Hur tog sig en liten önation till VM – med hjälp av maskininlärning?

Planen har förändrats – långt innan avsparken

När startvisselblåsningen ljuder på årets VM är mycket redan avgjort. Inte på gräsmattan, utan i analysrummen. Dataplattformar, maskininlärning och avancerade videosystem arbetar dygnet runt för att ge tränare och analytiker en beslutsgrund som tidigare var omöjlig att uppnå med mänskliga resurser ensamma.

Ta England som exempel. Enligt Wired har det engelska förbundets analysteam radikalt kortat ned den tid det tar att genomföra en fullständig genomgång av en motståndares straffskyttar – från fem dagar till fem timmar. Det låter kanske som ett tekniskt kuriosum, men i en slutspelsturnering där lagen kan mötas med bara dagar emellan är det skillnaden mellan förberedelse och gissningsleken.

Men det stannar inte vid matchförberedelse. Dataverktyg används nu även för att hitta rätt tränare till rätt trupp – systemen analyserar spelarmaterialet och identifierar vilken taktisk profil som bäst passar det befintliga beståndet. Det är precis det slag av strategisk matchning som tidigare krävde decennier av erfarenhet och ett stort nätverk. Nu kan det göras på begäran.

Curaçaos bragd – och teknologins dolda hand

En av turneringens mest gripande berättelser är samtidigt ett av dess mest talande exempel på vad AI faktiskt kan åstadkomma. Curaçao, ett karibiskt önation med drygt 159 000 invånare, är den minsta nation som någonsin kvalificerat sig till ett VM. Det skedde inte slumpmässigt.

Enligt Wired använde förbundet en metod kallad diasporakartläggning – en teknik som kombinerar geografiska data och härstamningsregister för att identifiera spelare med koppling till landet som bor utomlands. Av de 26 spelarna i VM-truppen var bara en enda född på ön. Resten hittades via algoritmer som letade systematiskt där mänskliga spejare aldrig hade sökt.

Det är ett inspirerande bevis på att teknologi kan demokratisera möjligheterna – om den används rätt.

Från VM-finalen till laboratoriet på MIT

Bakom mycket av den teknik som idag formar elitfotbollen finns forskning som sällan syns i rubrikerna. MIT Technology Review lyfter fram MIT Sports Lab – ett forskningslabb grundat 2015 av ingenjörsprofessorn Anette "Peko" Hosoi och entreprenören Christina Chase – som en av de mest inflytelserika aktörerna i skärningspunkten mellan vetenskap och idrott.

Dess kanske mest kända bidrag till fotbollen är halvautomatisk offsideteknik, som användes i VM-finalen 2022 och snabbt konstaterade att Lionel Messis mål mot Frankrike var giltigt. Utan den tekniken hade turneringens utgång möjligen sett helt annorlunda ut.

Labbet samarbetar i dag med FIFA, NBA, NFL och Adidas, och arbetet spänner från spelanalys till materialutveckling i löparskor. Det är ett tydligt tecken på hur djupt teknologin nu är invävd i idrottens alla lager – från VM-finaler till konsumentprodukter.

En ojämn spelplan

Men här uppstår också den mest akuta spänningen. Avancerade analysplattformar, dataingenjörer och de system som krävs för att driva dem kostar pengar – mycket pengar. Och alla nationer har inte samma tillgång.

Curaçaos framgång är ett undantag som bekräftar regeln: med rätt verktyg kan även ett litet land hävda sig. Men verktyget är inte gratis. Länder med starka fotbollsekonomier – England, Spanien, Brasilien, Frankrike – kan investera mångfaldigt mer i teknik och kompetens än de flesta afrikanska, asiatiska eller karibiska förbund. Det riskerar att cementera en ordning där teknologin förstärker redan existerande ojämlikheter snarare än att utjämna dem.

FIFA bär ett tungt ansvar här. Den organisation som fastställer regler för rättvis konkurrens på planen måste ta samma ansvar för vad som sker utanför den.

Teknologin är neutral – användningen är det inte

AI förändrar fotbollen på ett fundamentalt sätt. Det är inte längre en fråga om huruvida tekniken spelar roll – det gör den uppenbarligen. Frågan är vem som får tillgång till den, på vilka villkor, och vem som bestämmer det.