Durante la mayor parte de la historia del fútbol, los clubes encontraban nuevos fichajes a través de personas: los ojeadores viajaban a los partidos y enviaban informes escritos al director deportivo. Los archivos de vídeo y las estadísticas de partidos ampliaron esa búsqueda durante las dos últimas décadas, pero la primera valoración sobre un jugador seguía dependiendo del ojo de alguien. Ahora la inteligencia artificial se encarga de ese primer paso en una lista creciente de clubes, y con ello está cambiando el camino que sigue un futbolista hasta entrar en una lista de posibles fichajes.

¿De dónde vino el scouting basado en datos?

Tony Bloom, propietario del Brighton & Hove Albion desde 2009, y Matthew Benham, que tomó el control del Brentford en 2012, hicieron su fortuna antes de dirigir clubes de fútbol, utilizando modelos estadísticos que estiman la probabilidad de cada resultado de un partido. El mismo tipo de modelización está detrás de las cuotas que fijan las casas de apuestas deportivas online referentes en España, un mercado que el portal de análisis experto Legalbet analiza operador por operador. La empresa de Bloom, Starlizard, y la de Benham, Smartodds, pasaron años perfeccionando estos métodos antes de que cualquiera de los dos los aplicara al reclutamiento en su propio club.

Una vez que esos métodos llegaron a Brighton y Brentford, el orden del trabajo en sus departamentos de reclutamiento cambió. Los ojeadores dejaron de partir de un aviso transmitido por un agente y comenzaron con una lista producida por software, lo que dio lugar a varios cambios prácticos:

  • Brighton empezó a mirar con atención las ligas que rivales más ricos seguían con menos frecuencia, incluidas las primeras divisiones de Ecuador y Argentina.
  • Los analistas ajustaban las cifras de cada jugador según el estilo de su equipo y la fuerza de la liga antes de compararlo con otros.
  • Ambos clubes basaron su negocio en fichar futbolistas baratos y venderlos cuando su valor aumentaba.
  • El personal de reclutamiento podía cubrir muchas más competiciones que una red de ojeadores que viajaba, sin un aumento equivalente de los costes.

Cómo funciona el scouting con IA: de miles de jugadores a una lista corta

Las herramientas actuales de IA llevan ese mismo principio más lejos al aprender de grandes conjuntos de actuaciones pasadas en lugar de seguir una fórmula fija. Esos conjuntos combinan eventos de partido con registros de seguimiento de jugadores, de modo que un modelo puede identificar patrones a lo largo de varias temporadas que a una persona le costaría seguir. El proceso suele desarrollarse por etapas:

  1. El entrenador principal y el director deportivo definen el perfil que necesitan, por ejemplo un lateral que conduzca el balón hacia adelante y presione alto.
  2. El software filtra una base de datos de miles de jugadores por posición, edad, minutos jugados y nivel de competición.
  3. Un modelo de similitud clasifica a los futbolistas cuyo patrón de rendimiento se acerca más a ese perfil.
  4. Los analistas ven vídeo de los nombres restantes para comprobar cómo produce cada uno esas cifras.
  5. Los ojeadores evalúan en persona a los candidatos finales, incluidos el carácter y el comportamiento con la plantilla, antes de que el club elabore su lista corta.

El mayor cambio está en las tres primeras etapas, donde una búsqueda que antes dependía de que un ojeador recordara a un jugador de un viaje antiguo ahora parte de cada partido de la base de datos. Las dos últimas etapas siguen siendo cosa de personas.

Qué hace bien la IA y qué siguen haciendo mejor los ojeadores

La frontera entre el software y el personal sigue una lógica sencilla: las máquinas se encargan del volumen y la consistencia, mientras que las personas cubren todo lo que nunca llega a un archivo de partido. En la práctica, el reparto es así:

  • Volumen: El software escanea miles de jugadores en minutos y aplica criterios idénticos a cada uno.
  • Comparación: Los algoritmos sitúan a un extremo de Bélgica y a otro de Brasil en una escala común.
  • Señales físicas: Los modelos señalan indicios de advertencia, como una caída en las cifras de sprint, que pueden apuntar a riesgo de lesión.
  • Carácter: Los ojeadores juzgan la actitud y cómo reacciona un jugador a los errores, las críticas o una mala racha de resultados.
  • Adaptación: Una visita en persona muestra si alguien probablemente se adaptará a un nuevo país, idioma y vestuario.
  • Contactos: Las relaciones con entrenadores, agentes y familias aportan información que ninguna base de datos contiene, y solo el personal sobre el terreno puede construirlas.

