La revolución silenciosa de la IA en el fútbol de élite
En los despachos del fútbol ya casi nadie se sorprende. Donde antes mandaban la libreta y el instinto, hoy mandan pantallas, modelos predictivos y alertas automáticas. La lógica es sencilla: hay mucho dinero en juego y cualquier ventaja, por mínima que sea, se exprime hasta el límite.
Algunos incluso se atreven a decirlo sin rodeos: sí, hay clubes que usan ChatGPT.
Del blog de un hincha de Arsenal a proveedor de clubes de élite
Bracha, fanático declarado de Arsenal y hombre de tecnología, empezó como tantos otros: con un blog. Desde casa, mezclando “ojo futbolero” y datos, señalaba futbolistas que, según él, los grandes debían fichar. Su análisis empezó a ganar tracción. Llegaron lectores, luego reputación… y después, el problema: su trabajo a tiempo completo en el sector tech le robaba horas.
La solución fue tan lógica como radical: entrenó un modelo de IA para que le generara los esqueletos de sus artículos. Él los completaba con su visión. Y, de pronto, empezaron a aparecer joyas ocultas.
Los mensajes privados no tardaron en llegar. Ojeadores profesionales y empleados de clubes querían saber cómo demonios conocía ciertos detalles de algunos jugadores. La respuesta desarmaba a cualquiera: buena parte salía de ChatGPT.
Ahí saltó la pregunta clave: si esto les impresiona, ¿qué están usando ellos?
La respuesta que encontró fue un caos de números. Datos por todas partes, sí, pero sin orden. Desde la irrupción de empresas como Wyscout a mediados de la década pasada, el fútbol pasó de la escasez a la saturación. Múltiples proveedores, métricas diferentes, plataformas que no se hablan entre sí. Demasiado ruido.
“En los últimos 10 años, esta industria ha pasado de la completa escasez a la sobrecarga de datos”, resume Bracha. Demasiado para cualquier departamento reducido.
Ahí entra Marquee, su empresa. Se vende como el departamento analítico externo del club. Automatiza procesos que, en esencia, no son más que hojas de cálculo glorificadas repartidas por distintas plataformas. Centraliza, limpia y ordena. Y, sobre todo, propone.
No es un Football Manager de pago, insiste Bracha. Marquee genera perfiles específicos, hechos a medida y cobrados como tal, que sugieren posibles fichajes no solo por calidad, sino por encaje táctico y de modelo de juego. El club, por supuesto, puede ignorarlo todo. Pero varios equipos de la Premier League ya pagan por ese filtro, y Barcelona y Chicago Fire han respaldado públicamente el sistema.
¿Están encontrando el próximo gran talento mundial? Nadie lo puede asegurar. Pero ya forman parte del ecosistema.
Cuando la máquina detecta el cansancio antes que el jugador
La influencia de la IA no se queda en el mercado de fichajes. También se cuela en el césped, aunque a veces llegue con retraso.
En un partido de MLS entre FC Cincinnati y Nashville SC, el sistema del club detectó algo extraño en Matt Miazga. Cinco minutos antes de que el central pidiera el cambio, la tecnología marcó un “patrón de movimiento irregular”. No fue una alerta en tiempo real, no hubo un médico corriendo a la banda a gritar “sáquenlo ya”. Pero el dato estaba ahí: la máquina había visto el problema.
La gran batalla llega después: ¿cuándo puede volver un jugador así a su máximo nivel? Ahí entra otro actor del nuevo fútbol: Springbok Analytics.
Su petición a los clubes es casi un reto: “mandadnos vuestra lesión más complicada”. La respuesta suele ser la misma: el isquiotibial. El gran enigma del fútbol moderno. Un estudio de 2020 del NIH cifró en un 12% el porcentaje de lesiones profesionales que afectan a los isquios, con tasas de recaída que van del 4% al 68%. Un drama médico y deportivo.
Se asocia sobre todo al cansancio, a esos minutos finales de cada parte en los que el músculo ya no responde igual. Los clubes han probado de todo para ajustar la rehabilitación. Nadie ha dado con la tecla definitiva.
