פיתוח מערכת AI לתעשיית הספורט

AI בספורט: היכן שהנתונים קיימים, אבל ההחלטות לא עובדות

חיישנים לבישים ומצלמות בזירה כבר מספקים חומר גלם: טלמטריה של דופק, תאוצות ותנועה על המגרש, וידאו מכמה זוויות, ופרוטוקול המשחק. נתונים על ספורטאים מצטברים עונה אחר עונה, אבל החלטות על הרכב ועומסים צוות האימון עדיין מקבל לפי העין — בין הרשומות להחלטה אין שכבה שהופכת אותן למסקנה.

ניתוח המשחק נשען על אנליטיקאי אחד: הוא חותך ידנית אפיזודות, מתייג מאבקים ואיבודים, ומרכז את המספרים לטבלה. לקראת אימון הבוקר ניתוח כזה לא תמיד מוכן, ולקראת המשחק הבא הוא מאבד חצי מערכו. הטמעת AI בספורט נתקלת לא באיכות המודלים, אלא בפער הזה בין הרשומה להחלטה.

גרוע יותר עם הדינמיקה. ייצוא נתוני חיישנים, רשומות של הצוות הרפואי ויומני עומסים נמצאים במערכות שונות, ואין מזהה אחיד לשחקן.

בגלל זה עומסי יתר ופציעות נראים רק בדיעבד: קודם השחקן נופל מההרכב, ורק אחר כך נמצא ההסבר בנתונים — חריגה בנפח בשבוע שעבר, חוסר בהתאוששות, סדרה של פציעות מיקרו.

החלון שבו עוד אפשר להסיר עומס יתר על ידי תיקון התוכנית הוא ימים ספורים בלבד. כשהאות מגיע לאחר מעשה, נותר רק טיפול ובנייה מחדש של ההרכב, ולא מניעה. המאמן בזמן הזה מבזבז זמן על איסוף דיווחים: סיכומים לפי שחקן, דקות, אזורים, עומסים — הכול מרוכז ידנית מאותם ייצואים.

הדיווח של המאמן מפסיק להיות שגרת יומיום רק כשהנתונים נאספים אוטומטית, ובפלט מופיעים ניתוח מוכן ודגלי סיכון. אנחנו מפרקים איך זה נסגר.

מה משנה ההטמעה: אפקטים שאפשר למדוד

האפקטים מתחילים בנתונים שאבדו קודם לכן. זרמים מחיישנים ומערכות מעקב — בספורט אלה לרוב Catapult ומערכות מיקום דומות — מתרכזים לפרופיל עומס אחיד לפי שחקן: נפח, עצימות, תאוצות, בלימות. מכאן מופיע מה שיומן המאמן לא נותן: היסטוריה ברת-השוואה לעונה שלמה והשוואה לנורמה האישית.

חיזוי פציעות עובד לא כניבוי אלא כאזהרה מוקדמת. המודל מחשב את הסטייה של השבוע הנוכחי מקו הבסיס של הספורטאי ומסמן הצטברות עומס יתר כמה ימים לפני שהוא עצמו יחוש בבעיה. נעלם סוג שלם של טעויות — «שמנו לב בדיעבד, כשהשחקן כבר נפל»: הצוות מקבל אות בעוד שאפשר לתקן את העומס.

ניתוח הווידאו מפסיק להיות שגרה לערב. המערכת מתייגת אפיזודות לפי אירועי המשחק ומרכיבה קטעים לפי שחקן או סוג מצב, ולכן המאמן מתיישב לא לעריכה אלא לניתוח. הכנת הדוח מתקצרת פי כמה: טיוטה עם מונים, תרשימים וקליפים נאספת אוטומטית, והאדם מוסיף רק את המסקנות.

בקרת ההתאוששות סוגרת את המעגל. שינה, דופק במנוחה והערכות סובייקטיביות מרוכזים לסקאלה אחת של מוכנות, ותוכנית האימון מתוקנת לפיה, ולא לפי תחושת בטן. בסך הכול המועדון מודד שלושה גדלים: שיעור עומסי היתר שזוהו מראש, הזמן להכנת הניתוח ומספר המשחקים שהוחמצו.

פורמטים של הטמעה: ענן, סביבה מקומית של המועדון או היברידי

פורמט אחסון העיבוד קובע שלושה דברים: את ההשהיה בין האירוע לניתוח, את העומס על ערוץ התקשורת של המועדון ואת דרישות הגנת הנתונים האישיים של הספורטאים. אין אפשרות אוניברסלית — את הבחירה מכתיבים נפח ארכיון הווידאו, מספר המצלמות ורגישות הנתונים.

