LAROMA24.IT (Mirko Bussi) – Il tavolo sommerso da scartoffie, monitor ingialliti che si sforzano di fornire la frequenza per quel recupero di terza serie uruguaiana, posaceneri ormai vinti dalle cicche, la luce che non ne vuole sapere di entrare dalla serranda mezza abbassata. Stop. Piaccia o no, siamo nel 2000 già da un pezzo e la ricerca di un calciatore ha superato quest’immagine romantica e un po’ maccheronica.
Il tempo, infatti, ha avvicinato la compravendita calcistica sempre più ad un investimento e ormai non c’è parete di un bar che non abbia dovuto sopportare l’odore della parola “plusvalenza”. Giusto il tempo di mandarla a memoria ripetendola ogni giorno prima dei pasti e saremo pronti per deglutire la prossima: il machine learning, in italiano l'apprendimento automatico. Ripetiamo insieme: machine learning. Lo strumento, per intenderci, dal quale Pallotta ha annunciato, in evidente iperbole, di voler tirar fuori “il prossimo Messi, se mai esiste, il prossimo Ronaldo, o Totti, o qualcuno di simile”. Insomma, chiunque questa creatura debba succedere, sarà uno bravo a giocare al calcio. Come? Il “cavallo” del Presidente della Roma è la Tag.bio, nel 2016 start-up californiana che il Wall Street Journal raccontava come arma giallorossa per prevedere il futuro…avversario. Rinfrescata da 250 mila dollari finanziati dalla Raptor pallottiana, la Tag.bio inondava Trigoria con dati sui prossimi sfidanti, indicando qual erano i movimenti più ricorrenti dei calciatori che avrebbero affrontato la Roma nella gara successiva. Lo faceva dopo aver immagazzinato tonnellate di dati, abbastanza da rendere credibile l’analisi futura che ne scaturiva. Dall’utilizzo come software di match analysis, al “passo successivo”, come l’ha definito proprio Pallotta. Deciso “circa 9 mesi fa”. Quale? “Individuare i calciatori”.
Sprovvisti di lauree, diplomi o corsi fai-da-te online in materia, e visto che Aranzulla ancora non tratta il tema, abbiamo chiesto aiuto a Luigi Libroia, uno che in Italia ha creato qualcosa di simile a quella che per Pallotta, ma non solo, sarà la bussola per gli acquisti del futuro. Libroia è uno dei fondatori della Wallabies, startup milanese che punta sulla machine learning per lo scouting nel calcio. In Italia sono praticamente gli unici insieme ad uno studio di ricerca del CNR di Pisa. Ma di cosa si occupa questa machine learning? “E’ una macchina che fa dei calcoli”. E fin qui…Calcoli intelligenti, però, per questo “learning”: in base ai dati richiesti, infatti, la macchina modifica i propri risultati. Un esempio: vuoi un calciatore come Nainggolan? Chiedi e ti sarà…calcolato. La macchina troverà quello che per “metrica di gioco” ha più assonanze col calciatore di riferimento. “Diciamo che se prendessero Barella non farebbero male” risponde tra il serio e il faceto Libroia.
Le strade sono due: o si sceglie un calciatore di riferimento per avere un “sosia” magari meno conosciuto e dunque più economico, oppure si inseriscono le caratteristiche richieste. Ma come funziona il calcolo? “Vengono analizzate 580 variabili nella macchina” approfondisce Libroia. Non solo tecniche, come le giocate (dunque passaggi, controlli, tiri ecc con relative angolature) di movimento (quindi stili di corsa, accelerazioni, cambi di direzione e quant’altro, oltre alla mera quantità) o tattiche. Nel frullatore finiscono anche dati psicoattitudinali. Come varia la prestazione di quel calciatore in base al risultato? Come si comporta in stadi affollati? Sotto la pioggia il suo rendimento è lo stesso? Tutti i 14mila eventi che mediamente compongono una partita di calcio finiscono nel database al quale viene affidato un valore, stabilito dalla macchina. Il gol vale 1, per dire. Un fallo laterale battuto, tranne eccezioni, è prossimo allo 0. Come l’assist. L’assist? “Sì, l’assist – spiega ancora Libroia -. Molte società ci chiedevano i dati degli assist ma la macchina gli dava un valore molto basso. Inizialmente credevamo di aver sbagliato tutto, poi abbiamo capito: l’assist è tale grazie ad un altro calciatore, non dipende dunque esclusivamente da chi lo fa. Vi faccio un esempio: nella scorsa stagione Deulofeu e Dembelé avevano totalizzato entrambi 53 passaggi chiave. Solo che il milanista, con Bacca in un periodo negativo, aveva realizzato solo 3 assist, l’altro, grazie alla vena realizzativa di Aubameyang, era arrivato a 14”. E la machine learning potrebbe addirittura entrare in campo un giorno, poiché può fornire dati in tempo reale e quindi stabilire, in base alla frequenza della giocata, quale calciatore è in calo e magari da sostituire.
Attenzione però, non significa che le stanze dei direttori sportivi o degli osservatori saranno sgomberate per far spazio a queste macchine. “La machine learning non sostituisce l’uomo ma ti permette di avere sott’occhio tutto ciò che può servire. L’occhio umano dà percezione del giocatore, la macchina ti aiuta in una scrematura secondo le specifiche richieste” dice Libroia. E’ inevitabile, ad esempio, che l’occhio umano cali nello scrutare i dettagli alla quarta, quinta o sesta partita consecutiva vista. Stanchezza dalle quale è invece immune l'intelligenza artificiale. La macchina consiglia ma a decidere sarà sempre l’uomo, grazie al suo intuito, alla sua conoscenza, oltre che esperienza.
Per la macchina, infatti, Hector Moreno “era un superaffare”, rivela Libroia. “Aveva valori importanti e inoltre l’avevano preso ad un prezzo nella forbice bassa del suo valore” aggiunge. Perché la machine learning permette anche di stabilire il valore di un calciatore, con l’analisi dei comparabili, dunque prendendo in riferimento transazioni precedenti per giocatori simili, del quale si è servito il Palermo nella recente contesa legale che lo vedeva accusato di insolvenza, proprio tramite la Wallabies. “Sarà fondamentale – chiude Libroia -. Farà guadagnare veramente tanto in termini di tempo, di plusvalenze, di organizzazione. Ha possibilità infinite: il confine è quanto i dirigenti delle squadre sportive siano disposti ad accettarla”. Perché l'intelligenza artificiale, oggi e sempre, dipenderà da quella umana.
