La revolución silenciosa de la IA en el fútbol
En los despachos del fútbol de élite ya casi no se habla de si la inteligencia artificial debe usarse o no. La pregunta es otra: ¿cuánta ventaja real puede dar? En un deporte donde un centímetro o medio segundo deciden temporadas, cualquier detalle cuenta. Y la IA se ha convertido en el nuevo detalle.
De bloguero de Arsenal a cerebro de datos
Bracha lo sabe bien. Es hincha furibundo de Arsenal y empezó como tantos otros: con un blog desde casa, analizando a los Gunners con ojo clínico y algo de tecnología casera. Combinaba lo que veía con modelos sencillos y proponía fichajes. Acertaba tanto que empezó a ganar seguidores… y a recibir mensajes inesperados.
“Me escribían ojeadores profesionales y gente de clubes preguntando: ‘¿Cómo sabes eso de este jugador?’”, recuerda. Su respuesta, entre risas, desarmaba el aura de gurú: “No lo sé yo, es ChatGPT”.
Cuando su trabajo en tecnología empezó a consumirle el día a día, dio un paso más: creó un modelo de IA que le generaba los esqueletos de sus artículos. Luego mezcló esa estructura con su propio análisis. El resultado: más “joyas ocultas” y, sobre todo, una pregunta que le cambió la vida. Si eso ya impresionaba a profesionales, ¿qué estaban usando ellos?
Lo que encontró fue un caos de números.
Demasiados datos, muy poca claridad
Los clubes tenían métricas, plataformas, paneles, proveedores. Tenían de todo… menos orden. Desde la irrupción de Wyscout en la década de 2010, el mercado de datos se llenó de rivales y capas de información. Hoy, la industria ha pasado de la escasez a la saturación.
“En los últimos 10 años hemos pasado de la escasez total a la sobrecarga de datos”, resume Bracha. “Y eso crea otro problema: hay demasiados proveedores distintos”.
Ahí entra Marquee, su empresa. Trabaja con clubes de todo el mundo y, en esencia, limpia el ruido.
Automatizan procesos que antes eran “hojas de cálculo glorificadas” repartidas en mil plataformas. Integran, cruzan, ordenan. “En cierto sentido, Marquee es un departamento analítico externo del club”, explica. No es un Football Manager de lujo ni un modo Carrera de EAFC con esteroides. Es un filtro.
El servicio no es barato: el cliente paga por perfiles específicos de jugadores, diseñados para encajar en un sistema concreto, no solo por calidad individual. El algoritmo sugiere nombres; la decisión final sigue siendo humana. Aun así, el valor es evidente. Varios clubes de la Premier League ya trabajan con ellos, y Barcelona y Chicago Fire han respaldado su uso públicamente.
¿Están encontrando el próximo gran tapado del fútbol mundial? Nadie puede asegurarlo. Pero ya forman parte del paisaje.
Cuando la máquina ve el cansancio antes que el jugador
La influencia de la IA no termina en el mercado de fichajes. También se cuela en la enfermería.
En un partido de la MLS entre FC Cincinnati y Nashville SC, la tecnología del club detectó algo que el ojo humano todavía no había percibido del todo: el cuerpo de Matt Miazga empezaba a descomponerse. Cinco minutos antes de que pidiera el cambio, el sistema registró “un patrón de movimiento irregular”.
No fue una alerta en directo para sacarlo del campo a la fuerza. Los datos no llegaban con esa inmediatez. Pero el sistema dejó una huella clara: la máquina había visto el problema.
El siguiente paso es aún más delicado: ¿cuándo volverá el jugador al 100%? Ahí entra Springbok Analytics.
Su petición a los clubes es sencilla y brutal: “Enviadnos vuestra lesión más complicada”. Casi siempre es la misma: el isquiotibial. El eterno enemigo del futbolista moderno.
Un estudio del NIH en 2020 cifraba en un 12% el porcentaje de lesiones de isquios sobre el total en fútbol profesional. La tasa de recaída oscilaba entre un 4% y un 68%. Es una barbaridad. Y, pese a toda la tecnología, las lesiones de isquios no han bajado. Han subido.
