Lo que el próximo fichaje del Sevilla te dice sobre cómo te van a contratar en tu siguiente trabajo

"El germen de todo esto fue Monchi". Esa frase resuena en el palco de un Sánchez Pizjuán completamente vacío. No hay partido, pero es un día grande en el estadio del Sevilla. Toca presentar a un nuevo fichaje. No es ningún extremo letal ni es un cerebro fresco para la zona central del campo. Tampoco hay ni rastro de un central que venga a remendar alguno de los agujeros de la defensa de un equipo que, a día de hoy, hace equilibrios desesperados para mantenerse sobre ese fino alambre de un punto que lo separa de los puestos de descenso. El último fichaje del equipo hispalense es una suerte de ChatGPT, al que solamente hace falta indicarle el tipo de jugador que se desea en cada momento con dos o tres palabras para que se ponga a funcionar.

Basta con preguntar en la caja de búsqueda por un "delantero tanque" para que esta inteligencia artificial generativa, bautizada como Scout Advisor, desarrollada en conjunto con IBM y la Universidad de Sevilla, se ponga a elaborar una clasificación de los deportistas que más encajan con esa descripción y sean más idóneos para reforzar el plantel andaluz.

TE PUEDE INTERESAR

Lo que la guerra de Amazon contra el teletrabajo dice sobre la próxima bronca con tu jefe

M. Mcloughlin

El resultado que ofrece el sistema es un traje a medida para el Sevilla. No se trata de un listado de mejores futbolistas que cualquier aficionado al deporte rey podría elaborar echando un vistazo a clasificaciones generales o fuentes de información abiertas. Esta IA generativa saca sus conclusiones buceando y analizando la enorme biblioteca de documentos y análisis que han construido y mantienen actualizados los ojeadores de la entidad. Una biblioteca que cuenta con más de 200.000 informes.

Pero, ¿qué pinta Monchi en todo esto si a finales de la pasada temporada salió disparado hacia la Premier y el Aston Villa de Emery? "Él fue el primero que dio esa importancia al trabajo con los datos", recuerdan en un corrillo los implicados en el proyecto. Se ha escrito mucho sobre cómo el ex director técnico y también exguardameta del Sevilla insufló al club una obsesión inédita por la estadística y eso que se conoce como big data. Si la película Moneyball hablase del fútbol y no del béisbol, es bastante probable que Brad Pitt hubiese tenido que interpretar a Monchi en lugar de Billy Bean.

Fichajes con IA vs. fichajes sin IA

Fruto de ese empeño aterrizó en las oficinas del club Elías Zamora, doctor en matemáticas e ingeniero experto en machine learning e inteligencia artificial. Monchi ya no está, pero Zamora sí. Actualmente, es el director de Datos del Sevilla (en la jerga especializada se refieren a él como chief data officer) y la más cara visible de este proyecto. Este experto explica que en primer término se aplicaron "estas técnicas al scout y detección de jugadores", para hacerlo menos tedioso y más ágil. Cuando vieron que funcionaba empezaron a aplicarlo a "otras áreas de negocio". A día de hoy, han aplicado estas herramientas a la gestión de entradas o la venta de merchandising oficial.

El mundo del fútbol mueve miles de millones de euros cada temporada en concepto de fichajes. Inversiones astronómicas que suelen traducirse en contratos de larga duración, matrimonios cargados de "altos niveles de incertidumbre" en lo que se refiere al rendimiento que dará el jugador en cuestión y si se conseguirá el retorno de la inversión. El enfoque tradicional, explica Zamora, era la "observación humana subjetiva" así como el "análisis manual de datos". Los avances tecnológicos permitieron, con el paso de los años, una gestión más ágil de todo lo que tiene que ver con las estadísticas. Sin embargo, no podía digerir de la misma forma las "anotaciones humanas", imprescindibles para detectar habilidades o cualidades sobre el terreno de juego que no se pueden cuantificar ni medir tan fácilmente. El problema de este enfoque, por tanto, es que sigue demandando mucho tiempo a los ojeadores y que además se deja una información valiosa fuera de la ecuación.