Brighton y Brentford: cómo dos clubes construyeron sus plantillas sobre datos

El Brighton fichó a Moisés Caicedo del Independiente del Valle de Ecuador y a Alexis Mac Allister de Argentinos Juniors por cantidades modestas, y luego vendió a ambos por muchas veces lo que pagó. El traspaso de Caicedo al Chelsea estableció en aquel momento un récord británico de transferencia. Los informes sobre los métodos del club describen que los ojeadores recibían una lista corta ya clasificada por los analistas de datos de Bloom y después comprobaban a esos jugadores en persona.

En 2024, el Brighton fue más lejos y prescindió de la mayoría de sus ojeadores a tiempo completo como parte de una reestructuración, según The Telegraph. La decisión causó preocupación en la comunidad del scouting, aunque el periódico también informó de que el club planeaba nuevos nombramientos para acercar el número de empleados a su nivel anterior.

Con Benham, el Brentford evaluaba a los delanteros por los goles esperados (xG), una medida de la probabilidad de que cada ocasión termine en gol, en lugar de hacerlo solo por su historial goleador. El club compraba jugadores cuyas cifras subyacentes parecían más fuertes que su reputación, y en 2021 el Brentford llegó a la máxima categoría por primera vez en 74 años.

Scout Advisor del Sevilla: cómo un club de LaLiga usa la IA para fichar jugadores

En España, el Sevilla eligió un camino diferente en 2024 y creó Scout Advisor junto con IBM. En lugar de buscar nuevas estadísticas, la herramienta trabaja con material que el club ya poseía: cientos de miles de informes escritos producidos por sus propios ojeadores durante muchos años. Un miembro del personal escribe una solicitud en lenguaje natural, describiendo el tipo de central o extremo que necesita el equipo, y el sistema devuelve una lista de candidatos con un resumen de todo lo que el club tiene sobre cada uno, vinculado a sus cifras de rendimiento.

Al hacer que años de juicio humano sean consultables, el proyecto mantiene a los ojeadores en el centro del reclutamiento en lugar de sustituirlos. Víctor Orta, entonces director deportivo del Sevilla, describió la postura del club en el World Football Summit de 2023: el Sevilla nunca ficharía a un jugador solo por datos, pero tampoco ficharía a uno sin datos.

¿Dónde siguen fallando los algoritmos?

La cobertura de las ligas menores sigue siendo más escasa y menos precisa que la de las principales divisiones de Europa, por lo que un modelo puede sobrevalorar a un jugador o pasarlo por alto por completo porque pocos proveedores registran su competición con detalle. Otras debilidades son más difíciles de corregir con más información:

  • Un centrocampista que destaca en un equipo que tiene el balón puede sufrir en un equipo que defiende replegado, y las cifras pasadas solo lo muestran en parte.
  • El idioma, el clima, la familia y la añoranza de casa rara vez aparecen en ningún conjunto de datos, pero pueden decidir si un fichaje funciona.
  • Cuando varios clubes usan modelos similares, persiguen los mismos objetivos infravalorados y la ventaja de precio se reduce.
  • En el Brighton, según Training Ground Guru, los ojeadores no saben cómo calcula el sistema las calificaciones de su lista corta, lo que hace más difícil cuestionar una recomendación errónea.

¿Qué significa el scouting con IA para jugadores y clubes?

Para los clubes sin los mayores presupuestos, el reclutamiento con IA abre una vía para competir por criterio en lugar de por gasto, que es como Brighton y Brentford construyeron su reputación. Para los futbolistas de ligas que los ojeadores visitaban rara vez, aumentan las posibilidades de ser vistos, ya que una buena temporada en Ecuador o Dinamarca ahora está en las mismas bases de datos que una en España.

Como resultado, el trabajo del ojeador se aleja de ver partidos al azar con la esperanza de descubrir a alguien y se orienta a comprobar nombres que un modelo ya ha señalado, juzgar el carácter y ganarse la confianza de la familia y el agente de un jugador. La FIFA avanza en la misma dirección con sus estándares de datos de fútbol y herramientas de análisis con IA para selecciones nacionales, por lo que es probable que estos métodos se extiendan a más federaciones y clubes. Los clubes que más ganen probablemente serán aquellos que usen bien ambas partes: un modelo para reducir miles de nombres a unos pocos y personas para tomar la decisión final sobre alguien que se trasladará a una nueva ciudad.