IA en ScoutsCapital

IA hecha para el fútbol

ScoutsCapital ejecuta aprendizaje automático en toda la plataforma: desde el momento en que se sube un contenido hasta el momento en que un entrenador ve una mejor opción dibujada sobre un clip del partido. Hoy hay seis sistemas de IA en producción, que abarcan visión por computador, modelado de secuencias y predicción específica del fútbol.

No la IA como una función. La IA como la infraestructura.

Visión por computadorModelado de secuenciasPredicción específica del fútbol

ScoutsCapital Agent

Interfaz de chatbot digital

Pilar 01

Confianza y seguridad

Supervisado las 24 horas
Clasificación de audio y vídeoModelos de moderación de contenido

Una comunidad segura, protegida por IA

Cada contenido generado por los usuarios se analiza antes de llegar a la comunidad. Modelos dedicados analizan la pista de audio y los fotogramas de vídeo de forma independiente, detectando contenido violento e infracciones de las normas. Todo lo señalado se retiene o se escala a revisión humana.

Familias, academias y clubes obtienen una plataforma supervisada las 24 horas, a una escala que la moderación humana por sí sola no podría alcanzar.

Analizando cada subida
  • matchday-warmup.mp4

    Audio y fotogramas analizados

    Aprobado
  • u15-highlights.mov

    Audio y fotogramas analizados

    Aprobado
  • training-clip-044.mp4

    Escalado a revisión humana

    Retenido
Pilar 02

Personalización

Clasificación de contenidoRecomendación por perfil de intereses

El contenido adecuado te encuentra

Las publicaciones y sus metadatos se clasifican en categorías. A partir de ahí, el sistema construye un perfil de intereses para cada usuario basado en la interacción genuina, y dirige el nuevo contenido a las personas que más lo valorarán.

Los ojeadores ven los jugadores y las posiciones que siguen. Los jugadores ven contenido relevante para su propio desarrollo. El feed se afina con el uso.

Perfil de intereses

DelanterosSub-17Banda izquierdaDefinición

Construido a partir de interacción genuina

Resumen del partido

Delantero sub-17

Ejercicio de entrenamiento

Definición

Informe de ojeador

Banda izquierda

Modelado de secuenciasRNNLSTMTransformers

Publicidad que entiende la intención

La segmentación de anuncios funciona con modelos de secuencias, RNN, LSTM y Transformers, entrenados con el comportamiento de compra a lo largo del tiempo. Como estos modelos aprenden de secuencias y no de eventos aislados, capturan cómo evolucionan realmente los intereses de un usuario en lugar de sobreajustarse a un solo clic.

Para los anunciantes: mayor conversión, porque los anuncios llegan a personas cuyo comportamiento señala una intención real. Para los usuarios: ofertas relevantes en lugar de ruido.

Comportamiento a lo largo del tiempo, no un solo clic

Explorar
Guardar
Volver
Comparar
RNNLSTMTransformer
Intención real, comprendida
Pilar 03

Inteligencia futbolística

Clasificación de incidentesPredicción de tarjetas (amarilla / roja)

IA que lee el juego como un árbitro

Nuestro modelo de predicción de tarjetas evalúa un incidente y predice si acaba en tarjeta amarilla o roja. Es inteligencia nativa del fútbol, el tipo de criterio que las plataformas de IA genéricas no pueden ofrecer, y alimenta el análisis de partidos, la información disciplinaria y perfiles de jugador más ricos.

INCIDENT

Clasificación de incidentes

Tarjeta amarilla

Entrada temeraria

Predicción

Tarjeta roja

Juego brusco grave

Alimenta el análisis de partidos, la información disciplinaria y los perfiles de jugador.

Comprensión de vídeoAnálisis táctico sobre la imagen

Ve la mejor jugada

El análisis táctico toma las imágenes del partido en bruto y muestra opciones más fuertes directamente sobre el vídeo. Jugadores y entrenadores no solo repasan lo que pasó; ven cómo era una mejor decisión, dibujada sobre la propia jugada.

Conocimiento de nivel de entrenador, generado a partir de imágenes que el jugador ya tiene.

El pase jugadoLa mejor opción
IA responsable

La seguridad primero, por diseño

La moderación de contenido fue el primer sistema de IA que construimos, no el último. Analizar el contenido en busca de violencia e infracciones antes de que llegue a una audiencia joven es una condición previa para todo lo demás en la plataforma, y da forma a cómo abordamos cada modelo posterior.

Publicamos afirmaciones que podemos respaldar. Cuando un sistema está en producción, lo decimos. Cuando no lo está, no.