Aquí es donde entra en juego el sistema que han creado conjuntamente con IBM. Igual se acuerdan de Watson, el superordenador de la multinacional estadounidense que saltó a la fama hace una década después de hacer hincar la rodilla al mejor jugador del mundo de Jeopardy!

Aquella máquina y sus avances han acabado derivando en lo que la compañía ha llamado watsonx, que básicamente es un servicio de inteligencia artificial generativa que puede ser contratado por empresas de todo el mundo. Esta plataforma tiene dotes de procesamiento de lenguaje natural. Es decir, es capaz de entender cómo hablamos y escribimos los seres humanos. ¿Esto qué permite? "Esto lo que hace posible es la búsqueda de jugadores teniendo en cuenta la opinión detallada que los expertos del club tienen sobre ellos", explican los responsables del proyecto.

La solución watsonx se sustenta sobre múltiples modelos de lenguaje de gran tamaño (los llamados LLM que permiten a ChatGPT o Bard hacer lo que hacen), pero ha tenido que ser ligeramente personalizada para que sea capaz de entender los códigos que utilizan los ojeadores del club. "Ya no solo es que pueda entender que 1x1 es lo mismo que uno contra uno. Es que es capaz de identificar que diferentes anotaciones, escritas de diferente manera, se refieren a un estilo de juego concreto", explica Arturo Guerrero, de IBM.

Lo que el sistema entrega al que lo consulta es un listado curado con una serie de jugadores recomendados en base a los informes del Sevilla y las estadísticas disponibles, pero también en base a la cantidad de informes asociados a ese deportista o sus emolumentos, adaptándose a cada momento. Un equipo de fútbol no tiene el mismo dinero cuando juega la Champions que cuando está fuera de Europa.

La IA pone nota a cada jugador (A, A-, B+, B, B-...) y ofrece la posibilidad de generar un resumen de todos los informes para que el director técnico tome la última decisión y se decante por un jugador u otro. "Para mí esto es pasar de la vela a la luz eléctrica", explica Emilio de Dios, jefe de scouting del Sevilla. Hasta ahora, los que se encargaban de elaborar este tipo de documentos para la dirección deportiva tenían que leerse todos esos informes de cada jugador, resumirlos (con el riesgo de introducir sesgos en esa condensación) y repetir el proceso tantas veces como propuestas hubiese por posición. "Es un ahorro de tiempo muy grande, que se puede dedicar a visionar más horas de juego o tener a más gente en el radar", añade De Dios.

El club andaluz está ajustando el sistema y espera poder usarlo de cara a la próxima temporada. La pregunta inevitable es saber cuál es el objetivo final. "Cualquier empresa o institución quiere mejorar su captación de talento, porque estará en mejores condiciones de cumplir sus objetivos", afirma Zamora.

En el caso de un club deportivo, esto puede ser ganar más partidos, pero también descubrir talentos en competiciones fuera del carril de las grandes ligas y de los grandes equipos. Fichajes que despuntan durante algunos años y luego se traspasan por una cifra mucho mayor que la que pagaron. El Sevilla tiene varios pelotazos de esta naturaleza en su historia. En 2003 pagaron tres millones por Julio Baptista. Dos años después, el Real Madrid pagó 20. En 2013, pescaron a Carlos Bacca por siete millones. Un par de temporadas después, el que pasó por caja fue el Milán, que pagó 30 millones por él. Diego Carlos llegó en 2019. Se pagaron 15 millones por él. Tras tres años de buen rendimiento, el club lo traspasó al Aston Villa por 33 millones de euros. Y así un largo etcétera.

¿Del deporte a la empresa privada?

La pareja de baile del Sevilla con IBM, además de profundizar en la relación entre deporte y tecnología que se lleva viendo desde hace años atrás, también arroja bastante luz sobre cómo la inteligencia artificial generativa puede ayudar en medio de la guerra por el talento que se vive en algunas industrias, ayudando a localizar candidatos o reducir la incertidumbre de si el perfil por el que un empleador se decanta es el más adecuado para el puesto.

