150 milhões de dados por jogo: a IA que decide a Copa

O que aconteceu

A Copa do Mundo deste ano vai rastrear cerca de 150 milhões de pontos de dados por partida, segundo a FIFA. Só dentro da bola, sensores de movimento vão registrar 500 medições por segundo para mapear a trajetória. Quem descreve a escala do problema é Patrick Lucey, cientista-chefe da Stats Perform, empresa de dados e IA que sustenta boa parte do ecossistema global do futebol: “o futebol tem mais permutações possíveis numa partida do que átomos existem no universo.”

Um agente de IA é um sistema que recebe uma pergunta em linguagem natural e devolve uma resposta processando uma base de dados por trás, sem que o usuário precise programar nada. A FIFA batizou o seu de Football AI Pro, e pela primeira vez está disponibilizando essa ferramenta gratuitamente para todas as seleções da Copa. A interface se parece com a de um chatbot: o técnico digita uma pergunta e recebe reconstruções em 3D da partida, com ângulos de análise que antes eram impossíveis de obter.

A ideia, segundo Johannes Holzmüller, diretor de inovação da FIFA, é nivelar o acesso à tecnologia. “Vemos como nosso objetivo, e até nossa tarefa, oferecer essa tecnologia para todas as seleções, para que todo mundo tenha acesso e consiga usar de forma simples, sem precisar de especialistas adicionais no time, porque nem todo mundo pode pagar por isso”, diz ele.

Por que isso importa pra você

Você não trabalha com futebol, mas trabalha com dados: da sua pesquisa, da sua revisão de literatura, do seu experimento. E o problema que a Copa está enfrentando é o mesmo que qualquer pesquisadora enfrenta ao lidar com uma quantidade grande de informação: volume não é sinônimo de clareza.

Alex Stewart, executivo da consultoria de dados esportivos Analytics FC, coloca isso de um jeito que vale para qualquer área que lide com big data: “você não quer dizer ‘ok, agora podemos usar todo esse material aqui, aqui está um dossiê de 47 páginas sobre o lateral adversário’. O trabalho do analista fica de certa forma mais fácil, porque tem mais informação. Mas fica mais difícil, porque tem mais informação, então existe uma habilidade em resumir isso.”

Pense nas suas próprias tarefas de pesquisa:

1. Revisão sistemática de literatura: ter acesso a 500 artigos não ajuda se você não sabe extrair os 5 que realmente sustentam seu argumento.
2. Análise de dados experimentais: um dataset grande não gera hipótese nova sozinho, é preciso saber o que perguntar a ele.
3. Escrita de artigo: ter todas as referências do mundo não substitui a capacidade de sintetizar o que elas dizem em um parágrafo coerente.

O gargalo nunca foi a quantidade de dado disponível. É a capacidade de interpretação.

O que a IA equaliza, e o que ela não equaliza

Curaçao, ilha caribenha com população de aproximadamente 159 mil habitantes, se tornou a menor nação a se qualificar para uma Copa do Mundo usando dados e tecnologia próprios, num processo que a reportagem chama de “diaspora tracking”: mapeamento de parentesco, identificação de jogadores elegíveis nascidos fora do país e uso de dados geoespaciais para planejar viagens de scouting e testes. Segundo Alex Stewart, “apenas um jogador dos 26 de Curaçao nasceu de fato na ilha. Todos os outros nasceram na Holanda.”

É um exemplo real de como dado bem trabalhado, mesmo com orçamento pequeno, produz resultado concreto. Mas o próprio Holzmüller é honesto sobre o limite disso: “essa é a mínima ajuda que podemos dar. Vemos essa lacuna, com algumas seleções usando tecnologia e dados mais do que outras.” Uma ferramenta gratuita e padronizada reduz a distância, não a elimina. A Inglaterra, por exemplo, mantém desenvolvedores de software, cientistas de dados e analistas próprios, além das ferramentas externas de IA, algo que boa parte das seleções menores dificilmente consegue replicar.

O ponto que mais me chama atenção nesse caso

Quando li que times como Inglaterra usam IA para reduzir de cinco dias para cinco horas a análise de cada cobrador de pênalti de um adversário, pensei imediatamente em quantas pesquisadoras ainda fazem à mão um trabalho que uma ferramenta bem configurada faria em uma fração do tempo. Não é falta de inteligência. É falta de método, e às vezes falta de saber que a ferramenta certa existe.

Por outro lado, a fala do Holzmüller sobre a Football AI Pro ser “o mínimo que podemos fazer” é um alerta importante: acesso à ferramenta não é acesso à capacidade de usá-la bem. Um Método V.O.E. (Velocidade, Organização, Execução Inteligente) parte exatamente dessa ideia: a IA acelera a etapa mecânica, mas quem decide o que perguntar, o que descartar e como interpretar o resultado continua sendo você. Ter o mesmo chatbot que uma seleção rica não te coloca automaticamente no mesmo nível dela, se você não sabe formular a pergunta certa.

Isso não significa que toda pesquisadora precisa virar cientista de dados amanhã. Significa que vale a pena perguntar, antes de qualquer análise: qual é a pergunta que eu realmente preciso responder com esse volume de dados que eu tenho na mão?

Próximos passos

1. Identifique onde o volume de dados na sua pesquisa está te paralisando, em vez de te ajudar (uma revisão de literatura extensa demais, um dataset bruto sem filtro claro).
2. Teste uma ferramenta de IA para a etapa de triagem, não para a etapa de interpretação: deixe a máquina reduzir volume, e reserve seu julgamento para decidir o que importa.
3. Documente qual pergunta você fez à ferramenta, não só qual resposta ela te deu. Isso facilita repetir o processo e defender sua metodologia depois.

Se você quer entender melhor onde a inteligência artificial realmente ajuda na pesquisa científica, e onde o desafio continua sendo humano, vale a leitura de IA na pesquisa em saúde: o desafio não é a tecnologia.

Fonte: World Cup Teams Are in a Race for AI Dominance, Wired