La revolución silenciosa de la IA en el fútbol: del fichaje al isquio

En los despachos del fútbol de élite ya casi nadie habla de intuición sin añadir una palabra más: datos. Y, cada vez más, inteligencia artificial. No es un juguete futurista. Es otra arma en un deporte donde cualquier ventaja, por mínima que sea, se exprime hasta el límite.

Del blog de un hincha de Arsenal a asesorar a la élite

Bracha lo sabe bien. Aficionado declarado de Arsenal, empezó como tantos otros: un blog, partidos del fin de semana y análisis detallados de los Gunners escritos desde casa. Mezclaba “ojo” futbolero con herramientas tecnológicas básicas para señalar jugadores que, según él, los grandes clubes debían fichar.

Su audiencia creció. Y cuando su trabajo a tiempo completo en el sector tecnológico le dejó sin horas, dio un giro: entrenó un modelo de IA para que le generara los esqueletos de los artículos. Él remataba el texto. La combinación funcionó mejor de lo esperado.

Empezaron a llegarle mensajes privados de ojeadores profesionales y empleados de clubes: “¿Cómo sabes eso de este jugador?”. Bracha se reía: “No lo sé yo, es ChatGPT”, recuerda entre risas. Y ahí le saltó la pregunta clave: si eso ya impresionaba a profesionales, ¿qué estaban usando ellos realmente?

La respuesta era un laberinto. Datos había, y muchos. Demasiados. Plataformas como Wyscout habían disparado la recopilación de estadísticas desde principios de la década pasada, pero el mercado se llenó de proveedores, métricas y formatos. Un océano de números sin un lenguaje común.

“En los últimos 10 años, esta industria ha pasado de la escasez total a la sobrecarga de datos”, resume Bracha. El problema ya no era encontrar información, sino filtrarla.

Marquee, el “departamento de análisis” externalizado

De ahí nace Marquee, la empresa de Bracha, que trabaja con clubes de todo el mundo con una idea sencilla: quitar ruido. Automatizar procesos que, en la práctica, no dejan de ser hojas de cálculo glorificadas y plataformas inconexas. Unificar todo eso y devolverlo al club en algo digerible.

“En cierto sentido, Marquee es un departamento de análisis que trabaja para el club”, explica. No es un Football Manager vitaminado ni un modo Carrera de EAFC. Es un servicio a medida: el cliente paga por perfiles específicos de posibles fichajes, ajustados no solo a su nivel futbolístico, sino al encaje táctico y de modelo de juego.

El club no está obligado a seguir las recomendaciones. Puede ignorarlas. Pero el sistema ya se ha ganado un hueco. Varios equipos de la Premier League lo utilizan, y Barcelona o Chicago Fire han mostrado públicamente su respaldo. ¿Están encontrando la próxima joya oculta del fútbol mundial? Nadie lo puede asegurar. Lo que sí está claro es que ya forman parte del ecosistema.

Cuando la máquina detecta antes que el músculo

La IA no solo mira fichajes. También mira piernas. Y las piernas, en el fútbol, se rompen.

En un FC Cincinnati–Nashville SC de la MLS, la tecnología del club detectó algo raro en Matt Miazga. Cinco minutos antes de que pidiera el cambio, el sistema registró “un patrón de movimiento irregular”. No evitó la lesión, entre otras cosas porque los datos no llegan en tiempo real. Pero la máquina ya había levantado la mano: algo no iba bien.

La gran pregunta viene después: ¿cuándo vuelve ese jugador al cien por cien? Ahí entra Springbok Analytics, que se presenta a los clubes con un reto: “mandadnos vuestra lesión más complicada”. Casi siempre, la respuesta es la misma: el isquiotibial.

El isquio sigue siendo el gran misterio del fútbol moderno. Un estudio del NIH de 2020 cifró en un 12% el porcentaje de lesiones profesionales que afectan a los isquiotibiales. La tasa de recaída oscilaba entre el 4% y un brutal 68%. Se asocia sobre todo a la fatiga, y suele aparecer al final de cada parte. Los clubes han probado casi todo en la rehabilitación. Nadie ha dado con la fórmula definitiva.

