Естественно, интеллект! Нейросети уже оказывают колоссальное влияние на развитие футбола

Современный футбол всё активнее внедряет передовые технологии, в том числе искусственный интеллект: от поиска молодых талантов до определения офсайда – он повсюду. Мы попробовали провести анализ: как нейросети применяются в разных сферах, с примерами от команд до целых лиг и учебных академий. И заодно узнаем, как дела обстоят в РПЛ.

ФРИБЕТ 3000₽ ОТ WINLINE

Скаутинг: MONEYBALL-2.0

Английский «Брентфорд» и датский «Мидтьюлланн» (оба под крылом британского предпринимателя Мэттью Бенхэма, владеющего также компанией по статистическим исследованиям для профессиональных игроков Smartodds и букмекерской биржей Matchbook) – ярчайшие примеры сочетания «AI + аналитика». Оба клуба используют SciSports и Wyscout – ИИ-системы, которые анализируют миллионы метрик: от силы удара и движения игрока до эффективности прессинга и xG-моделей. Это не замена скаутам, а расширение их возможностей: алгоритм предлагает список кандидатов, которых скауты затем проверяют вживую.

Сервис Eyeball отслеживает около 180 тысяч молодых игроков в 28 странах, используя видео с одной камеры. Идея – заметить будущую звезду, прежде чем игрок попадёт в систему крупных клубов.

aiScout от ai.io – партнёр МЛС, «Челси», «Бёрнли», нескольких американских клубов (в том числе «Интер Майами») и проектов в Европе. На сайте компании указано – член инновационной программы ФИФА. Он позволяет молодым футболистам снимать видео в домашних условиях, демонстрируя контроль мяча, дриблинг и скорость. ИИ оценивает навыки и делает профиль, который затем виден партнёрам. Даже футбольные академии Индии и Уэльса используют этот инструмент.

AI-системы не заменили скаутов, но превратили их в аналитиков, выбирающих по большому фильтру – по модели PLAIER и ScoutBot, о которых ниже.

Трансфер Пола Онуачу в «Мидьюлланн»

Это один из самых ярких кейсов внедрения ИИ в скаутинг. Клуб Бенхэма начал применять модели машинного обучения ещё до массового внедрения xG.

Скаутская система клуба анализировала десятки метрик, среди которых:

• участие в xG-эпизодах без касания мяча (non-shot involvement);
• эффективность в борьбе на втором этаже (expected aerial threat);
• тактическая адаптивность;
• undervalued market price (рыночная недооценённость).

Двухметровый Онуачу (рост – 201 см) не попадал в шорт-листы традиционных скаутов – визуально слишком «неуклюжий». Однако данные показывали, что в структуре «Мидтьюлланна» он может быть максимально эффективен.

«Мы получили список от системы, и Онуачу был вверху. Алгоритм говорил, что он может вырасти в топ‑форварда. Мы доверились», – рассказывал бывший спортдиректор клуба Клаус Стайн.

Купленный менее чем за € 500 тыс. нападающий стал лучшим бомбардиром датской лиги и был продан в бельгийский «Генк» в 12 раз дороже (за € 6 млн), а оттуда – в «Саутгемптон» за € 18 млн. Это кейс, где ИИ дал конкретную бизнес‑выгоду: 10-кратную окупаемость инвестиций.

Эффективность «Брентфорда»

Если «Мидтьюлланн» был лабораторией, то «Брентфорд» стал промышленной линией ИИ-подхода к трансферам. С момента отказа от традиционной академии в 2016 году упор сделан на data-driven модель.

Ключевые компоненты:

• модель кластеризации по стилю игры – игроки подбираются не только по позиции, но и по модели поведения на поле;
• pressing efficiency per minute – один из метапоказателей, важный при подборе полузащитников и нападающих. Например, он помог выделить среди прочих полузащитника «Труа» Брайана Мбёмо (за него заплатили € 6,5 млн; за год до истечения контракта Transfermarkt оценивает его в € 55 млн);
• контекстуальные xG – отличие от стандартных, с учётом давления, зоны передачи, структуры эпизода.

Успешных кейсов хватает. Вратарь Давид Райя (на момент подписания был вторым в Чемпионшипе по xSave) и нападающий Айван Тоуни были приобретены на основе не визуальных оценок, а кластерных моделей и pressing efficiency per minute, в сумме за € 9 млн. Первый уехал в «Арсенал» за € 31,9 млн, второй – в «Аль-Ахли» за € 42 млн (а мог и дороже, если бы не восьмимесячный бан за игру на ставках, ведь на пике оценивался в € 50 млн).

Нападающий Олли Уоткинс пришёл из League 1 (третьего английского дивизиона) за € 7,22 млн и был продан в «Астон Виллу» за € 34 млн, где дорос до сборной Англии (даже забивал голландцам в полуфинале Евро-2024).

«Мы всегда начинаем с данных. Аналитика – наш фильтр. Скауты подключаются после», – объясняет принцип работы директор по футболу Фил Джайлс. Данные -> скаут -> контракт.

