Por Pesach Benson • 7 de junho de 2026

Jerusalém, 7 de junho de 2026 (TPS-IL) — Com a Copa do Mundo de 2026 prestes a começar na quinta-feira, pesquisadores israelenses alertam que uma mudança tecnológica mais silenciosa já está remodelando o futuro do futebol: sistemas de inteligência artificial cada vez mais usados para classificar, analisar e prever o potencial atlético de crianças.

Um estudo israelense examinou como a IA está indo além da análise de desempenho para moldar julgamentos de longo prazo sobre a capacidade humana desde a primeira infância. As descobertas, publicadas na revista revisada por pares, Big Data and Cognitive Computing, alertam que, à medida que os algoritmos processam cada vez mais dados de desempenho de jovens, eles podem não apenas avaliar talentos de forma mais eficiente, mas também começar a defini-los prematuramente — potencialmente incorporando vieses e limitando oportunidades muito antes que os jogadores atinjam níveis profissionais.

Antes do torneio, a FIFA anunciou uma parceria com a empresa de tecnologia Lenovo para desenvolver a plataforma Football AI Pro, um sistema avançado para análise tática e avaliação de desempenho baseado em milhões de pontos de dados, análise de vídeo, visualizações 3D e simulações de aprendizado de máquina.

Desenvolvimentos semelhantes estão ocorrendo em iniciativas paralelas, como a colaboração da Intel com o Comitê Olímpico Internacional em sistemas de identificação de talentos baseados em IA. Embora algumas dessas ferramentas já estejam sendo testadas ou implantadas em países como Israel, Japão e El Salvador, outras ainda estão em estágios iniciais de implementação.

De acordo com o estudo, liderado pelo Prof. Ofer Ezer da Universidade Ben-Gurion e pelo Dr. Ilya Morgolev da Kay Academic College de Beer-Sheva, em Beer-Sheva, a mudança mais significativa não é simplesmente a melhoria da análise, mas o surgimento do rastreamento contínuo e baseado em dados de jovens atletas. Sistemas de filmagem automatizados, sensores vestíveis e vídeos de treinamento autogravados agora permitem que o desempenho das crianças seja capturado, armazenado e analisado ao longo do tempo, criando um registro digital permanente desde cedo.

Nos esportes olímpicos, basquete, beisebol e tênis, a IA está sendo cada vez mais usada para identificar e avaliar talentos atléticos desde jovem. Programas de desenvolvimento olímpico usam perfis biométricos e simulações de desempenho para direcionar atletas para disciplinas adequadas, enquanto sistemas de basquete e tênis dependem de dados de rastreamento, análise de vídeo e métricas de movimento para avaliar o potencial de longo prazo. O beisebol aplica modelos baseados em dados de forma semelhante para avaliar prospectos em seus pipelines de desenvolvimento, utilizando grandes conjuntos de dados históricos de desempenho de jogadores.

Em todos esses esportes, o padrão comum é uma mudança da avaliação de desempenho de curto prazo para a previsão algorítmica de longo prazo de potencial, com base em dados coletados continuamente de atletas cada vez mais jovens.

Combatendo o ‘Determinismo Digital’

Os pesquisadores descrevem esse desenvolvimento como “determinismo digital”, no qual os dados de desempenho inicial começam a moldar e restringir oportunidades futuras. Uma vez armazenadas, as métricas da infância podem influenciar quais jogadores recebem atenção de treinamento, oportunidades de observação ou financiamento, efetivamente transformando as medições iniciais em filtros de longo prazo para carreiras atléticas.

Uma descoberta chave do estudo é como o viés pode entrar nesses sistemas indiretamente. Mesmo quando os algoritmos excluem atributos sensíveis como etnia ou renda, eles ainda podem reproduzir a desigualdade por meio de variáveis substitutas, como escola, localização geográfica ou estrutura familiar. Esses sinais, extraídos de padrões históricos de sucesso, podem incorporar disparidades socioeconômicas em sistemas que parecem objetivos.

Plataformas de observação já agregam filmagens de vídeo, eventos de partidas e estatísticas de desempenho em vários grupos etários e ligas. Sistemas de aprendizado de máquina identificam padrões associados ao desempenho de elite, enquanto analistas aplicam filtros como idade, posição e nível de competição. No entanto, como esses sistemas são treinados em “sucesso” histórico, eles frequentemente herdam vieses embutidos em decisões passadas de treinamento e seleção, disseram os cientistas.

O estudo também destaca um loop de feedback reforçador: atletas identificados precocemente por algoritmos têm maior probabilidade de receber treinamento e exposição superiores, o que melhora seus dados de desempenho, o que, por sua vez, fortalece a previsão original do sistema. Com o tempo, essa dinâmica pode estreitar em vez de expandir o acesso à oportunidade.

Além das métricas de desempenho, os pesquisadores alertam que a coleta de dados pode eventualmente se estender para fora do campo. Sistemas de IA podem incorporar atividades de mídia social, cobertura de notícias e outras informações publicamente disponíveis para construir perfis mais amplos de jovens atletas, levantando preocupações com a privacidade e questões sobre o uso de longo prazo de dados da infância.

“A realidade mostra que os esportes competitivos santificam a conquista competitiva acima de tudo, mesmo à custa de outros valores”, diz o Dr. Morgolev. “Os esportes competitivos são uma arena única e extrema que depende de dados físicos excepcionais, juntamente com determinação, resiliência e motivação. Uma combinação que, na melhor das hipóteses, caracteriza apenas cerca de um por cento da população.”

O Prof. Ezer acrescenta: “É hora de pensarmos juntos como sociedade sobre o lugar e o grau de autonomia que estamos dispostos a dar aos algoritmos na fotografia, classificação, previsão e determinação do caminho de desenvolvimento da geração futura, quando os esportes competitivos são irrelevantes para a grande maioria deles”, alertando que as crianças devem se desenvolver sob uma estrutura humana de apoio, em vez de serem definidas prematuramente por pontuações algorítmicas.