“Tenemos nuevas tecnologías por todas partes, nuevas formas de testear… cuánta fuerza produces, cómo corres… y las lesiones de isquios no han disminuido”, admite Matt Brown, director de Analytics de Springbok. “Han aumentado”.
Su diagnóstico apunta, otra vez, a los datos.
Del quirófano infantil a la rodilla del profesional
El problema no es solo la lesión en sí, sino cómo se mide. Fuerza muscular, equilibrios, atrofia, evolución. Un rompecabezas lento y manual. Brown lo resume en una secuencia ideal: “Quieres escanear al jugador en el momento de la lesión, dos meses después, seis meses después, para seguir la atrofia y ver si estás consiguiendo los cambios que buscas en el músculo”.
Springbok nació en la Universidad de Virginia, lejos de los estadios. Allí, científicos desarrollaron una tecnología de resonancias magnéticas hiperespecíficas para tratar a pacientes con parálisis cerebral. Creaban gráficos 3D para que cirujanos pediátricos pudieran calcular con precisión cuánto alargar un tendón. Cuando comprobaron que funcionaba, trasladaron la idea al deporte profesional.
La NBA se subió al proyecto en 2023. Este año, MLS ha seleccionado a Springbok para su Innovation Lab.
Brown describe la resonancia tradicional como “miles y miles de cortes de imágenes grises en 2D”. El médico debe apilarlas, interpretarlas y construir mentalmente una imagen en 3D. Springbok acelera esa tortura.
“Ahora podemos preprocesar esas imágenes con IA”, explica. “Tomamos todas esas resonancias, el espacio 3D, el tiempo, todo lo que hay ahí, lo procesamos, marcamos los límites musculares y entregamos un gemelo digital 3D muy detallado”.
No curan. No prometen milagros. Lo que hacen es convertir un proceso que llevaba una semana en algo que se resuelve en horas. “Somos el sistema de soporte: hacemos que la imagen de la resonancia sea mucho más impactante y accionable. Nosotros damos las medidas. El que actúa eres tú, que llevas 10 años en esto y tienes tu propia tesis”, remata Brown.
El futuro de un niño, en cuatro fotos y 30 segundos
En la academia de Philadelphia Union, las preguntas se repiten cada día: ¿a qué nivel está listo este chico? ¿Cuánta carga de primer equipo puede asumir un talento como Cavan Sullivan siendo todavía adolescente? ¿Le aguantará el cuerpo?
Hasta ahora, la respuesta era una mezcla de intuición, pruebas físicas y paciencia. Mucho tiempo invertido, muchos márgenes de error.
Fit:Match quiere acortar ese camino. Y lo hace con algo tan cotidiano como un móvil.
El proceso es brutalmente simple: cuatro fotos del jugador desde distintos ángulos. El teléfono calcula altura, masa corporal, envergadura y un sinfín de medidas más. Luego proyecta: talla probable, maduración del crecimiento, un boceto de cómo podría ser su físico a pleno desarrollo. Todo en menos de 30 segundos.
Su fundador, Haniff Brown, lo define medio en broma como “ChatGPT para el fútbol”. Lo que en un club se hace con cintas métricas, básculas y formularios, su sistema lo condensa en segundos.
Brown no viene del deporte, sino de la moda. Su idea original era evitar que un cliente comprara cuatro camisas para devolver tres. “¿Cómo permitimos que suba su perfil corporal, para que compre una sola prenda y ya está?”, se preguntaba.
Los hospitales empezaron a llamar. Luego, un club europeo —no revelado— le pidió en 2024 que escaneara a todos los jugadores de su academia. Ahí vio el salto posible.
Puso una condición innegociable: “No podía durar más de 15 segundos. Los entrenadores odian las evaluaciones largas. Quieren a los chicos de vuelta, haciendo ejercicios”. Cuanto más largo y complejo el test, menos se usa. Así de sencillo.
El club compró la idea. Y otros siguieron. Aunque apareció un problema conocido: la falta de coherencia. “Vimos que un entrenador medía a un jugador y obtenía un resultado, y otro técnico del mismo equipo medía al mismo chico y sacaba otro distinto”, cuenta Brown.
