ยุคใหม่สถิติสำคัญกว่า? การปฏิวัติข้อมูลของ ไบรท์ตัน เปลี่ยนระบบสรรหานักเตะที่พึ่งแมวมอง

ยุคใหม่สถิติสำคัญกว่า? การปฏิวัติข้อมูลของไบรท์ตันเปลี่ยนระบบสรรหานักเตะที่พึ่งแมวมอง

ตลอดระยะเวลากว่าศตวรรษที่ผ่านมา การค้นหานักเตะพรสวรรค์ถูกมองว่าเป็นทั้งศาสตร์และศิลป์ ทุกอย่างขึ้นอยู่กับสัญชาตญาณ สายตาอันเฉียบคมของแมวมอง รวมถึงเครือข่ายความสัมพันธ์ในวงการฟุตบอล สโมสรเชื่อมั่นในตัวแมวมองที่ยืนหนาวอยู่บนอัฒจันทร์พร้อมสมุดจด เพื่อเฝ้าดูและประเมินนักเตะด้วยสายตาของตัวเอง

อย่างไรก็ตามในยุคปัจจุบัน การนำอัลกอริทึม, แมชีน เลิร์นนิง (Machine Learning) และข้อมูลจำนวนมหาศาลเข้ามามีบทบาท กำลังสั่นคลอนระบบแมวมองแบบดั้งเดิม และอาจถึงขั้นทำให้ตำแหน่งแมวมองในรูปแบบเดิมต้องหายไป

ภาพเหล่านี้ยิ่งชัดเจนเมื่อ ไบรท์ตัน แอนด์ โฮฟ อัลเบี้ยน ตัดสินใจปลดทีมแมวมองส่วนใหญ่ออก และเลือกเดิมพันครั้งใหญ่กับโมเดลวิเคราะห์ข้อมูล แนวคิดดังกล่าวสร้างความไม่พอใจให้กับกลุ่มคนหัวอนุรักษนิยมในวงการฟุตบอล แต่ในขณะเดียวกันก็ทำให้สโมสรอื่น ๆ ต้องหันกลับมาทบทวนวิธีการสรรหานักเตะของตัวเอง

คำถามสำคัญจึงเกิดขึ้นว่า สโมสรฟุตบอลสามารถอยู่รอดและประสบความสำเร็จได้จริงหรือไม่ หากใช้ระบบสรรหานักเตะแบบอัตโนมัติเต็มรูปแบบ?

นี่คือเรื่องราวของการใช้ข้อมูลจากตัวเลขที่มีจุดเริ่มต้นจากกลุ่มพนันกีฬา ก่อนพัฒนากลายเป็นแพลตฟอร์มวิเคราะห์ข้อมูลระดับแนวหน้า และกำลังเข้ามาท้าทายการตัดสินใจของมนุษย์ที่มีประวัติศาสตร์ยาวนานกว่า 100 ปี

งานนี้ลองไปสำรวจข้อจำกัดที่แท้จริงของ เอไอ (AI) วิธีที่สโมสรยักษ์ใหญ่ของยุโรปกำลังรับมือกับการเปลี่ยนแปลงครั้งนี้ รวมถึงคำถามสำคัญว่า แมวมองแบบดั้งเดิมกำลังจะกลายเป็นเพียง "นักสืบภาคสนาม" ที่ทำหน้าที่สนับสนุนระบบข้อมูลเท่านั้นหรือไม่

แมวมองฟุตบอลทำหน้าที่อะไร?

ในอดีต การเซ็นสัญญานักเตะสักคนแทบจะขึ้นอยู่กับสัญชาตญาณและสิ่งที่เรียกว่า "เซนส์ฟุตบอล" เพราะหน้าที่ของแมวมองไม่เคยจำกัดอยู่แค่การวิเคราะห์แท็กติกเท่านั้น คุณค่าที่แท้จริงของแมวมองที่เข้าไปชมเกมด้วยตัวเอง คือการมองเห็นรายละเอียดที่ไม่ปรากฏอยู่ในฐานข้อมูลสถิติ

พวกเขาต้องประเมินทั้งสภาพจิตใจ ภาวะผู้นำ รวมถึงดูว่านักเตะคนนั้นจะสู้ต่อหรือถอดใจเมื่อทีมตกเป็นฝ่ายตามหลัง พวกเขารับมือกับความกดดันสูงได้อย่างไร? มีปฏิกิริยาแบบไหนเมื่อถูกกองหลังคู่แข่งเข้าปะทะหนัก หรือเจอกับคำตัดสินที่ไม่เป็นใจจากผู้ตัดสิน?

