“即便人工智能能发现优秀球员，最终决定权仍在人手中”——K 联赛球探们绝不会忽视的要素……“性格、态度与适应能力无法用数据衡量”[创刊 22 周年特别策划③]

*此内容由AI翻译生成。

德国国家队主帅尤尔根·克洛普在执教利物浦（英格兰）期间，曾希望引进的进攻型球员是朱利安·布兰特。然而，利物浦数据分析团队的关注点却指向了其他方向。

正是穆罕默德·萨拉赫。这是数据分析做出的选择。结果大获成功。

萨拉也不例外。长期作为利物浦核心力量活跃的罗伯托·菲尔米诺、安迪·罗伯逊和萨迪奥·马内，同样被视为基于数据的球员评估球探工作的代表性成功案例。

据英国天空体育报道，前利物浦数据研究负责人伊恩·格雷厄姆（Ian Graham）表示，在俱乐部取得成功的过程中，数据分析部门发挥了巨大影响力。他开发了一款名为“控球价值”（Possession Value）的程序，用于计算每当球员触球时，该次进攻行为能在多大程度上提升其所属球队的得分概率。格雷厄姆利用这一工具评估并推荐引援目标，这成为利物浦开启新辉煌时代的重要基石。

格雷厄姆自 2012年至 2023年期间担任利物浦数据研究负责人。在此期间，利物浦赢得了包括欧洲足球冠军联赛（UCL）和英格兰超级联赛（EPL）在内的众多奖杯。

典型案例是马内和萨拉赫。当克洛普教练希望引进马里奥·格策时，利物浦的数据分析团队推荐了马内。此外，当克洛普教练推动引进布兰特时，数据分析团队对萨拉赫给予了更高的评价。天空体育解释道：“利物浦俱乐部说服了克洛普教练，使其同意引进萨拉赫。”

随着时间的推移，数据分析正与人工智能（AI）技术相结合，以更快的速度发展。过去，重点在于收集和整理已经发生的比赛记录；而现在，已发展到能够预测尚未发生的情况，并为运动员的每一个行为赋予价值的阶段。

在现代足球中，人工智能应用最广泛的领域之一是球员评估。首尔市立大学的高尚基教授近日在接受《明星新闻》采访时指出：“最基础的案例是预期进球（xG），即通过机器学习模型计算在特定情况下射门转化为进球的概率。”他进一步解释道，“近期还出现了能够评估球员在场上所有动作（包括传球、射门和盘带）的价值，甚至分析无球状态下跑动模型的新技术。”

在这些数据中，最迅速且积极地接纳此类数据分析的代表性球队是利物浦。

高教授表示：“在海外，大型俱乐部早已利用数据分析乃至人工智能进行球员分析和球探工作。”他进一步指出，“在引进穆罕默德·萨拉赫、安迪·罗伯逊、罗伯托·菲尔米诺等球员时，利物浦的数据分析部门据信曾利用基于人工智能的比赛分析模型和球员评估模型对球员进行评估和球探工作。”

▶ 人工智能，更广泛地搜寻选手

人工智能拥有的最大武器之一无疑是能够发掘更多球员的“范围”。高教授表示：“人类球探只能通过直接观看比赛的方式获取信息，因此所能分析的球员池是有限的。”他补充道，“基于人工智能的模型只要提供数据，就能同时分析全球众多球员，因此受到的限制要少得多。”

他接着表示：“据我所知，目前利用人工智能的俱乐部正在使用 AI 生成某种候选名单。”他解释道，“当 AI 推荐初步引援名单后，人类球探和分析团队会对名单中的球员进行更深入的调查，并审查合同条款等条件，最终确定引援人选。”

利物浦比其他俱乐部更早具备积极接纳数据分析的背景。其所有者芬威体育集团（FSG）曾在美国职业棒球大联盟（MLB）的波士顿红袜队利用数据驱动的决策系统取得成功。波士顿队在 2004年时隔 86年再次夺得世界大赛冠军。

美国 ESPN 报道称：“在利物浦，从俱乐部管理层开始，就有着明确方针要减少球员球探工作中的主观性。”

数据分析的最大优势同样在于“规模”与“一致性”。格雷厄姆强调：“利用数据可以更容易地考察范围更广的选手。”

他接着表示，“没有任何人能够亲自观看全球范围内举行的所有足球比赛，并同时判断每位球员创造了何种价值”，并解释道，“此外，使用数据将使球探工作不得不走向系统化，因为可以对所有球员应用相同的筛选标准。”

