La IA en el fútbol de élite: revolución silenciosa

En los despachos de los grandes clubes ya no solo se escucha el clic del ratón y el murmullo de los ojeadores. También se oye otra cosa, menos visible pero igual de presente: algoritmos, modelos de lenguaje, escáneres 3D. La inteligencia artificial se ha instalado en el fútbol con una promesa muy simple en un entorno despiadado: cualquier ventaja, por pequeña que sea, vale oro.

De bloguero del Arsenal a proveedor de datos para clubes

Bracha lo ha vivido en primera persona. Hincha acérrimo del Arsenal, empezó como tantos otros: un blog, análisis detallados de los Gunners desde casa, mezcla de ojo futbolero y herramientas tecnológicas caseras para detectar fichajes potenciales. Sus textos empezaron a correr y el trabajo “de verdad” en el sector tecnológico le dejó sin tiempo. Así que hizo lo que sabe: entrenó un modelo de IA para que le generara el esqueleto de las entradas del blog.

Entonces decidió juntar las dos cosas. Y aparecieron los tesoros escondidos.

“Empecé a recibir mensajes de ojeadores profesionales y gente de clubes preguntándome: ‘¿Cómo sabes eso de este jugador?’”, recuerda. Su respuesta les descolocaba: era un modelo tipo ChatGPT el que había armado buena parte de la información. Si eso ya impresionaba a los profesionales, se preguntó qué estaban usando ellos realmente.

La respuesta le abrió un nicho. Los clubes estaban inundados de datos, pero sin orden. Wyscout irrumpió en la década de 2010, luego llegaron otros proveedores, y el fútbol pasó de la escasez a la sobrecarga. Demasiados números, demasiadas plataformas, poca estandarización.

“En los últimos 10 años esto ha pasado de la escasez absoluta a la sobrecarga de datos”, resume Bracha. De ahí nace Marquee, su empresa, que trabaja con clubes de todo el mundo. Su misión: cortar el ruido.

Marquee automatiza tareas que muchos departamentos de análisis siguen haciendo en hojas de cálculo y en plataformas que no se hablan entre sí. Se vende, en la práctica, como un departamento analítico externo. No es un Football Manager de lujo ni un modo Carrera de EAFC vitaminado: el sistema genera perfiles muy concretos, por encargo, que recomiendan posibles fichajes según su rendimiento, pero también según su encaje táctico y de modelo de juego.

El club, claro, no está obligado a seguir nada de eso. Puede ignorar las sugerencias. Pero el servicio se ha ganado peso. Ya lo usan varios equipos de la Premier League y ha recibido el respaldo público de Barcelona y Chicago Fire. ¿Están encontrando la próxima joya oculta del mercado? Nadie lo puede asegurar. Lo que sí está claro es que la IA ya forma parte del paisaje del reclutamiento.

Cuando la máquina detecta el cansancio antes que el jugador

En la MLS, FC Cincinnati vivió una escena que resume el nuevo escenario. En un partido ante Nashville SC, la tecnología del club detectó que algo no iba bien con Matt Miazga. Cinco minutos antes de que pidiera el cambio, el sistema marcó “un patrón de movimiento irregular”.

No era una alerta en directo que obligara a retirarlo. Los datos no llegan con esa inmediatez. No evitaron la lesión. Pero el sistema dejó claro algo inquietante: la máquina ya había visto el problema.

La siguiente pregunta es igual o más importante: ¿cuándo puede volver ese jugador a su máximo nivel? Ahí entra otro actor de este nuevo ecosistema, Springbok Analytics, con una petición muy clara a sus clientes: “enviadnos vuestra lesión más complicada”. En fútbol, casi siempre significa lo mismo: el isquiotibial.

El dato es demoledor. Un estudio de 2020 del NIH cifró las lesiones de isquios en el 12 por ciento de todas las lesiones profesionales de fútbol, con tasas de recaída que oscilan entre el 4 y el 68 por ciento. Se asocian al cansancio, aparecen sobre todo al final de cada parte y llevan años desafiando a médicos y preparadores físicos.