การทำงานของแมวมองเริ่มต้นขึ้นตั้งแต่ก่อนเกมจะเขี่ยลูกด้วยซ้ำ พวกเขาเฝ้าสังเกตพฤติกรรมของนักเตะระหว่างวอร์มอัพ รวมถึงวิธีที่เจ้าตัวพูดคุยกับม้านั่งสำรองและเพื่อนร่วมทีม

ส่วนนอกสนาม แมวมองแบบดั้งเดิมแทบไม่ต่างจากนักสืบส่วนตัว พวกเขาพูดคุยกับโค้ชระดับเยาวชน เพื่อนฝูง และเจ้าหน้าที่ของสโมสร เพื่อสืบค้นข้อมูลเกี่ยวกับชีวิตส่วนตัวของนักเตะ เช่น นักเตะมาตรงเวลาหรือไม่? สภาพแวดล้อมทางครอบครัวมั่นคงแค่ไหน? หรืออีโก้ของเขาจะกลายเป็นปัญหาจนทำลายบรรยากาศภายในห้องแต่งตัวหรือไม่?

การตรวจสอบเรื่องบุคลิกและทัศนคติเหล่านี้ มีเป้าหมายเพื่อช่วยให้สโมสรมั่นใจมากขึ้นกับการลงทุนมหาศาลในการคว้าตัวนักเตะ แต่ปัญหาคือการพึ่งพามนุษย์เพียงอย่างเดียวทำให้ระบบสรรหานักเตะแบบดั้งเดิมกลายเป็นหนึ่งในความเสี่ยงทางการเงินครั้งใหญ่ที่สุดของฟุตบอลยุคใหม่

พูดกันตามตรงแล้ว สมองของมนุษย์ไม่สามารถติดตามนักเตะทั้ง 22 คนที่เคลื่อนที่อยู่ตลอดเวลาเป็นเวลา 90 นาทีได้อย่างเป็นกลาง โดยแมวมองเองก็อาจตกอยู่ภายใต้การมองคนในแง่ดีจากภาพรวมบางอย่าง (Halo Effect) จนทำให้ประเมินความสามารถด้านอื่นสูงเกินจริง

สโมสรที่เลือกเชื่ออัลกอริทึมมากกว่าสัญชาตญาณมนุษย์

หากต้องการเข้าใจการปฏิวัติครั้งนี้ ต้องย้อนกลับไปดู โทนี่ บลูม เจ้าของสโมสรไบรท์ตัน อดีตนักเทรดออปชั่นที่มีพื้นฐานด้านคณิตศาสตร์ ซึ่งเรียนรู้ตั้งแต่เนิ่นๆ ว่า แม้แต่เรื่องที่ดูวุ่นวายและคาดเดาได้ยากอย่างผลการแข่งขันกีฬา ก็สามารถนำมาวิเคราะห์และอธิบายด้วยแบบจำลองความน่าจะเป็นได้

ช่วงปลายทศวรรษ 1990 บลูมเริ่มศึกษาอย่างจริงจังเกี่ยวกับตลาดพนันเอเชียน แฮนดิแคป (Asian Handicap) ก่อนสร้างชื่อและทรัพย์สินก้อนแรกจากศึกฟุตบอลโลก 1998 ด้วยการวางเดิมพันจำนวนมากอย่างมั่นใจว่าฝรั่งเศสจะคว้าชัย แม้ราคาตลาดในเวลานั้นจะไม่ได้มองพวกเขาเป็นต่อมากนัก

ต่อมาในปี 2006 เขาก่อตั้งบริษัทสตาร์ลิซาร์ด (Starlizard) กลุ่มพนันส่วนตัวที่ดำเนินงานอย่างลับๆ ราวกับกองทุนเฮดจ์ฟันด์ระดับแนวหน้า โดยสตาร์ลิซาร์ดสร้างราคาต่อรองฟุตบอลที่มีความแม่นยำสูงกว่าบริษัทรับพนันรายใหญ่ที่สุดของโลก และเมื่ออัลกอริทึมตรวจพบความคลาดเคลื่อนของราคาในตลาด พวกเขาจะทุ่มเงินลงทุนจำนวนมากไปกับการวางเดิมพันแบบเน้นคุณค่า

• สตาร์ลิซาร์ดมีนักวิเคราะห์มากกว่า 200 คน โดยผู้สมัครจะต้องผ่านการทดสอบคณิตศาสตร์สุดโหด รวมถึงการประเมินทางจิตวิทยาก่อนเข้าร่วมงาน และต้องเซ็นสัญญารักษาความลับ (NDA) อย่างเข้มงวด

