أجرت صحيفة MARCA، أكبر صحيفة رياضية في العالم، مقابلة مع الرئيس التنفيذي لشركة Comparisonator، تاركان باتجون، من خلال صحفي البيانات الضخمة ميغيل أنخيل غارسيا. فيما يلي بعض العناوين الرئيسية من المقابلة:
يصل K.Tarkan Batgün لإجراء هذه المقابلة في يوم خاص: يلتقي منتخبا إسبانيا وتركيا في مباراة يعرفها جيداً من منظوره المزدوج كمحلل عالمي وخبير تركي في الذكاء الاصطناعي المطبق على كرة القدم . الرئيس التنفيذي لشركة Comparisonator -وهي منصة تضع الأداء في سياقه، وتقارن بين اللاعبين عبر الدوريات، وتحاكي كيفية تأقلمهم مع البيئات التنافسية الجديدة- عمل مع أندية ووكالات واستشارات عالمية. كما أنشأ “مختبر الكشافة” في بورصاسبور، وعمل في مجلس إدارة نادي ألتنوردو إف كيه وقدم المشورة لشركات مثل ويسكاوت وسوكرلاب، وكان مسؤولاً عن برنامج الكشافة الخاص بشركة NIKE Türkiye لمدة ست سنوات.
ومن هذا المنظور متعدد الأوجه، يجادل بأن السياق هو مفتاح أي بيانات، وأن الذكاء الاصطناعي لا معنى له إلا إذا ساعدنا على اتخاذ قرارات أفضل . في هذه المحادثة، يشرح كيف تقوم تقنيته بترجمة كرة القدم بين الدوريات والكشف عن المخاطر الخفية ومنع عمليات الانتقال التي قد تكلف ملايين الدولارات التي قد تسوء.
سؤال: لقد عملت في أربع قارات وتصر دائماً على أن البيانات بدون سياق لا فائدة منها. ما هي أكبر صدمة ثقافية أجبرتك على إعادة تفسير جزء من البيانات أو الملف الشخصي للاعب بشكل كامل؟
الإجابة: علمني العمل في أربع قارات شيئًا واحدًا في وقت مبكر جدًا: يمكن أن يعني نفس الرقم أشياء مختلفة تمامًا اعتمادًا على المكان الذي يأتي منه. وأكبر صدمة ثقافية، وهي اللحظة التي أجبرتني حقًا على إعادة تفسير البيانات، جاءت عندما انتقلت من كرة القدم المنظمة في أستراليا إلى البيئة العاطفية والفوضوية وعالية الكثافة في تركيا.
دعني أعطيك مثالاً ملموساً: في أستراليا، قمت بتحليل لاعب خط وسط يتمتع بدقة تمرير ممتازة: 92-93%. في ذلك الدوري، يشير هذا عادةً إلى الذكاء والصبر واللعب الموضعي الجيد. ولكن عندما عدت إلى تركيا وطبقت نفس المنطق، أدركت شيئًا صادمًا: لاعب التمرير بنسبة 92% في الدوري التركي غالبًا ما يكون غير مبدع للغاية. قد يكون ببساطة يتجنب المخاطرة، أو يعيد الكرة إلى الخلف، أو يتخلى عنها مباشرة بسبب الضغط.
كانت تلك هي اللحظة التي أدركت فيها أن السياق هو ما يملي الحقيقة، وقد دفعني ذلك إلى إنشاء برنامج Comparisonator كمحرك سياقي للمديرين الرياضيين والمدربين ومديري التوظيف: لإعادة تفسير الأرقام من منظور وتيرة الدوري، وتعديل الأداء حسب الأسلوب التكتيكي، وفهم كيفية تصرف اللاعب خارج بيئته، ومساعدة الأندية على تقييم المواهب على مستوى العالم دون الوقوع في فخ الإحصاءات المضللة.
يمكن أن يعني الرقم نفسه أشياء مختلفة تماماً حسب البلد الذي يأتي منه.
س: تجمع مسيرتك المهنية بين النادي والوكالة والاستشارات والتدريس. ما الذي تعلمته في كل دور من هذه الأدوار التي تطبقها الآن بشكل مباشر في تصميم الذكاء الاصطناعي لشركة Comparisonator؟
R. لقد منحتني كل مرحلة من مراحل مسيرتي المهنية منظورًا مختلفًا لكرة القدم، واليوم، تندمج جميع وجهات النظر هذه مباشرةً في الذكاء الاصطناعي في Comparisonator.