Matt Brown, director de Analytics en Springbok, lo ve claro: el problema no es solo físico, es de datos. Medir fuerza, equilibrio muscular, atrofia… es un proceso largo y complejo. Y el resultado es que, pese a toda la tecnología nueva, las lesiones de isquios no han bajado. Han subido.

La propuesta de Springbok pasa por escanear al jugador en el momento de la lesión, dos meses después, seis meses después, y seguir de forma precisa la evolución del músculo. Su tecnología nació en la Universidad de Virginia para tratar a pacientes con parálisis cerebral mediante resonancias magnéticas de altísima precisión y modelos 3D que ayudaban a cirujanos pediátricos a calcular intervenciones de alargamiento de tendones. Funcionó. Y el deporte profesional llamó a la puerta.

La NBA se sumó en 2023. La MLS seleccionó a Springbok para su Innovation Lab este año.

Brown define la resonancia tradicional como “miles y miles de cortes de imágenes bidimensionales en gris” que los médicos tienen que superponer y analizar a mano para hacerse una idea 3D. Springbok usa IA para preprocesar esas imágenes, delimitar los músculos y entregar un “gemelo digital” en 3D, pulido y listo para interpretar, en cuestión de horas. No curan, no prometen milagros. Traducen un océano de datos en algo accionable, mucho más rápido de lo habitual.

“Somos el sistema de apoyo”, insiste Brown. Ellos ponen las mediciones; la decisión final sigue siendo de los médicos del club.

Un escáner de 10 segundos para decidir el futuro de un canterano

En la academia de Philadelphia Union, como en tantas otras, las preguntas se repiten cada día: ¿a qué nivel está preparado este chico? ¿Qué pesa más, su desarrollo físico o su calidad? ¿Cuántos minutos puede soportar en el primer equipo un talento precoz como Cavan Sullivan sin poner en riesgo su cuerpo?

Hasta ahora, no había una única respuesta. Las pruebas físicas, los pronósticos de crecimiento y los test de rendimiento eran largos, manuales y, en gran parte, conjeturas.

Ahí entra Fit:Match. Su promesa es tan ambiciosa como sencilla: con un móvil y 10 segundos, ofrece una ventana al futuro físico de un futbolista en formación.

El proceso es casi banal: cuatro fotos del jugador desde distintos ángulos. El teléfono calcula altura, masa corporal, envergadura y un sinfín de medidas básicas. Luego va más allá: proyecta la altura probable, el grado de maduración del crecimiento y dibuja un boceto de cómo podría ser su físico a plena madurez. Todo en menos de 30 segundos. Su fundador, Haniff Brown, lo define medio en broma como “ChatGPT para el fútbol”.

Brown no viene del deporte, sino de la moda. Su primera batalla fue ayudar a los clientes a no comprar cuatro camisas para luego devolver tres. Con escaneos corporales instantáneos desde el móvil, pretendía clavar la talla a la primera. La idea llamó la atención de hospitales y empresas de salud. Y en 2024, un club europeo —del que no trasciende el nombre— le pidió que escaneara a todos sus canteranos. Ahí vio el salto lógico hacia el fútbol.

Tenía una condición innegociable: el proceso no podía durar más de 15 segundos. Sabía que los entrenadores odian las evaluaciones largas que les roban tiempo de campo. Cuanto más complejo el test, menos se usa.

El sistema convenció al primer club. Luego llegaron más. Uno de los problemas que detectaron fue casi cómico si no fuera tan serio: para el mismo jugador, dos entrenadores del mismo equipo obtenían medidas distintas en las pruebas manuales. Fit:Match elimina esa variabilidad. Cuatro fotos, 30 segundos de procesamiento y el club recibe un perfil detallado y homogéneo.