“El uso de datos masivos y algoritmos para la medición del rendimiento o la captación de talento, especialmente en el deporte, no es algo nuevo. Ya lo vimos con Moneyball”, dice Tomás Chamorro-Premuzic, profesor de Psicología Empresarial en el University College de Londres o la Universidad de Columbia y director mundial de Innovación de ManPowerGroup, uno de los gigantes mundiales de contratación de personal.

Señala que lo novedoso ahora es haberlo empaquetado como una inteligencia artificial generativa y ve “natural” que esto se haya propuesto primero en el mundo del deporte. Chamorro-Premuzic asegura que esto se debe a que, por norma, disponen de “datos mucho más objetivos” para medir el rendimiento individual y de equipo que en otras actividades y empresas, que dependen en muchas ocasiones de “evaluaciones internas y muy subjetivas”.

Este experto asegura que el concepto de Scout Advisor es trasladable al ámbito de los recursos humanos, ya que las grandes empresas ya tienen “muchos datos internos y externos” con los que alimentar estos sistemas y que también tienen accesos a plataformas de inteligencia artificial poderosas. “Lo que va a marcar la diferencia en la efectividad de esta herramienta es la objetividad en la recogida y evaluación de estos datos que hagas”, remata Chamorro-Premuzic insistiendo en la necesidad de etiquetar bien las referencias y trabajar las bases de datos para aumentar la efectividad de estos sistemas automáticos.

Una encuesta recientemente publicada por ManpowerGroup con empresas de todo el mundo revelaba que más de la mitad de las participantes (el 56%) estaban integrando IA en sus procesos de contratación. De ellos, prácticamente el 80% esperaban que les beneficiase en los procesos de contratación e incorporación. “La utilización de la IA ha mejorado el proceso de formulación de los requisitos de contratación”, afirmaban las conclusiones del informe.

“Al aprovechar el análisis de datos, la optimización de la descripción de los puestos generadas por IA está ayudando a atraer un grupo diverso de candidatos cualificados”, aseguran los autores del documento, que ponían el acento en que la IA podría ayudar a clasificar los currículos en base a criterios. Este enfoque basado en datos podría ayudar a identificar, por tanto, a los “candidatos mejor cualificados”, ahorrando tiempo a los departamentos de reclutamiento.

El escenario que dibuja el doctor Chamorro-Premuzic es el de un encuentro entre ambos mundos, el más vinculado a los parámetros objetivos y el más vinculado a la intuición o experiencia del que está buscando personal, gracias a estos sistemas. "En el fútbol también vemos que hay perfiles con muy buenas estadísticas pero es el factor humano el que al final lo descarta". En este sentido, explica que los empleadores deben afrontar "una ingenieria inversa" cuando se da con el candidato perfecto para detectar cosas "más allá de los datos estructurados" que han permitido llegar a ese logro y que otros reclutadores aprendan y lo incorporen a su rutina.

En este sentido, ya hay startups que están trabajando en este sentido. Por ejemplo, Sense Talent Labs, una empresa ubicada en California, permite a las empresas automatizar gran parte del proceso. Utilizando lenguaje natural, el empleador puede pedir a una IA generativa que le redacte una oferta detallada para un puesto y que a su vez gobierne un chatbot para hacer la primera criba, preguntando detalles clave que los candidatos no hayan puesto en su currículo. El sistema también puede colaborar investigando las bases de datos de candidatos de los que dispone la empresa, bien repasando las solicitudes de anteriores procesos o bien por los envíos que han hecho personas a los clásicos buzones Trabaja con nosotros.

Siempre que se habla de algoritmos para automatizar procesos de selección, aparece la sombra de que estos sistemas introduzcan sesgos y dejen fuera a ciertos perfiles por cuestión de sexo o raza. Esto ya ocurrió en el pasado cuando Amazon tuvo que desconectar una inteligencia artificial porque discriminaba a las candidatas que presentaban sus currículos para ciertos puestos. “Hay que tener en cuenta que estos sesgos no están en el algoritmo, sino que muy posiblemente estén presentes en la organización que ha diseñado este algoritmo”, opina Chamorro-Premuzic, que dice que la solución pasa, no solo en este caso, porque estos sistemas sean transparentes y abiertos para entender por qué toman una decisión y no otra.