Liverpool từng phải đối mặt với một quyết định khó khăn liên quan tới Mohamed Salah vào năm ngoái. Cầu thủ chạy cánh người Ai Cập, một trong những trụ cột quan trọng nhất trong gần một thập kỷ thành công của đội bóng, bắt đầu có dấu hiệu suy giảm thể lực vì tuổi tác. Khi hợp đồng chỉ còn một năm, Liverpool buộc phải lựa chọn: để Salah ra đi khi mùa giải kết thúc, hay tiếp tục giữ chân anh trong bối cảnh ngôi sao này đang bước qua sườn dốc sự nghiệp.
Chia tay một huyền thoại chưa bao giờ là đơn giản, bởi quyết định này không chỉ dựa trên chuyên môn mà còn liên quan tới giá trị thương mại và yếu tố tình cảm. Nhưng cuối cùng, dữ liệu thể thao vẫn có tiếng nói định đoạt. Những con số thống kê sẽ đặt ra câu hỏi, Salah hiện còn có thể mang lại điều gì, và việc giữ anh lại có thực sự xứng đáng với chi phí bỏ ra hay không?
Công nghệ, cụ thể hơn là trí tuệ nhân tạo (AI), có thể góp phần đưa ra câu trả lời. Ông Dean Bracha, nhà sáng lập Marquee, một công cụ AI hỗ trợ các câu lạc bộ trong công tác tuyển dụng, hoàn toàn tin vào điều đó. Bracha dùng chính bài toán của Liverpool để minh họa cho khả năng phân tích phức tạp mà hệ thống của mình có thể giải quyết.
Ông chia sẻ: “Chúng ta biết Mo Salah sắp rời Liverpool và cần lập danh sách các phương án thay thế. Nhưng đồng thời, chúng ta cũng biết Andoni Iraola là huấn luyện viên trưởng, do đó phong cách thi đấu của đội chắc chắn sẽ thay đổi. Thay vì phải tự mò mẫm qua nhiều nền tảng dữ liệu để đối chiếu, chúng tôi mang tới một hệ thống tương tự ChatGPT. Phía sau nó là các mô hình học máy có khả năng tổng hợp dữ liệu, từ đó đề xuất năm hoặc 10 cầu thủ thay thế Salah phù hợp nhất với triết lý mới của Iraola”.
Tuy nhiên, tuyển dụng cầu thủ không phải lĩnh vực duy nhất AI len lỏi vào bóng đá. Công nghệ này phần nào đã được ứng dụng để quản lý chấn thương, kiểm soát khối lượng vận động, xây dựng giáo án tập luyện và thậm chí cả phân tích chiến thuật. Các huấn luyện viên tại MLS hiểu rất rõ xu hướng này vì một số người đã trực tiếp thử nghiệm.
Huấn luyện viên Robin Fraser của Toronto FC là một trong số đó: “Tôi biết các chuyên viên phân tích đang sử dụng hệ thống này. Rõ ràng họ hiểu AI và mối liên hệ của nó với công việc huấn luyện tốt hơn chúng tôi rất nhiều. Việc lắng nghe góc nhìn từ họ thực sự thú vị. Chúng tôi vẫn đang ở giai đoạn rất sơ khai trong việc tìm hiểu cách tối ưu nhất để đưa AI vào thực tiễn huấn luyện”.
Lâu nay, bóng đá luôn duy trì mối quan hệ phức tạp với công nghệ. Nhiều người lo ngại “cỗ máy” sẽ cướp mất việc làm của con người. Số khác lại phản biện rằng AI chỉ giúp tăng tốc những nhiệm vụ mà các chuyên gia khoa học thể thao hay bộ phận tuyển trạch vốn phải mất hàng giờ để hoàn thành. Cuộc tranh luận này vẫn đang tiếp diễn và đôi bên đều có những lý lẽ riêng.
Dù vậy, có một thực tế không thể phủ nhận, những công nghệ tiên tiến giúp tiết kiệm thời gian và sức lao động đã xuất hiện và sẽ tiếp tục tồn tại. Chúng đang được tích hợp vào nhiều bộ phận trong bóng đá và mang lại những lợi ích rõ rệt.
Lợi thế của AI trong tuyển dụng cầu thủ
Những người ủng hộ AI trong bóng đá cho rằng công nghệ không thay thế con người mà chỉ củng cố quy trình tuyển trạch vốn đã tồn tại hàng chục năm nay. Các câu lạc bộ bóng đá sở hữu nguồn tài chính khổng lồ và hoạt động trong môi trường cạnh tranh khốc liệt. Bất kỳ phương thức nào có thể tạo ra lợi thế đều đáng để thử nghiệm.