لقد تعلمت من بيئة النادي أن صانعي القرار ليس لديهم الوقت؛ فهم بحاجة إلى الوضوح. فهم لا يريدون “بيانات كبيرة”؛ بل يريدون معرفة ما إذا كان اللاعب يناسب أسلوبنا أم لا. لهذا السبب يتصرف الذكاء الاصطناعي لدينا كمستشار لدعم القرار أكثر من كونه آلة إحصائية.
من عالم الوكالات، تعلمت من عالم الوكالات أن مسارات المواهب لا تقل أهمية عن الموهبة نفسها. ومن عالم الاستشارات، تعلمت أن لكل نادٍ واقعاً مختلفاً. لهذا السبب يتكيف الذكاء الاصطناعي في Comparisonator مع المستخدم. فهو يتعلم أسلوب النادي واحتياجاته وأولوياته، ويصمم توصياته وفقًا لذلك.
من خلال التدريس وإلقاء المحاضرات، تعلمت أن الفهم يأتي من الشرح وليس من الأرقام. لهذا السبب أنشأنا CompaGPT: ذكاء اصطناعي يشرح بيانات كرة القدم للبشر بالطريقة التي يشرحها الكشاف أو المدرب المتمرس.
Q. في بورصة سبور، قمت بإنشاء “مختبر الاستكشاف”. أي جزء من تلك الفكرة لا يزال صالحاً اليوم وأي جزء من تلك الفكرة لا يزال صالحاً اليوم وما الذي أصبح قديماً تماماً مع الذكاء الاصطناعي الحالي؟
ج: يعود الفضل في ذلك إلى معلمي كريستوف داوم ومساعده رودي فيركيمبينك، حيث كان مختبر بورصاسبور للكشافة أول محاولة لي في إنشاء طريقة منهجية قائمة على الأدلة لتقييم اللاعبين. لا تزال أجزاء كثيرة من تلك الفكرة صالحة حتى اليوم، لكن أجزاء أخرى من تلك الفكرة تغيرت تماماً بفضل الذكاء الاصطناعي الحديث. دعنا نقول أن “مختبر الاستكشاف” كان البذرة. تظل المنهجية (الهيكلية والوضوح والتعاون) ذات صلة. لكن كل شيء يدوي أو متكرر أو غير موضوعي حل محله الذكاء الاصطناعي. اليوم، Comparisonator هو “مختبر الاستكشاف” الذي تحوّل إلى محرك ذكاء عالمي وديناميكي ومدرك للبيئة.
Q. تعتقد العديد من الأندية أنها تستخدم البيانات، لكنها في الواقع تسعى فقط لتأكيد آرائها المسبقة. ما مقدار الضجيج الذي تحدثه هذه التحيزات في عملية الاستكشاف الحديثة؟
R. التحيز هو أكبر تكلفة خفية للاستكشاف الحديث، وهو يولد ضجيجاً أكثر بكثير مما تدركه الأندية. تظن العديد من الأندية أنها تستخدم البيانات، لكنها في الواقع تستخدم الأرقام لتبرير قرارات اتخذتها بالفعل بشكل عاطفي. وهذا يخلق ثلاث مشاكل رئيسية: تتوقف عن اكتشاف لاعبين جدد، لأنه إذا تم استخدام البيانات فقط لتأكيد رأي ما، فإنك لا تشكك أبدًا في انطباعك الأول ولا تكتشف أبدًا مواهب غير متوقعة؛ وتقوم بتصفية الحقيقة، حيث يؤدي التحيز التأكيدي إلى تجاهل الأندية للعلامات الحمراء؛ وتفقد ميزتك التنافسية، لأنه إذا استخدمت جميع الأندية البيانات لدعم المعتقدات الموجودة مسبقًا، فسينتهي بهم الأمر بالتوقيع مع نفس اللاعبين.
إن أكبر تكلفة خفية للاستكشاف الحديث هي التحيز: فهو يشوه ويحد ويؤدي إلى ضياع المواهب
Q. عندما يتعارض تقرير Comparisonator مع حدس المدرب أو رئيس الكشافين، كيف يتم حل هذا التعارض عادةً؟ من المخطئ في أغلب الأحيان؟
ج: عندما تتعارض البيانات مع الحدس، فإن القاعدة الأولى بسيطة: لا تختار أيًا من الخيارين، بل قم بإجراء المزيد من التحريات. يرى المدرب أشياء لا تستطيع البيانات رؤيتها: لغة الجسد، والشخصية، والسلوك في التدريب… يرى Comparisonator أشياء لا يستطيع المدرب رؤيتها: التكيف مع الدوري، الإجهاد التكتيكي، عوامل الخطر الخفية…
من خلال خبرتي، عندما تنشأ التعارضات، عادةً ما يكون الإسقاط البيئي (كيف سيتأقلم اللاعب مع الدوري والنظام) هو المكان الذي يقلل فيه الحدس من المخاطر. وهنا بالضبط حيث تضيف Comparisonator قيمة: فهي لا تحل محل الحكم البشري، بل تحميه من النقاط العمياء.
