La revolución silenciosa de la IA en el fútbol de élite
En los despachos del fútbol ya no se ficha solo con libreta y bolígrafo. Tampoco basta con un par de informes y algún vídeo en Wyscout. La batalla por la mínima ventaja se libra, cada vez más, con algoritmos, modelos de lenguaje y escáneres que convierten cuerpos en datos. Y, aun así, nada es tan sencillo como pulsar un botón y dejar que la máquina decida.
Del blog de un hincha de Arsenal a asesorar a clubes
Bracha lo sabe bien. Es fanático de Arsenal, empezó como tantos otros: un blog, análisis detallados de los Gunners desde casa, ojo futbolero y algo de tecnología para detectar jugadores interesantes. El típico aficionado obsesivo… hasta que dejó de ser típico.
Cuando su trabajo a tiempo completo en el sector tech empezó a devorarle las horas, se inventó un atajo: entrenó un modelo de IA para que le generara el esqueleto de los artículos. Él ponía el criterio; la máquina, la estructura. De esa mezcla salieron nombres que casi nadie tenía en el radar.
Y entonces llegaron los mensajes privados.
“Empecé a recibir consultas de ojeadores profesionales y gente de clubes preguntándome: ‘¿Cómo sabes eso de este jugador?’ Yo pensaba: ‘No lo sé, es ChatGPT’”, recuerda entre risas. La conclusión le golpeó de frente: si eso ya impresionaba a profesionales, ¿qué estaban usando ellos realmente?
La respuesta: muchos datos, poca coherencia. Herramientas como Wyscout habían abierto la puerta a una avalancha de información. Otras empresas se sumaron. De la escasez se pasó al exceso. Demasiadas bases de datos, pocos criterios claros.
“En los últimos 10 años, esta industria ha pasado de la escasez total a la sobrecarga de datos”, resume Bracha. De ahí nace Marquee, su compañía, que trabaja con clubes de todo el mundo para hacer justo lo que casi nadie tiene tiempo de hacer: limpiar, ordenar, priorizar.
“Automatizamos esos procesos de hoja de cálculo glorificada y las distintas plataformas que no se pueden consolidar en un solo sitio. Lo hacemos por ellos. En cierto sentido, Marquee es un departamento analítico externo que trabaja para el club”, explica.
No es un Football Manager de lujo ni un modo Carrera de EAFC vitaminado. Marquee vende perfiles muy concretos, hechos a medida, que sugieren posibles fichajes ajustados no solo a la calidad del jugador, sino al sistema y al contexto del equipo. El club puede seguir o no las recomendaciones. Pero el servicio ya está ahí.
Un puñado de equipos de la Premier League lo utiliza. Barcelona y Chicago Fire han expresado públicamente su apoyo. ¿Están encontrando la próxima gran ganga del mercado? Nadie lo sabe todavía. Lo que sí está claro es que ya forman parte del ecosistema.
Cuando la máquina ve antes que el cuerpo
La IA no solo mira hacia el mercado. También se mete en el césped, en los músculos, en el momento exacto en que una pierna dice basta.
En un partido de MLS entre FC Cincinnati y Nashville SC, el sistema tecnológico del club detectó algo raro en Matt Miazga. Un “patrón de movimiento irregular”. Cinco minutos después, el central pidió el cambio. El dato no llegó a tiempo para evitar nada, el sistema no funciona en tiempo real, pero dejó un mensaje inquietante: la máquina había visto el problema antes de que el jugador levantara la mano.
El siguiente paso ya no es solo detectar el riesgo, sino responder a la gran pregunta: ¿cuándo vuelve el futbolista… de verdad? Ahí entra Springbok Analytics.
Su petición a los clubes es casi un reto: “Enviadnos vuestra lesión más complicada”. La respuesta suele ser la misma: el isquiotibial. El viejo enemigo del fútbol moderno. Un estudio de 2020 del NIH cifró en un 12% el porcentaje de lesiones profesionales que afectan a los isquios. La tasa de recaída oscilaba entre el 4% y un brutal 68%.
Se asocia sobre todo al cansancio. Golpea al final de las partes, cuando las piernas pesan. Los clubes llevan años buscando la fórmula mágica de rehabilitación. Nadie la ha encontrado.
