La revolución de la IA en el fútbol: análisis y estrategias
En el fútbol moderno, nadie deja pasar una ventaja. Por mínima que sea. Y la inteligencia artificial ya no es un experimento de laboratorio: está metida en los fichajes, en las lesiones, en las canteras… y hasta en las pizarras tácticas.
Quien lo vive desde dentro lo tiene claro.
De bloguero de Arsenal a proveedor de datos para clubes de élite
Bracha, fan confeso de Arsenal, empezó como tantos otros: con un blog desde casa, analizando a los Gunners con una mezcla de ojo futbolero y números. Revisaba partidos, cruzaba datos, proponía fichajes. Poco a poco, su trabajo empezó a llamar la atención.
Cuando su empleo a tiempo completo en tecnología empezó a devorarle las horas, decidió automatizar parte del proceso. Construyó un modelo de IA que le generaba esqueletos de entradas para el blog. Él ponía el filtro futbolero; la máquina, la estructura.
El resultado fue inesperado: empezó a encontrar “tapados”.
“Empecé a recibir mensajes de ojeadores profesionales y gente de clubes preguntándome: ‘¿Cómo sabes eso de este jugador?’”, recuerda. Su respuesta les descolocaba: “No lo sé. Es ChatGPT”.
Aquello le hizo hacerse una pregunta incómoda: si eso ya impresionaba a profesionales del sector, ¿qué estaban usando ellos realmente?
Lo que descubrió fue un ecosistema caótico. Datos por todas partes, pero sin orden. Empresas como Wyscout habían multiplicado las estadísticas disponibles desde principios de la década pasada. Después llegaron los rivales. Hoy hay demasiados números, demasiadas plataformas, demasiadas fuentes.
“En los últimos 10 años, esta industria ha pasado de la escasez total a la sobrecarga de datos”, resume Bracha. Y ese exceso, lejos de aclarar, confunde.
Marquee, el “departamento de análisis” externalizado
Su respuesta fue Marquee, la empresa con la que trabaja con clubes de todo el mundo. La idea: quitar ruido, unificar fuentes y automatizar procesos que, en muchos clubes, siguen siendo hojas de cálculo glorificadas.
“Si automatizamos esos procesos de ‘hojas de cálculo’ y las distintas plataformas que están dispersas y no se pueden consolidar en un solo lugar, lo hacemos por ellos. En cierto sentido, Marquee es un departamento de análisis que trabaja para el club”, explica.
No es un Football Manager de pago ni un modo Carrera de EAFC con más brillo. Marquee genera, por encargo, perfiles de fichajes potenciales ajustados a una idea de juego concreta. No solo mide calidad futbolística; también encaje táctico y de sistema.
El club no está obligado a seguir las recomendaciones. Puede aceptarlas o tirarlas a la papelera. Pero el servicio se ha ganado su espacio: ya trabajan con varios clubes de la Premier League y han recibido el respaldo público de Barcelona y Chicago Fire en la MLS.
¿Están encontrando la próxima gran ganga del mercado? Nadie lo puede asegurar. Lo que sí está claro es que forman parte del paisaje del fútbol actual.
La máquina que detectó que Miazga estaba al límite
En otro punto del mapa, la IA ya se asoma al césped a través del cuerpo de los jugadores.
En un partido de la MLS entre FC Cincinnati y Nashville SC la temporada pasada, los sistemas del club detectaron algo raro en Matt Miazga. Cinco minutos antes de que pidiera el cambio, la tecnología del equipo registró “un patrón de movimiento irregular”.
No fue una alerta en directo que obligara a sacarlo del campo. Los datos no se entregan aún en tiempo real. Pero el sistema identificó que algo no cuadraba. La máquina “sabía” que el central estaba en problemas.
La gran pregunta viene después: ¿cuándo puede volver un jugador, de verdad, al 100%? Ahí entra Springbok Analytics.
Su petición a los clubes es clara: “Enviadnos vuestra lesión más complicada”. Casi siempre, la respuesta es la misma: el isquiotibial.
Un estudio del NIH de 2020 concluyó que las lesiones de isquios representan el 12% de todas las lesiones en el fútbol profesional. La tasa de recaída oscila entre el 4% y el 68%. Una locura. Todo el mundo lo intenta, nadie termina de resolverlo.