«Брентфорд» стал примером того, как клуб с ограниченным бюджетом может за счёт системной ИИ-инфраструктуры уверенно держаться в АПЛ – за четыре года с момента выхода «пчёлы» дважды финишировали в десятке и лишь раз «докатились» до 16-го места (и всё равно остановились в 13 очках от зоны вылета).

Аналитика состава

ИИ помогает не только искать игроков, но и принимать решения по составу, трансферам и инструментам отбора:

• PLAIER от Sky Sports анализирует более 100 лиг: event data, траектории, травмы, зарплаты. Алгоритм оценивает, насколько стиль и рисунок игры тренера подходят данному набору футболистов;
• ScoutBot на базе Databricks Genie даёт почти персонального аналитика. Вбиваете запрос: «Найди вингера с эффективностью дриблинга в топ-10% лучших игроков в регионе и стоимостью до € 5 млн». И получаете список из реальных кандидатов;
• Hudl, StatsBomb, InStat используют ИИ для сбора индивидуальных данных по видео, превращая это в автоматическую статистику не только для тренеров, но и для зрителей;
  ИИ в аналитике – фильтр, выделяющий наиболее релевантные данные и перераспределяющий приоритеты.

Тренировки, спорт-наука и здоровье игроков

ИИ активно применяется для оценки здоровья и формы футболистов. GPS‑трекинг и RFID считывают движения, а ML-модели на основе нагрузки прогнозируют переработки и травмы. Их используют как клубы АПЛ, так и национальные академии.

В АПЛ такие системы выявляют пик физической готовности и помогают выстроить режим восстановления, чтобы избежать лишних травм. В РПЛ есть исследования вроде роста дистанций и спринтов, однако единых AI-платформ пока нет.

Судейство: ВАР и оффсайд 

SAOT (Полуавтоматическая технология определения офсайда) в АПЛ повышает точность определения офсайда в реальном времени. Для этого используются 28 камер на каждом стадионе. Компьютерное зрение отмечает по 10 тысяч точек на каждом игроке и создаёт 3D-рендеры.

В сезоне-2024/25 в АПЛ систему ввели полноценно. ВАР официально поддерживает SAOT, но последнее слово всё равно остаётся за судьёй.

Источник фото: SOAT

Что в РПЛ?

Пока что ИИ в России – это точечные решения без инфраструктуры:

• есть InStat – видео + метрики, но без ИИ-моделей. Это скорее ручной инструмент;
• отдельные проекты по GPS и нагрузкам есть – однако нет комплекса AI, способного анализировать десятки тысяч профилей, предсказывать травмы или находить офсайды;
• нет ИИ-платформ типа aiScout, ScoutBot, Eyeball – только локальные функции и статистика.

Чтобы дойти до уровня европейцев в использовании AI, в России потребуется:

1. Внедрить централизованные видео/радар-системы (как в АПЛ/МЛС).
2. Интегрировать ИИ-платформы (ScoutBot, Eyeball).
3. Начать пилоты с офсайда и офсайд-помощников.

РУСТАТ

Одной из немногих российских компаний, использующих ИИ, являются наши партнёры и друзья – РУСТАТ. Эта аналитическая платформа с помощью нейросетей автоматически рассчитывает треки каждого футболиста.

Для повышения точности и избирательности нейросети работают непосредственно с фигурами игроков, сегментируя их на каждом кадре. Видео снимается специальными камерами сверхвысокого разрешения.
«Мы делаем ставку на эффективные решения и обеспечиваем высокое качество данных, избегая ненужных затрат. Специально разрабатываем технологии, позволяющие использовать видео даже с примитивных видеокамер для производства надлежащей статистики.

Параллельно наш научный департамент занимается оптимизацией процессов анализа и снижением зависимости от ручного труда. Основное внимание уделяем улучшению качества и скорости анализа, чтобы аналитики могли сосредоточиться на более интересных и сложных задачах», – рассказывал генеральный директор РУСТАТ Марат Бедретдинов.

Кстати, партнёром РУСТАТ является компания Manager 360 – первый и единственный революционный спортивный IT-инструмент в России, охватывающий все спортивные блоки от тренировок до медицины, в котором используются искусственный интеллект и компьютерное зрение.

Алгоритмы на замену интуиции

ИИ меняет футбольную инфраструктуру быстрее, чем мы привыкли думать.

• В скаутинге он даёт новые имена до того, как они попадают на радары.
• В аналитике перестраивает состав и тактику.
• В медицине и тренировках предсказывает травмы и оптимальные нагрузки.
• В судействе ускоряет определение офсайдов и снижает ошибки.

Однако успех зависит не только от технологий, но и от воли, системности и доступной инфраструктуры. Пока «Брентфорд» превращает pressing efficiency в деньги, «Мидтьюлланн» продаёт игроков в 12 раз дороже чем покупал, а в АПЛ практически полностью автоматизировали судейство, в РПЛ по-прежнему смотрят офсайд с одной камеры, без автоматизации и аналитической среды. 

ИИ – не мода, а инструмент. И вопрос не в том, заменит ли он человека. А в том, кто быстрее адаптируется и станет использовать его лучше.