O maior jornal esportivo do mundo, MARCA, entrevistou o CEO da Comparisonator, Tarkan Batgün, por meio de seu jornalista de big data, Miguel Ángel García. Aqui estão algumas das principais manchetes da entrevista:
K. Tarkan Batgün chega para esta entrevista em um dia especial: Espanha e Turquia se enfrentam em uma partida que ele conhece bem a partir de sua dupla perspectiva como analista global e especialista turco em inteligência artificial aplicada ao futebol. CEO da Comparisonator -uma plataforma que contextualiza o desempenho, compara jogadores entre ligas e simula como eles se adaptariam a novos ambientes competitivos, ele já trabalhou para clubes, agências e consultorias internacionais. Ele criou o “Scouting Lab” no Bursaspor, fez parte da diretoria do Altınordu FK, prestou consultoria a empresas como Wyscout e SoccerLab e foi responsável pelo programa de scouting da NIKE Türkiye por seis anos.
A partir dessa perspectiva multifacetada, ele argumenta que o contexto é fundamental para qualquer dado e que a IA só faz sentido se nos ajudar a tomar decisões melhores. Nesta conversa, ele explica como sua tecnologia traduz o futebol entre ligas, detecta riscos ocultos e evita transferências multimilionárias que poderiam dar errado.
Pergunta: O senhor trabalhou em quatro continentes e sempre insiste que dados sem contexto são inúteis. Qual foi o maior choque cultural que forçou o senhor a reinterpretar completamente um dado ou o perfil de um jogador?
Resposta: Trabalhar em quatro continentes me ensinou uma coisa muito cedo: o mesmo número pode significar coisas completamente diferentes dependendo de onde vem. E o maior choque cultural, o momento que realmente me forçou a reinterpretar os dados, foi quando passei do futebol estruturado da Austrália para o ambiente emocional, caótico e de alta intensidade da Turquia.
Vou dar ao senhor um exemplo concreto: Na Austrália, analisei um meio-campista que tinha excelente precisão de passe: 92-93%. Naquela liga, isso geralmente indica inteligência, paciência e um jogo posicional bem treinado. Mas quando voltei para a Turquia e apliquei a mesma lógica, percebi algo chocante: um jogador com 92% de precisão de passe na liga turca geralmente não é muito criativo. Ele pode simplesmente estar evitando riscos, jogando a bola para trás ou soltando-a imediatamente devido à pressão.
Esse foi o momento em que percebi que o contexto dita a verdade, e isso me levou a criar o Comparisonator como um mecanismo contextual para diretores esportivos, técnicos e gerentes de recrutamento: para reinterpretar os números pelo prisma do ritmo da liga, para ajustar o desempenho ao estilo tático, para entender como um jogador se comporta fora de seu ambiente, para ajudar os clubes a avaliar o talento globalmente sem cair em armadilhas estatísticas enganosas.
O mesmo número pode significar coisas completamente diferentes, dependendo do país de onde vem.
P: Sua carreira combina clube, agência, consultoria e ensino. O que o senhor aprendeu em cada uma dessas funções que agora aplica diretamente ao design da inteligência artificial do Comparisonator?
R. Cada etapa da minha carreira me deu uma perspectiva diferente do futebol e, hoje, todas essas perspectivas estão diretamente integradas à IA do Comparisonator.
No ambiente do clube, aprendi que os tomadores de decisão não têm tempo; eles precisam de clareza. Eles não querem “big data”; eles querem saber se um jogador se encaixa em nosso estilo ou não. É por isso que nossa IA se comporta mais como um consultor de apoio à decisão do que como uma máquina de estatísticas.
No mundo das agências, aprendi que as trajetórias dos talentos são tão importantes quanto o próprio talento. Com a consultoria, aprendi que cada clube tem uma realidade diferente. É por isso que a IA do Comparisonator se adapta ao usuário. Ela aprende o estilo, as necessidades e as prioridades do clube e adapta suas recomendações de acordo com isso.
Ao dar aulas e palestras, aprendi que a compreensão vem da explicação, não dos números. É por isso que criamos o CompaGPT: uma IA que explica os dados do futebol aos seres humanos da mesma forma que um olheiro ou técnico experiente faria.
Q. No Bursaspor, o senhor criou o “Scouting Lab”. Que parte dessa ideia ainda é relevante hoje e o que se tornou completamente obsoleto com a IA atual?
