El diario deportivo más importante del mundo, MARCA, entrevistó al director general de Comparisonator, Tarkan Batgün, a través de su periodista especializado en big data, Miguel Ángel García. Estos son algunos titulares clave de la entrevista:
K.Tarkan Batgün llega para esta entrevista en un día especial: España y Turquía se enfrentan en un partido que él conoce bien desde su doble perspectiva de analista global y experto turco en inteligencia artificial aplicada al fútbol. CEO de Comparisonator -una plataforma que contextualiza el rendimiento, compara jugadores entre ligas y simula cómo se adaptarían a nuevos entornos competitivos- ha trabajado para clubes, agencias y consultoras internacionales. Creó el “Laboratorio de ojeadores” en el Bursaspor, formó parte de la junta directiva del Altınordu FK, asesoró a empresas como Wyscout y SoccerLab, y fue responsable del programa de ojeadores de NIKE Türkiye durante seis años.
Desde esta perspectiva polifacética, sostiene que el contexto es clave para cualquier dato y que la IA sólo tiene sentido si nos ayuda a tomar mejores decisiones. En esta conversación, explica cómo su tecnología traduce el fútbol entre ligas, detecta riesgos ocultos y evita traspasos multimillonarios que podrían salir mal.
Pregunta: Usted ha trabajado en cuatro continentes y siempre insiste en que los datos sin contexto son inútiles. ¿Cuál ha sido el mayor choque cultural que le ha obligado a reinterpretar por completo un dato o el perfil de un jugador?
Respuesta: Trabajar en cuatro continentes me enseñó muy pronto una cosa: una misma cifra puede significar cosas completamente distintas según de dónde venga. Y el mayor choque cultural, el momento que realmente me obligó a reinterpretar los datos, se produjo cuando pasé del fútbol estructurado de Australia al entorno emocional, caótico y de alta intensidad de Turquía.
Permítame darle un ejemplo concreto: En Australia, analicé a un centrocampista que tenía una excelente precisión en los pases: 92-93%. En esa liga, esto suele indicar inteligencia, paciencia y un juego posicional bien entrenado. Pero cuando volví a Turquía y apliqué la misma lógica, me di cuenta de algo chocante: un pasador con un 92% en la liga turca no suele ser muy creativo. Puede que se limite a evitar riesgos, a jugar el balón hacia atrás o a soltarlo inmediatamente debido a la presión.
Ese fue el momento en que me di cuenta de que el contexto dicta la verdad, y me empujó a crear Comparisonator como motor contextual para directores deportivos, entrenadores y responsables de contratación: para reinterpretar las cifras a través del prisma del ritmo de la liga, para ajustar el rendimiento al estilo táctico, para comprender cómo se comporta un jugador fuera de su entorno, para ayudar a los clubes a evaluar el talento de forma global sin caer en trampas estadísticas engañosas.
Un mismo número puede significar cosas completamente distintas según el país del que proceda.
P: Su carrera combina club, agencia, consultoría y docencia. ¿Qué aprendió en cada una de esas funciones que ahora aplica directamente al diseño de la inteligencia artificial de Comparisonator?
R. Cada etapa de mi carrera me aportó una perspectiva diferente del fútbol, y hoy, todas esas perspectivas están directamente integradas en la IA de Comparisonator.
Del entorno del club aprendí que los responsables de la toma de decisiones no tienen tiempo; necesitan claridad. No quieren “grandes datos”; quieren saber si un jugador encaja o no en nuestro estilo. Por eso nuestra IA se comporta más como un asesor de apoyo a la toma de decisiones que como una máquina de estadísticas.
Del mundo de las agencias, aprendí que las trayectorias de los talentos son tan importantes como el propio talento. De la consultoría, aprendí que cada club tiene una realidad diferente. Por eso la IA de Comparisonator se adapta al usuario. Aprende el estilo, las necesidades y las prioridades del club, y adapta sus recomendaciones en consecuencia.
Enseñando y dando conferencias, aprendí que la comprensión viene de la explicación, no de los números. Por eso creamos CompaGPT: una IA que explica los datos futbolísticos a los humanos como lo haría un ojeador o un entrenador experimentado.
Q. En el Bursaspor, usted creó el “Laboratorio de ojeadores”. ¿Qué parte de esa idea sigue siendo relevante hoy en día y cuál ha quedado completamente obsoleta con la IA actual?