▶ 善用数据的球队更强

近期，不仅利物浦，重视数据和人工智能技术的英格兰球队如布莱顿与霍夫阿尔比恩、布伦特福德等也在不断增加。

特别是布莱顿和布伦特福德，凭借在相对有限的资本下实现高效引援与俱乐部运营，成为成功立足英超的典型案例。布莱顿于2011年从英甲（第三级别）升入英冠（第二级别），随后于2017年晋级英超。布伦特福德同样在2014年从英甲升入英冠，并于2021年最终成功升入英超。

格雷厄姆指出，能够充分利用数据分析的俱乐部包括“利物浦、布莱顿和布伦特福德”，并透露了一个幕后故事：“当利物浦在低级别联赛中发现年轻球员时，甚至会出现‘布伦特福德可能会将其挖走’的说法。”这充分说明了那些善于利用数据的俱乐部在发掘球员方面的能力之强。

高教授也预测，能否有效利用人工智能将影响球队未来的竞争力。他表示，“使用人工智能的俱乐部与不使用人工智能的俱乐部之间的差异可能不会立即显现”，但“若能不断积累更优的判断，这种差距将逐渐累积”。

▶ AI 改变足球俱乐部招聘市场

全球足球界已随着人工智能的引入而迅速变革。这种变化不仅局限于球员的引进方式，更正在重塑足球俱乐部的组织架构与招聘市场。

英国《金融时报》上月29日报道称，“足球俱乐部争夺数据的竞争日益激烈”，并指出“过去五年间，职业足球俱乐部在英国整体招聘市场中的占比增长了 3 倍，尤其是对数据专家的需求大幅增加”。

据报道，在英国发布的 1 万份招聘广告中，有 7 份以上来自职业足球俱乐部。与 2020年每 1 万份中有 2.4 份相比，这一数字大幅增长。

特别是，今年英超俱乐部发布的招聘启事中，数据及分析相关职位约占 5%。该媒体解释说，“这一比例是两年前的两倍”。

英迪德的资深经济学家杰克·肯尼迪表示：“数据和数据分析是各球队为了在球员引进或对手分析等领域比竞争对手占据优势而更加集中的领域。”

实际上，托特纳姆热刺最近招募了球探洞察分析专家，布伦特福德也发布了与洞察和战略部门相关的招聘广告。在过去五年中，在数据和分析相关人才招聘方面增幅最大的俱乐部包括布莱顿、纽卡斯尔联和曼联等。

肯尼迪最近将近年来升入英超的布伦特福德和布莱顿称为“凭借数据利用能力，展现出超越自身规模优异战绩的球队”。

他表示：“两家俱乐部的老板都是通过职业博彩赚钱的人，因此始终高度重视数据，并将这种思维方式应用于足球俱乐部的运营。”他还解释道：“传统的大型俱乐部几乎可以用资金解决问题。即使一次引援失败，也可以再花 1 亿英镑引进另一名球员。小型俱乐部则无法做到这一点。”这意味着人工智能的发展正在足球俱乐部内部催生出新的职位和组织架构。

对于准备进入足球界的人士而言，AI 应用能力正成为新的竞争力。高教授表示：“重要的是快速学习 AI 能在足球界发挥哪些作用”，并指出“必须理解 AI 能在自己希望从事的工作中协助哪些部分。这不仅是足球领域的问题，未来几乎适用于所有职业”。

他还强调，“未来无论从事何种职业，都将迎来与人工智能共事的时代”，“无论是希望进行人才发掘的人，还是立志成为教练的人，都必须明确理解人工智能在其所负责的工作中能提供何种帮助”。

▶ 塞维利亚、切尔西乃至 MLS……AI 球探系统向全球扩展

变化不仅限于英格兰。传统上被认为与数据分析关系不大的西班牙足球，也出现了新的潮流。其中心是塞维利亚队。

塞维利亚自 2024年起与全球企业 IBM 合作，利用名为“球探顾问”的 AI 球探项目。此举旨在从庞大的球员数据库中更快速、便捷地搜索符合俱乐部所需条件的球员。

因此，球探们得以大幅缩短从庞大球员库中筛选候选阵容所需的时间。取而代之的是，他们可以将更多时间用于与引进候选球员建立直接联系，以掌握其性格和态度，或直接观察比赛、依据数据做出最终判断。

塞维利亚首席数据官埃利亚斯·萨莫拉多盛赞道：“这是我见过的足球领域中最具革命性的技术。”

