Tekoäly on mullistanut jo monia urheilun osa-alueita. Se vaikuttaa valmennuksen strategisiin ja taktisiin päätöksiin, pelaajatarkkailuun, fanikokemuksiin sekä urheilijoiden terveyden ja suorituskyvyn optimointiin.
Miltä kuulostaa päävalmentajana toimiva tekoälyagentti?
Vielä muutama vuosi sitten ajatus tekoälystä päävalmentajana olisi kuulostanut tieteiselokuvalta. Nyt se ei ole enää pelkkä tulevaisuuden visio, vaan teknologiaa testataan jo oikeissa urheiluympäristöissä.
Esimerkiksi Pioneer Baseball Leaguessa eli yhdysvaltalaisessa baseballin ammattilaissarjassa pelaavasta Oakland Ballersista tuli syyskuussa 2025 historian ensimmäinen baseballin ammattilaisseura, joka antoi tekoälyn päättää kokoonpanon, tehdä vaihdot ja hoitaa muut pelin sisäiseen valmennukseen liittyvät asiat.
Norjassa, maan jalkapallon pääsarjassa, Eliteserienissä, tällä hetkellä 11. sijalla majaileva Hamarkameratene (HamKam) otti puolestaan tammikuussa 2025 käyttöön tekoälyagentin joukkueen kakkosjoukkueen päävalmentajana, yhden ottelun ajaksi.
Tekoälyagentin vastuulla olivat kaikki taktiset, kuten myös avauskokoonpanoon ja vaihtojen tekemiseen liittyvät päätökset.
Kokeilun tarkoituksena ei kuitenkaan ollut osoittaa, että tekoäly olisi valmis korvaamaan valmentajat. Sen sijaan HamKam halusi testata, kuinka pitkälle nykyinen teknologia pystyy ottamaan vastuuta pelillisistä päätöksistä.
Lopputuloksena oli 1-6-tappio, eikä tekoälyagentti juurikaan vakuuttanut.
Hamarkameratenen kakkosjoukkue lähti otteluun 4-5-1-taktiikalla ja siirtyi ottelussa 1-0-johtoon. Sen jälkeen vastustaja otti komennon ja sen tekemien maalien myötä tekoälyvalmentaja halusi ottaa käyttöön esimerkiksi 1-0-9-formaation ja laittaa maalivahdin heittämään sivurajaheitot.
SISÄLLYSLUETTELO:
- Voiko tekoäly urheilussa syrjäyttää ihmisen?
- Maailman suurimmissa urheilusarjoissa hyödynnetään tekoälyä jo monin tavoin
- Tekoälyn matka urheilussa on ollut mielenkiintoinen
- VAR:n paitsiotarkastusten kesto lyheni merkittävästi
- Terveys- ja suorituskykypuoli on taloudellisesti kriittisin tekoälyn sovelluskohde
- Kyse ei ole pelkästään urheilusta itsestään, vaan enemmän tai vähemmän kaikesta sen ympärillä
- Tekoäly urheilussa muuttaa tapaa, jolla fanit kokevat suosikkilajinsa
- Tekoäly suomalaisessa urheilukentässä
- Tekoäly urheilussa ja tulevaisuuden riskit: Sielu ei saa koskaan kadota
Voiko tekoäly urheilussa syrjäyttää ihmisen?
Jos puhutaan puhtaasti urheilijoista, niin vastaus on ”ei” – ainakin hyvin pitkälle tulevaisuuteen.
Toisin sanoen, siihen hetkeen, että tekoälyllä varustetut robotit hyppäisivät esimerkiksi jääkiekkokaukaloon tai jalkapalloviheriöille on vielä tässä vaiheessa todella pitkä matka.
Ylipäätään tekoäly urheilussa ei ole vielä sillä tasolla, että se toimisi esimerkiksi valmentajan roolissa ihmistä paremmin.
