Крупнейшая в мире спортивная газета MARCA взяла интервью у генерального директора Comparisonator Таркана Батгюна через своего журналиста по большим данным Мигеля Анхеля Гарсии. Вот несколько ключевых заголовков из интервью:
К.Таркан Батгюн пришел на это интервью в особенный день: Испания и Турция встретятся в матче, который он хорошо знает с его двойной точки зрения как глобального аналитика и турецкого эксперта по искусственному интеллекту, применяемому в футболе. Генеральный директор компании Comparisonator -платформы, которая контекстуализирует результаты, сравнивает игроков в разных лигах и моделирует их адаптацию к новой конкурентной среде, – он работал в международных клубах, агентствах и консалтинговых компаниях. Он создал “Лабораторию скаутинга” в Бурсаспоре, входил в совет директоров ФК Алтинорду, консультировал такие компании, как Wyscout и SoccerLab, и в течение шести лет отвечал за скаутскую программу NIKE Türkiye.
Исходя из этой многогранной перспективы, он утверждает, что контекст является ключевым для любых данных и что ИИ имеет смысл только в том случае, если он помогает нам принимать лучшие решения. В этой беседе он объясняет, как его технология переводит футбол между лигами, выявляет скрытые риски и предотвращает многомиллионные трансферы, которые могут пойти не так.
Вопрос: Вы работали на четырех континентах и всегда настаивали на том, что данные без контекста бесполезны. Что было самым большим культурным шоком, который заставил Вас полностью переосмыслить часть данных или профиль игрока?
Ответ: Работа на четырех континентах очень рано научила меня одной вещи: одно и то же число может означать совершенно разные вещи в зависимости от того, откуда оно взялось. И самый большой культурный шок, момент, который действительно заставил меня по-новому интерпретировать данные, произошел, когда я перешел из структурированного футбола Австралии в эмоциональную, хаотичную, высокоинтенсивную среду Турции.
Позвольте мне привести Вам конкретный пример: В Австралии я проанализировал полузащитника, у которого была отличная точность паса: 92-93%. В той лиге это обычно указывает на интеллект, терпение и хорошо натренированную позиционную игру. Но когда я вернулся в Турцию и применил ту же логику, я понял нечто шокирующее: пасующий с 92% в турецкой лиге часто не очень креативен. Возможно, он просто избегает риска, возвращает мяч назад или сразу же отдает его под давлением.
В тот момент я понял, что контекст диктует истину, и это подтолкнуло меня к созданию Comparisonator как контекстного двигателя для спортивных директоров, тренеров и менеджеров по подбору персонала: переосмыслить цифры через призму темпа лиги, скорректировать производительность в соответствии с тактическим стилем, понять, как игрок ведет себя вне своей среды, помочь клубам оценить талант глобально, не попадая в вводящие в заблуждение статистические ловушки.
Одно и то же число может означать совершенно разные вещи в зависимости от страны, из которой оно пришло.
В: Ваша карьера сочетает в себе работу в клубе, агентстве, консалтинге и преподавании. Чему Вы научились в каждой из этих ролей, что Вы теперь непосредственно применяете при разработке искусственного интеллекта Comparisonator?
R. Каждый этап моей карьеры позволял мне по-разному взглянуть на футбол, и сегодня все эти взгляды непосредственно интегрированы в ИИ Comparisonator.
В клубной среде я понял, что у тех, кто принимает решения, нет времени; им нужна ясность. Им не нужны “большие данные”; они хотят знать, подходит игрок под наш стиль или нет. Вот почему наш ИИ ведет себя скорее как советник, поддерживающий принятие решений, чем как статистическая машина.
В мире агентств я узнал, что траектории развития талантов так же важны, как и сами таланты. Занимаясь консалтингом, я понял, что у каждого клуба своя реальность. Именно поэтому искусственный интеллект Comparisonator подстраивается под пользователя. Он изучает стиль, потребности и приоритеты клуба и подстраивает свои рекомендации соответствующим образом.
Преподавая и читая лекции, я понял, что понимание приходит через объяснение, а не через цифры. Именно поэтому мы создали CompaGPT: искусственный интеллект, который объясняет человеку футбольные данные так, как это сделал бы опытный скаут или тренер.
Q. В Бурсаспоре Вы создали “Лабораторию скаутинга”. Какая часть этой идеи актуальна и сегодня, а что полностью устарело с нынешним искусственным интеллектом?