另一家英超俱乐部切尔西正在利用人工智能（AI）进行青训球探工作。切尔西通过“未来蓝军”（Future Blues）项目与AI球探系统，评估来自英国乃至全球的年轻球员。具体方式为：球员将AI球探应用程序下载至智能手机，完成切尔西指定的运动与技术训练后上传视频，由AI对视频内容进行分析。

AI不仅追踪运动员的身体动作，还追踪球的运动轨迹。通过分析传球或射门过程中运动员与球的运动如何关联，并利用多种指标进行评估。

此后，切尔西的球探和教练将基于AI提供的数据再次评估球员的潜力。其结构为：AI首先筛选出大量球员，最终评估则由人类专家负责。

美国职业足球大联盟（MLS）也朝着同一方向迈进。MLS 与"ai.io"合作，引入了一套系统，使全球球员无需支付高昂费用前往美国或加拿大，即可通过人工智能接受初步球探评估。

这与切尔西的方式类似。球员通过智能手机拍摄指定的训练内容并上传视频，人工智能随后分析球员的能力并打分。获得高评价的球员将有机会参加在美国和加拿大举行的活动，并在真正的美国职业足球大联盟（MLS）相关人员面前进行训练。

人工智能正在打破以往球探工作中最大的障碍——成本、距离和时间的限制。

▶ AI 球探已渗透至 K 联赛

K 联赛也出现了些许变革的动向。部分俱乐部已开始利用人工智能程序开展球探和球员分析工作。目前尚处于全面正式引入阶段之前，更接近于积累数据并测试在实际现场如何应用的探索期，但世界足球的趋势正逐渐渗透至 K 联赛。

A 队球探相关负责人在接受明星新闻采访时称：“在球员引进过程中，我们同时利用常规统计数据和技术团队的定性评估。”他补充道：“在初步审查候选球员时，球探团队通过现场比赛和影像资料对球员进行评估，而运营团队则整理出场记录和各种表现指标等有意义的数据，并将其反映在球员引进报告中。”

他接着表示：“在最终引进决定阶段，也是基于综合了上述评估与数据的球员引进报告进行判断。”并解释道，“并非单纯选择数据优秀的球员，而是会同时考虑该球员与当前球队阵容构成及主教练足球理念的契合度。”

就AI数据而言，目前仍处于具体化利用体系的阶段。相关人士指出：“正处在确定必要指标的过程中，即如何超越单纯的得分、助攻、传球成功率等现有统计数据，将符合教练比赛模型的球员细微动作及战术执行能力以何种标准进行数据化和评估。”

但预计未来将在更多领域应用人工智能。相关人士透露：“今后若确立此类标准，将利用人工智能对球员在无球状态下的跑动、压迫与转换局势中的行动、选位等仅凭现有数据难以确认的部分进行更细致的分析，并用于球员发掘与评估。”

并强调“在引进球员后，持续积累其出场记录和主要表现数据，用于球员评估，并将其作为未来续约、薪资谈判及球队运营方向判断的参考依据”，同时指出“目前阶段是在积极利用现有数据的同时，正逐步确立通过人工智能进行战术与行为数据分析的实际应用标准”。

与海外俱乐部一样，人工智能的优势无疑在于球探工作的范围与速度。A 俱乐部过去多以球探直接了解的联赛、选手及人脉网络推荐的人员为中心进行审查，而目前则利用数据与 AI，在更广泛的范围内首先筛选出符合俱乐部所需条件的选手。

某俱乐部球探相关负责人指出：“特别是，我们不再仅仅关注得分、助攻、传球成功率等数据，而是能够先根据教练的游戏模型定义特定位置球员应采取的跑动方式，再寻找符合该条件的球员。”

他接着表示：“归根结底，过去是‘哪位选手是优秀的选手’先行被审视，而现在则是先定义‘我们球队需要什么样的选手’，再寻找接近该条件的选手，这一过程变得更加精细。”

行政方面也发生了变化。以A队运营团队为例，过去其主要职责是合同、行政及基础资料整理，而现在则增加了由技术团队评估的选手数据的额外分析与比较工作，以支持决策制定。

相关人士预测，“随着未来人工智能应用的全面展开，不仅将验证球探发掘的选手，以数据发现选手并向技术团队提出建议的互动形式也将更加增多”。

发掘青少年选手也是人工智能应用潜力巨大的领域。相关人士也积极评价称：“从长远来看，该领域的人工智能价值可能会更大。”