“Tenemos toda la tecnología nueva, mil formas de medir… cuánta fuerza generas, cómo corres… y las lesiones de isquio no han bajado. Han subido”, admite Matt Brown, director de Analytics de Springbok.

Su tesis es que el problema no es solo físico, sino de cómo se mide. Una lesión es evidente; traducirla en números no tanto. Fuerza muscular, equilibrio entre grupos musculares, atrofia… todo eso exige procesos lentos y complejos.

La propuesta de Springbok es clara: escanear al jugador en el momento de la lesión, dos meses después, seis meses después, y seguir de forma precisa la evolución del músculo. No para curar, sino para dar al cuerpo médico una radiografía cuantificada de lo que está pasando dentro.

De la parálisis cerebral a la NBA y la MLS

Springbok nace en la Universidad de Virginia. Allí, científicos desarrollaron una tecnología de resonancia magnética hiperespecífica para tratar a pacientes con parálisis cerebral, creando gráficos 3D que ayudaban a cirujanos pediátricos a calcular con precisión procedimientos de alargamiento de tendones. Funcionó. Y alguien pensó: si esto sirve en quirófano, ¿por qué no en deporte profesional?

La NBA se subió al proyecto en 2023. La MLS lo ha elegido este año para su Innovation Lab.

Brown describe la resonancia tradicional como “miles y miles de cortes de imágenes bidimensionales en gris”. El médico debe apilarlas, interpretarlas y construir su propio modelo mental en 3D. Es un trabajo minucioso y lento. Springbok acelera ese proceso con IA: preprocesa las imágenes, delimita los músculos y genera un “gemelo digital” en 3D, pulido y listo para analizar, en cuestión de horas en lugar de una semana.

No curan, no prometen prevenir lesiones. Su papel es otro: convertir una montaña de imágenes en un informe accionable. “Somos el sistema de apoyo. Hacemos que la imagen de la resonancia sea mucho más impactante y útil. Nosotros damos las mediciones; el médico decide qué hacer con ellas”, resume Brown.

Un móvil, cuatro fotos y el futuro físico de un canterano

En el otro extremo de la cadena, lejos del primer equipo, las academias se enfrentan cada día a dilemas menos espectaculares, pero igual de decisivos. En la cantera de Philadelphia Union, por ejemplo, la pregunta se repite: ¿a qué nivel está listo cada chico? ¿Cuánto peso tiene su desarrollo físico frente a su calidad técnica? ¿Cuántos minutos puede asumir un talento como Cavan Sullivan siendo aún adolescente? ¿Aguantará su cuerpo?

Hasta ahora, las respuestas eran una mezcla de pruebas, experiencia e intuición. Mucho tiempo invertido, muchos márgenes de error.

Fit:Match quiere recortar ese margen. Y lo hace con algo tan cotidiano como un teléfono móvil y 10 segundos.

El proceso es simple: cuatro fotos del jugador desde distintos ángulos. El móvil calcula altura, masa corporal, envergadura y una lista interminable de medidas. A partir de ahí, proyecta más: estatura probable, maduración del crecimiento, una idea básica de cómo podría ser su físico a plena madurez. Todo en menos de 30 segundos. Su fundador, Haniff Brown, lo define medio en broma como “ChatGPT para el fútbol”.

Su origen, curiosamente, está en la moda. Brown buscaba que un usuario pudiera subir su “perfil corporal” para no tener que comprar cuatro camisas y devolver tres. Una sola compra, un solo acierto. El sistema gustó. Pronto llamaron hospitales y empresas de salud. En 2024, un club europeo —no revelado— le pidió que escaneara a todos sus canteranos. Brown vio que aquello podía ir mucho más allá.

Tenía una condición innegociable: el proceso no podía durar más de 15 segundos. Sabía que los entrenadores odian las evaluaciones largas; quieren a los chicos en el campo, no en una sala de pruebas. Cuanto más complejo y pesado es el test, menos se usa.

El club compró la idea. Otros se sumaron. Pero apareció un obstáculo conocido por cualquiera que haya pasado por una academia: la falta de uniformidad. Un entrenador medía a un jugador y obtenía un resultado; otro, con el mismo chico, sacaba una cifra distinta. Fit:Match elimina ese factor humano. Cuatro fotos, 30 segundos de procesamiento y un perfil físico detallado.

