Искусственный интеллект в футболе: от ChatGPT до анализа травм

Футбольные романтики по‑прежнему уверены: игру решают люди. Но в кабинетах клубов все чаще думают иначе. Деньги огромные, конкуренция бешеная, и любая, даже микроскопическая, фора превращается в оружие.

Сторонники искусственного интеллекта в футболе повторяют одну мантру: технологии не заменяют людей, а усиливают их. На практике это выглядит куда менее стерильно.

«Вы будете удивлены, сколько клубов уже пользуются ChatGPT или другими открытыми моделями просто, чтобы поиграть с идеями», — говорит Bracha. — «Я это вижу постоянно. Но получить по‑настоящему качественные инсайты от LLM — вот это сложно».

Блогер, “Арсенал” и рождение Marquee

Bracha не сторонний наблюдатель. Он фанат Arsenal, который начинал как обычный блогер: сидел дома, писал длинные тексты о лондонском клубе, совмещая «глаз» и цифры, и указывал, кого топ‑команды должны подписать.

Аудитория росла. В какой‑то момент основная работа в IT стала забирать слишком много времени, и Bracha обучил модель, которая стала делать для него «скелеты» текстов. Он лишь допиливал детали.

Потом он совместил оба мира — и наткнулся на неожиданные находки.

«Мне начали писать профессиональные скауты и люди из клубов: “Откуда ты это знаешь об этом игроке?” А я им: “Да я ничего не знаю. Это просто ChatGPT”», — вспоминает он со смехом. — «И тут я задумался: если их это впечатляет, чем они вообще пользуются сейчас?»

Ответ оказался запутанным.

Данные у клубов были. Стандарта — нет.

Футбол утонул в цифрах. С появлением Wyscout в начале 2010‑х мир увидел, что такое глобальная платформа футбольной статистики. Затем в игру вошли конкуренты. Сегодня провайдеров столько, что информация превращается в шум.

«За последние 10 лет индустрия прошла путь от тотального дефицита до перегруза данными. Появилась другая проблема — слишком много разных поставщиков», — объясняет Bracha.

Его компания Marquee, работающая с клубами по всему миру, как он говорит, «режет лишнее».

«Мы автоматизируем все эти, по сути, “прославленные эксельки” и разрозненные платформы, которые нельзя собрать в одно целое. Мы делаем это за них. В каком‑то смысле Marquee — это аналитический отдел, который работает на клуб», — говорит он.

Marquee — не симулятор в духе Football Manager или EAFC Career Mode, подчеркивает Bracha. Платформа за деньги клиента выдает конкретные профили потенциальных новичков, учитывая не только их уровень, но и соответствие игровой системе.

Клубы не обязаны слушать эти рекомендации. Скауты могут принять их или выбросить в корзину. Но ценность очевидна: сервисом уже пользуются несколько клубов из Premier League, его публично поддерживали Barcelona и Chicago Fire. Нашли ли они с помощью Marquee нового «скрытого бриллианта» — вопрос открытый. Но сам инструмент уже стал частью пейзажа.

Когда машина первой видит беду

В матче MLS между FC Cincinnati и Nashville SC в прошлом сезоне система клуба заметила тревожный сигнал по Matt Miazga.

За пять минут до того, как защитник сам попросил замену, технологии зафиксировали «нерегулярный паттерн движений».

Это не означало, что травму можно было предотвратить. Данные поступают не в реальном времени, никто не заставлял игрока доигрывать через боль. Но система отметила ошибку. Машина первой «поняла», что с ним что‑то не так.

Определить, когда футболист сможет вернуться на 100%, — следующий шаг, в котором пытается помочь AI.

Springbok Analytics заходит с самой сложной стороны. Их запрос клубам звучит просто: «Пришлите нам вашу самую проблемную травму». Чаще всего это подколенное сухожилие — та самая зона, которую футбол до конца так и не разгадал.

Исследование NIH 2020 года показало: на травмы задней поверхности бедра приходится около 12% всех повреждений в профессиональном футболе. Повторные травмы колеблются от 4 до 68%.