Se suele relacionar con la fatiga, con muchos problemas apareciendo al final de cada parte. Los clubes llevan años probando métodos de rehabilitación. El patrón se repite: se vuelve, se recae, se duda.
“Tenemos toda la nueva tecnología, todas las nuevas formas de testar a la gente… cuánta fuerza produce, cómo corre… y las lesiones de isquios no han bajado. Han subido”, lamenta Matt Brown, director de Analytics de Springbok Analytics.
De la parálisis cerebral a la élite del deporte
Brown cree tener, si no la solución, sí una vía más sólida. El problema, sostiene, es cómo se maneja el dato físico: fuerza muscular, equilibrio, atrofia. Medirlo bien es lento y complejo.
Su propuesta es seguir al músculo en el tiempo: escanear al jugador en el momento de la lesión, dos meses después, seis meses después, y así ver si la rehabilitación está generando las adaptaciones buscadas.
Springbok nació en la Universidad de Virginia, donde científicos desarrollaron una tecnología de resonancia magnética extremadamente precisa para tratar a pacientes con parálisis cerebral. Creaban gráficos 3D para que cirujanos pediátricos pudieran calcular con exactitud cuánto debían alargar un tendón.
Funcionó. Y el siguiente paso fue llevar esa tecnología al deporte. La NBA se sumó en 2023. Este año, Springbok ha sido seleccionada para el Innovation Lab de la MLS.
Brown describe las resonancias tradicionales como “miles y miles de cortes de imágenes grises en dos dimensiones”. Los médicos las apilan, las interpretan y reconstruyen mentalmente un 3D. Es un trabajo artesanal.
Springbok acelera ese proceso con IA: preprocesa las imágenes, dibuja los límites de cada músculo y genera un “gemelo digital” en 3D, limpio y utilizable. Lo que antes podía tardar una semana, ahora se entrega en horas.
No curan lesiones. No prometen milagros. Se colocan un paso antes: hacer que la imagen médica sea más útil y accionable para los profesionales que sí tratan al jugador.
“Somos el sistema de apoyo. Proporcionamos las mediciones. El resto lo hace el especialista, que lleva 10 años en esto y tiene su propia tesis”, resume Brown.
Un móvil, cuatro fotos y el futuro físico de un canterano
Mientras unos miden músculos lesionados, otros miran hacia los cuerpos que están por formarse.
Cada día, en la academia de Philadelphia Union, los técnicos se enfrentan a las mismas preguntas: ¿a qué nivel está preparado un chico para competir? ¿Hasta dónde puede estirarse su cuerpo sin romperse? ¿Cuánta carga de primer equipo puede soportar un talento como Cavan Sullivan siendo aún adolescente?
Hasta ahora, no había una respuesta única. En la MLS se hacen pruebas de fuerza, tamaño, proyección de altura, picos de rendimiento. Mucho trabajo, mucho tiempo, muchas conjeturas.
Fit:Match irrumpe ahí. Su promesa: ser más rápido y más preciso. Solo hace falta un teléfono y 10 segundos.
El proceso es simple para el usuario: cuatro fotos desde distintos ángulos. El móvil calcula altura, masa corporal, envergadura y un largo etcétera de medidas. A partir de ahí, proyecta: altura probable, grado de maduración del crecimiento, una imagen básica de cómo podría ser la condición física plena del chico. 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 el deporte, sino en la moda. Brown buscaba una forma de que un usuario subiera su “perfil corporal” para no tener que comprar cuatro camisas y devolver tres. Escaneas, compras una. Y aciertas.
Los hospitales y empresas de salud fueron los siguientes en llamar. En 2024, un club europeo —sin nombre público— les pidió escanear a todos los jugadores de su academia. Brown vio el potencial.
Su obsesión era el tiempo: “Tenía claro que no podía tardar más de 15 segundos, porque los entrenadores odian las valoraciones largas. Quieren a los chicos en el campo, haciendo ejercicios. Cuanto más largo y complicado es el test, menos lo usan”.
El sistema convenció al club. Y luego llegaron más. Uno de los problemas que detectaron fue casi de sentido común: dos entrenadores podían medir al mismo jugador y obtener resultados distintos.