Bracha cho biết: “Có lẽ bạn sẽ bất ngờ khi biết một số câu lạc bộ thực sự dùng ChatGPT hoặc những mô hình mở tương tự chỉ để thử nghiệm các ý tưởng. Tôi đã thấy chuyện đó khá nhiều. Nhưng để thực sự trích xuất được những phân tích chất lượng từ các mô hình ngôn ngữ lớn (LLM) thì rất khó”.
Bản thân Bracha vừa là người ủng hộ, vừa có lợi ích trực tiếp trong lĩnh vực này. Vốn là một cổ động viên Arsenal, ông bước chân vào bóng đá từ việc viết blog tại nhà với những bài phân tích chi tiết về Pháo Thủ. Bằng cách kết hợp quan sát trực tiếp với công nghệ, Bracha từng chỉ ra những cầu thủ mà các ông lớn nên chiêu mộ. Khi blog dần có lượng độc giả riêng nhưng công việc chính trong ngành công nghệ lại quá bận rộn, ông quyết định phát triển một mô hình AI có khả năng tự động tạo bộ khung bài viết. Dần dần, ông tìm ra những cầu thủ mà ít người biết đến.
“Tôi bắt đầu nhận được tin nhắn từ các tuyển trạch viên chuyên nghiệp hỏi: Làm sao anh biết thông tin đó về cầu thủ này?
Tôi trả lời: Tôi chẳng biết gì cả, chỉ dùng ChatGPT thôi. Rồi tôi tự hỏi, nếu thứ này đã khiến họ ấn tượng thì hiện tại họ đang dùng công cụ gì để làm việc?” Bracha cười. Các tuyển trạch viên và chuyên viên phân tích tất nhiên có dữ liệu, nhưng vấn đề nằm ở sự thiếu thống nhất. Bóng đá hiện có quá nhiều dữ liệu nằm rải rác trên các nền tảng, khiến việc lọc ra thông tin thực sự hữu ích ngày càng khó.
Wyscout, công ty dữ liệu bóng đá thành lập tại Genoa năm 2004, bắt đầu phổ biến toàn cầu vào đầu thập niên 2010. Nhưng khi hàng loạt đối thủ gia nhập thị trường, bóng đá từ chỗ thiếu thốn đã chuyển sang tình trạng bão hòa dữ liệu.
“Trong 10 năm qua, ngành này đi từ tình trạng gần như khan hiếm hoàn toàn sang quá tải dữ liệu. Điều đó lại tạo ra một vấn đề mới bởi có quá nhiều nhà cung cấp phần mềm khác nhau,” Bracha giải thích. Đó cũng là lý do Marquee đang hợp tác với các câu lạc bộ trên khắp thế giới để giải quyết bài toán này. “Nếu có thể tự động hóa hàng loạt quy trình vốn chẳng khác gì những bảng tính được nâng cấp, đồng thời gom các nền tảng rải rác về một mối, chúng tôi sẽ làm điều đó thay cho câu lạc bộ. Theo một nghĩa nào đó, Marquee hoạt động như một bộ phận phân tích thuê ngoài.”
Bracha nhấn mạnh nền tảng của mình không đơn thuần là một phiên bản Football Manager hay Career Mode trong EA FC. Dựa trên ngân sách của từng đội bóng, Marquee tạo ra những hồ sơ rất cụ thể để đề xuất nhóm mục tiêu chuyển nhượng. Hệ thống không chỉ xét kỹ năng chơi bóng mà còn đánh giá mức độ phù hợp của cầu thủ với một hệ thống chiến thuật nhất định. Dĩ nhiên, các câu lạc bộ không bắt buộc phải sử dụng mọi đề xuất. Bộ phận tuyển dụng có toàn quyền chấp nhận hoặc bỏ qua. Dù vậy, công cụ AI rõ ràng đã chứng minh được giá trị. Một số đội bóng tại Ngoại hạng Anh đang sử dụng Marquee, trong khi Barcelona và Chicago Fire từng công khai ủng hộ nền tảng này. Độ hiệu quả thực sự sẽ cần nhiều năm để kiểm chứng, nhưng không thể phủ nhận AI đang len lỏi mạnh mẽ vào công tác tuyển trạch.
AI phát hiện nguy cơ chấn thương gân kheo
Trong trận đấu tại MLS giữa FC Cincinnati và Nashville SC mùa 2025, hệ thống của câu lạc bộ bắt đầu nhận thấy dấu hiệu xuống sức của Matt Miazga. Năm phút trước khi trung vệ này xin thay người, công nghệ của Cincinnati đã ghi nhận “một vận động bất thường”.
Điều đó không có nghĩa AI có thể ngăn chấn thương xảy ra, và câu lạc bộ cũng không ép Miazga tiếp tục thi đấu. Dữ liệu thậm chí không được cung cấp theo thời gian thực. Nhưng hệ thống đã phát hiện một sai lệch trong chuyển động và nhận ra cơ thể cầu thủ đang bất ổn.
