Un sistema, un modelo innovador para analizar el futbol. Smart Gear es una herramienta que utilizan buena parte de los seleccionados de fútbol de Sudamérica y varios equipos de la Superliga Argentina de Fútbol. Basado en funcionamiento de inteligencia artificial, el producto desarrollado entre Italia y la Argentina por K-Sport, se destaca por una característica: permite generar indicadores de rendimiento muy simples, tanto en lo físico como en lo técnico y táctico, para que los cuerpos técnicos de los equipos tengan datos objetivos sobre algo que en el fútbol parece una tarea imposible: determinar si alguien jugó bien y jugó mal.

ANALITICA SPORTS conversó con el Licenciado Gustavo Metral, consultor de Smart Gear, para conocer más detalles sobre la herramienta.

-¿Qué es Smart Gear?
Smart Gear es un sistema basado en Inteligencia Artificial que permite evaluar el nivel de rendimiento futbolístico. El sistema permite dar una respuesta objetiva y cuantitativa respecto del rendimiento con el cual un jugador o equipo compiten, resumiendo aspectos de prestación técnica, táctica, física y de toma de decisión en un solo parámetro, que denominamos Índice de Performance (IP). El IP es una construcción científica que permite una precisa valoración del rendimiento. Su conocimiento es vital porque el rendimiento en el fútbol es el factor que mas incide sobre el resultado de los partidos. Aunque un equipo con menor IP puede ganar un partido, nosotros hemos encontrado que una diferencia a favor de 5% del IP genera una probabilidad de ganar el juego del 80%. El IP es el único índice creado que puede predecir la probabilidad del éxito deportivo en el fútbol y su sustento se basa en la precisión e integración de cada una de las métricas que lo componen.

-¿Cómo describirías el proceso de funcionamiento?
-Es un sistema desarrollado en Inteligencia Artificial que parte del más elevado nivel de precisión existente en el tracking realizado sobre el balón y todos los jugadores incluyendo porteros. A partir de allí se determinan las zonas de influencia de cada jugador, denominadas Smart Zones. Mediante las Smart Zones el sistema puede identificar con un elevado nivel de exactitud, qué jugador obtendrá la posesión del balón en las diferentes zonas del campo, las cuales varían en función de los cambios de velocidad y aceleración de los jugadores y del balón, que son sincronizados a una frecuencia de 25 datos por segundo. A partir del conocimiento de las zonas de influencia (Smart Zones) y, mediante la aplicación de fórmulas polinómicas, filtros y algoritmos de alta complejidad, el sistema tiene la capacidad de construir los parámetros de análisis más relevantes para la cuantificación del rendimiento futbolístico, los cuales terminan construyendo el IP.

Algunos de los indicadores que se generan se basan en estos elementos:

-Capacidad de toma de decision
-Intensidad táctica ofensiva y defensiva
-Coeficiente de dificultad de los pases
-Elección del pase óptimo
-Capacidad de conducción del balón
-Situaciones de 1 vs 1 ofensivo y defensivo
-Ejecución de movimientos óptimos en fase ofensiva y defensiva
-Eficiencia táctica de las distancia recorrida durante los partidos

 

 

-¿A que nos referimos cuando hablamos  de inteligencia artificial en en Smart Gear? ¿Qué implica exactamente?

-Implica que el sistema utiliza los recursos desarrollados por la Inteligencia Artificial (IA) para ejecutar el proceso de análisis de rendimiento. La IA representa un área de conocimiento interdisciplinaria derivada de las ciencias de la computación que utiliza principios derivados de la matemática, la lógica, la mecánica e incluso de la biología, para resolver problemas que involucren la comprensión, el modelamiento, y la inteligencia que involucra el proceso cognitivo. El propósito de la IA es desarrollar métodos y algoritmos que, luego de su implementación, permitan resolver un problema de una manera similar a la que lo realizaría un humano. No obstante, estos sistemas pueden procesar, almacenar, y relacionar sin olvidar una cantidad de datos imposibles para el humano, teniendo al mismo tiempo la capacidad de aprender y adquirir nuevas habilidades durante su funcionamiento. De este modo, la IA tiene la capacidad de establecer relaciones entre variables, reconocer patrones, modelar situaciones y comportamientos, y predecir futuros resultados.

Gustavo Metral (Smart Gear / K-Sport)

-¿Cómo puede resultarle útil a un cuerpo técnico de fútbol?

-Lo que hace un staff como primer punto, es seleccionar un modelo de juego (MJ) para que su equipo desarrolle en el campo. Todos los MJ tienden a la perfección, es decir que no existen modelos que, -per se-, sean superiores unos de otros. La diferencia está entonces en la maestría con la que cada equipo ejecuta su propio MJ. En este escenario, SG evalúa objetivamente qué aspectos del MJ son ejecutados con mayor o menor precisión, y con qué capacidad de rendimiento los jugadores desarrollan el rol táctico asignado. A partir de allí, cada staff cuenta con la posibilidad de tomar decisiones en base a evidencia objetiva obtenida a partir del rendimiento de juego, y no en base a los resultados y a criterios de carácter subjetivo. En otras palabras, SG no le dice al staff qué hacer sino que le comunica como se ejecutó el MJ, identificando las fortalezas y debilidades que sostienen o amenzan al éxito del MJ seleccionado y, por tanto, al rendimiento del equipo.