– Oli sekä mielenkiintoista että rohkaisevaa saada vahvistus sille, mitä oletimmekin: teknologia toimii parhaiten silloin, kun se pelaa samassa joukkueessa ihmisten kanssa. Tämä osoittaa, ettei teknologia yksin riitä – etenkään niin vahvasti ihmiskeskeisessä roolissa, HamKamin yhteistyökumppanina toimivan, ja tekoälyvalmentajan rakentaneen, Eidsivan viestinnän johtava asiantuntija Martin Hoff Pederson totesi päävalmentajakokeilun jälkeen.
– Jalkapallo ja teknologia kehittyvät kovaa vauhtia, ja yhä useammat seurat nojaavat data-analytiikkaan sekä Moneyball-ajatteluun. Halusimme selvittää, mitä tapahtuisi, jos veisimme idean aivan äärimmilleen, HamKamin toimitusjohtaja Mehran Ansari kommentoi asiaa.
Tällä hetkellä siis myöskään valmentajien asema ei ole uhattuna eli tekoälyvalmentajat eivät ole valmiita vallankumoukseen, ainakaan vielä.
Työpaikat ja roolit tulevat väistämättä muuttumaan, AGI seuraava askel
Tekoäly ei ainoastaan auta ihmisiä tekemään työtään tehokkaammin – se tulee myös poistamaan osan nykyisistä työtehtävistä.
Samalla syntyy uusia rooleja, mutta avoin kysymys on, korvaavatko ne määrällisesti ja laadullisesti menetettyjä työpaikkoja.
Amerikkalaisyhtiö PwC teki viime vuoden toukokuussa kyselytutkimuksen, johon osallistui yli 300 johtotason henkilöä eri yrityksistä ja toimialoilta.
Heistä 75 prosenttia oli sitä mieltä, että tekoäly tulee mullistamaan työmaailmaa enemmän kuin internet aikanaan.
Nykyisen tekoälyn, joka tunnetaan lyhenteellä AI, toiminnan perustana on niin sanottu koneoppiminen: tekoäly kykenee nykyisellään oppimaan asioita, mutta se tapahtuu lähtökohtaisesti etukäteen opetettavilla valtavilla datamäärillä.
Seuraavana mahdollisena kehitysaskeleena pidetään yleistekoälyä eli AGI:ta (Artificial General Intelligence), jonka tavoitteena olisi kyky ratkaista hyvin laaja-alaisia ongelmia nykyistä itsenäisemmin, jopa ilman ihmistä.
71 prosenttia tuohon samaiseen kyselyyn vastanneista yritysjohtajista kokee tekoälyn kehittyvän sellaista vauhtia, että AGI:n uskotaan olevan realismia seuraavien kahden vuoden sisällä (muistutuksena, että kysely tehtiin toukokuussa 2025).
AGI:n aikataulusta ei kuitenkaan ole olemassa yksimielisyyttä.
Tekoälyn vaikutukset näkyvät kuitenkin myös urheilualan työpaikoissa, sillä osa nykyisistä tehtävistä tulee väistämättä muuttumaan tai katoamaan teknologian kehittyessä.
Maailman suurimmissa urheilusarjoissa hyödynnetään tekoälyä jo monin tavoin
Amerikkalaisen jalkapallon suurimmassa sarjassa, NFL:ssä, tekoäly on jo iso osa seurojen arkipäivää.
Esimerkiksi NFL-otteluiden aikana valmentajat saavat Microsoftin tekoälyltä, Copilotilta, automaattisesti suodatettuja videoklippejä relevanteista tilanteista suoraan tabletteihinsa sivurajalla. Relevanttius tarkoittaa tässä kohtaa reaaliaikaisiin ottelutilanteisiin liittyviä klippejä yritysten, tarvittavien jaardimäärien ja kenttäaseman perusteella ilman, että valmentajien täytyisi etsiä näitä manuaalisesti.
Nämä päätöksenteon tukityökalut säästävät aikaa ja parantavat samalla ottelunaikaista strategista työskentelyä. Tekoäly ei siis tee valmentajan päätöksiä, vaan auttaa ihmistä saamaan oikean tiedon käyttöönsä juuri oikealla hetkellä.