О: Благодаря моим наставникам Кристофу Дауму и его помощнику Руди Веркемпинку, скаутская лаборатория Бурсаспора стала моей первой попыткой создать систематический, основанный на фактах способ оценки игроков. Многие части этой идеи остаются актуальными и сегодня, но другие были полностью преобразованы современным искусственным интеллектом. Скажем, “Лаборатория скаутинга” была семенем. Методология (структура, ясность, сотрудничество) остается актуальной. Но все ручное, повторяющееся или субъективное было вытеснено искусственным интеллектом. Сегодня Comparisonator – это “Лаборатория разведки”, преобразованная в глобальный, динамичный и учитывающий окружающую среду интеллектуальный механизм.
Q. Многие клубы считают, что используют данные, но на самом деле они лишь стремятся подтвердить свои предвзятые мнения. Насколько много шума создают эти предубеждения в современном процессе скаутинга?
R. Предвзятость – это самая большая скрытая цена современного скаутинга, и она создает гораздо больше шума, чем клубы думают. Многие клубы думают, что используют данные, но на самом деле они используют цифры, чтобы оправдать решения, которые они уже приняли на эмоциональном уровне. Это создает три основные проблемы: Вы перестаете открывать новых игроков, потому что если данные используются только для подтверждения мнения, Вы никогда не подвергаете сомнению свое первое впечатление и не открываете неожиданные таланты; Вы отсеиваете правду, поскольку предвзятость подтверждения заставляет клубы игнорировать красные флажки; и Вы теряете конкурентное преимущество, потому что если все клубы используют данные для поддержки уже сложившихся убеждений, они в конечном итоге подписывают одних и тех же игроков.
Самая большая скрытая цена современного скаутинга – это предвзятость: она искажает, ограничивает и приводит к потере таланта.
Q. Когда отчет Comparisonator противоречит интуиции тренера или главного скаута, как обычно разрешается этот конфликт? Кто чаще ошибается?
О: Когда данные и интуиция расходятся, первое правило простое: не выбирайте ни один из вариантов, исследуйте дальше. Тренер видит то, что не видят данные: язык тела, характер, поведение на тренировках… Comparisonator видит то, что не видит тренер: адаптацию к лиге, тактический стресс, скрытые факторы риска…
По моему опыту, когда возникают конфликты, прогноз окружения (как игрок будет адаптироваться к лиге и системе) обычно является тем местом, где интуиция недооценивает риск. Именно здесь Comparisonator приносит пользу: он не заменяет человеческое суждение, а скорее защищает его от слепых пятен.
Итак, кто же чаще совершает ошибку? Обычно та сторона, которая игнорирует контекст. А в современном футболе контекст не обсуждается.
Q. Стандартизация в разных лигах – одна из самых больших проблем в индустрии. Какое соревнование оказывает наибольшее сопротивление алгоритму и почему?
R. Лига, которая оказывает наибольшее сопротивление любому алгоритму, – это та лига, в которой футбол наименее стандартизирован, где темп, структура и тактическая дисциплина очень сильно варьируются в рамках одного матча.
Для нас это, как правило, лиги со значительными различиями в качестве подачи, непредсказуемым темпом игры, непоследовательной организацией защиты и крайней эмоциональной напряженностью. Стандартизация – это проблема; контекстуальный интеллект – это решение.
Q. Вы много говорите об AI-очках, тенденциях, постоянстве и функциональной роли. Какой из этих показателей лучше всего предсказывает будущее развитие игрока?
A. Самый надежный показатель будущего развития игрока – это постоянство его игры в разных условиях. Очки ИИ, тренды и ролевые метрики важны, но настоящий показатель заключается в следующем: Продолжает ли игрок показывать высокие результаты при изменении обстановки? Другой темп, другое давление, другие тактические требования, другое качество соперника.
Виртуальный трансфер уже предотвратил подписания, которые обошлись бы клубам в миллионы.
Игроки, которые поддерживают свои результаты в разных условиях, почти всегда прогрессируют. Игроки, которые выходят за пределы своей зоны комфорта, почти никогда не прогрессируют. Вот почему Comparisonator уделяет так много внимания стабильности результатов, переводу в лигу, показателям адаптивности и поведению роли под давлением.
Q. Virtual Transfer позволяет Вам смоделировать выступление игрока в другой лиге. Есть ли у Вас документально подтвержденные случаи, когда эта модель предотвратила неудачное подписание клуба?
