¿Puede la IA analizar un partido amateur?

El análisis automático existe y funciona, sobre imágenes de televisión: planos altos, varias cámaras, jugadores profesionales con camisetas contrastadas. Los modelos se han entrenado ahí. Un vídeo de club, tomado a cuatro metros de altura desde la banda, con camisetas de entrenamiento y un balón que desaparece detrás de un jugador dos veces por minuto, es otro problema. Esto es lo que da hoy cada promesa sobre ese tipo de imagen.

Detectar a los jugadores: sí

Localizar que hay una persona en tal punto del campo funciona bien, incluso en un vídeo amateur, incluso a sesenta metros. Es la base de todo lo demás, y es sólida. Los errores vienen de los espectadores de pie detrás de la línea, de los suplentes que calientan y del árbitro: el modelo los cuenta como jugadores, y hay que decirle dónde termina el campo.

Seguir el balón: a medias

El balón es pequeño, a menudo queda tapado, y se parece a una zapatilla clara, a una cabeza, al balón de calentamiento detrás de la portería. En un plano abierto amateur, el seguimiento lo pierde con regularidad y lo recupera unos segundos después, a veces en otro balón. El reencuadre automático que depende de él sale del paso suavizando: cuando pierde el balón, sigue al grupo de jugadores, y se nota poco. Una estadística de posesión construida sobre ese seguimiento, en cambio, es falsa sin que se vea.

Reconocer quién es quién: no

Es la promesa más frágil. Leer un número de camiseta a veinte píxeles de alto, de espaldas y en movimiento no funciona de forma fiable. Los sistemas que «siguen a tu hijo» suelen pedir que se les señale al principio y lo pierden en la primera aglomeración, o se apoyan en un reconocimiento facial. Con jugadores menores de edad, este último plantea una cuestión que va más allá de la técnica, tratada en filmar a jugadores menores de edad: pregunta en qué base legal funciona antes de preguntarte si funciona.

Las estadísticas: la cifra correcta y la cifra verosímil

Posesión, pases acertados, distancia recorrida, mapas de calor: en un vídeo amateur, estas cifras se producen, y parecen correctas. Proceden de un seguimiento del balón incierto y de una identificación de jugadores aproximada, y el error se acumula. El peligro es que sean verosímiles. Un entrenador que corrige una «posesión del 38 %» quizá está corrigiendo una cifra que no existe.

La prueba que zanja la cuestión lleva un partido: contar a mano un solo indicador sencillo (los saques de puerta perdidos, los tiros) y compararlo con la cifra automática. Si la diferencia supera una cuarta parte, el sistema no mide con fiabilidad; sirve para mirar. La manera de contar a mano se describe en ¿hacen falta estadísticas a nivel amateur?.

Lo que la IA hace bien en un vídeo amateur

• Encontrar las fases. Saques iniciales, interrupciones del juego, descanso, tiempos muertos: dividir un archivo de hora y media en fases de juego es fiable y ahorra tiempo.
• Reencuadrar para mirar. El montaje que sigue el juego es agradable para los padres y los jugadores, y no pretende medir nada.
• Encontrar los goles y las paradas. El público reacciona, el juego se detiene, el modelo lo ve.
• Unir dos imágenes. Coser dos aparatos en un panorama y corregir la deformación es un problema resuelto, que no tiene nada que ver con entender el juego.

Lo que cambia para el entrenador

Nada de lo anterior sustituye el gesto que cuenta: decidir qué se busca y encontrar tres situaciones. La IA ayuda a encontrar; todavía no sabe qué merece ser encontrado en un partido de club, porque eso depende del tema de la semana y del equipo. Una herramienta que deja al entrenador señalar el momento y se encarga del resto es hoy más útil que una herramienta que adivina.