Niin jalkapallossa, jääkiekossa, koripallossa, amerikkalaisessa jalkapallossa ja monissa muissa lajeissa tekoälyllä on merkittävä rooli myös esimerkiksi kykyjenetsinnässä ja pelaajakehityksessä.
Käytössä olevat autonomiset järjestelmät kykenevät analysoimaan pelaajien suorituskykyä tuhansien eri muuttujien perusteella. Tällaisia muuttujia ovat esimerkiksi biomekaniikka, otteluvideot, fanien mielipidedataan perustuvat trendit ja myös sosiaalisen median käyttäytyminen.
Pelaajatarkkailu ei siis perustu enää pelkkään kykyjenetsijöiden kokemukseen ja vaistoon, vaan tekoäly urheilussa tarjoaa monikerroksisen ja ennakoivan näkymän lupaavan pelaajan pitkän aikavälin arvoon ja auttaa myös arvioimaan sitä, miten hyvin hän sopisi juuri kyseiseen joukkueeseen.
Käytännössä ottaen tavoitteena on se, että esimerkiksi pohjoisamerikkalaisessa urheilussa tulisi vähemmän huteja muun muassa varaustilaisuuksissa ja globaalisti urheilua tarkastellessa pelaajahankinnoissa.
Manchester City palkkasi astrofyysikon
Jalkapallon Valioliigassa pelaava Manchester City on oiva esimerkki siitä, miten pitkälle tekoäly on viety arvioitaessa potentiaalisia pelaajahankintoja.
City palkkasi jo vuonna 2021 Harvard- ja Cambridge-taustaisen astrofyysikon, Laurie Shaw’n, johtamaan pelaajascouttaukseen liittyvää jalkapallon datatiedettä seurassa.
Oiva osoitus Cityn tekoälyn hyödyntämisestä saatiin, kun seura totesi, että pelaajalegenda Kevin De Bruynen aika seurassa on ohi ja hänelle tarvitaan korvaaja. Brittiseura käytti tekoälyä korvaajan löytämiseen ja 43 mittarin kautta tekoäly nosti Lyonissa tuolloin pelanneen Rayan Cherkin esiin ykköskandidaattina pelaajista, joiden profiili muistutti De Bruynea.
Datan perusteella Cherkin koettiin omaavan potentiaalin saavuttaa De Bruynen taso niinkin pienessä ajassa kuin kahdessa vuodessa.
– Mittaamme kentällä 43 eri muuttujaa, minkä jälkeen nämä 43 muuttujaa pelkistetään seitsemään lukuun. Näiden lukujen perusteella pystymme nostamaan esille samankaltaisia pelaajia – esimerkiksi niitä, jotka pystyvät pelaamaan kymppipaikalla, Cityn urheilujohtajana toimiva Hugo Viana kommentoi Amazon Primessa julkaistun ”A Beautiful Obsession” -dokumenttisarjan jaksossa.
Samaisessa hetkessä näkyy kuitenkin nykyisen tekoälyn heikkous eli sen toiminnan rajallisuus ja syy sille, miksi yhtälöön tarvitaan ainakin vielä vuonna 2026 ihmistä.
– Ja sitten on Cherki. Hän voisi kahden vuoden päästä olla Kevin De Bruynen kaltainen pelaajaprofiili, mutta hänen mentaliteettinsa on… Cherkiä koskevat tiedot eivät olleet suoraan sanottuna kovin positiivisia, Viana jatkaa.
City kuitenkin päätyi hankkimaan Cherkin ranskalaisesta Lyonista, maksaen tuolloin 21-vuotiaasta ranskalaispelurista 36,5 miljoonan euron siirtosumman.
Ensimmäisellä Valioliiga-kaudellaan (2025-26) Cherki teki 33 pelaamassaan Valioliiga-ottelussa neljä maalia. Kauden 2026-27 hän on aloittanut tekemällä viisi maalia yhdeksään ensimmäiseen pelaamaansa otteluun, joten hän on jo ylittänyt viime kauden maalimääränsä, nimenomaan toisella Valioliiga-kaudellaan.