R. Да, несколько, но я не могу раскрыть названия клубов или игроков. Что я могу сказать, так это следующее: Виртуальный трансфер уже сэкономил клубам миллионы. Недавно был случай с очень востребованным нападающим из быстро развивающейся, открытой лиги. Его сырая статистика была впечатляющей: дриблинг, прогрессивные забеги, ожидаемые голы… Все говорило о том, что его приобретение было просто необходимо.
Но когда мы прогнали его через Virtual Transfer и смоделировали его игру в одной из пяти ведущих европейских лиг, сразу же появились два красных флажка: его эффективность упала почти на 50% под усиленным оборонительным давлением, а принятие решений значительно замедлилось в структурированной тактической обстановке. Клуб заблокировал трансфер. Два месяца спустя он подписал контракт с другой европейской командой, и у него возникли проблемы именно в тех областях, которые предсказала наша модель.
В этом и заключается основная задача Virtual Transfer: не говорить “нет”, а раскрывать правду о том, как игрок ведет себя за пределами своей зоны комфорта. В современном рекрутинге такая ясность может означать разницу между успешным подписанием контракта и очень дорогостоящей ошибкой.
Q. ИИ-платформы и модели обещают устранить предвзятость, но они также могут ее порождать. Что было самым большим “ложным срабатыванием” или сбоем системы, который заставил Вас пересмотреть модель?
R. Самый большой ложный результат, который мы получили, был получен от игрока, который казался исключительным, потому что условия его лиги искусственно раздували его сильные стороны. Он играл в соревновании с очень низким защитным давлением, очень открытыми пространствами, хаосом в переходах и чрезвычайно высокими зонами возврата мяча.
На бумаге его показатели были элитными. Наша первоначальная модель позволила ему занять очень высокое место на своей позиции. Но когда он перешел в более структурированную лигу, все рухнуло. Не потому, что ему не хватало таланта, а потому, что его окружение создало статистическую иллюзию.
ИИ становится опасным не потому, что совершает ошибки, а потому, что не понимает контекста.
Это стало для нас поворотным моментом. Мы поняли, что модель нуждается в более глубоком взвешивании. Мы перестроили механизм таким образом, что теперь искажение окружающей среды является одной из первых вещей, которые проверяет система.
Урок был прост: ИИ становится опасным не тогда, когда совершает ошибки; ИИ становится опасным, когда не понимает контекста. Эта неудача сделала Comparisonator сильнее, осторожнее и гораздо более адаптируемым.
Q. Вы работали на недооцененных рынках и в высших лигах. Какую общую закономерность Вы обнаружили у игроков, которые лучше всего адаптируются, когда совершают резкий скачок в конкурентной борьбе?
A. На всех континентах игроки, которые лучше всего адаптируются после серьезных изменений в соревновательной среде, имеют одну и ту же закономерность: они быстро учатся, и не только потому, что они быстрые игроки. Преуспевают те игроки, которые могут перестроить свои привычки почти мгновенно при изменении обстановки.
Q. Все больше и больше клубов ищут следующего Хааланда до того, как он выйдет на сцену. Реалистично ли думать, что ИИ может предвидеть талант поколения, или мы все еще гонимся за единорогами?
О: ИИ может выявить необычные закономерности на ранних стадиях, но он не может создать Хааланда. Талант поколения нельзя предсказать; он подтверждается со временем. Что ИИ может сделать, так это распознать признаки, которые обычно появляются перед большим скачком. Единорог становится единорогом благодаря своему окружению, обучению, личности и складу ума, а не только метрикам. ИИ находит потенциал. Человеческий скаутинг находит судьбу.
Q. После 20 лет работы в футболе и технологиях, какую неудобную истину, по Вашему мнению, должна услышать индустрия скаутинга, если она хочет сделать следующий шаг?
R. Что у большинства клубов проблема не со скаутингом, а с принятием решений. Клубы собирают тонны отчетов, видео, статистики и мнений… но когда дело доходит до драки, многие все равно принимают решения, основываясь на эмоциях, политике, иерархии или панике.
Следующий шаг – это не больше данных. Это более дисциплинированный подход к принятию решений. Именно поэтому мы создали Comparisonator: не для того, чтобы заменить скаутов, а для того, чтобы заставить принимать более четкие, справедливые и трудные для манипулирования решения.
Нажмите здесь, чтобы прочитать оригинал интервью: https://www.marca.com/futbol/2025/11/18/tarkan-batguen-datos-e-intuicion-chocan-hay-elegir-hay-investigar.html