R: Gracias a mis mentores Christophe Daum y su ayudante Rudi Verkempinck, el Laboratorio de ojeadores del Bursaspor fue mi primer intento de crear una forma sistemática y basada en pruebas para evaluar a los jugadores. Muchas partes de esa idea siguen siendo relevantes hoy en día, pero otras han sido completamente transformadas por la IA moderna. Digamos que el “Laboratorio de ojeadores” fue la semilla. La metodología (estructura, claridad, colaboración) sigue siendo relevante. Pero todo lo manual, repetitivo o subjetivo ha sido sustituido por la IA. Hoy, Comparisonator es el Laboratorio de exploración transformado en un motor de inteligencia global, dinámico y consciente del entorno.
Q. Muchos clubes creen que utilizan datos, pero en realidad sólo buscan confirmar sus opiniones preconcebidas. ¿Cuánto ruido generan estos sesgos en el proceso moderno de ojeadores?
R. La parcialidad es el mayor coste oculto del scouting moderno, y genera mucho más ruido del que los clubes se dan cuenta. Muchos clubes piensan que están utilizando datos, pero en realidad, están utilizando números para justificar decisiones que ya han tomado emocionalmente. Esto crea tres grandes problemas: se deja de descubrir nuevos jugadores, porque si los datos sólo se utilizan para confirmar una opinión, nunca se cuestiona la primera impresión y nunca se descubre un talento inesperado; se filtra la verdad, ya que el sesgo de confirmación hace que los clubes ignoren las banderas rojas; y se pierde la ventaja competitiva, porque si todos los clubes utilizan los datos para apoyar creencias preexistentes, todos acaban fichando a los mismos jugadores.
El mayor coste oculto del scouting moderno es la parcialidad: distorsiona, limita y conduce a la pérdida de talentos
Q. Cuando un informe del Comparisonator contradice la intuición de un entrenador o de un cazatalentos, ¿cómo suele resolverse ese conflicto? ¿Quién se equivoca más a menudo?
R: Cuando los datos y la intuición discrepan, la primera regla es sencilla: no elija ninguna de las dos opciones, investigue más. Un entrenador ve cosas que los datos no pueden: lenguaje corporal, personalidad, comportamiento en los entrenamientos… Comparisonator ve cosas que un entrenador no puede: adaptación a la liga, estrés táctico, factores de riesgo ocultos…
Según mi experiencia, cuando surgen conflictos, la proyección del entorno (cómo se adaptará el jugador a la liga y al sistema) suele ser el punto en el que la intuición subestima el riesgo. Ahí es precisamente donde Comparisonator añade valor: no sustituye al juicio humano, sino que lo protege de los puntos ciegos.
Entonces, ¿quién comete el error más a menudo? Normalmente, el bando que ignora el contexto. Y en el fútbol moderno, el contexto no es negociable.
Q. La estandarización entre ligas es uno de los mayores retos del sector. ¿Qué competición está mostrando más resistencia al algoritmo y por qué?
R. La liga que crea más resistencia a cualquier algoritmo es aquella en la que el fútbol está menos estandarizado, donde el ritmo, la estructura y la disciplina táctica varían enormemente dentro de un mismo partido.
Para nosotros, suelen ser ligas con diferencias significativas en la calidad del terreno de juego, un ritmo de juego impredecible, una organización defensiva incoherente y una intensidad emocional extrema. La estandarización es el problema; la inteligencia contextual es la solución.
Q. Usted habla mucho de los puntos AI, las tendencias, la regularidad y el papel funcional. De todos estos indicadores, ¿cuál predice mejor la progresión futura de un jugador?
A. El indicador más fiable de la progresión futura de un jugador es la consistencia de su rendimiento en diferentes entornos. Los puntos de IA, las tendencias y las métricas de rol son importantes, pero el verdadero indicador es éste: ¿Sigue rindiendo el jugador cuando cambia el contexto? Diferente ritmo, diferente presión, diferentes exigencias tácticas, diferente calidad del adversario.
Virtual Transfer ya ha evitado fichajes que habrían costado millones a los clubes.
Los jugadores que mantienen su rendimiento en varios entornos casi siempre progresan. Los jugadores que se desmoronan fuera de su zona de confort casi nunca lo hacen. Por eso Comparisonator se centra tanto en la estabilidad del rendimiento, la traslación a la liga, los indicadores de adaptabilidad y el comportamiento del rol bajo presión.
Q. Virtual Transfer permite simular el rendimiento de un jugador en otra liga. ¿Tiene algún caso documentado en el que el modelo haya evitado que un club hiciera un mal fichaje?