Ylipäätään Cherki on osoittanut olevansa kriittinen pala Cityn palapeliä, joten selvästikin tekoäly urheilussa on ollut esimerkiksi näiltä osin hyödyllinen brittiseuralle, sillä se vaikuttaa löytäneen korvaajan De Bruynen kaltaiselle City-legendalle.
Juuri tässä näkyy tekoälyn tämänhetkinen rooli urheilussa. Se pystyy löytämään yhteyksiä valtavista datamääristä, mutta se ei ymmärrä ihmistä, persoonallisuutta tai joukkueen sisäistä dynamiikkaa samalla tavalla kuin ihminen.
Tekoälyn matka urheilussa on ollut mielenkiintoinen
Kun New Jersey Devils varasi maailman kovimman jääkiekkoliigan, NHL:n, vuoden 2016 varaustilaisuuden kuudennella varauskierroksella, ja vasta 162. pelaajana Jesper Brattin, koki se osuneensa kultasuoneen.
Nykyisin newarkilaisseuran GM:nä toimiva Sunny Mehta, toimi tuolloin Devilsin analytiikkapuolen johtajana. Hänen kehittämänsä varausalgoritmi nosti Brattin koko varaustilaisuuden kolmanneksi parhaaksi pelaajaksi, joten ruotsalainen koettiin seurassa suoranaiseksi ryöstöksi.
Bratt on pelannut toistaiseksi NHL-urallaan 654 runkosarjaottelua, joissa hän on tehnyt 176 maalia ja antanut 362 maaliin johtanutta syöttöä. 538 tehopisteellään hän on koko varaustilaisuuden viidenneksi tehokkain pelaaja, mikä on oiva osoitus siitä, että datan merkitys urheilussa oli jo vuonna 2016 valtava.
Silloin keskustelun keskiössä ei ollut kuitenkaan vielä suoranaisesti tekoäly urheilussa, vaan varausalgoritmissa oli kyse tilastollisesta analytiikkamallista.
Nykyisin tekoälyn ansiosta tällaisten analytiikkamallien rakentaminen on huomattavasti helpompaa ja nopeampaa, ja ylipäätään kaikki on paljon kehittyneemmällä tasolla.
Vuonna 2026 NHL-seurat käyttävätkin tekoälyyn ja konenäköön perustuvia järjestelmiä. Tällainen on esimerkiksi kaikkien 32 NHL-seuran käytössä oleva Sportlogiq.
Se kerää noin 4 000 datapistettä jokaisesta ottelusta ja sen ansiosta saatu data antaa varsin kattavan kuvan seuroille siitä, mitä ottelussa tapahtui, esimerkiksi yksittäisten pelaajien osalta.
– Jos olet kykyjenetsijä, ja haluat katsoa vaikkapa tietyn puolustajan kontrolloidut ulostulot omalta puolustusalueelta, voit klikata ottelusta löytyvää lukua, joka kertoo kuinka monta onnistunutta ulostuloa hän teki, ja pääset myös suoraan kyseisiin videoleikkeisiin, Sportlogiqin jääkiekkoon liittyvän liiketoiminnan kehitysjohtaja Derek Arnold kertoo The New York Timesille.
Kun otteluista saatavat videotallenteet ovat riittävän laadukkaita, käytännössä ottaen Sportlogiqin kaltaiset järjestelmät kykenevät lukemaan jokaisen pelaajan jokaisen luistimenpiirron jäähän.
Näin ollen NHL-seurat ja niiden kykyjenetsijät pystyvät yksityiskohtaisesti hahmottamaan jokaisen pelin osa-alueen – aina pelin skannaamisesta, mikä tarkoittaa käytännön tasolla pään liikkeitä, laukausten laatuun – ja siten esimerkiksi yksittäisten pelaajien vahvuudet ja heikkoudet.