עיבוד בענן מאפשר התחלה מהירה: אין צורך להחזיק אצלך כוח מחשוב לניתוח וידאו. המחיר לכך — הזרם הגולמי מכמה מצלמות נתקע בערוץ של המתקן, וצילומי האימונים והמדדים יוצאים מחוץ למועדון. סביבה מקומית סוגרת את סוגיית ההעברה, אבל דורשת משאבים משלה ותקנון לעדכון המודלים. תכנית היברידית מחלקת את הסביבה לפי סוג הנתונים: הרגיש נשאר בפנים, וניתוח הווידאו הכבד יוצא החוצה.

בפועל בוחרים את התכנית לפי שלושה פרמטרי קלט: כמה מצלמות מקליטות בו-זמנית, כמה זמן צריך לשמור את ארכיון הווידאו והאם יש דרישה להחזיק את הנתונים האישיים של הספורטאים בתוך המועדון. לפי הפרמטרים האלה אנחנו מרכיבים את התצורה.

שלבי העבודה ההנדסית: מביקורת הנתונים ועד המסירה

אנחנו מתחילים לא מהמודל אלא ממלאי הנתונים: בלי הבנה של מה באמת נרשם ובאיזו תדירות, כל עיבוד מניב מספרים יפים אך שגויים. ביקורת הנתונים היא השלב הראשון, והיא זו שלרוב משנה את תוכנית העבודה.

1. ביקורת נתונים. בודקים מה קיים: מערכות מעקב, וידאו, פרוטוקולים ידניים, רשומות מחיישנים. לכל מקור — עומק ההיסטוריה, חסרים, החלפת פורמטים בין עונות. בפלט מתקבל רשימה של מה שאפשר להישען עליו ומה שיהיה צריך לשחזר.
2. סכמת נתונים. עונות שונות מובאות למודל אחד: משחק, שחקן, מקטע זמן, אירוע. בלי זה ההשוואה בין תקופות ושחקנים לא מסתדרת — המאפיינים פשוט לא תואמים במשמעות.
3. תיוג אירועים. מקבעים רשימת מחלקות אירועים ואת כללי הסימון שלהן, כותבים הנחיות למתייגים ומפעילים בדיקות צולבות: מקטע שנוי במחלוקת נבדק על ידי אדם שני. שיעור אי-ההתאמות מלמד אם הסכמה חד-משמעית.
4. בדיקת איכות. הבקרה נעשית בנפרד לכל מחלקת אירועים, ולא לפי דיוק ממוצע: אירוע נדיר אך חשוב למאמן לא צריך להימחק בתוך המספר הכולל.
5. כיול העיבוד. את החישוב מחדש עושים בר-שחזור — כל הצינור עולה מאפס על כל מערך נתונים, והתוצאה נשמרת עם גרסה. כך אפשר להשוות ביושר שתי גרסאות על אותם נתונים.
6. בדיקה על משחקים היסטוריים. מריצים את הפתרון על עונות קודמות ומשווים לתיוג ידני. את מערך הבדיקה שומרים בנפרד ולא משתמשים בו בכיול — אחרת ההערכה מחמיאה.
7. הכשרת הצוות ומסירת הפתרון. מראים למאמנים ולאנליטיקאים מאיפה מגיע כל מספר ואיך לערער עליו. מוסרים הרשאות, תקנון עדכון ותיעוד — הפתרון ממשיך לעבוד בלעדינו.

מה נשאר אצלכם: ערכת הפתרון, תרשימים ותקנונים

את הערכה מוסרים לא כ«שרת שעובד אצלנו», אלא כאוסף ארטיפקטים שלפיהם הצוות שלכם יכול לפרוס את סביבת העיבוד, לבדוק אותה על הנתונים שלו ולפתח אותה הלאה בלעדינו. להלן מה שנכלל בפועל במסירה ולמה נדרש כל מסמך.