• บลูม และแม็ทธิว เบนแฮม อดีตเพื่อนร่วมงานของเขา ยังเริ่มนำแนวคิดเรื่องค่าความคาดหวังที่จะเป็นประตู หรือค่า xG มาใช้ในการวิเคราะห์ฟุตบอลก่อนที่สถิติดังกล่าวจะกลายเป็นเรื่องแพร่หลายในวงการฟุตบอล

แนวคิดจากโลกการเดิมพันถูกนำมาต่อยอดสู่การสรรหานักฟุตบอลในปี 2017 ด้วยการก่อตั้ง เจมส์ทาวน์ อนาลิติค (Jamestown Analytics) บริษัทวิเคราะห์ข้อมูลฟุตบอลชั้นนำระดับโลก

หัวใจสำคัญของ "โมเดลไบรท์ตัน" คือการค้นพบว่า ข้อมูลชุดเดียวกับที่ใช้กำหนดราคาต่อรองฟุตบอลอย่างแม่นยำ สามารถนำมาใช้ค้นหานักเตะที่มีผลงานจริงสูงกว่ามูลค่าที่ตลาดประเมินไว้ได้เช่นกัน

เจมส์ทาวน์ อนาลิติค ทำให้ไบรท์ตันสามารถนำแนวคิดแบบ "มันนี่บอล" (Moneyball) มาใช้ในการค้นหานักเตะในระดับอุตสาหกรรม ด้วยการสแกนหาผู้เล่นจากตลาดหรือภูมิภาคที่ถูกมองข้าม ซึ่งบรรดาสโมสรยักษ์ใหญ่ของยุโรปแบบดั้งเดิมแทบไม่ได้เข้าไปค้นหานักเตะอย่างจริงจัง

ไบรท์ตันตัดสินใจเลือกวิธีใหม่ในการสรรหานักเตะ

ในเดือนพฤศจิกายน 2024 การผสานข้อมูลเข้ากับระบบสรรหานักเตะของไบรท์ตันเดินทางมาถึงจุดสูงสุด เมื่อสโมสรตัดสินใจครั้งสำคัญที่สร้างความหวั่นวิตกให้กับวงการแมวมองในอังกฤษ ด้วยการปลดแมวมองแบบดั้งเดิมที่ทำงานเต็มเวลาออกไปเกือบทั้งหมด

เนื่องจากมนุษย์หลีกเลี่ยงไม่ได้ที่จะนำอคติและข้อมูลจากประสบการณ์ส่วนตัวเข้ามามีส่วนในการตัดสินใจ สโมสรจึงเลือกเชื่อมั่นในค่าความน่าจะเป็นที่สร้างขึ้นจากซอฟต์แวร์ ซึ่งมีความเป็นกลางมากกว่า คนในวงการเรียกอัลกอริทึมของโทนี่ บลูมว่า เป็นเสมือน "สูตรลับของเคเอฟซี" เพราะทุกคนอยากรู้ว่ามันทำงานอย่างไร แต่เจ้าของสูตรไม่มีทางเปิดเผยให้ใครรู้

ไบรท์ตันจึงเลือกเดินหน้าต่อโดยไม่ยึดติดกับสิ่งที่เรียกว่า "เซนส์ฟุตบอล" อีกต่อไป และมอบภารกิจค้นหาและประเมินนักเตะให้กับ "เอไอ"

บริษัทเจมส์ทาวน์ อนาลิติค ถูกผนวกรวมเข้ากับระบบการทำงานของสโมสรอย่างลึกซึ้ง ถึงขั้นมีข้อตกลงพิเศษที่ห้ามบริษัททำงานร่วมกับสโมสรอื่นในพรีเมียร์ลีก ส่งผลให้ไบรท์ตันมีความได้เปรียบและแทบจะผูกขาดการเข้าถึงข้อมูลเชิงลึกเหล่านี้ในอังกฤษ

อย่างไรก็ตาม ในระบบสรรหานักเตะด้วยอัลกอริทึม การค้นพบพรสวรรค์เป็นเพียงครึ่งหนึ่งของสมการ เพราะความอยู่รอดทางการเงินของไบรท์ตันขึ้นอยู่กับการเปลี่ยนการขายนักเตะให้กลายเป็นกระบวนการที่ทำซ้ำได้อย่างเป็นระบบ

• กฎของโมเดลนี้มีความเข้มงวด นักเตะจะยังไม่เข้าสู่เรดาร์ของการวิเคราะห์เชิงลึก จนกว่าจะลงเล่นฟุตบอลอาชีพประมาณ 3,000 นาที