VAR:n paitsiotarkastusten kesto lyheni merkittävästi
Jokainen jalkapallon seuraaja muistaa varmasti ajan, jolloin videoerotuomari (VAR) tuotiin osaksi lajia.
Erityisesti Valioliigassa videotarkastukset venyivät toistuvasti piinaavan pitkiksi, kun erotuomarit piirsivät paitsiolinjoja ruudulle käsin.
Äärimmäinen esimerkki nähtiin keväällä 2024 West Hamin ja Aston Villan välisessä ottelussa, jossa yhden maalin hylkäämistä kelattiin videolta peräti 5 minuuttia ja 37 sekuntia.
Valioliiga-kaudella 2023–2024 kaikkien VAR-tarkastusten keskimääräinen viive oli 64 sekuntia, mikä osaltaan venytti otteluiden kokonaiskeston lähes 102 minuuttiin.
Tekoäly on tuonut tähän selvän muutoksen.
Keväällä 2025 Valioliiga otti käyttöön Genius Sportsin kehittämän järjestelmän, joka perustuu 28 erikoiskameraan ja konenäköön.
Toisin kuin vuoden 2022 MM-kisoissa ensiesitelty teknologia, uusi järjestelmä ei vaadi pelipallon sisälle asennettua mikrosirua, vaan tekoäly tunnistaa syöttöhetken ja pelaajien kehonosat suoraan videokuvasta.
Vaikka muut videotarkastukset vaativat edelleen ihmistuomarin pohdintaa, konenäkö on leikannut yksittäisten paitsiotarkastusten kestoa keskimäärin 27 sekunnilla.
Yhdessä tehostettujen toimintatapojen kanssa Valioliigan kaikkien VAR-tarkastusten keskimääräinen kesto putosi kaudella 2024–2025 jo 39 sekuntiin.
Tekoäly urheilussa auttaa siis myös tällä tavoin säästämään varmasti monien jalkapallofanien hermoja, koska VAR-tarkastusten kesto, ennen kaikkea Valioliigassa, on ollut jatkuva puheenaihe siitä lähtien, kun VAR esiteltiin.
Terveys- ja suorituskykypuoli on taloudellisesti kriittisin tekoälyn sovelluskohde
Kun puhutaan ammattilaisurheilusta, ja niistä sadoista miljoonista dollareista, joita vaikkapa NFL-seurat sijoittavat pelaajiinsa, päästään tekoäly urheilussa -yhtälön tärkeimpään ytimeen ja kriittisimpään kohteeseen: terveyteen ja suorituskyvyn optimointiin.
Se, miten hyvin pelaajat pystytään pitämään terveinä läpi kauden, on iso tekijä, kun katsotaan sitä, miten hyvin tai huonosti joukkueet menestyvät.
Esimerkiksi juuri NFL:ssä seurat käyttävät Amazon Web Servicen (AWS) tarjoamaa Digital Athlete -järjestelmää, joka hyödyntää kaikkien 32 NFL-joukkueen pelaajista kerättyä video- ja suoritusdataa niin harjoituksista kuin myös otteluista.
Järjestelmän tehtävänä on auttaa joukkueita seuraamaan pelaajien kuormitusta, arviomaan potentiaalisia loukkaantumisriskejä ja vertailemaan joukkueen omaa toimintaa koko liigan trendeihin ja vertailutasoihin.
Se rakentaa jokaisesta pelaajasta oman 3D-digitaalisen kaksosen datan pohjalta.
Tekoäly syöttää 3D-kaksosen pelaajakohtaiset fyysiset ja biomekaaniset mallit simulaatioympäristöön. Se voi testata esimerkiksi, miten tietty juoksumäärä, törmäyskulma, pelialusta tai sääolosuhde rasittaa juuri kyseisen pelaajan niveliä ja lihaksia ilman, että pelaajaa tarvitsee altistaa rasitukselle oikealla kentällä.