“La implementación del sistema es reciente. Sin embargo, en Latinoamérica ya lo utilizan seis seleccionados nacionales, mientras que a nivel de clubes, lo utilizan siete equipos del fútbol argentino, existiendo un creciente interés tanto a nivel local como internacional..”

 

-¿Quiénes utilizan actualmente Smart Gear?

La implementación del sistema es reciente. Sin embargo, en Latinoamérica ya lo utilizan 6 seleccionados nacionales, mientras que a nivel de clubes, lo utilizan 7 equipos del fútbol argentino existiendo un creciente interés tanto a nivel local como internacional.

-¿Cómo se implementa el sistema?
-Para el sistema post que es el que se está utilizando actualmente solo hace falta colocar un set de cámaras en el estadio que capturen las imágenes del partido y luego éstas necesitan ser cargadas en nuestro servidor para ejecutar los posteriores análisis. El sistema live, para ver datos en tiempo real, tendrá otros requisitos. Todavía está en desarrollo.

-¿En qué se diferencia Smart Gear de otras plataformas de match análisis?

-El sistema es totalmente diferente, Smart Gear utiliza procedimientos diversos a lo que puede usar una plataforma convencional de match analysis. Las plataformas de match analysis tradicionales brindan datos inconexos entre sí que no logran explicar el rendimiento, mientras que Smart Gear brinda información que explica el juego, analiza el rendimiento y produce conocimiento. Tomaré un solo ejemplo para ser concreto. Algunas plataformas de match analysis logran indicar parámetros de rendimiento físico mediante la descripción de la distancia recorrida en partidos, pero ninguna plataforma puede entender cuál es “la eficiencia física” (EF) de los desplazamientos ejecutados. Este parámetro indica cómo cada jugador traduce cada metro que se desplaza en el campo de juego en un beneficio táctico para su equipo. Lo que un entrenador resumiría diciendo si el jugador corre bien, o sí corre mal.

 

 

-Una variable de rendimiento físico vinculada al rendimiento táctico del equipo…

-Claro, y esto es clave. Porque un equipo puede recorrer una distancia significativamente menor a la de su rival, pero como los jugadores poseen un índice de cobertura de espacio más efectivo, ese equipo no necesita recorrer más distancia, debido a que se desplaza mejor que su contrincante; situación que le permitirá al equipo más eficiente estar mejor posicionado en cada disputa que el juego ofrece. De hecho uno de los de los equipos que el sistema midió con mejor nivel de EF ha sido el Barcelona FC dirigido por Guardiola, el índice de cobertura de espacios de ese equipo era en extremo elevado, y por ello no necesitaba recorrer gran distancia durante los partidos. Entonces, ¿qué aplicación tiene conocer la EF? Bueno, si se analizan una serie de partidos sin acceder a los valores de EF y hay un equipo que recorre sistemáticamente menos distancia que sus rivales, se podría concluir -de modo erróneo- que el equipo posee un inadecuado nivel de acondicionamiento físico y, a partir de allí, decidir incrementar la carga de trabajo para mejorar la prestación física. Esto será totalmente contraproducente ya que los jugadores incrementarán sus niveles de fatiga, y de no tener ningún problema pasarán a tener dos: en primer término la prestación física disminuirá por el incremento en la carga de trabajo, y el segundo es que a causa de la fatiga promovida por el aumento de la carga de entrenamiento se ocasionarán problemas en los índices de: toma de decisión, eficiencia de los desplazamientos, cobertura de espacio, y en la precisión de todas las ejecuciones técnicas.

Todo esto por elevar la carga de trabajo a un equipo que no lo necesita.  Éste es solo uno de entre varios ejemplos que que demuestran que las plataformas de match analysis presentan datos inconexos, mientras que SG presenta información que conduce a la producción de conocimiento. Podría hablar infinitamente de cada dato que produce una plataforma de match analysis y de la información que genera SG, de cada métrica, de cómo cada datos es obtenido, de cómo es validado, de cómo se integran e interpretan. Sería una respuesta infinita, pero cierro la respuesta como comenzó, estamos hablando de realidades de análisis totalmente diferentes.

-¿Qué conclusiones definitivas se pueden obtener con el uso de Smart Gear?
-En principio el sistema permite extraer las conclusiones que necesiten obtenerse a nivel individual como colectivo. Pero para dar un ejemplo concreto, debo decir que la primer conclusión que el sistema ofrece se relaciona con la medición del rendimiento con el que se jugó un partido, o sea que permite responder que tan bien o que tan mal un equipo jugó mediante una respuesta cuantitativa, el IP. Y esto es un suceso nuevo en el fútbol.

Marcelo Gantman

Director de Contenidos de Analítica Sports.

Twitter