在低级别联赛或青少年足球领域，往往缺乏足够的数据积累，因此难以像一级联赛球员那样进行精细比较。然而，如果能够获得充足的比赛影像资料，人工智能便能在原本需要球探亲自确认所有比赛的环节中，发挥初步筛选候选人的作用。

展望认为，未来可能会出现由AI发掘并推荐的选手在职业联赛中正式出道的案例。相关人士指出：“在传统球探工作中，受限于人类实际能观看的比赛场次，关注点不可避免地会集中在知名联赛或强队的选手身上。”他进一步解释道：“然而，AI与数据能够以选手在实际比赛中的表现为基准进行比较，而非仅仅依据联赛的知名度。”

随后强调，“因此，如果是过去，由于联赛水平或所属球队的原因而未能受到关注的选手，如果具备非常出色的特定能力，进入候选阵容的可能性就会增加”，并指出“对选手而言，最终在哪里比赛固然重要，但如何比赛获得评价的可能性也会增大”。

▶ 即便如此，最终的选择仍取决于人类的眼睛

仅看至此，似乎球探的作用已大幅缩减。但深入观察世界顶级俱乐部的球员引进流程后，情况则截然不同。

无论人工智能和数据如何发展，在最后一刻依然会出现人类的眼睛。

利物浦同样并非从一开始就通过数据完全看透了罗伯托·菲尔米诺的价值。尽管在引进过程中数据分析发挥了重要作用，但若没有人类的判断，菲尔米诺或许也无法身披利物浦战袍。

格雷厄姆介绍称，在引进菲尔米诺的过程中，时任利物浦技术总监的迈克尔·爱德华兹曾极力主张签下他。菲尔米诺能够胜任前锋、进攻型中场和边锋三个位置，俱乐部数据分析团队当时正为究竟应侧重哪个位置来评估他而陷入思考。

菲尔米诺最初被归类为前锋。但数据显示，其作为前锋的评估并不高。于是埃德沃兹主张应将菲尔米诺视为“10号位”球员。数据分析团队对菲尔米诺进行了重新分析，结果令人惊讶。因为当将其归类为"10号位”时，他被评价为欧洲最顶尖的年轻球员之一。

英国《卫报》在介绍这一轶事时解释道：“当时评价高于菲尔米诺的年轻球员包括亚历克西斯·桑切斯、哈梅斯·罗德里格斯、伊斯科、奥斯卡、保罗·博格巴和亚伦·拉姆齐等。”

格雷厄姆回顾道：“如果埃德沃兹没有坚持要求我们深入分析菲尔米诺，我们实际上不会花那么多时间去分析他。”

最终，数据强力支持引进菲尔米诺，但促使人们重新审视这些数据并加以有效利用的，却是人类的判断。

K 联赛 A 俱乐部也有类似的想法。A 俱乐部尚未将 AI 率先发现的球员实际推进到签约审查阶段。不过，相关人士评价称：“未来可能会出现此类案例。例如，仅从得分、助攻、传球成功率等一般统计数据来看并不突出的球员，若通过 AI 分析其在缺乏进攻机会时的跑动、压迫时机、空间渗透、攻防转换及选位等表现，也有可能获得高度评价。”

同时，他展望道：“如果有这样的选手进入候选名单，人们最初可能会产生‘为什么这位选手会得到如此高的评价’的疑问，并重新观看相关视频。在这个过程中，或许能够以新的视角发现那些通过原有方式可能被低估的选手的价值。”

相关人士强调：“归根结底，人们所期待的并非由人工智能代替人选人，而是让人工智能发挥一种作用，即促使人们再次审视那些在传统球探方式中难以轻易发现的选手。”

▶ AI 尚未能解读的内容

也有仅凭人工智能或数据无法洞察的领域。相关人士指出：“球员在比赛中如何与队友沟通、在球到来前是否善于观察周围情况、失误后作何反应、球队陷入困境时是主动要求接球还是选择退缩，以及接到教练指令后能多快调整实际表现等细节，目前仍难以用数据完全量化说明。”

最终，这部分内容必须通过人的眼睛和判断来确认。相关人士表示：“在训练中可以看到更多东西”，并解释道：“训练强度、竞争意识、对待队友的态度以及坐在替补席上的行为等，都是判断一名球员加入球队后会产生何种影响的重要因素。”