Fit:Match elimina ese factor humano. Cuatro fotos, 30 segundos de procesamiento y el sistema genera un perfil detallado. Hoy lo usan clubes y también familias.
Cuando unos padres inscriben a su hijo en una academia, pueden subir las fotos. El sistema crea su gemelo digital y, por detrás, entrega a la MLS todos los datos clave de ese jugador. Con eso, los clubes afinan mejor la asignación de categorías. El físico sigue condicionando el fútbol base, pero ahora con más ciencia que intuición.
Un ejemplo claro: un chico de 14 años que se desarrolla muy pronto no tiene nada que ver con otro de la misma edad que madura tarde. “Ahora la MLS puede diferenciar científicamente entre ambos y trazar mejores caminos para los tardíos, para que no se caigan del sistema”, explica Brown.
Ética, empleos y la pregunta incómoda
Todo esto suena rompedor. Casi definitivo. Pero también abre grietas éticas. Proyectar el futuro de un adolescente a partir de datos y algoritmos es delicado. ¿Hasta qué punto una predicción condiciona una carrera?
“El primer paso fue que la gente se sintiera cómoda”, admite Brown. La palabra clave se repite también en boca de Bracha: colaboración.
Marquee entendió pronto que no podía llegar a un club imponiendo un modelo. Tenía que trabajar con ellos, no para ellos. “Se trata más de que ellos se sientan cómodos con todo lo que hacemos juntos. Cuando tengamos historias de éxito, las publicaremos”, dice.
Queda otra cuestión espinosa: la de los puestos de trabajo. Si una plataforma externa hace el trabajo de todo un departamento, ¿qué pasa con la gente que ya está dentro?
Bracha no se anda con rodeos. “Desde la perspectiva del retorno de inversión, siempre será más rápido, más barato y más preciso acudir a nosotros, porque ya hemos construido algo y seguimos invirtiendo para mejorarlo. Es tu único gasto. Uno de los mayores costes de un club hoy 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”.
Wolfsburgo, Sevilla y la moda de “ser el club de la IA”
Nada de esto garantiza resultados. 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. Sobre el césped, la historia fue menos brillante: malos resultados y muchas críticas por el contraste entre el discurso tecnológico y el rendimiento real del equipo.
Lejos de recular, han redoblado su apuesta. Sevilla trabaja con IBM WatsonX para manejar su montaña de datos.
El abanico es amplio. Hay entrenadores que apenas trastean con ChatGPT para explorar variantes tácticas. Otros se apoyan más. El caso más sonado llegó en la NWSL, con Seattle Reign.
Su entrenadora, Laura Harvey, reconoció en octubre de 2025, en el podcast Soccerish con Lori Lindsey y Christina Unkel, que le preguntó directamente al chatbot: “¿Qué formación debo usar para ganar a los equipos de la NWSL?”. Para dos de los 14 equipos de la liga, la respuesta fue clara: defensa de cinco.
Harvey se lo pensó, lo discutió con su cuerpo técnico y lo llevó al campo. El Reign acabó jugando con cinco atrás… y terminó quinto en la clasificación, ocho puestos mejor que la temporada anterior.
¿Fue ChatGPT quien cambió el rumbo de Seattle Reign? Evidentemente no. Pero la chispa de la idea vino de ahí. Para los defensores de la IA, eso ya es una victoria: una sugerencia que salta de la pantalla al césped.
Un arma más en un deporte despiadado
Por cada acierto, hay decenas de pruebas que se descartan, modelos que no encajan, datos que no llevan a ninguna parte. Quizá ahí esté la clave: no se trata de una varita mágica, sino de una herramienta más en un entorno feroz.
Ojeadores, analistas, médicos, entrenadores. Todos buscan lo mismo: un pequeño margen que marque la diferencia en un juego cada vez más comprimido.
Fraser, otro de los técnicos que ha jugueteado con ChatGPT para explorar emparejamientos y formaciones, lo resume sin rodeos: “Todos buscamos cualquier ventaja que podamos conseguir”.
La pregunta ya no es si la IA tendrá sitio en el fútbol. Es cuánto tardará en decidir un título.