Ajattamalla digitaalisella mallilla miljoonia simulaatioita järjestelmä tunnistaa ylikuormituksen ja varoittaa kohonneesta vammautumisriskistä 48 tuntia etukäteen.
Kerättävä data saadaan olkapääsuojuksiin asetettujen sensorien, kameroiden sekä optisen seurantateknologian kautta.
Ilman tekoälyä oltaisiinkin melkoisen ongelmallisessa tilanteessa, sillä datapisteitä kertyy yhdessä viikossa 500 miljoonaa. Ainoa tapa repiä näin valtavasta datasta sen tarjoamat hyödyt irti on käyttää AI-teknologiaa ja koneoppimismalleja.
– Dataa on niin valtava määrä, ettei sitä voi tehdä ihminen lehtiöön tai Exceliin käsin laskemalla. Tämä on esimerkki juuri sellaisesta tehtävästä, johon tarvitaan tehokkaita tietokoneita, koneoppimista, tekoälyä ja muuta vastaavaa teknologiaa, AWS:n globaalin urheilupuolen johtaja Julie Souza kertoo AP:lle.
Menetettyjen otteluiden määrä putosi 700:llä
Urheilussa tapahtuvien loukkaantumisten kohdalla puhutaan niin sanottujen menetettyjen otteluiden määrästä, mitä tulee loukkaantumisiin.
Amazonin Digital Athlete -järjestelmän ensimmäisenä vuotena loukkaantumisista johtuvien poissaolojen määrä putosi liigassa noin 700 ottelulla, minkä lisäksi harjoituksissa syntyneet alaraajojen lihasrevähdykset laskivat koko liigassa noin 14 prosenttia.
Myös esimerkiksi jalkapallossa hyödynnetään laaja-alaisesti vastaavanlaista ennakointia. Esimerkiksi Englannin Valioliigassa käytettävät tekoälyalustat yhdistävät GPS:n kautta pelaajien liikekuorman, unidatan ja verikokeiden biomarkkerit.
Näiden tietojen myötä sekä valmennusjohto että fysiikkavalmentajat pystyvät säätämään harjoittelun tehoa ja palautumista yksilöllisesti, sekä mahdollisesti välttää näin toimimalla loukkaantumisen.
Kaiken kaikkiaan erilaisia urheilijoiden terveyteen ja suorituskyvyn optimointiin käytettäviä järjestelmiä on käytössä urheilussa todella laaja-alaisesti ja niiden kautta tekoäly urheilussa saa varmasti puolelleen kannattajia.
Kyse ei ole pelkästään urheilusta itsestään, vaan enemmän tai vähemmän kaikesta sen ympärillä
Tekoäly urheilussa ei vaikuta ainoastaan siihen, mitä konkreettisesti kentällä tapahtuu – tai tulee tapahtumaan – vaan myös kulissien takana tapahtuvasta operatiivisesta puolesta.
Esimerkiksi koripallon parhaassa sarjassa, NBA:ssa, pelaava San Antonio Spurs on oiva esimerkki siitä, miten tekoäly voi auttaa logistisella puolella.
Siinä, missä Spurs käytti ennen kolme viikkoa aikaa sen hahmottamiseen, miten joukkue liikkuu kauden aikana paikasta A paikkaan B, nykyisin koko kauden logistiikkasuunnitelman rakentaminen vie noin 20 minuuttia.
Baseballin MLB:ssä eli lajin kovimmassa sarjassa, jossa parhaat pelaajat voivat tienata yhtä kautta kohden jopa 70 miljoonaa Yhdysvaltain dollaria eli noin 63,5 miljoonaa euroa, tekoälyä käytetään esimerkiksi syöttäjien kierrätykseen perustuvissa päätöksissä.
Sponsoroinnin saralla nimi-, kuva- ja käyttöoikeuksiin perustuvat alustat, kuten esimerkiksi MOGL, tuovat urheilijoita ja brändejä yhteen automaattisesti. Käytännön tasolla merkitys on seuroille, valmentajille, urheilijoille ja heidän agenteilleen valtava, koska ennen useita päiviä suunnittelun osalta vieneet sponsorointikampanjat ovat muuttuneet muutamien minuuttien mittaisiksi prosesseiksi.