Чаще всего их связывают с усталостью: основной массив случаев приходится на концовки таймов. Клубы по всему миру годами ищут идеальный протокол реабилитации. Никто так и не нашел.

«У нас есть все новые технологии, новые методы тестирования… измеряем силу, бег, что угодно. Но травмы подколенных сухожилий не уменьшились. Их стало больше», — говорит Analytics Director Springbok Analytics Matt Brown.

Он уверен, что часть ответа — в данных.

Травма как факт понятна. А вот измерить силу мышцы, баланс, атрофию — долго и мучительно.

«Нужно сканировать игрока в момент травмы, через два месяца, через шесть — отслеживать атрофию и понимать, получаете ли вы тот стимул и те изменения, к которым стремитесь», — объясняет Brown.

Из детской хирургии — в NBA и MLS

Springbok вырос из лабораторий Университета Вирджинии. Там ученые разработали гиперточную MRI‑технологию для пациентов с детским церебральным параличом, создавая 3D‑модели для точных операций по удлинению сухожилий.

Методика сработала — и команда решила перенести ее в спорт. В 2023 году к ним присоединилась NBA, в этом году Springbok вошел в Innovation Lab MLS.

Классический MRI, по словам Brown, — это «тысячи и тысячи срезов двухмерных серых картинок». Врачи вручную наслаивают их, анализируют и только потом формируют трехмерную модель.

Springbok ускоряет этот адский труд.

«Мы можем заранее обработать эти изображения с помощью AI. Берем весь этот безумный массив MRI, 3D‑пространство и время, прогоняем через модель, строим границы мышц и выдаем очень точный, красивый 3D digital twin», — говорит Brown.

Springbok не лечит травмы и не обещает чудесной профилактики. Их задача — превратить сложнейший разбор снимков в управляемый процесс. Там, где раньше уходила неделя, данные появляются через несколько часов.

«Мы — система поддержки. Делаем MRI намного более полезным и применимым. Но реализуете все вы. Мы даем измерения, а вы учились этому 10 лет и имеете собственную философию», — подчеркивает Brown.

10 секунд на будущее академии

Каждый день тренеры академии Philadelphia Union мучаются одними и теми же вопросами.

К какому уровню готов юный игрок? Где проходит граница между физическим развитием и качеством игры? Сколько матчей за первую команду может выдержать подросток вроде Cavan Sullivan — и выдержит ли его тело?

Единого ответа нет.

Клубы MLS измеряют силу, рост, прогнозируемую высоту, пик формы. Но все это — трудоемкие догадки.

Fit:Match уверены, что могут вмешаться быстрее и точнее. Им нужен только телефон и 10 секунд.

Схема проста: пользователь делает четыре фото игрока с разных ракурсов. Смартфон считает рост, массу, размах рук — все базовые параметры. Затем выдает более продвинутые: предполагаемый рост, стадию биологического созревания, приблизительный образ «полной физической готовности» — и показывает все это пользователю.

Основатель технологии Haniff Brown полушутя называет продукт «ChatGPT для футбола». Стандартная для профклубов процедура оценки антропометрии сжимается до получаса? Нет — до 30 секунд.

Brown пришел в спорт из модной индустрии. Там он искал способ мгновенно сканировать тело с помощью смартфона, чтобы клиент не заказывал четыре рубашки и не возвращал три.

«Как позволить человеку загрузить профиль тела, чтобы он сразу купил одну вещь — и все?» — объясняет он логику старта.

Потом к нему потянулись больницы и медицинские компании. В 2024 году с ним связался европейский клуб, который попросил просканировать игроков академии. Brown понял: масштаб может быть куда шире.

«Я с самого начала был жесток в одном: процесс не должен занимать больше 15 секунд. Потому что тренеры ненавидят долгие тесты. Им нужно, чтобы дети возвращались к упражнениям. Чем дольше и сложнее оценка, тем меньше шансов, что ее будут использовать», — говорит он.

Клуб купился. Затем подтянулись другие.

Но всплыла старая футбольная проблема: человеческий фактор.

«Мы увидели, что один тренер для одного и того же игрока выдает один результат, а другой — другой», — рассказывает Brown.

