德甲球會達斯泰特靠AI球探助升班。
傳統的球探模式，需要奔走全球各地，認真觀察球場上的每個潛力球員，或查看大量視頻、報告，記錄其身高、體重、速度、力量、等多項數據，以最全面方式對球員能力做出評估。這是一個需要體力、腦力、理性的範疇，但更需要時間，所謂理性也隨時受到某些因素影響判斷，人，總會犯錯。
英超球會般尼3年前宣布和總部位於倫敦的AI公司AiSCOUT合作，為該隊提供人工智能技術服務，輔助球探進行全球性的篩選，並發掘出有天賦的、14歲以上的年輕球員。
AiSCOUT開發的AI球探系統，實現以下成效，包括識別球員動作，精準檢測身體姿勢，使用來自不同球隊的數千場的比賽記錄，來訓練AI模型，使系統能夠識別視頻中的每位球員，分辨他們的動作到底是在奔跑還是起跳？傳球給誰？慣用腳是左腳或是右腳？另外還有一個深度神經網絡系統來跟蹤單個球員，將每個球員的活躍程度、傳球、助攻、射門等表現數據整合起來，以得到球員的表現評分。球員也可以爭取主動，將自己無論是比賽、抑或是訓練的視頻，上載到AiSCOUT的應用程序，系統就會自動分析，完成一個360度的球員表現展示圖，並列出球員在技術、甚至難以量化的心理質素方面的詳細數據，供球探參考。
今年初，IBM和西甲球隊西維爾共同推出AI工具Scout Advisor，為其球探團隊提供全面的數據，對潛力球員識別及評估。現時該「歐霸盃」之王已經建立好一個球員報告數據庫，企圖利用這項資源，在球員招募過程中取得更大優勢。Scout Advisor可根據球會需要類型的球員要求而做一份候選名單，並總結出每個球員的全套球探報告。
AI球探平台判斷助球隊升上德甲
德甲升班馬達斯泰特雖目前排在榜尾，很大機會重返德乙，但他們能夠在上季從德乙升班，是有賴AI球探平台Plaier的配合。Plaier的CEO Jan Wendt以全球2百多個國家超過25萬名球員的數據為基礎，讓AI進行學習，尋找探索新星的模式。在創建起自己的模式以後，Jan Wendt先向已經從德甲降班3年的達斯泰特「埋手」，適逢該隊想要建立一個以年輕球員為主的陣容衝擊德甲，球會提出一份關於球隊當時感到興趣的18歲球員的名單，邀請Jan Wendt的平台幫助分析。結果Plaier得出的答案是：不應該簽下他們當中的任何一個！那時還在德乙的達斯泰特的管理層對這樣的判斷最初是極度懷疑(近乎完全否定球會的球探)。Jan Wendt表示，最難的就是這個階段，因為對球員的預測不是馬上可以得到證實。最後，達斯泰特看中的青年球員居然都沒有出色表現，Plaier平台的判斷是正確的！此後該隊便根據Plaier的轉會決策建議，上個球季，達斯泰特終升上德甲。
AI體育產業經濟規模龐大
本身要招募球探已是一項花費非輕的投資、當中有長期合約、或短期合約的球探，而且要分散各地，不過投資的回報率從來存在不確定性。過去一直依賴於人的主觀觀察和人工數據分析的結合。然而，這種方法有一定的局限性，消耗時間更多，人也有主觀情緒而出現考慮不夠周詳。阿仙奴3季之前便曾大刀闊斧炒掉多名球探，雖然有一些並非全職，也一度被質疑太過無情，但如今看來，要背負著龐大的球探團隊可能並不是一件風光的事！不過，最精英的人，必定可留下來，曾發掘出朗拿度、尼馬、奇雲迪布尼的荷蘭人Piet de Visser，他曾是教練，1993年後放棄執教，改當球探，之後也曾幫助艾巴莫域治為車路士建立了一個出色的青訓體系，很多人也奉他為業內最偉大的球探，他在80歲時仍在繼續工作！說回人工智能，對體育產業的影響已是相當之深，不止是人才招募，健康醫療，防止傷患的預判；輔助裁判判決；協助訓練，有報告指出，AI技術於運動產業中產值由2018年的89億美元，按估計到2024年會大幅度增長至311億美元，不可謂不驚人！