Việc xác định thời điểm một cầu thủ có thể trở lại thi đấu lại là một bài toán khác mà AI có thể hỗ trợ. Springbok Analytics thường đưa ra một yêu cầu cho mọi khách hàng: “Hãy gửi cho chúng tôi ca chấn thương phức tạp nhất của bạn”. Trong phần lớn trường hợp, đó là chấn thương gân kheo. Đây vẫn là bài toán mà y học thể thao chưa tìm ra lời giải hoàn chỉnh.
Một nghiên cứu năm 2020 của NIH kết luận gân kheo chiếm khoảng 12% tổng số chấn thương trong bóng đá chuyên nghiệp, với tỷ lệ tái phát dao động từ 4% tới 68%. Gân kheo thường liên quan tới sự mệt mỏi, khi phần lớn trường hợp xảy ra ở giai đoạn cuối mỗi hiệp. Các đội bóng đã thử nghiệm vô số phương pháp phục hồi nhưng chưa ai tìm được công thức hoàn hảo.
“Chúng ta có đủ loại công nghệ mới, đủ cách kiểm tra như: Bạn tạo ra được bao nhiêu lực? Dáng chạy ra sao? Nhưng chấn thương gân kheo không hề giảm, thậm chí còn tăng nguy cơ,” Matt Brown, giám đốc phân tích của Springbok Analytics, chia sẻ. Brown cho rằng công ty của ông có một hướng tiếp cận thuyết phục hơn để xử lý vấn đề này.
Theo ông, khó khăn chủ yếu nằm ở khâu dữ liệu. Việc xác nhận chấn thương về mặt thể chất tương đối rõ ràng, nhưng lượng hóa các yếu tố xung quanh như sức mạnh, sự cân bằng hay mức độ teo cơ lại là quá trình dài và phức tạp. “Bạn muốn có thông tin của cầu thủ vào thời điểm chấn thương, rồi hai tháng sau, sáu tháng sau để theo dõi mức độ teo cơ, từ đó đánh giá xem giáo án phục hồi có tạo ra những thay đổi như mong muốn hay không,” Brown giải thích.
Springbok bắt nguồn từ Đại học Virginia, nơi các nhà khoa học phát triển công nghệ MRI chi tiết cao để điều trị bệnh nhân bại não. Họ tạo hình ảnh 3D giúp bác sĩ tính toán chính xác thủ thuật kéo dài gân. Khi chứng minh được hiệu quả, Springbok đưa công nghệ này vào thể thao. Họ hợp tác với NBA từ năm 2023 và được chọn vào Innovation Lab của MLS trong năm nay. Theo Brown, ảnh MRI truyền thống về cơ bản chỉ là hàng nghìn lát cắt hai chiều màu xám. Trước đây, bác sĩ phải tự ghép nối và phân tích để hình dung không gian ba chiều. Brown và các cộng sự muốn rút ngắn toàn bộ quá trình đó bằng AI.
“Giờ đây, chúng tôi tiền xử lý những hình ảnh ấy bằng trí tuệ nhân tạo. Lấy toàn bộ dữ liệu MRI phức tạp, hệ thống xử lý không gian ba chiều, thời gian và xác định ranh giới từng nhóm cơ để tạo ra một bản sao số 3D hoàn chỉnh,” ông cho biết. Về cơ bản, Springbok là một công cụ xử lý dữ liệu. Họ không trực tiếp chữa trị hay cung cấp phương thuốc thần kỳ để ngăn chấn thương. Họ chỉ đơn giản hóa quy trình phân tích hình ảnh phức tạp. Những số liệu trước đây mất một tuần mới hoàn thiện giờ có thể được cung cấp chỉ trong vài giờ.
“Chúng tôi đóng vai trò hệ thống hỗ trợ, giúp hình ảnh MRI trở nên có giá trị và dễ áp dụng hơn. Chúng tôi cung cấp các phép đo, còn bác sĩ, những người có hàng chục năm kinh nghiệm, sẽ là người đưa ra phác đồ điều trị cuối cùng,” Brown nhấn mạnh.
AI nhận diện những tài năng phát triển muộn
Mỗi ngày, đội ngũ học viện Philadelphia Union phải trả lời hàng loạt câu hỏi quan trọng: Các cầu thủ trẻ đã sẵn sàng chơi ở cấp độ nào? Đâu là ranh giới giữa thể chất và chuyên môn? Một tài năng như Cavan Sullivan có thể chịu được bao nhiêu phút thi đấu cho đội Một? Cơ thể cậu ấy đã thực sự sẵn sàng chưa?