Hoy lo utilizan clubes y familias. Cuando unos padres inscriben a su hijo en una academia, pueden subir sus fotos. El sistema genera su gemelo digital y, por detrás, Fit:Match entrega a la MLS todos los datos físicos relevantes de ese jugador. Con eso, los clubes afinan mejor la asignación de categorías. Porque el fútbol base sigue muy condicionado por el tamaño.

Un chico de 14 años que se ha desarrollado pronto es muy distinto a otro de la misma edad que va tarde en su crecimiento. Ahora, la liga puede distinguirlos con base científica y diseñar caminos específicos para esos “late developers” que, de otro modo, se caerían del sistema.

Ética, empleos y el dilema de “construir o comprar”

Todo suena disruptivo, casi revolucionario. Y, sin embargo, trae consigo un ruido de fondo inevitable: la ética. Cambiar procesos de toda la vida y poner en manos de máquinas decisiones que afectan a carreras y empleos no es inocente.

“El primer paso fue que la gente se sintiera cómoda”, admite Haniff Brown. Marquee llegó a la misma conclusión: no puede imponerse a los clubes; tiene que trabajar con ellos. “Es más sobre ellos, que se sientan cómodos con todo lo que hacemos juntos. Cuando tengamos historias de éxito, las contaremos”, dice Bracha.

Queda también la pregunta incómoda: si una plataforma puede hacer parte del trabajo de un departamento de análisis, ¿qué pasa con esos puestos? Bracha responde con frialdad empresarial: desde la óptica del retorno de inversión, dice, siempre será más rápido y preciso acudir a una solución ya construida, en la que otra empresa invierte constantemente. “Una de las mayores partidas de gasto en los clubes hoy son los salarios. ¿Quieren contratar más gente para construir algo así o comprarlo fuera? Es la gran pregunta de la IA ahora mismo: ¿construir o comprar? En este caso, creo que comprar”.

Nada de eso garantiza resultados deportivos. Wolfsburg fue uno de los primeros clubes europeos en abrazar la IA, presumió de ahorrar un millón de euros al año en tareas administrativas y prevención de lesiones… y el equipo se hundió en el campo, con críticas feroces por la campaña de imagen sobre su uso de IA mientras los resultados no acompañaban. Lejos de dar marcha atrás, el club ha redoblado su apuesta. Sevilla, por su parte, utiliza IBM WatsonX para gestionar datos.

Cuando un chat sugiere un cambio táctico… y funciona

No todo se queda en los despachos. Algunos entrenadores han decidido jugar con estas herramientas. Fraser reconoce que trasteó con ChatGPT para explorar posibles ventajas de emparejamientos y formaciones. Otros han ido más allá.

Laura Harvey, entrenadora de Seattle Reign, fue noticia en octubre de 2025 al contar en el pódcast Soccerish, con Lori Lindsey y Christina Unkel, que había recurrido a ChatGPT para afinar su plan táctico. Le lanzó una pregunta directa: “¿Qué formación deberías usar para ganar a los equipos de la NWSL?”. Para dos de los 14 equipos de la liga en aquel momento, la respuesta fue clara: defensa de cinco.

Harvey lo pensó, lo llevó a su cuerpo técnico y el Reign acabó alineando un sistema con cinco atrás. Cerraron la temporada en quinta posición, ocho puestos por encima del año anterior. ¿Fue ChatGPT quien transformó al equipo? Evidentemente no. Pero puso sobre la mesa una idea que terminó pisando el césped. Para los defensores de la IA, eso ya es una victoria.

Por cada acierto hay un buen puñado de experimentos que no cuajan, datos descartados, líneas de código olvidadas. Tal vez no se trate de ganar partidos por sí sola, sino de añadir una herramienta más a la caja de recursos de entrenadores, analistas y directores deportivos.

En un deporte tan apretado, tan cruel con el error mínimo, la cuestión ya no es si la inteligencia artificial debe entrar en el juego. La pregunta es otra: ¿quién se atreverá a renunciar a cualquier ventaja posible mientras el resto del mundo la persigue sin mirar atrás?