R. Sí, varios, pero no puedo revelar los nombres de los clubes ni de los jugadores. Lo que sí puedo decir es lo siguiente: Virtual Transfer ya ha ahorrado millones a los clubes. Un caso reciente fue el de un delantero muy cotizado de una liga rápida y abierta. Sus estadísticas en bruto eran espectaculares: regate, carreras progresivas, goles esperados… Todo hacía pensar que era un fichaje imprescindible.
Pero cuando lo pasamos por Transferencia Virtual y simulamos su rendimiento en una de las cinco mejores ligas de Europa, aparecieron inmediatamente dos banderas rojas: su eficacia cayó casi un 50% bajo una mayor presión defensiva, y su toma de decisiones se ralentizó significativamente en entornos tácticos estructurados. El club bloqueó el traspaso. Dos meses después, fichó por otro equipo europeo y tuvo problemas precisamente en las áreas que nuestro modelo había predicho.
Éste es el principal objetivo de Virtual Transfer: no decir “no”, sino revelar la verdad sobre cómo se comporta un jugador fuera de su zona de confort. En la contratación moderna, esa claridad puede significar la diferencia entre un fichaje exitoso y un error muy costoso.
Q. Las plataformas y los modelos de IA prometen eliminar los sesgos, pero también pueden generarlos. ¿Cuál ha sido el mayor “falso positivo” o fallo del sistema que le ha obligado a revisar el modelo?
R. El mayor falso positivo que hemos tenido provino de un jugador que parecía excepcional porque el entorno de su liga infló artificialmente sus puntos fuertes. Jugó en una competición con una presión defensiva muy baja, espacios muy abiertos, caos en las transiciones y zonas de recuperación del balón extremadamente altas.
Sobre el papel, sus métricas eran de élite. Nuestro modelo inicial le situaba muy arriba en su posición. Pero cuando se trasladó a una liga más estructurada, todo se vino abajo. No porque le faltara talento, sino porque su entorno había creado una ilusión estadística.
La IA no se vuelve peligrosa por cometer errores, sino por no comprender el contexto.
Ese fue un punto de inflexión para nosotros. Nos dimos cuenta de que el modelo necesitaba una ponderación más profunda. Reconstruimos el motor para que la distorsión ambiental sea ahora una de las primeras cosas que comprueba el sistema.
La lección era sencilla: La IA no se vuelve peligrosa cuando comete errores; la IA se vuelve peligrosa cuando no entiende el contexto. Ese fracaso hizo a Comparisonator más fuerte, más cauto y mucho más adaptable.
Q. Usted ha trabajado en mercados infravalorados y en ligas punteras. ¿Qué patrón común encuentra en los jugadores que mejor se adaptan cuando dan un salto competitivo repentino?
A. En todos los continentes, los jugadores que mejor se adaptan tras un cambio competitivo importante comparten el mismo patrón: aprenden rápido, y no sólo porque sean jugadores rápidos. Los jugadores que triunfan son los que pueden recalibrar sus hábitos casi de inmediato cuando cambia el entorno.
Q. Cada vez más clubes buscan al próximo Haaland antes de que irrumpa en escena. ¿Es realista pensar que la IA puede anticipar el talento generacional, o seguimos persiguiendo unicornios?
R: La IA puede identificar patrones extraordinarios desde el principio, pero no puede crear un Haaland. El talento generacional no se predice; se confirma con el tiempo. Lo que sí puede hacer la IA es reconocer las señales que suelen aparecer antes de un salto importante. Un unicornio se convierte en un unicornio por su entorno, formación, personalidad y mentalidad, no sólo por las métricas. La IA encuentra el potencial. La exploración humana encuentra el destino.
Q. Después de 20 años en el fútbol y la tecnología, ¿qué verdad incómoda cree que necesita escuchar la industria del scouting si quiere dar el siguiente paso?
R. Que la mayoría de los clubes no tienen un problema de ojeadores, sino de toma de decisiones. Los clubes reúnen toneladas de informes, vídeos, estadísticas y opiniones… pero a la hora de la verdad, muchos siguen tomando decisiones basadas en las emociones, la política, la jerarquía o el pánico.
El siguiente paso no son más datos. Es más disciplina a la hora de tomar decisiones. Y precisamente por eso hemos creado Comparisonator: no para sustituir a los ojeadores, sino para obligar a que las decisiones sean más claras, más justas y más difíciles de manipular.
Pulse aquí para leer la entrevista original: https://www.marca.com/futbol/2025/11/18/tarkan-batguen-datos-e-intuicion-chocan-hay-elegir-hay-investigar.html