“Tenemos toda la nueva tecnología, nuevas formas de testear, medir fuerzas, analizar carreras… y las lesiones de isquios no han bajado. Han subido”, admite Matt Brown, director de Analytics en Springbok.
Su tesis es clara: el problema es el dato, no la resonancia. Una lesión física es evidente. Cuantificar de forma precisa fuerza, equilibrio muscular o atrofia es otra historia. Lento, complejo, sujeto a interpretación.
El modelo de Springbok se apoya en un origen muy distinto: la Universidad de Virginia, donde desarrollaron tecnología de resonancia magnética hiperespecífica para tratar a pacientes con parálisis cerebral. De esas pruebas nacieron gráficos 3D capaces de ayudar a cirujanos pediátricos a calcular con precisión cuánto alargar un tendón.
Funcionó. Y alguien pensó: esto también puede servir en deporte.
En 2023, la NBA se sumó al proyecto. Este año, Springbok ha sido seleccionado para el Innovation Lab de la MLS. Su promesa: transformar esas “miles y miles de láminas en 2D” de una resonancia tradicional en un “gemelo digital” en 3D del músculo lesionado. Donde antes un médico debía superponer imágenes y construir mentalmente el mapa, ahora un sistema de IA delimita músculos, procesa el volumen y entrega un modelo listo para trabajar… en horas, no en una semana.
Springbok no cura. No promete milagros ni prevención absoluta. Lo que ofrece es tiempo y precisión: mediciones claras para que los especialistas, con sus 10 años de experiencia, decidan mejor. Un sistema de soporte, no un sustituto.
El futuro en 10 segundos: medir el cuerpo de un canterano con un móvil
Mientras unos intentan que los profesionales vuelvan antes y mejor, otros miran mucho más atrás: a la cantera. Cada día, en la academia de Philadelphia Union se repiten las mismas preguntas. ¿A qué nivel está preparado este chico? ¿Su físico aguanta el salto al primer equipo? ¿Cuántos minutos puede soportar un talento precoz como Cavan Sullivan sin poner en riesgo su cuerpo?
Hasta ahora, la respuesta era una mezcla de pruebas físicas, proyecciones de crecimiento y mucha intuición. Lento, subjetivo, discutible.
Fit:Match cree tener una vía más directa. Solo hace falta un teléfono y 10 segundos.
El proceso es casi insultantemente simple: cuatro fotos del jugador desde distintos ángulos. El móvil calcula altura, masa corporal, envergadura y un sinfín de medidas. A partir de ahí, el sistema proyecta altura probable, maduración del crecimiento y un boceto de lo que podría ser su estado físico óptimo. Todo en menos de medio minuto.
Su fundador, Haniff Brown, lo define medio en broma como “ChatGPT para el fútbol”. La idea nació lejos del césped, en la moda. Quería que un usuario pudiera subir su “perfil corporal” y dejar de comprar cuatro camisas para devolver tres. Un escaneo rápido para acertar a la primera.
El éxito en retail atrajo a hospitales y empresas de salud. En 2024, un club europeo —cuyo nombre no ha trascendido— le pidió que escaneara a sus canteranos. Ahí Brown vio el potencial real.
Puso una condición innegociable: el proceso no podía superar los 15 segundos. Sabía que los entrenadores odian las evaluaciones eternas. Quieren a los chicos en el campo, no posando para pruebas interminables. Cuanto más largo y enrevesado es el test, menos se usa.
El sistema encajó. Llegaron más clubes. Y apareció otro problema clásico: la variabilidad humana. Dos entrenadores, mismo jugador, dos medidas distintas en un test convencional. Fit:Match elimina ese margen. Cuatro fotos, 30 segundos de procesamiento y aparece un perfil detallado del futbolista. Hoy lo usan tanto clubes como familias.