Tekoäly urheilussa muuttaa tapaa, jolla fanit kokevat suosikkilajinsa
Koripallon NBA:ssa pelaava Cleveland Cavaliers on esimerkki lukuisista seuroista, jotka hyödyntävät tekoälyagentteja henkilökohtaisten sähköpostiviestien luomiseen.
Näin ollen Cavaliers-fanit saavat sähköpostiinsa viestin, joka on yksilöllinen, eikä geneeristä viestiä, joka lähetetään sellaisenaan kaikille faneille.
Viestien sisältö, sävy, emojit ja jopa värimaailma mukautuvat yksittäisten fanien käyttäytymisen ja mieltymysten perusteella.
Naisten NBA:ssa pelaava Indiana Fever puolestaan käyttää tekoälyä yleisöjen segmentointiin ja dynaamiseen markkinointiin, jossa faneille voidaan tarjota tilanteeseen sopivia tarjouksia juuri oikealla hetkellä; kyse on hyperpersonoinnista suuressa mittakaavassa.
Tekoäly siis muuttaa tapaa, jolla fanit kokevat urheilun – ja samalla sitä, miten joukkueet toimivat.
Tekoälystä tarinankertoja
Myös mediassa tekoälystä on tulossa eräänlainen rinnakkainen tarinankertoja.
Minute Median hankkima VideoVerse mahdollistaa puolestaan välittömien ja henkilökohtaisten koosteiden tarjoamisen faneille ympäri maailmaa. Käyttäjä voi esimerkiksi pyytää ”kaikki suosikkipelaajani viime yön donkit”, ja saada täysin tuotetun koostevedon muutamassa sekunnissa.
Australian avoimissa tennismestaruuskilpailuissa tekoäly tuottaa otteluiden aikana reaaliaikaista kommentointia ja tarjoaa oivalluksia pelin etenemisestä.
Urheilusisältö ei enää ole kaikille sama paketti – siitä on tulossa tilauspohjaista, räätälöityä ja vuorovaikutteista.
Ja nämä edellä mainitut esimerkit ovat vain yksittäisiä lukuisista sellaisista.
Tekoäly suomalaisessa urheilukentässä
Luonnollisesti tekoäly urheilussa on merkittävässä roolissa myös suomalaisessa urheilukentässä.
Monet lajiliitot käyttävät tekoälyä toimintansa tehostamiseen, mistä esimerkkinä toimivat muun muassa salibandyn F-Liigan otteluohjelman laatiminen tekoälyllä tai Suomen olympiakomitean käynnistämät useat hankkeet, joissa tekoälyä käytetään laajasti suomalaisen urheilun taustajärjestelmissä.
Muun muassa Suomisport-palvelun kehittämisessä käytetään tekoälyä.
Jääkiekon SM-liigassa on käytössä puolestaan tamperelaisen Bitwisen kehittämä Wisehockey-älykiekkojärjestelmä. Se kerää paikannusdataa niin kiekosta kuin myös pelaajista, reaaliaikaisesti.
Tämä data voidaan jalostaa valmennuksen käyttöön esimerkiksi kuormituksen osalta, kuten myös pelitavallisten asioiden analysointiin. Lisäksi siitä hyötyvät myös fanit suorien TV-lähetysten ja Liigan digitaalisten palveluiden kautta.
Tekoäly on ollut mukana suomalaisessa urheilussa jo jonkin aikaa, Suomen suurimman urheilutuotteen eli jääkiekon SM-liigan johtamana.
Liiga on tehnyt yhteistyötä myös Digian kanssa, joka laskee ottelun todennäköisyyksiä pelidataan perustuen.