R: Graças aos meus mentores Christophe Daum e seu assistente Rudi Verkempinck, o Bursaspor Scouting Lab foi minha primeira tentativa de criar uma maneira sistemática e baseada em evidências para avaliar os jogadores. Muitas partes dessa ideia continuam relevantes hoje, mas outras foram completamente transformadas pela IA moderna. Digamos que o “Scouting Lab” foi a semente. A metodologia (estrutura, clareza, colaboração) continua relevante. Mas tudo o que é manual, repetitivo ou subjetivo foi substituído pela IA. Hoje, o Comparisonator é o Scouting Lab transformado em um mecanismo de inteligência global, dinâmico e sensível ao ambiente.
Q. Muitos clubes acreditam que estão usando dados, mas, na realidade, estão apenas buscando confirmar suas opiniões preconcebidas. Quanto ruído esses preconceitos geram no processo moderno de scouting?
R. O viés é o maior custo oculto do scouting moderno e gera muito mais ruído do que os clubes imaginam. Muitos clubes acham que estão usando dados, mas, na realidade, estão usando números para justificar decisões que já tomaram emocionalmente. Isso cria três grandes problemas: o senhor deixa de descobrir novos jogadores, pois se os dados forem usados apenas para confirmar uma opinião, o senhor nunca questionará sua primeira impressão e nunca descobrirá talentos inesperados; o senhor filtra a verdade, pois o viés de confirmação faz com que os clubes ignorem os sinais de alerta; e o senhor perde sua vantagem competitiva, pois se todos os clubes usarem os dados para apoiar crenças preexistentes, todos acabarão contratando os mesmos jogadores.
O maior custo oculto do scouting moderno é a parcialidade: ela distorce, limita e leva à perda de talentos
Q. Quando um relatório do Comparisonator contradiz a intuição de um técnico ou olheiro-chefe, como esse conflito geralmente é resolvido? Quem está errado com mais frequência?
R: Quando os dados e a intuição discordam, a primeira regra é simples: não escolha nenhuma das opções, investigue mais. Um técnico vê coisas que os dados não conseguem ver: linguagem corporal, personalidade, comportamento nos treinos… O comparador vê coisas que o técnico não vê: adaptação à liga, estresse tático, fatores de risco ocultos…
Em minha experiência, quando surgem conflitos, a projeção ambiental (como o jogador se adaptará à liga e ao sistema) geralmente é onde a intuição subestima o risco. É exatamente aí que o Comparisonator agrega valor: ele não substitui o julgamento humano, mas o protege de pontos cegos.
Então, quem comete o erro com mais frequência? Geralmente, a equipe que ignora o contexto. E no futebol moderno, o contexto não é negociável.
Q. A padronização entre as ligas é um dos maiores desafios do setor. Qual competição está mostrando mais resistência ao algoritmo e por quê?
R. A liga que cria a maior resistência a qualquer algoritmo é aquela em que o futebol é menos padronizado, onde o ritmo, a estrutura e a disciplina tática variam enormemente dentro da mesma partida.
Para nós, essas são geralmente ligas com diferenças significativas na qualidade do campo, ritmo de jogo imprevisível, organização defensiva inconsistente e intensidade emocional extrema. A padronização é o problema; a inteligência contextual é a solução.
Q. O senhor fala muito sobre pontos de IA, tendências, consistência e papel funcional. De todos esses indicadores, qual é o que melhor prevê a progressão futura de um jogador?
A. O indicador mais confiável da progressão futura de um jogador é a consistência de seu desempenho em diferentes ambientes. Pontos de IA, tendências e métricas de função são importantes, mas o indicador real é este: O jogador continua a ter um bom desempenho quando o contexto muda? Ritmo diferente, pressão diferente, exigências táticas diferentes, qualidade diferente do adversário.
O Virtual Transfer já impediu contratações que teriam custado milhões aos clubes.
Os jogadores que mantêm seu desempenho em vários ambientes quase sempre progridem. Os jogadores que saem de sua zona de conforto quase nunca progridem. É por isso que o Comparisonator se concentra tanto na estabilidade do desempenho, na tradução da liga, nos indicadores de adaptabilidade e no comportamento da função sob pressão.
Q. O Virtual Transfer permite que o senhor simule o desempenho de um jogador em outra liga. O senhor tem algum caso documentado em que o modelo impediu um clube de fazer uma contratação ruim?
