Non solo il VAR. Il calcio sta cambiando e l’utilizzo delle nuove tecnologie sta cominciando ad avere un peso sempre più determinante. Tattica, strategia, allenamenti, scouting. L’intelligenza artificiale è diventata uno strumento quotidiano per club, arbitri e analisti che hanno bisogno di analizzare in tempo reale una gran quantità di dati. Tuttavia, nonostante l’apertura, il calcio non ha ancora sfruttato appieno tutte le potenzialità dell’AI.
Un esempio di applicazione sofisticata dei sistemi di analisi avanzata sono gli sport motoristici, in particolare la F1. La differenza è culturale: sì perchè se in F1 le decisioni sono già fortemente data-driven, nel calcio spesso i dati restano di supporto all’intuizione di staff e allenatore. In questo scenario, calcio e automobili stanno adottando due velocità diverse nell’implementare le nuove tecnologie.
Dove il calcio può migliorare: i dati in corso di gara
Temperature gomme, consumo carburante, grip. Una macchina di F1 genera migliaia di dati al secondo per stabilire in tempo reale alcuni dei parametri di gara fondamentali. Ad esempio, quando fare i pit stop, quale strategie gomme adottare, come reagire in caso di safety car o pioggia. Nel calcio, questo modello della “decisione tattica in tempo reale” potrebbe trovare applicazione durante la partita, suggerendo allo staff strategie tattiche e di gestione del gruppo notevolmente più accurate.
L’AI, ad esempio, potrebbe suggerire cambi ottimali basati su fatica e rendimento. Oppure aggiustamenti tattici basati sulle mosse dell’avversario. E ancora, il rischio di calo fisico o infortunio imminente da parte di uno o più giocatori. La differenza tuttavia sta nei momenti: oggi molti club utilizzano insight e dati analitici post partita mentre la F1 li utilizza durante la gara. Questo fa delle corse a quattro ruote uno dei massimi ambiti di applicazione di AI nello sport mondiale.
Simulazioni strategiche prima delle partite
Immaginiamo un Juventus-Inter simulato 20mila volte prima della partita. L’impatto di un’analisi deterministica, come accade nella F1, potrebbe davvero fare la differenza. Questo è uno dei campi d’applicazione dell’AI dove è più netta la differenza tra i due sport, per un semplice discorso di complessità analitica. Nella F1, infatti, questo approccio funziona bene perchè i dati fanno riferimento a una sola macchina, un solo pilota e un ambiente relativamente controllato.
Con queste informazioni, i team simulano migliaia di scenari di gara scegliendo di conseguenza strategie ottimali, vicinissime al reale. Nel calcio invece, l’analisi dati farebbe capo a variabili più marcate: 22 giocatori e uno sviluppo della gara non sempre lineare. In questo senso, l’analisi predittiva può certamente stimare variabili come la probabilità di vittoria o l’impatto di un cambio tattico, ma in maniera molto meno precisa rispetto alla F1.
BYD valuta l’ingresso nei motorsport: nel mirino Formula 1 e gare endurance
Prevenzione dagli infortuni
Anche nella gestione della condizione fisica dell’atleta, le differenze tra il calcio e la F1 ci sono e si vedono. Nel primo caso, grazie all’AI si potrebbero prevedere i fattori che incidono sulla tenuta atletica e muscolare con maggiore precisione (guardando a dati come la qualità del sonno, lo storico medico, i dati biomeccanici, il carico in allenamento). In F1 invece, l’utilizzo delle piattaforme AI parte da una base più consolidata: questo perché, già da tempo, gli algoritmi vengono utilizzati durante il monitoraggio di parametri quali lo stress cognitivo e lo stress fisico, senza margini di errore.
Tuttavia, come succede nella massima competizione automobilistica, dove l’AI suggerisce l’affidabilità delle componenti in base al grado di usura, nel calcio questa misura potrebbe trovare applicazione nello studio delle rotazioni tra giocatori, al fine di evitare eccessivi carichi muscolari e di schierare sempre la formazione migliore dal punto di vista atletico.
Il “Digital Twin” dell’atleta
Nelle gare automobilistiche di F1, ogni macchina ha praticamente un gemello digitale. Si tratta di un modello virtuale capace di simulare il comportamento della vettura quando è in pista. In pratica, mentre la macchina corre, un modello virtuale corre insieme a lei nei computer del team. Durante una gara il processo di analisi attraverso il Digital Twin ha un’importanza straordinaria: la macchina in pista invia centinaia di sensori al Pit Wall; i dati alimentano il digital twin nei server del team; iI modello simula migliaia di scenari futuri.
La strategia di gara è dunque gestita dal team basandosi su modelli decisionali probabilistici anziché attraverso la semplice intuizione umana. Tali programmi vengono fatti girare spesso su piattaforme Cloud oppure con partner come Amazon Web Services. Anche nel calcio, il Digital Twin potrebbe essere utilissimo sotto diversi punti di vista: si tratterebbe di creare, per ogni singolo giocatore, un modello virtuale in grado di simulare il suo comportamento fisico, tecnico e tattico.
Nei dati analizzati sarebbero poi compresi i parametri specifici per ogni ambito di applicazione (ad esempio, posizione in campo, spazi occupati, xg dei tiri, precisione dei passaggi, battito cardiaco, carico muscolare).
È tornata la Formula 1: cos'ha funzionato e cosa no
La cultura del Data-Driven
La lezione più grande dello sport su quattro ruote non è tecnologica, ma culturale. In F1 infatti le decisioni sono guidate dai dati e ogni singola variazione viene prima testata attraverso centinaia di simulazioni. Nel calcio invece a prevalere al momento è sempre l’intuizione umana e i dati, ancora, rappresentano solo in parte uno strumento decisionale.