Ni Pesach Benson • Hunyo 7, 2026 Jerusalem, Hunyo 7, 2026 (TPS-IL) — Sa pagbubukas ng 2026 World Cup sa Huwebes, nagbabala ang mga mananaliksik sa Israel na isang mas tahimik na pagbabago sa teknolohiya ang humuhubog na sa hinaharap ng football: ang mga artificial intelligence (AI) system na lalong ginagamit sa pagraranggo, pagsusuri, at paghula sa potensyal ng mga batang atleta.
Sinuri ng isang pag-aaral sa Israel kung paano lumalampas ang AI sa pagsusuri ng performance patungo sa paghubog ng pangmatagalang paghatol sa kakayahan ng tao mula sa murang edad. Ang mga natuklasan, na inilathala sa journal na Big Data and Cognitive Computing, ay nagbabala na habang lalong pinoproseso ng mga algorithm ang datos ng performance ng kabataan, hindi lamang nito masusuri ang talento nang mas mahusay, kundi maaari rin itong magsimulang tukuyin ito nang maaga — na posibleng magtanim ng bias at maglimita ng oportunidad bago pa man umabot ang mga manlalaro sa propesyonal na antas.
Bago ang torneo, inanunsyo ng FIFA ang pakikipagtulungan sa kumpanya ng teknolohiya na Lenovo upang buuin ang Football AI Pro platform, isang advanced na sistema para sa tactical analysis at performance evaluation batay sa milyun-milyong data points, video analysis, 3D visualizations, at machine learning simulations.
Katulad na mga pag-unlad ang nagaganap sa mga parallel na inisyatibo tulad ng pakikipagtulungan ng Intel sa International Olympic Committee sa mga AI-based talent identification system. Habang ang ilan sa mga tool na ito ay sinusubukan na o ipinapatupad na sa mga bansang tulad ng Israel, Japan, at El Salvador, ang iba ay nananatili pa rin sa mga unang yugto ng implementasyon.
Ayon sa pag-aaral, na pinangunahan ni Prof. Ofer Ezer ng Ben-Gurion University at Dr. Ilya Morgolev ng Kay Academic College sa Beer-Sheva, ang pinakamahalagang pagbabago ay hindi lamang ang pinahusay na analytics, kundi ang paglitaw ng tuluy-tuloy, data-driven na pagsubaybay sa mga batang atleta. Ang mga automated filming system, wearable sensor, at mga video ng pagsasanay na self-recorded ay nagbibigay-daan na ngayon upang makuha, maiimbak, at masuri ang performance ng mga bata sa paglipas ng panahon, na lumilikha ng permanenteng digital record mula sa murang edad.
Sa mga Olympic sports, basketball, baseball, at tennis, lalong ginagamit ang AI upang matukoy at masuri ang talento sa atletika mula sa murang edad. Ginagamit ng mga Olympic development program ang biometric profiling at performance simulations upang ituro ang mga atleta sa mga angkop na disiplina, habang ang mga sistema ng basketball at tennis ay umaasa sa tracking data, video analysis, at movement metrics upang masuri ang pangmatagalang potensyal. Katulad nito, ang baseball ay naglalapat ng mga data-driven na modelo upang suriin ang mga prospect sa lahat ng development pipeline nito, gamit ang malalaking historical dataset ng performance ng mga manlalaro.
Sa lahat ng mga sport na ito, ang karaniwang pattern ay ang paglipat mula sa panandaliang pagsusuri ng performance patungo sa pangmatagalang algorithmic prediction ng potensyal batay sa patuloy na nakolektang datos mula sa mas bata pang mga atleta.
Paglaban sa ‘Digital Determinism’
Inilarawan ng mga mananaliksik ang pag-unlad na ito bilang "digital determinism," kung saan ang maagang datos ng performance ay nagsisimulang humubog at maglimita sa mga oportunidad sa hinaharap. Kapag naimbak na, ang mga sukatan noong bata pa ay maaaring makaapekto kung aling mga manlalaro ang makakatanggap ng atensyon sa coaching, scouting opportunities, o pondo, na epektibong ginagawang pangmatagalang filter ang mga unang sukat para sa mga karera sa atletika.
Ang isang pangunahing natuklasan ng pag-aaral ay kung paano maaaring pumasok ang bias sa mga sistemang ito nang hindi direkta. Kahit na ang mga algorithm ay hindi isinasama ang mga sensitibong katangian tulad ng ethnicity o kita, maaari pa rin nilang ulitin ang hindi pagkakapantay-pantay sa pamamagitan ng mga proxy variable tulad ng paaralan, lokasyon ng heograpiya, o istraktura ng pamilya. Ang mga signal na ito, na hango sa mga historical pattern ng tagumpay, ay maaaring magtanim ng mga socioeconomic disparities sa mga sistemang tila obhetibo.
Ang mga scouting platform ay nagtitipon na ng mga video footage, mga kaganapan sa laban, at mga istatistika ng performance sa iba't ibang age group at liga. Pagkatapos ay tinutukoy ng mga machine learning system ang mga pattern na nauugnay sa elite performance, habang ang mga analyst ay naglalapat ng mga filter tulad ng edad, posisyon, at antas ng kumpetisyon. Gayunpaman, dahil ang mga sistemang ito ay sinanay sa historical "success," madalas nilang minamana ang mga bias na nakatanim sa mga nakaraang desisyon sa coaching at pagpili, sabi ng mga siyentipiko.
Binibigyang-diin din ng pag-aaral ang isang reinforcing feedback loop: ang mga atleta na maagang natukoy ng mga algorithm ay mas malamang na makatanggap ng superyor na pagsasanay at exposure, na nagpapabuti sa kanilang performance data, na siya namang nagpapatibay sa orihinal na prediksyon ng sistema. Sa paglipas ng panahon, ang dinamikong ito ay maaaring maglimita sa halip na magpalawak ng access sa oportunidad.
Higit pa sa mga performance metrics, nagbabala ang mga mananaliksik na ang data collection ay maaaring sa kalaunan ay lumampas sa labas ng pitch. Maaaring isama ng mga AI system ang aktibidad sa social media, balita, at iba pang pampublikong impormasyon upang bumuo ng mas malawak na profile ng mga batang atleta, na nagtataas ng mga alalahanin sa privacy at mga tanong tungkol sa pangmatagalang paggamit ng datos noong bata pa.
"Ipinapakita ng realidad na ang competitive sports ay nagbibigay-halaga sa competitive achievement higit sa lahat, kahit na sa kapinsalaan ng iba pang mga halaga," sabi ni Dr. Morgolev. "Ang competitive sports ay isang natatangi, matinding arena na umaasa sa pambihirang pisikal na datos kasama ang determinasyon, katatagan, at motibasyon. Isang kumbinasyon na, sa pinakamaganda, ay naglalarawan lamang ng humigit-kumulang isang porsyento ng populasyon."
Dagdag ni Prof. Ezer, "Panahon na upang mag-isip tayo bilang isang lipunan tungkol sa lugar at antas ng awtonomiya na nais nating ibigay sa mga algorithm sa pagkuha ng litrato, pagraranggo, paghula, at pagtukoy sa landas ng pag-unlad ng susunod na henerasyon kapag ang competitive sports ay hindi mahalaga sa karamihan sa kanila," nagbabala na ang mga bata ay dapat umunlad sa ilalim ng isang suportadong balangkas ng tao sa halip na maunang tukuyin ng mga algorithmic score.
