Uloga trenera obuhvata čitav niz aktivnosti kao što su fizički i psihološki razvoj, motivacija, planiranje taktike i strategije ekipe. U tradicionalnom smslu, trener donosi odluke na osnovu iskustva, intuicije i ličnog poznavanja i razumevanja igre. U poslednje vreme, u skadu sa globalnim promenama, fudbal prolazi kroz tehnološku revoluciju, pri čemu analitika postaje nezaobilazni deo treninga i takmičenja.
Moderno doba omogućilo je modele koji se zasnivaju na donošenju odluka na osnovu podataka. Utakmice generišu ogromne količine podataka od prostornih pokazatelja kretanja igrača, intenziteta igre i efikasnosti različitih tehničkih elemenata. Algoritmi mašinskog učenja na osnovu podataka kreiraju šablone koji su teško vidiljivi ljudskom oku.
Jedan od modela razvila je kompanija Google DeepMind u saradnji sa FK Liverpul – sistem TacticAI (Wang et al., 2023). Ovaj model koristi grafičke neuronske mreže u cilju analize situacija prilikom prekida, pri čemu tretira igrače kao delove dinamičkog sistema. Rezultati su pokazali da je model sposoban da generiše varijante koje su treneri procenili kao moguće, ali i bolje u odnosu na njihove tradicionalna rešenja.
Ovi rezultati ukazuju da trener više nije jedini kreator taktičkih rešenja, već proširuje svoju ulogu ka tumačenju različitih analitičkih varijanti. Stoga, trener postaje menadžer sa ulogom sinteze podataka i iskustava, pri čemu algoritmi mašinskog učenja stvaraju osnovu za donošenje odluka od strane trenera. Moderni sistemi veštačke inteligencije omogućavaju rekonstrukcije utakmica i simulaciju različitih rešenja i ideja. Na taj način, pored tradicionalne analize prethodnih utakmica, treneri imaju mogućnost analize potencijalnih ishoda taktičkih odluka u realnom vremenu.
Jedna od ključnih komponenti ovih sistema je uoptreba prostornih modela i metrika kao što je očekivani broj golova na osnovu kvaliteta šansi bez obzira na konačan rezultat. Fernandez i Bornn (2018) pokazuju da se efikasnost dodavanja i kretanja saigrača može proceniti na osnovu postavke protivničke odbrane, čime se taktička efikasnost meri kroz objektivne kriterijume, a ne samo na osnovu ishoda akcije, odnosno postizanja gola.
Sličan pristup razvili su Lusey i sar. (2013), koji su analizirali strategiju tima u realnom vremenu koristeći prostorno-vremenske modele. Njihovi rezultati ukazuju na to da se ponašanje tima može predvideti na osnovu šablona kretanja, što omogućava trenerima da unapred pripreme više taktičkih mogućnosti.
Shodno tome, taktika postaje sistem koji se prilagođava. Umesto fiksnog plana, ekipa ulazi u utakmicu sa nizom potencijalnih mogućnosti zasnovanih na statističkoj verovatnoći i različitim scenarijima. Trener preuzima ulogu menadžera u ovom procesu, upravljajući informacijama dobijene od strane analitičkih sistema. Ova promena zahteva nove kompetencije: razumevanje analitike i statistike, neprekidnu komunikaciju sa analitičkim timom i sposobnost prilagođavanja rešenja psihološkim profilima igrača.
Uprkos ovim tehnološkim dostignućima, određeni aspekti treninga ostaju nezamenljivo ljudski. Iako analitičke mogućnosti fundamentalno menjaju savremeni fudbal, one ne umanjuju značaj trenera, već samo menja i usložnjava njegovu ulogu. Trener budućnosti biće mešavina stratega, pedagoga i analitičara, odnosno lider koji koristi podatke za podršku, ali se ipak oslanja na ljudsku intuiciju u kritičnim trenucima. Ključni izazov u budućnosti neće biti tehnološki, već pedagoški: kako trenere obrazovati da kritički koriste analitiku.
Tekst napisao:
prof. dr Srđan Marković
Profesor na FFKMS, jedini fakultet za sport na Univerzitetu Singidunum
Literatura
- Fernández, J., Bornn, L., & Fraser, S. (2018). Wide Open Spaces: A statistical technique for measuring space creation in professional soccer. MIT Sloan sports analytics conference (Paper ID: 5675).
- Lucey, P., Oliver, D., Carr, P., Roth, J., & Matthews, I. (2013). Assessing team strategy using spatiotemporal data. Proceedings of the 19th ACM SIGKDD international conference on Knowledge discovery and data mining, 1366-1374.
- Rein, R., & Memmert, D. (2016). Big data and tactical analysis in elite soccer: future challenges and opportunities for sports science. SpringerPlus, 5(1), 1410.
- Wang, Z., Veličković, P., Hennes, D., Tomašev, N., Prince, L., Kaisers, M., et al. (2024). TacticAI: an AI assistant for football tactics. Nature communications, 15(1), 1906.