Fit:Match elimina esa variabilidad. Cuatro fotos, 30 segundos de procesamiento, y aparece un perfil detallado. Hoy lo usan clubes… y también familias.
Cuando los padres inscriben a sus hijos en una academia, pueden subir las fotos. El sistema genera su gemelo digital y, por detrás, Fit:Match entrega a la MLS un paquete de datos sobre ese jugador.
Eso ayuda a decidir en qué categoría debe competir cada chico. Porque el fútbol formativo sigue condicionado, en parte, por el tamaño físico.
“Un jugador de 14 años que es un madurador temprano es muy distinto de uno de 14 que es un madurador tardío. Ahora la MLS puede distinguirlo científicamente y trazar mejores caminos para esos tardíos, para que no se caigan del sistema”, explica Brown.
Ética, empleos y la eterna pregunta: ¿construir o comprar?
Todo suena potente. Y, sí, hasta revolucionario. Pero hay dilemas.
Cambiar procesos de toda la vida, meter máquinas en decisiones que afectan a carreras y contratos, proyectar el futuro de un adolescente… el impacto va mucho más allá de la estadística.
“El primer paso fue lograr que la gente se sintiera cómoda”, admite Brown.
En Marquee lo vivieron igual. Entendieron pronto que debían trabajar con los clubes, no por encima de ellos.
“Se trata más de que ellos se sientan cómodos con todo lo que hacemos juntos. Cuando tengamos historias de éxito, las publicaremos”, apunta Bracha.
Y luego está el elefante en la sala: la IA que entra por la puerta puede significar que alguien, dentro del club, sobra. Bracha lo mira con frialdad financiera.
“Desde el retorno de inversión, siempre será más rápido, más barato y más acertado venir a nosotros, porque ya hemos construido algo y estamos invirtiendo mucho en mejorarlo. Es tu único gasto. Uno de los mayores gastos en un club hoy son los salarios. ¿Quieren contratar más gente para construir esto o comprarlo fuera? Es la gran pregunta de la IA hoy: ¿construir o comprar? En este caso, creo que comprar”, sentencia.
Por supuesto, nada de esto garantiza resultados.
Wolfsburgo, Sevilla y la pizarra que consulta a ChatGPT
Wolfsburgo fue uno de los pioneros europeos en abrazar la IA. Anunciaron que ahorraban un millón de euros al año en tareas administrativas y prevención de lesiones. Sobre el césped, el relato fue otro: malos resultados, críticas, y mucha sorna por su campaña de relaciones públicas en torno a la IA mientras el equipo sufría.
Lejos de recular, han redoblado su apuesta. Sevilla, por su parte, utiliza IBM WatsonX para gestionar datos.
Hay técnicos que se limitan a “jugar” con ChatGPT, probando emparejamientos y formaciones. Y otros que van más allá.
Laura Harvey, entrenadora de Seattle Reign, lo llevó al extremo mediático en octubre de 2025. En el podcast Soccerish, con Lori Lindsey y Christina Unkel, contó que le preguntó directamente al agente de IA: “¿Qué formación debería usar para ganar a los equipos de la NWSL?”.
Para dos de los 14 equipos de la liga entonces, la respuesta fue clara: defensa de cinco. Harvey se lo pensó, lo debatió con su cuerpo técnico… y lo llevó al campo. Reign terminó quinta, ocho puestos por encima del año anterior.
¿ChatGPT transformó al equipo? No. La IA dio una idea; el cuerpo técnico la adaptó y las jugadoras la ejecutaron. Pero para los defensores de esta tecnología, eso ya es una victoria: una chispa que acaba convertida en puntos.
Por cada acierto, hay un buen puñado de pruebas descartadas, modelos ignorados, datos que no encajan. Quizá el objetivo no sea que la máquina “acierte” siempre, sino que amplíe el campo de visión de quienes deciden.
En un deporte tan apretado, tan cruel con el error mínimo, la pregunta ética se diluye ante otra mucho más cruda: si hay una herramienta que pueda darte un centímetro más de ventaja, ¿puedes permitirte no usarla?
“Todos buscamos cualquier ventaja que podamos conseguir”, resume Fraser. Y el fútbol, que nunca espera a nadie, ya ha decidido dónde quiere jugar este partido.