• จากนั้นอัลกอริทึมจะนำข้อมูลเชิงลึกในระดับจุลภาคมาวิเคราะห์ เช่น ความสามารถในการครองบอลภายใต้ความกดดัน และประสิทธิภาพการจ่ายบอลในสถานการณ์ที่มีแรงกดดันสูง

• โมเดลของไบรท์ตันยังช่วยลดความกังวลเรื่องการสูญเสียผู้เล่นคนสำคัญ เพราะสโมสรจะเริ่มค้นหาตัวแทนล่วงหน้าเป็นเวลาหลายเดือน หรืออาจนานนับปี ก่อนที่นักเตะคนปัจจุบันจะถูกขายออกไป

ดังนั้น การขายนักเตะแต่ละครั้งจึงสร้างกำไรมหาศาล เพื่อนำกลับไปลงทุนกับนักเตะรุ่นต่อไปที่ผ่านการคัดเลือกด้วยอัลกอริทึม กลายเป็นวงจรการซื้อ-พัฒนา-ขาย ที่ขับเคลื่อนด้วยข้อมูลอย่างเป็นระบบ

เหตุผลที่ทุกสโมสรถึงพยายามเลียนแบบโมเดลของไบรท์ตัน

ความสำเร็จครั้งใหญ่ของไบรท์ตัน ทั้งในด้านการเงินและผลงานในสนาม จุดชนวนให้เกิดปรากฏการณ์เลียนแบบทั่ววงการฟุตบอลยุโรป เมื่อบรรดาสโมสรที่มีฐานะร่ำรวยเริ่มตระหนักว่าระบบการทำงานของตัวเองยังไม่มีประสิทธิภาพมากพอ และพยายามลอกแนวทางของไบรท์ตันด้วยการดึงตัวบุคลากรสำคัญของ "เดอะ ซีกัลส์" ไปทำงานด้วยอย่างหนัก

ตัวอย่างที่ชัดเจนที่สุดคือ เชลซี ภายใต้กลุ่มเจ้าของทีมที่นำโดย ท็อดด์ โบห์ลี่ และกลุ่มทุนเคลียร์เลค แคปิตอล (Clearlake Capital)

ด้วยแรงบันดาลใจจากโมเดลของไบรท์ตัน ทัพ "สิงห์บลูส์" ทุ่มเงินมากกว่า 230 ล้านปอนด์ (ราว 10,120 ล้านบาท) ภายในระยะเวลาเพียง 18-21 เดือน ไม่ได้ใช้เงินเพื่อคว้าตัวนักเตะเท่านั้น แต่ยังเดินหน้าดึงตัวบุคลากรคนสำคัญจากไบรท์ตันมากกว่า 12 ราย มาร่วมงานกับพวกเขา

เรื่องนี้สะท้อนให้เห็นว่า สิ่งที่สโมสรต่าง ๆ ต้องการเลียนแบบจากไบรท์ตัน ไม่ได้มีเพียงวิธีการค้นหานักเตะเท่านั้น แต่ยังรวมถึงบุคลากร ระบบข้อมูล และองค์ความรู้เบื้องหลังความสำเร็จ ที่ทำให้สโมสรเล็กแห่งนี้สามารถแข่งขันกับทีมที่มีทรัพยากรมหาศาลได้

การวิเคราะห์ข้อมูลทำให้แมวมองสูญพันธุ์

การตระหนักว่าโครงสร้างพื้นฐานด้านข้อมูลต้องมาก่อน ส่งผลให้สโมสรฟุตบอลทั่วยุโรปหันมาจัดตั้งแผนกวิเคราะห์ข้อมูลของตัวเองเพิ่มขึ้นอย่างมาก

เนื่องจากบริษัทเจมส์ทาวน์ อนาลิติค มีข้อตกลงพิเศษที่ทำให้สามารถทำงานร่วมกับไบรท์ตันได้เพียงสโมสรเดียวในพรีเมียร์ลีก บริษัทจึงเริ่มสร้างความร่วมมือเชิงกลยุทธ์กับสโมสรในลีกอื่น ๆ ที่ต้องการนำแนวทางเดียวกันมาใช้

สโมสรอย่าง ฮาร์ทส์ ในสกอตแลนด์, อูนิยง แซงต์ ชิลลัวส์ ในเบลเยียม, โคโม่ ในอิตาลี, สวอนซี ซิตี้ ในเวลส์ และเมลเบิร์น วิคตอรี่ ในออสเตรเลีย ต่างนำอัลกอริทึมของบลูมมาใช้ พร้อมลดการพึ่งพาระบบแมวมองแบบดั้งเดิม และหันมาใช้การวิเคราะห์เชิงคณิตศาสตร์แบบเจาะลึก เพื่อประเมินและค้นหานักเตะแทน