“Tenemos toda la nueva tecnología, mil maneras de testear a la gente… cuánta fuerza producen, cómo corren. Las lesiones de isquios no han bajado. Han subido”, advierte Matt Brown, director de Analytics en Springbok.
Su tesis: el problema está en cómo se mide. Una rotura es clara. Cuantificar fuerza, equilibrio muscular, atrofia y evolución es otra historia, larga y farragosa.
“Quieres escanear al jugador en el momento de la lesión, dos meses después, seis meses después, para seguir la atrofia y ver si estás logrando los cambios que buscas en el músculo”, explica.
Springbok nace en la Universidad de Virginia, donde se desarrolló una tecnología de resonancias magnéticas ultraespecífica para tratar a pacientes con parálisis cerebral. Creaban gráficos 3D que permitían a los cirujanos pediátricos calcular con precisión cuánto alargar un tendón. Funcionó. Y el siguiente paso fue el deporte.
La NBA se subió al proyecto en 2023. MLS incluyó a Springbok en su Innovation Lab este año.
Brown describe la resonancia tradicional como “miles y miles de cortes en 2D, en gris”. El médico debe apilarlos mentalmente, interpretarlos y construir una imagen 3D. Springbok acelera ese proceso.
“Ahora podemos preprocesar esas imágenes con IA. Tomamos todo ese caos de imágenes de MRI en 3D, lo procesamos, creamos los límites musculares y entregamos un gemelo digital 3D muy pulido”, detalla.
No curan. No prometen prevenir. Ofrecen algo más frío pero decisivo: tiempo y precisión. Lo que antes tardaba una semana, ahora se resume en horas.
“Somos el sistema de apoyo que hace que la imagen de una resonancia sea mucho más útil y accionable. No somos quienes la aplican. Damos las mediciones. El resto es del médico, que lleva 10 años formándose y tiene su propia tesis”, aclara Brown.
El futuro en 10 segundos y cuatro fotos
En el otro extremo de la cadena, lejos del primer equipo, la duda es otra: ¿hasta dónde puede llegar un adolescente? ¿Cuánto fútbol de élite aguanta el cuerpo de un chico como Cavan Sullivan? ¿En qué categoría debe jugar hoy para no romperse mañana?
En academias como la de Philadelphia Union, esas preguntas son rutina. Las respuestas, no tanto. Medir fuerza, talla, proyección de crecimiento, pico de rendimiento… todo es lento, manual, sujeto al ojo de quien mide.
Fit:Match promete convertirlo en algo casi instantáneo. Un móvil. Cuatro fotos. Diez segundos. Y un esbozo del futuro físico del jugador en la pantalla.
El proceso es simple de cara al usuario: se toman cuatro imágenes del futbolista desde distintos ángulos. El teléfono calcula altura, masa corporal, envergadura y un sinfín de medidas. Luego proyecta: estatura probable, maduración del crecimiento, una idea básica de su físico en plenitud. Todo en menos de 30 segundos. Su fundador, Haniff Brown, lo define medio en broma como “ChatGPT para el fútbol”.
La idea no nació en un campo de entrenamiento, sino en los probadores de ropa. Brown buscaba que un cliente pudiera subir su “perfil corporal” para no tener que comprar cuatro camisas y devolver tres. Escaneas, compras una, aciertas.
El éxito llamó la atención de hospitales y empresas de salud. En 2024, un club europeo —no revelado— pidió escanear a todos los jugadores de su academia. Brown vio el potencial deportivo y se puso una condición innegociable: el proceso no podía superar los 15 segundos.
“Me di cuenta de que a los entrenadores no les gustan las evaluaciones largas. Quieren a los chicos de vuelta, haciendo sus ejercicios. Cuanto más largo y complicado el test, menos se usa”, explica.
El club compró la idea. Otros siguieron. Pero apareció un problema viejo conocido: la variabilidad humana. Dos entrenadores, mismo jugador, dos resultados distintos con el metro en la mano.
“Vimos que un entrenador medía a un jugador y obtenía un resultado, y otro entrenador del mismo equipo medía a ese jugador y sacaba otro diferente”, cuenta Brown.
Fit:Match elimina ese ruido. Cuatro fotos, media minuto de espera y aparece un perfil estandarizado. Hoy lo usan clubes y también familias.