Kauden 2023-24 osalta se ennusti Tapparan voittavan Suomen mestaruuden ja Pelicansin SM-hopeaa, ja se oli myös oikeassa siinä. Iltalehti kertoi tuolloin, että runkosarjan otteluennusteissa se osui oikeaan 76 prosentin tarkkuudella.
Kansainvälisellä tasolla Optan Stats Perform eli niin sanottu tekoälypohjainen supertietokone simuloi sarjakausia kymmeniä tuhansia kertoja etukäteen ja tuottaa medioiden sekä fanien käyttöön reaaliaikaisia todennäköisyyksiä vaikkapa jalkapallon Mestarien liigan voittajasta tai putoamistaistelusta.
Myös jalkapallon Veikkausliiga käyttää Wisesportin kaltaisia paikannusjärjestelmiä pelin ja pelaajien liikkeiden automatisoituun analysointiin. Tämän lisäksi jalkapalloon liittyvässä analytiikassa käytetään yhä enenevissä määrin koneoppimismalleja muun muassa maaliodottaman ja pelaajien suoritustason arviointiin.
Suomalaiset urheilukeskukset hyödyntävät tekoälyä puolestaan ennen kaikkea data-analytiikassa eli kerätyn tiedon käsittelemisessä ja analysoinnissa.
Suomi on mukana myös kansainvälisessä urheilukentässä tekoälyn osalta ja erilaisia työkaluja kehitetään runsaasti esimerkiksi pohjoisamerikkalaiseen urheilumarkkinaan.
Hyvä esimerkki tällaisista työkaluista on kotimainen Sprint AI, joka tarjoaa tekoälyyn pohjautuvaa analytiikkaa muun muassa NHL:ssä, NBA:ssa ja NFL:ssä mukana oleville seuroille.
Yhteenvetona voidaan todeta, että suomalainen urheilu on jo mukana tekoälyn kehityksessä – vaikka suurimmat muutokset ovat todennäköisesti vasta edessä.
Tekoäly urheilussa ja tulevaisuuden riskit: Sielu ei saa koskaan kadota
Tekoäly urheilussa on edennyt jo hyvän aikaa sitten kokeilusta käytännön tasolle. Näin ollen se on osa jokapäiväistä urheilua, mikä tarkoittaa sitä, että kaikkien tekoälyä hyödyntävien organisaatioiden on rakennettava sen ympärille selkeät toimintaperiaatteet ja valvontarakenteet.
Ne samat järjestelmät, jotka voivat parantaa kykyjenetsintää, strategiaa ja fanien sitouttamista voivat tuoda mukanaan riskejä, jotka liittyvät esimerkiksi algoritmien vääristymiin, henkilötietojen suojaan ja tasapuolisuuteen.
Ja sitten tullaan monien papereissa siihen tärkeimpään eli urheilun sielun vaalimiseen ja säilyttämiseen.
Tekoäly urheilussa herättää ihan aidosti kysymyksiä: vähentääkö tekoäly urheilun yllätyksellisyyttä ja draamaa? Tuleeko rahassa uivista joukkueista entistä dominoivampia?
Tekoälyn tehtävänä ei ole korvata urheilussa yleisön mylvintää tai loistavan valmentajan vaistoja. Sen sijaan sen tehtävänä on antaa ihmiselle enemmän aikaa keskittyä niihin oikeisiin asioihin – niihin, joissa me olemme vahvimmillamme: inspiroimiseen, johtamiseen ja ihmisten yhdistämiseen.
Ja, jos tekoälyn käyttö osataan optimoida oikealla tavalla urheilussa, se ei vie urheilusta sen hohtoa ja taikaa, vaan sen sijaan se voi jopa lisätä sitä.
Kun tekoäly hoitaa monimutkaisen tiedonkäsittelyn ja auttaa tekemään parempia päätöksiä, se antaa valmentajille, pelaajille ja seurajohdolle mahdollisuuden kehittää sekä suorituksia että tapoja kertoa urheilun tarinoita.
Lue myös: BBC: Ovatko naiset parempia kestävyysjuoksijoita kuin miehet? Mykistävä analyysi