Cuando unos padres inscriben a su hijo en una academia, pueden subir las imágenes. El sistema genera su gemelo digital y, por detrás, entrega a la MLS un informe con todos los datos clave. Eso permite ajustar mejor los grupos de edad y, sobre todo, entender quién es un madurador precoz y quién va tarde.
En un entorno donde el tamaño sigue condicionando, esa diferencia es vital. Un chico de 14 años adelantado físicamente no es lo mismo que uno de 14 que aún está por explotar. Ahora, al menos, la liga puede distinguirlo con criterios científicos y diseñar caminos específicos para los “late bloomers”, evitando que se caigan del sistema antes de tiempo.
Ética, empleos y la eterna duda: ¿construir o comprar?
Todo esto suena a revolución. Y lo es. Pero no llega sin fricciones. Cambiar procesos arraigados durante décadas, y hacerlo a través de máquinas, abre debates incómodos.
El primero es emocional: conseguir que técnicos, médicos y ojeadores se sientan cómodos con estas herramientas. Brown lo admite: el paso inicial fue, simplemente, que la gente perdiera el miedo.
Marquee aprendió lo mismo. No se presenta como un oráculo que dicta sentencias, sino como un socio. Trabaja con los clubes, no por encima de ellos. La idea es generar historias de éxito conjuntas y, entonces sí, sacarlas a la luz.
El segundo debate toca el bolsillo… y los puestos de trabajo. ¿Hasta qué punto una plataforma externa puede sustituir a un equipo interno de analistas? Bracha lo reduce a una cuestión de retorno de inversión. Construir una herramienta propia requiere fichar personal, mantenerlo, actualizar sistemas. Comprar algo ya hecho, que se mejora continuamente, es un coste fijo, previsible. En un contexto donde uno de los mayores gastos de un club son los salarios, la pregunta “¿construir o comprar?” se responde sola para muchos dirigentes.
Claro que nada de esto garantiza resultados. Wolfsburg fue uno de los pioneros en Europa en abrazar la IA. Presumió de ahorrar un millón de euros al año en tareas administrativas y prevención de lesiones. En el campo, la historia fue otra: malos resultados, críticas feroces y una oleada de escepticismo hacia su campaña de comunicación tecnológica.
Lejos de dar marcha atrás, el club ha redoblado su apuesta. Sevilla trabaja con IBM WatsonX para gestionar datos. La lista de proyectos se alarga.
ChatGPT en la pizarra táctica
La IA no solo mide músculos o proyecta tallas futuras. También se cuela en la pizarra.
Algunos técnicos han confesado que juguetean con ChatGPT para explorar ventajas en emparejamientos o probar sistemas. Otros van un paso más allá. Laura Harvey, entrenadora de Seattle Reign, lo convirtió en titular en octubre de 2025 cuando contó en el podcast Soccerish que había preguntado directamente al modelo: “¿Qué formación deberías usar para ganar a equipos de la NWSL?”.
La respuesta fue clara para dos de los 14 equipos de la liga: defensa de cinco. Harvey le dio vueltas, llevó la idea a su cuerpo técnico y acabó aplicándola. El Reign terminó quinto, ocho puestos por encima de la temporada anterior.
¿Fue ChatGPT quien cambió la suerte del equipo? Evidentemente no. Pero lanzó una chispa que acabó en el césped. Para los defensores de la IA, eso ya es un triunfo.
Por cada historia de éxito hay decenas de experimentos olvidados, datos descartados, modelos que no cuajaron. Quizá ese sea el punto: no se trata de certezas, sino de herramientas. Una más en el arsenal de técnicos, analistas y dirigentes.
En un deporte tan apretado, tan cruel con el error mínimo, la ética y las percepciones pesan cada vez menos frente a una realidad tozuda: todos buscan una ventaja. Como resume Fraser, uno de los muchos que ya convive con estos sistemas en su día a día: “Estamos todos buscando cualquier ventaja que podamos conseguir”.
La pregunta ya no es si la IA tiene sitio en el fútbol. La verdadera incógnita es quién sabrá explotarla antes de que el resto vuelva a ponerse al día.