• סביבת עיבוד מכוילת — שירותים לקליטה ולעיבוד נתונים מאימונים ומשחקים, כל התצורה במאגר קוד, פריסה ברת-שחזור בסביבה שלכם: אפשר לפרוס מחדש בפקודה אחת, ולא מהזיכרון.
• סכמת נתונים — אילו ישויות קיימות (ספורטאי, מפגש, מדד, אירוע), כיצד הן קשורות, היכן הן נשמרות, מה תוחלת החיים שלהן ומה נמחק לפי לוח זמנים.
• תרשימי זרימת נתונים — המסלול מחיישנים, וידאו והזנה ידנית ועד לתצוגות ולדוחות למאמן, עם נקודות כשל מסומנות וכללי עיבוד חוזר בעת תקלה.
• תיאור המודל — אילו מאפיינים בקלט, מה בדיוק נחזה, על אילו נתונים המודל אומן, כיצד לקרוא את רמת הביטחון שלו והיכן גבולות הישימות: היכן אפשר לקחת את המסקנה להחלטה והיכן נדרשת בדיקה של מומחה.
• מדיניויות הרשאה — תפקידים (מאמן, אנליטיקאי, רופא, מנהל מערכת), מה כל אחד רואה ומשנה, רישום פעולות ביומן, ועבודה עם נתונים רפואיים לפי עיקרון הגישה המינימלית הנדרשת.
• הנחיות לצוות — תזכירים קצרים: איך להזין אימון, איך לקרוא את הדוח ומה לעשות אם נתוני המפגש לא נטענו. מיועדים למאמן, לא למתכנת.
• תקנון תפעול — תדירות האימון מחדש, בקרת איכות של המסקנות, ספים שמתחתם המודל נחשב לירוד, סדר החזרה לגרסה קודמת וסדר ההסלמה.

יחד זה סוגר את הסיכון המרכזי של ההטמעה: הפתרון עובד כל עוד הקבלן לצידו. עם ערכת התיעוד והרשאות הגישה הצוות שלכם מנהל את המערכת בעצמו, ואנחנו מתחברים נקודתית — לאימון נוסף או להרחבת מערך הנתונים.

מקרה בוחן: ניתוח העומס של הקבוצה לפני ואחרי ההטמעה

ראוי לציון שהבעיה לא הייתה בהיעדר נתונים. משדרי המעקב על השחקנים ומדי הדופק רשמו הכול: מרחק, תאוצות, אזורי דופק. צוואר הבקבוק היה הניתוח — ריכוז ידני של הייצואים לפי כל מדד, ולכן דוח על קבוצה בת 25 איש הוכן לקראת סוף השבוע, כשכבר מאוחר לתקן את התוכנית.

איך היה לפני ההטמעה

האנליטיקאי ריכז נתונים מ-Catapult עם רשומות הצוות הרפואי לטבלה נפרדת. על הקבוצה הושקעו כ-20 שעות עבודה ידנית בשבוע, אפיזודות של עומס יתר נמצאו לא פעם רק לאחר האימון, וההחלטה לשנות את התוכנית התקבלה לפי האינטואיציה של המאמן, ולא לפי מגמת המדדים.

מה השתנה אחרי

הרכבנו סביבה אחידה: נתוני המשדרים והתיקים הרפואיים נאספים למאגר אחד, המודל מחשב ספים אישיים לכל שחקן ומסמן חריגות. הדוח על ההרכב נוצר אוטומטית עד הבוקר שלמחרת — המחזור התקצר מכמה ימים לשעות. שיעור עומסי היתר שזוהו מראש (אימון-שניים לפני הקריסה) עלה מכרבע לשני שלישים בערך.

לפי המדדים לפני ואחרי: היעדרויות מהאימונים בעונה פחתו כמעט בחצי, ודיוק חיזוי הסיכון באופק של שבועיים הגיע לרמה שבה המאמן סומך על הרמז בלי בדיקה נוספת. המודל לא מחליף את הצוות: הוא מסמן, ההחלטה נשארת בידי המאמן, ותמיד רואים ליד על אילו מדדים מבוססת המסקנה.

במה שונה אנליטיקת וידאו מטלמטריה חיישנית?

תשובה ישירה: אלה שני מקורות בלתי תלויים שעונים על שאלות שונות, ואחד לא מחליף את השני. אנליטיקת וידאו מתארת מה קורה על המגרש, והטלמטריה — מה קורה בגוף הספורטאי. תמונה מלאה מתקבלת כשמסנכרנים את הזרמים לפי זמן אחיד.

אנליטיקת וידאו מספקת מעקב אחר שחקנים וכדור, תיוג אירועים ומודל של פריסת הקבוצות. היא רואה את כל המשתתפים בבת אחת, אבל דיוק הנתונים יורד היכן שהתאורה משתנה, שחקנים מסתירים זה את זה או שהמצלמה מאבדת עיגון — במקטע ארוך מצטברת שגיאת זיהוי.