“Cuando los padres inscriben a sus hijos en una academia, pueden subir las fotos. Se genera su gemelo digital y, por detrás, damos a MLS todas las estadísticas de ese jugador”, explica.
Eso permite ajustar mejor las categorías por algo más que la fecha de nacimiento. El tamaño físico sigue marcando el fútbol base. Y no siempre para bien.
“Un chico de 14 años que se desarrolla pronto es muy distinto a otro de 14 que se desarrolla tarde. Ahora MLS puede distinguirlo científicamente y trazar mejores caminos para esos tardíos, para que no salgan del sistema”, añade Brown.
Ética, empleos y la eterna pregunta: ¿construir o comprar?
Todo suena revolucionario. También incómodo. La idea de que una máquina proyecte el futuro de un adolescente o recorte procesos que antes ocupaban departamentos enteros abre dilemas evidentes.
Brown lo resume así: primero hubo que lograr que la gente se sintiera cómoda. Que entendiera que la herramienta no sustituye, sino que acompaña.
En Marquee llegaron a la misma conclusión: no pueden imponerse a los clubes; tienen que trabajar con ellos.
“Se trata más de que ellos se sientan cómodos con todo lo que hacemos juntos. Y cuando tengamos historias de éxito, las contaremos”, apunta Bracha.
Luego está la cuestión laboral. ¿Qué pasa con los analistas, ojeadores, preparadores físicos que ven cómo un software hace en horas lo que antes llevaba semanas?
Bracha lo mira desde el ángulo más crudo del negocio: retorno de inversión.
“Desde la perspectiva del ROI, siempre será más rápido, más barato y más acertado venir a nosotros, porque ya hemos construido algo y seguimos invirtiendo en mejorarlo. Es tu único gasto. Uno de los mayores costes en un club son los salarios. ¿Quieren contratar más gente para construir esto o comprarlo fuera? Es la gran pregunta de la IA: ¿construir o comprar? En este caso, creo que comprar”, sentencia.
Nada de eso garantiza éxito deportivo. Wolfsburg fue uno de los primeros clubes europeos en abrazar la IA. Presumieron de ahorrar un millón de euros al año en tareas administrativas y prevención de lesiones. El curso pasado, el equipo se desplomó en el campo y recibió una oleada de críticas: mucho discurso tecnológico, pocos puntos en la tabla.
Aun así, han redoblado su apuesta. Sevilla trabaja con IBM WatsonX para gestionar sus datos. El camino parece irreversible.
ChatGPT en la pizarra táctica
No solo los directores deportivos juegan con IA. También los entrenadores se asoman al abismo de la máquina.
Algunos, como Fraser, han trasteado con ChatGPT para explorar posibles ventajas tácticas, emparejamientos, sistemas. Otros han ido un paso más allá. Laura Harvey, entrenadora de Seattle Reign, lo contó sin tapujos en octubre de 2025 en el podcast Soccerish, con Lori Lindsey y Christina Unkel: preguntó directamente al modelo qué formación debía usar para ganar a los equipos de la NWSL.
La respuesta fue clara para dos de los catorce equipos de la liga: defensa de cinco. Harvey lo pensó, lo llevó a su cuerpo técnico y el Reign terminó adoptando un sistema con cinco atrás. Cerraron la temporada en quinta posición, ocho puestos mejor que el año anterior.
¿Fue ChatGPT quien cambió el rumbo de Seattle Reign? Evidentemente no. Pero la idea inicial salió de ahí. Para los defensores de la IA, eso ya es una victoria: una chispa que se convierte en plan de juego.
Por cada acierto hay montones de experimentos que acaban en la papelera. Modelos descartados, datos que no encajan, patrones que no se traducen en puntos. Tal vez el objetivo no sea tanto acertar siempre como ampliar el abanico de herramientas.
En un deporte decidido por centímetros, por una carrera más o una fatiga menos, la ética y las percepciones quedan en un segundo plano frente a la realidad competitiva.
Lo resume Fraser con una frase que, en los pasillos de los clubes, suena más a norma que a reflexión: “Todos buscamos cualquier ventaja que podamos conseguir”. La pregunta ya no es si el fútbol usará IA. Es quién se atreverá a vivir sin ella.