إذن، من الذي يرتكب الخطأ أكثر؟ عادة، الجانب الذي يتجاهل السياق. وفي كرة القدم الحديثة، السياق غير قابل للتفاوض.
Q. يعد التوحيد القياسي عبر البطولات أحد أكبر التحديات في هذه الصناعة. ما هي المنافسة التي تظهر أكبر مقاومة للخوارزمية، ولماذا؟
R. إن الدوري الذي يخلق أكبر قدر من المقاومة لأي خوارزمية هو الدوري الذي تكون فيه كرة القدم أقل توحيدًا للكرة، حيث تختلف الوتيرة والبنية والانضباط التكتيكي بشكل كبير داخل المباراة الواحدة.
بالنسبة لنا، عادةً ما تكون هذه الدوريات ذات اختلافات كبيرة في جودة الملعب، ووتيرة اللعب التي لا يمكن التنبؤ بها، والتنظيم الدفاعي غير المتناسق، والشدة الانفعالية الشديدة. التوحيد هو المشكلة، والذكاء السياقي هو الحل.
Q. تتحدث كثيراً عن نقاط الذكاء الاصطناعي والاتجاهات والاتساق والدور الوظيفي. من بين كل هذه المؤشرات، ما هو أفضل مؤشر يتنبأ بتقدم اللاعب في المستقبل؟
A. المؤشر الأكثر موثوقية لتقدم اللاعب في المستقبل هو اتساق أدائه في بيئات مختلفة. نقاط الذكاء الاصطناعي، والاتجاهات، ومقاييس الأدوار مهمة، لكن المؤشر الحقيقي هو هذا: هل يستمر اللاعب في الأداء عندما يتغير السياق؟ وتيرة مختلفة، ضغط مختلف، ضغط مختلف، متطلبات تكتيكية مختلفة، نوعية مختلفة من الخصم.
لقد منعت الانتقالات الافتراضية بالفعل تعاقدات كانت ستكلف الأندية الملايين.
فاللاعبون الذين يحافظون على أدائهم في بيئات متعددة يتقدمون دائمًا تقريبًا. اللاعبون الذين ينهارون خارج منطقة الراحة الخاصة بهم لا يفعلون ذلك أبدًا تقريبًا. لهذا السبب تركز Comparisonator بشكل كبير على ثبات الأداء، وترجمة الدوري، ومؤشرات القدرة على التكيف، وسلوكيات الأدوار تحت الضغط.
Q. يسمح لك نموذج الانتقال الافتراضي بمحاكاة أداء اللاعب في دوري آخر. هل لديكم أي حالات موثقة قام فيها النموذج بمنع أحد الأندية من القيام بتعاقد سيء؟
R. نعم، العديد منها، لكن لا يمكنني الكشف عن أسماء الأندية أو اللاعبين. ما يمكنني قوله هو هذا: لقد وفرت الانتقالات الافتراضية بالفعل الملايين للأندية. إحدى الحالات الأخيرة كانت حالة مهاجم مطلوب بشدة في دوري سريع ومفتوح. كانت إحصائياته الأولية مذهلة: المراوغة، والركض المتقدم، والأهداف المتوقعة… كل شيء كان يشير إلى أنه كان صفقة أساسية.
ولكن عندما قمنا بتشغيله من خلال برنامج الانتقال الافتراضي ومحاكاة أدائه في أحد الدوريات الخمسة الأولى في أوروبا، ظهر على الفور إنذاران أحمران: انخفضت كفاءته بنسبة 50% تقريبًا تحت الضغط الدفاعي المتزايد، وتباطأ اتخاذ قراراته بشكل كبير في البيئات التكتيكية المنظمة. منع النادي انتقاله. وبعد شهرين، وقّع اللاعب بعد ذلك بشهرين لفريق أوروبي آخر وعانى في المجالات التي تنبأ بها نموذجنا بالضبط.
هذا هو الهدف الرئيسي لـ Virtual Transfer: ليس لقول “لا”، ولكن للكشف عن حقيقة تصرف اللاعب خارج منطقة راحته. في عمليات التوظيف الحديثة، يمكن أن يعني هذا الوضوح الفرق بين التعاقد الناجح والخطأ المكلف للغاية.
