كيف يساعد التوظيف المدعوم من الذكاء الاصطناعي فريق كرة القدم الرائد في إسبانيا على التسجيل

قد تبدو عبارات مثل "الكرة في القائم" و"ركلة حرة مباشرة خارج منطقة الجزاء" غريبة عليك إذا لم تكن من مشجعي كرة القدم (وبالنسبة للأمريكيين: نقصد كرة القدم soccer). بالنسبة لكشاف كرة القدم، فإن هذه هي المصطلحات اليومية لعمله، والتي تمثل لغة بالغة الأهمية تساعد في تقييم قيمة اللاعب بالنسبة للفريق. والآن، أصبحت هذه أيضاً هي اللغة التي يتحدث بها ويفهمها Scout Advisor—وهي أداة مبتكرة تعتمد على معالجة اللغات الطبيعية (NLP) تم بناؤها على منصة IBM® watsonx خصيصاً لنادي Sevilla Fútbol Club الإسباني. 

في أي يوم من الأيام، تقع على عاتق الكشاف مسؤوليات عدة: مراقبة التدريبات، والتحدث مع عائلات اللاعبين الشباب، وتدوين الملاحظات حول المباريات، بالإضافة إلى تسجيل الكثير من المعاملات الورقية للمتابعة. في الواقع، تشكل المعاملات الورقية جزءاً أكبر بكثير من العمل مما قد يتخيله المرء. 

كما أوضح Victor Orta، المدير الرياضي لنادي Sevilla لكرة القدم، خلال كلمته في القمة العالمية لكرة القدم عام 2023: "لن نتعاقد أبدًا مع لاعب بناءً على البيانات وحدها، ولكننا لن نفعل ذلك أيضًا دون الاستعانة بالبيانات. في النهاية، سيمتلك اللاعب الجيد دائمًا بيانات جيدة، ولكن يبقى هناك دائمًا العين البشرية التي يتعين عليها تقييم كل شيء واتخاذ القرار."

اقرأ المزيد لمعرفة المزيد عن الشراكة الناجحة والمثمرة بين IBM ونادي Sevilla لكرة القدم.

في عام 2021، كان نادي Sevilla لكرة القدم، وهو فريق من أندية النخبة يتخذ من إقليم أندلسيا بإسبانيا مقرًا له، يعاني من تراكم هائل في المعاملات الورقية. مع وجود فريق كشّافين من النخبة يضم ما بين 20 إلى 25 كشّافاً، يمكن للاعب الواحد أن يجمع ما يصل إلى 40 تقرير كشفي، مما يتطلب ما بين 200 إلى 300 ساعة من المراجعة. بشكل عام، تم تكليف نادي Sevilla لكرة القدم بتنظيم أكثر من 200000 تقرير إجمالي عن اللاعبين المحتملين، وهي مهمة تستهلك وقتًا طويلاً للغاية.

ظل الجمع بين الملاحظة الخبيرة وقيمة البيانات ركيزة أساسية للنادي. تنظر تقارير الكشّافة في البيانات الكمّية للتفاصيل الدقيقة لوقت المباراة، مثل محاولات التسجيل، ونسب التمريرات الحاسمة، والتمريرات الحاسمة، بالإضافة إلى البيانات النوعية مثل سلوك اللاعب ومدى توافقه مع فلسفة الفريق. في ذلك الوقت، كان بإمكان نادي Sevilla لكرة القدم الوصول إلى البيانات الكمية للاعبين واستخدامها بكفاءة في غضون ثوانٍ معدودة، ولكن عملية استخراج المعلومات النوعية من قاعدة البيانات كانت أبطأ بكثير بالمقارنة.

في حالة نادي Sevilla لكرة القدم، كان لاستخدام البيانات الضخمة في استقطاب اللاعبين القدرة على تغيير طبيعة العمل الأساسي للنادي. بدلاً من اعتماد الكشّافين على الحدس والتحيز الشخصي وحدهما في اختيار اللاعبين، بإمكانهم أيضاً استخدام الإحصائيات، واتخاذ قرارات تجارية أفضل وبثقة تامة بشأن استثمارات تبلغ قيمتها ملايين الدولارات (أي اللاعبين). ناهيك عن وقت، ومكان، وكيفية استخدام هؤلاء اللاعبين. لكن الاستفادة من هذه البيانات لم تكن مهمة سهلة.

يأخذ Sevilla FC البيانات على محمل الجد مثل تسجيل الأهداف. في عام 2021، أنشأ النادي قسماً مخصصاً للبيانات خصيصاً لمساعدة الإدارة على اتخاذ قرارات أفضل في مجال الأعمال. لقد نما الآن لتصبح أكبر قسم للبيانات في كرة القدم الأوروبية، حيث طوّر أداة ذكاء اصطناعي خاصة بها للمساعدة في تتبع تحركات اللاعبين من خلال التغطية الإخبارية، بالإضافة إلى حلول حجز التذاكر الداخلية.