Fit:Match убирает этот разброс.

Четыре фото, 30 секунд — и на экране появляется подробный профиль. Сейчас системой пользуются и клубы, и сами дети.

«Когда родители регистрируют ребенка в академию, они могут загрузить его фото. Мы создаем digital twin, а на бэкенде передаем MLS все параметры этого игрока», — говорит Brown.

Это помогает клубам точнее определять возрастные группы и траектории развития. Мир детского футбола по‑прежнему сильно зависит от физики.

«14‑летний ранний созревший игрок — это совсем не то же самое, что 14‑летний поздний. Теперь MLS может научно различать их и строить лучшие пути для поздних, чтобы они не выпадали из системы», — объясняет Brown.

Этика, страхи и вопрос “кто лишний?”

Все это звучит впечатляюще, местами революционно. Но за каждой новой технологией в футболе прячутся неудобные вопросы.

Машины, которые помогают прогнозировать развитие подростка, — это уже не просто цифры. Это судьбы.

«Первым шагом было сделать так, чтобы люди почувствовали себя комфортно», — признает Brown.

Marquee пришли к тому же выводу: они должны работать вместе с клубами, а не вместо них.

«Главное — чтобы им было комфортно с тем, что мы делаем. Когда у нас появятся общие успешные кейсы, мы их обязательно опубликуем», — говорит Bracha.

Есть и еще одна моральная грань: если платформа делает работу быстрее и точнее, что будет с людьми, чья должность — разбираться в этих данных?

Bracha смотрит на это жестко, по‑бизнесовому.

«С точки зрения ROI всегда будет быстрее, дешевле и точнее прийти к нам. Мы уже все построили и продолжаем в это инвестировать. Это ваша единственная статья расходов. Одна из самых больших трат клубов — зарплаты. Им что, нанимать еще людей, чтобы строить такое же, или купить готовое? Это главный вопрос AI сейчас: строить или покупать? В этом случае, думаю, покупать», — говорит он.

Гарантий успеха это не дает.

Wolfsburg были одними из первых в Европе, кто громко объявил о ставке на AI. Клуб заявлял, что экономит около €1 млн в год на административных задачах и профилактике травм. Но в прошлом сезоне команда провалилась на поле и получила волну критики: пиар про искусственный интеллект звучал особенно громко на фоне слабых результатов.

Немцы, впрочем, не отступили и только усилили курс. Sevilla используют IBM WatsonX для управления данными.

Когда тренер спрашивает ChatGPT о тактике

Некоторые специалисты относятся к AI как к игрушке, с которой можно поэкспериментировать. Fraser признается, что игрался с ChatGPT, просчитывая возможные матчапы и схемы.

Другие заходят дальше.

Главный тренер Seattle Reign Laura Harvey в октябре 2025 года попала в заголовки, когда рассказала, что использовала ChatGPT при выборе тактики. В подкасте Soccerish с Lori Lindsey и Christina Unkel она с заметной гордостью призналась, что спросила у модели: «Какую формацию нужно использовать, чтобы обыгрывать команды NWSL?»

Для двух из тогдашних 14 клубов лига модель выдала один и тот же ответ: «играть с пятеркой защитников». Harvey обдумала идею, обсудила с штабом — и Reign перешли на систему с пятью защитниками.

Команда финишировала пятой, поднявшись на восемь позиций по сравнению с предыдущим сезоном.

Сделал ли ChatGPT из Seattle Reign другую команду? Конечно нет. Но он подкинул идею, которая в итоге оказалась на поле. Для сторонников AI — это уже победа.

Провалов тоже хватает. Модели выдают мусор, рекомендации отправляются в корзину. Но, возможно, дело не в результате.

Это просто еще один инструмент в мире, где расстояние между успехом и провалом — в один пас.

И в такой реальности вопрос этики или восприятия технологий отходит на второй план.

«Мы все ищем любое преимущество, которое можем получить», — говорит Fraser.

И, похоже, футбол уже решил: если за подсказкой иногда можно обратиться к машине, то почему бы не спросить?