Q. تَعِد منصات ونماذج الذكاء الاصطناعي بالقضاء على التحيزات، ولكنها يمكن أن تولدها أيضاً. ما هي أكبر “نتيجة إيجابية خاطئة” أو فشل في النظام أجبرتك على مراجعة النموذج؟
R. أكبر إيجابية زائفة حصلنا عليها جاءت من لاعب بدا استثنائيًا لأن بيئة الدوري الذي لعب فيه ضخمت نقاط قوته بشكل مصطنع. لقد لعب في مسابقة ذات ضغط دفاعي منخفض للغاية، ومساحات مفتوحة للغاية، وفوضى في التحولات ومناطق استرداد الكرة عالية للغاية.
على الورق، كانت مقاييسه من النخبة. وضعه نموذجنا الأولي في مرتبة عالية جدًا في مركزه. ولكن عندما انتقل إلى دوري أكثر تنظيماً، انهار كل شيء. ليس لأنه كان يفتقر إلى الموهبة، ولكن لأن بيئته خلقت وهمًا إحصائيًا.
لا يصبح الذكاء الاصطناعي خطيراً من خلال ارتكاب الأخطاء، ولكن من خلال عدم فهم السياق.
كانت تلك نقطة تحول بالنسبة لنا. أدركنا أن النموذج يحتاج إلى ترجيح أعمق. أعدنا بناء المحرك بحيث يكون التشوه البيئي الآن أحد الأشياء الأولى التي يتحقق منها النظام.
كان الدرس بسيطاً: لا يصبح الذكاء الاصطناعي خطيرًا عندما يخطئ؛ بل يصبح الذكاء الاصطناعي خطيرًا عندما لا يفهم السياق. هذا الفشل جعل Comparisonator أقوى وأكثر حذراً وأكثر قدرة على التكيف.
Q. لقد عملتَ في أسواق مقيّمة بأقل من قيمتها الحقيقية وفي الدوريات الكبرى. ما هو النمط المشترك الذي تجده في اللاعبين الذين يتأقلمون بشكل أفضل عندما يحققون قفزة تنافسية مفاجئة؟
A. في جميع القارات، يشترك اللاعبون الذين يتأقلمون بشكل أفضل بعد حدوث تحول تنافسي كبير في نفس النمط: فهم يتعلمون بسرعة، ليس فقط لأنهم لاعبون سريعون. فاللاعبون الذين ينجحون هم أولئك الذين يستطيعون إعادة تقويم عاداتهم على الفور تقريباً عندما تتغير البيئة.
Q. تبحث المزيد والمزيد من الأندية عن هالاند القادم قبل أن يظهر على الساحة. هل من الواقعي أن نعتقد أن الذكاء الاصطناعي قادر على توقع مواهب الأجيال، أم أننا ما زلنا نطارد وحيد القرن؟
ج: يمكن للذكاء الاصطناعي تحديد الأنماط الاستثنائية في وقت مبكر، ولكن لا يمكنه إنشاء هالاند. لا يمكن التنبؤ بمواهب الأجيال، بل يتم تأكيدها بمرور الوقت. ما يمكن أن يفعله الذكاء الاصطناعي هو التعرف على العلامات التي تظهر عادةً قبل حدوث قفزة كبيرة. فوحيد القرن يصبح وحيد القرن بسبب بيئته وتدريبه وشخصيته وعقليته، وليس فقط المقاييس. يجد الذكاء الاصطناعي الإمكانات. بينما يجد الاستكشاف البشري المصير.
Q. بعد 20 عاماً من العمل في كرة القدم والتكنولوجيا، ما هي الحقيقة المزعجة التي تعتقد أن صناعة الكشافة بحاجة إلى سماعها إذا أرادت أن تخطو الخطوة التالية؟
R. أن معظم الأندية ليس لديها مشكلة في الاستكشاف، بل مشكلة في اتخاذ القرارات. فالأندية تجمع الكثير من التقارير ومقاطع الفيديو والإحصائيات والآراء… ولكن عندما يحين وقت الحسم، لا يزال الكثير منها يتخذ قراراته بناءً على العواطف أو السياسة أو التسلسل الهرمي أو الذعر.
الخطوة التالية ليست المزيد من البيانات. إنها المزيد من الانضباط في كيفية اتخاذ القرارات. وهذا بالضبط هو السبب في أننا أنشأنا برنامج Comparisonator: ليس لاستبدال المستكشفين، ولكن لإجبار القرارات على أن تكون أكثر وضوحاً وعدلاً وأصعب في التلاعب بها.
انقر هنا لقراءة المقابلة الأصلية: https://www.marca.com/futbol/2025/11/18/tarkan-batguen-datos-e-intuicion-chocan-hay-elegir-hay-investigar.html