Hoy lo usan tanto entidades como familias. Cuando unos padres inscriben a su hijo en una academia, pueden subir las fotos. El sistema genera su gemelo digital y, en segundo plano, envía a la MLS un paquete de datos sobre ese jugador. Eso ayuda a colocarle en la categoría adecuada y a entender si es un desarrollo temprano o tardío.

Y ese matiz es crucial. El fútbol base sigue condicionado, en parte, por el tamaño físico. Un chico de 14 años que se ha desarrollado antes no es comparable a otro de la misma edad que llegará más tarde a su pico. Con estas herramientas, la liga puede ajustar recorridos, proteger a los “late developers” y evitar que se caigan del sistema por una simple desventaja biológica temporal.

Ética, empleos y el eterno dilema: construir o comprar

Todo suena rompedor, casi de ciencia ficción aplicada al césped. Pero abre dilemas incómodos. Proyectar la carrera de un adolescente con ayuda de una máquina no es cualquier cosa. Cambiar procesos muy humanos por algoritmos genera desconfianza, y no solo entre entrenadores veteranos.

“El primer paso fue lograr que la gente se sintiera cómoda”, admite Brown. Lo mismo entendieron en Marquee: su rol no es sustituir, sino trabajar codo a codo con los clubes. Ganarse la confianza con casos de éxito, y solo entonces contar la historia.

En paralelo, flota otra pregunta incómoda: ¿qué pasa con los empleos que pueden verse afectados? Bracha no esquiva el tema y lo reduce a un cálculo frío de retorno de inversión. Los salarios son uno de los mayores gastos de un club. Montar un departamento propio de datos avanzado implica contratar, formar y mantener equipos caros. O se puede “comprar fuera” algo ya construido y en constante mejora.

La disyuntiva es la que recorre hoy todo el mundo de la IA: ¿construir o comprar? Para Bracha, la respuesta, al menos en este caso, es clara: comprar.

Eso no garantiza nada en el marcador. Wolfsburg fue uno de los pioneros europeos en adoptar soluciones de IA. Presumieron de ahorrar un millón de euros al año en tareas administrativas y prevención de lesiones. En el césped, el rendimiento fue pobre y el club recibió una lluvia de críticas por su campaña de imagen tecnológica mientras el equipo sufría.

Lejos de recular, han redoblado la apuesta. Sevilla, por su parte, trabaja con IBM WatsonX para gestionar su montaña de datos.

Cuando ChatGPT sugiere una defensa de cinco

La IA también se ha colado, sin tanto ruido, en los pizarrones tácticos. Algunos técnicos han reconocido que han jugueteado con ChatGPT para explorar emparejamientos, ventajas y dibujos. Otros han ido más lejos.

Laura Harvey, entrenadora de Seattle Reign, lo contó sin complejos en octubre de 2025 en el podcast Soccerish, junto a Lori Lindsey y Christina Unkel. Le preguntó directamente al modelo: “¿Qué formación deberías usar para ganar a los equipos de la NWSL?”. Para dos de los 14 equipos de la liga en aquel momento, la respuesta fue clara: defensa de cinco.

Harvey le dio vueltas, llevó la idea a su cuerpo técnico y el Reign acabó apostando por un sistema con cinco atrás. Terminaron quintas, ocho puestos mejor que la temporada anterior. No fue ChatGPT quien transformó al equipo, pero sí puso sobre la mesa una variante que acabó cristalizando en el campo.

Para los defensores de la IA, eso ya es un triunfo: una chispa, una idea más en un entorno donde cualquier detalle puede inclinar la balanza.

Por cada éxito, hay baterías de datos desechados, modelos que no encajan, recomendaciones que acaban en la papelera. Pero quizá ese no sea el punto. La IA no llega para dictar sentencias, sino para sumar una herramienta más en un deporte cada vez más apretado, donde el margen de error es mínimo y la presión por encontrar ventajas es constante.

Un técnico lo resumió con crudeza y sin adornos: “Buscamos cualquier ventaja que podamos conseguir”. La pregunta ya no es si el fútbol aceptará a la IA. Es cuánto tardará en no saber vivir sin ella.