e guardarem o juízo para si. O modelo diz o que costuma acontecer. Só uma pessoa decide o que fazer com este plantel, esta semana, e responde por isso depois.