Nogomet na autopsiji: Kako AI razbija obranu bez lopte

Nogometni analitičari godinama žvake expected goals i possession value kao svete hostije, dok su obranbene linije ostajale crna kutija. Nova studija s MIT-a i Liverpool FC-ovog research tima to mijenja: umjesto da mjeri što se dogodilo nakon dodavanja (gol, gubitak lopte), njihov framework analizira kako je dodavanje preoblikovalo prostor protivničke obrane. Tri ključne metrike — Line Bypass Score, Space Gain Metric i Structural Disruption Index — kvantiificiraju koliko je jedan pas razderao obranbeni blok, a ne koliko je poveća šansu za gol.

Podaci s World Cupa 2022 otkrili su četiri jasna archetipa dodavanja: cirkulacijska (održavanje posjeda), destabilizirajuća (razbijanje formacije), line-breaking (probijanje obranbenih linija) i space-expanding (širenje igrališta). Zanimljivo, nijedan od njih nije korelirao 1:1 s tradicionalnim xG modelima — što znači da klubovi možda cijene pogrešne stvari. Na primjer, dodavanje koje ne rezultira šutom može imati viši Tactical Impact Value (TIV) ako je razbilo protivničku presu.

Ali ovdje počinje problem: sve je ovo izvedeno iz sinkroniziranih tracking podataka — tehnologije koja u realnom vremenu košta toliko koliko i transfer srednjeg veznjaka. Klasični event data (koji većina klubova i koristi) ne može reproducirati ove metrike. Drugim riječima, framework je briljantan, ali za 90% europskih timova nedostupan bez sedmocifrenih investicija u infrastrukturu.

Pravi test za ovaj pristup nije akademska validnost, već tržišna adopcija. Liverpool i Manchester City već koriste slične modele (često razvio Opta ili Second Spectrum), ali za ostale je pitanje troškova. Ključna razlika između demo verzije i stvarne implementacije? U laboratoriju radi s čistim podacima; u praksi, greške u tracking-u (npr. kada kamere izgube igrača iza leđa) narušavaju metrike. Autorima u pristupu nedostaje i dinamička komponenta — obrane se prilagođavaju, a trenutni model pretpostavlja statičke strukture.

Zanimljivije od same studije je tko je izostavljen: ni jedna velika nogometna platforma (poput Wyscouta ili Hudl-a) nije spomenuta kao partner. To sugerira da je rad više akademski eksperiment nego produkt spreman za masovno tržište. Međutim, ako se TIV metrike počnu koristiti u scouting-u, cijenje igrača koji „ne stvaraju golove, ali razbijaju obrane“ (npr. Rodri ili Bellingham) može skočiti — što bi dodatno infliralo transfer-tržište.

Za razliku od većine AI-papera koji obećavaju „revoluciju“, ovdje je barem jasno tko profitira: klubovi s dubokim džepovima i postojećom tracking infrastrukturom. Ostali će morati birati između sljepog povjerenja u xG ili — ironično — human scoutinga, koji je upravo dobio novu dimenziju vrijednosti.