Thông thường, không có câu trả lời duy nhất đúng. Các câu lạc bộ tại MLS thực hiện đủ loại bài kiểm tra sức mạnh, kích thước, chiều cao dự kiến và khả năng đạt đỉnh thể chất. Nhưng tất cả đều tốn thời gian và mang tính phỏng đoán. Fit:Match, một nền tảng AI phân tích cấu trúc cơ thể qua hình ảnh quét 3D trên di động, tin rằng họ có thể làm điều đó trực tiếp và nhanh hơn. Chỉ cần một chiếc điện thoại và 10 giây là đủ để phác thảo tương lai thể chất của một cầu thủ trẻ.
Cách hoạt động khá đơn giản: người dùng chụp bốn bức ảnh của cầu thủ từ các góc khác nhau. Điện thoại sau đó tính toán chiều cao, khối lượng cơ thể, sải tay cùng các thông số hình thể cần thiết. Hệ thống tiếp tục ước tính những yếu tố phức tạp hơn như chiều cao khi trưởng thành, tốc độ phát triển cơ thể để trả về kết quả chưa đầy 30 giây sau đó. Nhà sáng lập Haniff Brown gọi vui đây là “ChatGPT dành cho bóng đá”.
Khởi nghiệp từ ngành thời trang, Haniff Brown từng dùng công nghệ quét cơ thể để giúp khách hàng thử quần áo trực tuyến. Năm 2024, Fit:Match hợp tác với một câu lạc bộ châu Âu để quét dữ liệu cầu thủ học viện. Ông nhận ra công nghệ này có thể tiến xa hơn thế. “Ngay từ đầu, tôi yêu cầu quá trình không được vượt quá 15 giây. Huấn luyện viên không thích những bài đánh giá mất thời gian, họ muốn cầu thủ nhanh chóng trở lại sân tập,” Brown kể lại.
Khi nhiều đội bóng tham gia, một vấn đề nảy sinh: các huấn luyện viên khác nhau có thể cho ra kết quả khác nhau với cùng một bài kiểm tra y khoa cơ bản. Để giải quyết, Fit:Match chuẩn hóa quy trình. Hiện tại, công nghệ này giúp MLS phân loại cầu thủ chính xác hơn. “Một cầu thủ 14 tuổi phát triển sớm rất khác với một cầu thủ 14 tuổi phát triển muộn.
Giờ đây, MLS có thể xác định điều đó bằng dữ liệu, từ đó xây dựng lộ trình tốt hơn để những tài năng phát triển muộn không bị loại khỏi hệ thống quá sớm,” Brown đúc kết.
Ai giúp quản lý kỳ vọng và những câu hỏi đạo đức
Việc áp dụng AI có khả năng làm thay đổi hoàn toàn cách bóng đá vận hành, nhưng cũng kéo theo những câu hỏi về đạo đức và nguy cơ mất việc làm. Việc dự báo sự phát triển của một thiếu niên vốn đã nhạy cảm, chưa kể đến vấn đề bảo mật dữ liệu.
Marquee cũng hiểu rõ điều này và xác định nền tảng phải làm việc cùng câu lạc bộ chứ không phải làm việc thay họ. Trả lời cho vấn đề thay thế con người, Bracha có góc nhìn khá thực dụng: “Sử dụng dịch vụ của chúng tôi nhanh và hiệu quả hơn nhiều so với việc câu lạc bộ tự thuê người để xây dựng một hệ thống tương tự. Bài toán của AI hiện nay là: tự xây hay mua? Trong trường hợp này, tôi nghĩ nên mua.”
Tuy nhiên, AI không đảm bảo thành công tuyệt đối. Wolfsburg từng là một trong những đội tiên phong áp dụng AI tại châu Âu và tuyên bố tiết kiệm một triệu euro mỗi năm. Nhưng khi kết quả trên sân sa sút ở mùa 2025/26, họ lập tức bị chỉ trích vì mải mê truyền thông về công nghệ thay vì tập trung vào bóng đá.
Một số huấn luyện viên thậm chí dùng AI để tham khảo chiến thuật. Huấn luyện viên Laura Harvey của Seattle Reign từng tiết lộ việc hỏi ChatGPT: “Nên sử dụng sơ đồ nào để đánh bại các đội NWSL?”. AI đề xuất hàng thủ năm người, ban huấn luyện đem ra thảo luận và áp dụng thành công, giúp đội cán đích cao hơn tám bậc so với mùa trước. Thực tế, ChatGPT không trực tiếp mang lại chiến thắng, nhưng nó đã cung cấp ý tưởng.
Ngày nay, AI đang trở thành một công cụ đắc lực. Trong một môn thể thao mà ranh giới giữa thắng và thua ngày càng mong manh, sự e ngại về công nghệ rồi sẽ phải nhường chỗ cho khát khao tìm kiếm lợi thế trên sân cỏ.