引进外籍球员亦是如此。相关人士指出：“对于外籍球员而言，除了足球实力外，能否适应新国家、文化、饮食、家庭生活环境及语言同样至关重要。”他补充道，“无论球员多么优秀，若无法适应环境，便难以充分展现其全部能力。在这方面，球探和现场专家的经验无疑发挥着关键作用。”

随后表示：“我不想仅仅将这一点描述为球探单纯的‘直觉’，”并认为“这是通过长期观察众多选手和大量比赛，反复经历成功与失败案例后积累下来的一种模式识别和经验值。”

最终，人类的判断终究至关重要。相关人士表示：“虽然人工智能可以提出强有力的意见，但认为最终必须由人来承担决策责任，这是最重要的标准。”

随后，他强调：“仅因与我的判断不同就放弃对AI的评估似乎不太可能。相反，重新确认‘为何会出现如此不同的结果’的过程至关重要。”

他还表示：“我们可能遗漏了一些部分，反之，AI 所使用的数据也可能未能充分反映该球员的实际作用或联赛的特性。”他解释道，“因此，我们正在重新核对数据和影像，并在技术团队内部交换意见。”

在发掘青少年球员方面也需格外谨慎。相关人士在谈及利用AI球探时指出：“对青少年必须特别小心，因为他们的身体成长阶段各不相同，且当前的竞技表现并不等同于未来的竞技水平。”他还表示，“对于青少年而言，相较于数据的当前数值，如何判断其成长潜力和变化方向更为重要。”

利物浦同样在目睹了尤尔根·克洛普前教练在训练中观察当时尚属新秀的特伦特·亚历山大 - 阿诺德后，放弃了引进新右后卫的计划。这是为了给亚历山大 - 阿诺德在阵容中留下成长空间。此后，他成长为一名世界级球员。这是克洛普教练识人眼光发挥重要作用的典型案例。

格雷厄姆也表示：“球探们理解我们制定的评估并非完美无缺，这一点确实非常重要。”

塞维利亚足球俱乐部的体育总监维克托·奥尔特同样在 2023年世界足球峰会上举行的会议上强调：“我们绝不会仅凭数据引进球员，但也绝不会在不利用数据的情况下引进球员。”

随后，奥塔总监解释说：“优秀的选手总是拥有优秀的数据。但在此之后，始终存在着人眼。最终评估并做出决定的，终究是人眼。”

最终重要的是，人类如何解读由人工智能发现并生成的数据。《爱尔兰时报》强调，并非由人工智能独立做出所有决定，而是由人类审查人工智能的提议后做出最终选择。

该媒体表示：“AI工具要发挥其功能，首先必须由人类提供工业规模的相关数据并提出适当的问题；此外，如果人类接受了AI提出的建议，则必须能够在实际赛场中将其付诸实施。”

▶ AI 成为人类球探的“顾问”

某俱乐部相关人士也表示：“球探通过比赛和训练，判断选手的性格、态度、成长潜力及战术理解力等难以完全用数字说明的部分。”同时，“相比之下，数据和人工智能的优势在于发现人类可能遗漏的模式，比较更广泛的选手群，并对这些判断进行客观验证。”

随后表示：“今后，除了依靠球探个人的能力外，通过数据支持球探的判断、整理符合教练比赛模型的标准以及将球员评估体系化等球探辅助角色将变得非常重要。”

同时强调，“最终，优秀球员的引进并非由球探或人工智能任何一方单独完成，而是源于将现场定性判断与数据驱动的定量分析有机融合的‘团队’。”

某俱乐部的资深球探也表示：“虽然认为人工智能在数据方面能发挥相当大的作用，但足球还有其他的评估领域。例如特定球员的比赛风格或性格等就是典型例子。要将这些部分完全用数据进行量化是非常困难的。”

他还表示：“外籍球员的情况也类似。在其他国家，从饮食到生活和文化都会有明显差异。简单来说，归根结底是适应的问题。”同时补充道，“如果引进的球员无法适应 K 联赛的文化，我想提出疑问：这些数据是否真的具有绝对的重要性。”

他接着强调：“对于青少年选手而言，变化更为显著。除了身体上的变化外，还存在心理层面的变化。即便人工智能基于数据进行预测，也无法保证百分之百准确。”

同时表示：“虽然人工智能可以提供帮助，但足球并非仅凭数据就能决定一切”，并补充道“因此似乎不能仅仅依赖人工智能”。

© STARNEWS. 未经许可禁止转载或再分发

*此内容由AI翻译生成。