Como a inteligência artificial está mudando o esporte profissional

Denis Poroy/Getty Images

A MLB foi a primeira liga norte-americana a utilizar análise de dados como fator decisivo para contratar jogadores e técnicos para suas equipes

Acessibilidade

É época do clássico do outono, as World Series da Major League Baseball (MLB). Enquanto as duas melhores equipes disputam o campeonato este ano, há alguns atores no jogo além dos atletas, treinadores, árbitros e fãs – o big data, a análise de dados e a inteligência artificial. Sabe o que é ainda mais interessante? Esses novos atores também prevalecem no futebol americano, basquete e hóquei, e estão mudando o cenário dos esportes para sempre.

A entrada desse tipo de tecnologia e dados na cena esportiva profissional começou realmente em 2002, com a equipe de baseball Oakland Athletics. O gerente geral Billy Beane e seu assistente Paul DePodesta seriam os pioneiros do sabermetrics, a análise empírica do beisebol, especialmente as estatísticas que medem a atividade no jogo. Afastando-se das métricas tradicionais, Beane e DePodesta focaram nas corridas (que é como os jogos são ganhos). Para obtê-las, é preciso que os jogadores cheguem à base, o que significa que a “porcentagem base” de repente ganhou muito mais peso do que métricas como home runs (jogada na qual o rebatedor coloca a bola para fora do campo, possibilitando que todos os jogadores do seu time que estão em uma base pontuem). Embora Oakland tenha chegado apenas aos playoffs de 2002, seu modelo de sabermetrics revolucionaria a forma como os times administram o jogo. Novas métricas como WAR (vitórias acima da substituição), velocidade de saída e taxa de acertos fortes se tornaram as novas referências.

Esses novos modelos analíticos remodelaram a forma como as equipes avaliam os jogadores e criam estratégias para contratá-los. Para apoiar esses esforços, as equipes mudaram suas estruturas de olheiros e passaram a contar com cientistas de dados obcecados em coletar cada fragmento de informação para conseguir qualquer tipo de vantagem, chegando até o ponto de identificar onde passar a bola no basquete contra um adversário específico em uma formação específica de defesa. Em essência, a cultura do esporte passou da tomada de decisão baseada no instinto para baseada em dados.

Do front office ao campo, as equipes estão empregando tecnologia em todos os lugares onde podem fazê-lo legalmente. (A maioria das ligas esportivas fornece limitações no uso de tecnologia.) Tablets agora estão disponíveis para análise de treinadores e jogadores – fora do campo – para que tenham a situação de jogo mais recente. Com GPS e lasers, os Los Angeles Dodgers estão explorando dados de geolocalização para identificar posições defensivas precisas por campo. Com a inteligência artificial e aprendizado de máquina, programas de treinamento individuais são criados para cada jogador, para que explorem cada faceta de seu jogo e evitem possíveis lesões, com base em sua fisiologia.

Para os árbitros, há um desafio diferente: o juiz eletrônico. No tênis, hóquei e beisebol, já observamos uma maior precisão. Jogadores e treinadores discutem menos se a bola de tênis está dentro ou fora. A National Hockey League parou de usar juízes de gols porque as câmeras na rede são mais eficazes e mais rápidas para sinalizá-los. No beisebol, o sistema PITCHf/x tem mais de 14 anos de dados que mostram que os árbitros acertam nas decisões sobre as tacadas em 66% das vezes. Com o avanço do replay instantâneo em todos os esportes e tecnologia de câmera aprimorada, pode não demorar muito para que os árbitros de IA sejam o novo normal. Imagine, por um instante, um mundo esportivo sem qualquer favoritismo por atletas famosos ou jogadores fingindo contato para “cavar” pênaltis.

Os fãs também estão se beneficiando do uso da tecnologia. Existem empresas, como a Reely.ai, que aproveitam o reconhecimento visual para identificar os momentos de destaque do esporte em tempo real e produzem clipes instantaneamente. A Thrive Fantasy, uma empresa de apostas (legais), gera palpites em tempo real conforme o jogo avança. Em um esforço para criar a experiência definitiva do torcedor, as equipes estão se concentrando em interações personalizadas e imersões por meio de recursos de IA, como perfis psicográficos e neurolinguística para falar a língua do torcedor. Além disso, estão fornecendo aplicativos de aprendizado de máquina para que eles possam produzir seus próprios replays ou pesquisar uma estatística misteriosa à vontade.

Até a química da equipe está passando por uma reforma tecnológica. Com a IA para avaliar as habilidades e personalidades dos jogadores, os times podem gerar modelos para ver como diferentes combinações de jogadores funcionariam. A produtividade da equipe será maior? A equipe criará um laço? Até o tipo mais eficaz de cultura de equipe e estilo de treinador são avaliados.

Poderemos, um dia, ver jogadores-robôs desenvolvidos por meio da inteligência artificial? Provavelmente não. Isso desumanizaria o jogo e praticamente acabaria com a diversão. Além disso, o esporte se tornou um dos pioneiros em tecnologia emergente, pavimentando o caminho, em muitos aspectos, antes mesmo da indústria privada. O uso de IA para química de equipe tem sido um precursor para empresas que implantam um modelo semelhante no recrutamento de profissionais e na formação de equipes ideais. As empresas de transporte precisam de localizações precisas para entrega de drones. Empresas de microlocalização, como a SmartPoint, estão adaptando ideias como o uso de lasers e GPS pelos Dodgers para estabelecer a precisão de um metro. Quer saber quais são as métricas mais relevantes para construir uma base de clientes ou estabelecer um novo mercado? As empresas estão aproveitando a abordagem que Oakland usou com o sabermetrics.

O mundo das sports techs mudou o jogo para sempre. Por sua vez, isso tem se mostrado um campo de provas interessante para a indústria se adaptar e usar essa tecnologia. À medida que a World Series (Final da MLB) avança, talvez ela inspire a próxima grande inovação corporativa.