R. Sim, vários, mas não posso revelar os nomes dos clubes ou dos jogadores. O que posso dizer é o seguinte: O Virtual Transfer já economizou milhões para os clubes. Um caso recente foi o de um atacante muito procurado de uma liga aberta e de ritmo acelerado. Suas estatísticas brutas eram espetaculares: dribles, corridas progressivas, expectativa de gols… Tudo indicava que ele era uma contratação essencial.
Porém, quando o analisamos por meio do Virtual Transfer e simulamos seu desempenho em uma das cinco principais ligas da Europa, duas bandeiras vermelhas apareceram imediatamente: sua eficiência caiu quase 50% sob maior pressão defensiva e sua tomada de decisão diminuiu significativamente em ambientes táticos estruturados. O clube bloqueou a transferência. Dois meses depois, ele assinou contrato com outro time europeu e teve dificuldades exatamente nas áreas que nosso modelo havia previsto.
Esse é o principal objetivo do Virtual Transfer: não dizer “não”, mas revelar a verdade sobre como um jogador se comporta fora de sua zona de conforto. No recrutamento moderno, essa clareza pode significar a diferença entre uma contratação bem-sucedida e um erro muito caro.
Q. As plataformas e os modelos de IA prometem eliminar vieses, mas também podem gerá-los. Qual foi o maior “falso positivo” ou falha do sistema que obrigou o senhor a revisar o modelo?
R. O maior falso positivo que tivemos foi de um jogador que parecia excepcional porque o ambiente de sua liga inflou artificialmente seus pontos fortes. Ele jogou em uma competição com pressão defensiva muito baixa, espaços muito abertos, caos nas transições e zonas de recuperação de bola extremamente altas.
No papel, suas métricas eram de elite. Nosso modelo inicial o colocava em uma posição muito alta. Mas quando ele se mudou para uma liga mais estruturada, tudo desmoronou. Não porque lhe faltasse talento, mas porque seu ambiente havia criado uma ilusão estatística.
A IA não se torna perigosa por cometer erros, mas por não entender o contexto.
Esse foi um momento decisivo para nós. Percebemos que o modelo precisava de uma ponderação mais profunda. Reconstruímos o mecanismo para que a distorção ambiental seja agora uma das primeiras coisas que o sistema verifica.
A lição era simples: A IA não se torna perigosa quando comete erros; a IA se torna perigosa quando não entende o contexto. Esse fracasso tornou o Comparisonator mais forte, mais cauteloso e muito mais adaptável.
Q. O senhor já trabalhou em mercados subvalorizados e em ligas de primeira linha. Que padrão comum o senhor encontra nos jogadores que se adaptam melhor quando dão um salto competitivo repentino?
A. Em todos os continentes, os jogadores que se adaptam melhor após uma grande mudança competitiva compartilham o mesmo padrão: eles aprendem rapidamente, e não apenas porque são jogadores rápidos. Os jogadores bem-sucedidos são aqueles que conseguem recalibrar seus hábitos quase imediatamente quando o ambiente muda.
Q. Cada vez mais clubes estão procurando o próximo Haaland antes que ele entre em cena. É realista pensar que a IA pode antecipar o talento de uma geração, ou ainda estamos perseguindo unicórnios?
R: A IA pode identificar padrões extraordinários logo no início, mas não pode criar um Haaland. O talento de uma geração não é previsto; ele é confirmado com o tempo. O que a IA pode fazer é reconhecer os sinais que normalmente aparecem antes de um grande salto. Um unicórnio se torna um unicórnio por causa de seu ambiente, treinamento, personalidade e mentalidade, e não apenas por métricas. A IA encontra o potencial. O olheiro humano encontra o destino.
Q. Depois de 20 anos no futebol e na tecnologia, que verdade incômoda o senhor acha que o setor de scouting precisa ouvir se quiser dar o próximo passo?
R. Que a maioria dos clubes não tem um problema de olheiro, mas um problema de tomada de decisão. Os clubes reúnem toneladas de relatórios, vídeos, estatísticas e opiniões… mas, na hora da verdade, muitos ainda tomam decisões com base em emoções, política, hierarquia ou pânico.
O próximo passo não são mais dados. É mais disciplina na forma como as decisões são tomadas. E é exatamente por isso que criamos o Comparisonator: não para substituir os olheiros, mas para forçar as decisões a serem mais claras, mais justas e mais difíceis de manipular.
Clique aqui para ler a entrevista original: https://www.marca.com/futbol/2025/11/18/tarkan-batguen-datos-e-intuicion-chocan-hay-elegir-hay-investigar.html