הטלמטריה אחראית לפיזיקה: תאוצות, בלימות, מרחק, ספרינטים, עומס. החיישן לא טועה בתנועה, אבל לא מכיר את ההקשר — לא מבדיל בין ספרינט בניתוק לספרינט תחת לחץ, וכשהאות נעלם המקטע משוחזר במודל מקורב.

סדר החיבור הוא בשני שלבים. קודם אנליטיקת וידאו ותיוג אירועים: בלי הבנה של האפיזודות אין למה לעגן את הטלמטריה. אחר כך החיישנים — סנכרון לפי זמן אחיד מאחד את שני הזרמים לאחד, והשאלה «איך השחקן מחזיק את העומס בסיום» נעשית ניתנת לחישוב, ולא מומחית.

AI בספורט: ספקות טכניים ומגבלות

ההסתייגויות לגבי AI בספורט הן בדרך כלל הנדסיות ולא רעיוניות: האם מספיק נפח הנתונים, מי יעשה את התיוג, איך לשאת באחריות לאיכות והאם באמת אפשר להרחיב את הפתרון מקבוצה אחת לכל המועדון. מפרקים כל אחת.

התיוג ייעשה ידנית?

ידנית מתייגים רק את מה שמשפיע על ההחלטה: אפיזודות מפתח, מצבי שחקן, תוצאות. את השאר מכסים כללי התחום ובדיקות עקביות אוטומטיות — העבודה הידנית נשארת למקרים שנויים במחלוקת.

מי אחראי לאיכות הנתונים?

בקלט מוצבות בדיקות לחסרים, לערכים חריגים של חיישנים ולפערים בין מקורות. כל מערך נתונים מתועד: רואים על מה אומן ולמה המערכת נתנה המלצה כזו.

איך מרחיבים מקבוצה אחת למועדון שלם?

סכמת הנתונים והמאפיינים מתוארים פעם אחת ברמת המועדון, והקבוצה מתחברת בחתך נפרד. הוספת קבוצה חדשה לא דורשת כתיבה מחדש של המודל, וההשוואה בין קבוצות נשארת תקינה.

מי מבקר את ההמלצות?

ההחלטה מתקבלת בידי צוות האימון: המערכת מציעה אפשרות עם נימוק ורמת ביטחון. פערים מול התוצאה בפועל חוזרים לאימון — הלוגיקה נעשית מדויקת יותר על נתונים אמיתיים.

ממה נתחיל: דיון במשימה ותוכנית עבודה

בפגישה הראשונה חשובים לנו יותר נתונים ותהליכים מאשר מצגות: מה כבר נאסף, באיזה צורה נשמר, ובאיזה מקום המערכת צריכה להשתלב — בעבודת המאמן, האנליטיקאי או צוות השיפוט. בשיחה אחת אנחנו מבינים אילו פרמטרי קלט חסרים להערכה הוגנת של ההיקף, ולא «בערך לפי העין».

• נפח ההיסטוריה: כמה משחקים, אימונים או ספורטאים מכוסים ברשומות ובמדדים מהמכשירים;
• תיוג: האם יש אירועים מסומנים ומי מצד המזמין יכול לאשר את נכונותם;
• סביבת הפריסה: ענן, שרת מקומי או ציוד באתר, דרישות לנתונים אישיים;
• נקודות אינטגרציה: לאן יוצא התוצאה — לאפליקציה, לדוח, לפאנל המאמן או ללוח התצוגה;
• מדד הקבלה: איזה שיעור שגיאות על נתונים שלא השתתפו באימון נחשב לעובד.

אחר כך מגיע שלב ראשון קצר. הוא נדרש כדי לבדוק ישימות על הנתונים שלכם ולקבל הערכת היקף לפי המצב בשטח, ולא לפי הנחות.

• מפרקים את המדגם: מאתרים חסרים, כפילויות והטיה בין מחלקות.
• מרכיבים מודל בסיס ומודדים דיוק על חלק הנתונים המוחזק בצד.
• מריצים אותו על תרחיש אמיתי — עם אותם תנאי צילום ותאורה.
• מתאמים את מדד הקבלה ואת לוחות הזמנים של ההטמעה המלאה.
• מוסרים דוח: מה אושש, היכן הסיכונים, כמה נתונים צריך להוסיף.

השלב הראשון נמשך כמה שבועות — אחריו בידיכם אב-טיפוס עובד ותוכנית עבודה עם לוחות זמנים ברורים לכל בלוק. תארו את המשימה: נחזור עם הערכה ושלבים.