ولكن عندما تعلق الأمر بالكميات الهائلة من البيانات التي يجمعها الكشافون، أركت الإدارة أنها تواجه تحدياً يتطلب شريكاً موثوقاً. في البداية، تشاور القسم مع عالم بيانات في جامعة Sevilla لتطوير نماذج لتنظيم جميع بياناتهم. لكن سرعان ما أدرك النادي أنه سيحتاج إلى تقنيات أكثر تقدماً. كانت المكالمة الترويجية من أحد ممثلي شركة IBM بمثابة ضربة حظ موفقة.

تواصل معي Arturo Guerrero [مدير هندسة العملاء في IBM] لمعرفة المزيد عنا وعن مشاريع البيانات الخاصة بنا،" كما يقول Elias Zamora، كبير مسؤولي البيانات في نادي Sevilla لكرة القدم. "أدركنا بسرعة أن هناك طرقًا للتعاون. يمتلك نادي Sevilla لكرة القدم واحدة من أكبر قواعد البيانات الكشفية في كرة القدم المحترفة، وهي جاهزة للاستخدام في إطار تقنيات الذكاء الاصطناعي التوليدي. لقد أطلقت شركة IBM للتو منصة watsonx، وهي منصتها التجارية للذكاء الاصطناعي التوليدي والبيانات العلمية القائمة على السحابة. ولذلك، كانت الشراكة لاستخلاص أقصى قيمة من تقاريرنا الاستكشافية باستخدام الذكاء الاصطناعي هي المبادرة الصحيحة.

تواصلَ نادي Sevilla لكرة القدم مع فريق هندسة عملاء IBM مناقشة التحديات التي يواجهها، وتم وضع خطة عمل.

بفضل قدرة نادي Sevilla لكرة القدم على توضيح تحدياته وأهدافه بدقة—وطرح IBM للأسئلة الصحيحة، سرعان ما جاء الحل التكنولوجي—كخطوة تالية طبيعية. خلُصت الشراكة إلى أن منصة IBM watsonx.ai تمثّل الحل الأمثل لفحص قاعدة بيانات اللاعبين الضخمة بسرعة وسهولة، وذلك باستخدام النماذج الأساسية والذكاء الاصطناعي التوليدي لمعالجة الأوامر باللغة الطبيعية. أتاحَ استخدام اللغة الدلالية في البحث الحصول على نتائج أكثر ثراءً؛ فعلى سبيل المثال، تُرجم البحث عن "جناح موهوب" إلى: "الجناح الموهوب قادر على مواجهة المدافعين بالمراوغة لخلق مساحات واختراق دفاع الخصم."

الحل—الذي يحمل اسم Scout Advisor—يُقدّم قائمة منتقاة للاعبين الذين يطابقون معايير البحث من خلال واجهة مستخدم متميزة وسهلة الاستخدام. تساعد تقنياته في إطلاق العنان للإمكانات الكاملة لقاعدة بيانات نادي Sevilla، بدءاً من الانطباعات غير الملموسة للمكتشفين وكشافي المواهب وصولاً إلى أصول البيانات المحددة.

دخل البرنامج التجريبي لـ Scout Advisor حيز الإنتاج الفعلي في يناير 2024، ويجري تدريبه حالياً باستخدام 200000 تقرير حالي. وتتمثل خطة النادي في استخدام الأداة خلال موسم استقطاب المواهب في صيف 2024 ورؤية النتائج في سبتمبر. حتى الآن، كانت التقييمات إيجابية.
 
"يتمتع Scout Advisor بالقدرة على إحداث ثورة في الطريقة التي نتبعها في استقطاب اللاعبين،" كما يقول Zamora. "يسمح بتحديد اللاعبين بناءً على آراء خبراء كرة القدم المضمنة في التقارير الكشفية والمعبر عنها بلغة طبيعية. أي أننا نستخدم التقنية لاستخراج القيمة والمعرفة الكاملة لقسم الكشافة لدينا."

وبفضل الوقت الذي تم توفيره، أصبح بإمكان الكشافة الآن التركيز على المهام البشرية: التواصل مع المواهب الجديدة، ومتابعة المباريات، واتخاذ قرارات مدعومة بالبيانات.

عند النظر في الوظائف المتقدمة لتقنية معالجة اللغة الطبيعية (NLP) التي يوفرها Scout Advisor، فمن الطبيعي التفكير في كيفية تطبيق التقنية نفسها على مجالات توظيف رياضية أخرى ووظائف أخرى. لكن ثمة أمر واحد مؤكد: وهو أن اتخاذ قرارات أفضل بشأن مَن مِن لاعبي كرة القدم يشارك في المباريات، ومتى ولماذا، قد أحدث تحولاً جذرياً في الطريقة التي يتبعها نادي Sevilla في استقطاب اللاعبين.

يقول Zamora: "هذه أكثر تقنية ثورية رأيتها في كرة القدم."
 
هل تريد معرفة كيف يمكن لتقنية watsonx تسجيل الأهداف لفريقك؟