L'app Sports di Apple e la lotta silenziosa sui dati sportivi

L'app Sports di Apple non fa quasi nulla, ed è proprio questo il punto. Il recensore di Slate, scrivendo il 10 giugno 2026 mentre il Mondiale entrava nel vivo, ha elencato cosa offre: nomi e loghi delle squadre, record, orari delle partite, punteggi in diretta e finali, una pagina di classifiche e un interruttore che spegne le quote scommesse appoggiate sul tabellone. Nessun titolo di notizie. Nessuna guida allo streaming, a meno che tu non tocchi una partita. Nessun elemento di design pensato per farti scorrere lo schermo.

Una tale sobrietà è abbastanza insolita da meritare una notizia. E arriva nel mezzo di una discussione molto più grande sui dati sportivi: chi li raccoglie, chi li paga e chi decide quale versione di un numero sia quella vera.

Un'app minimale in un mercato massimale

Apple ha annunciato Sports nell'inverno del 2024. Secondo Slate, la presentazione era una frase di un dirigente Apple: "Abbiamo creato Apple Sports per dare ai tifosi quello che vogliono, un'app che offre un accesso incredibilmente rapido a punteggi e statistiche". L'app copre le partite del Mondiale più il calcio di MLS, NWSL e circa 30 altre leghe, tra cui la Serie A ecuadoriana e la Bundesliga di seconda divisione, e aggiunge il tennis maschile e femminile e il LPGA Tour. Tocchi una partita e ottieni un box score essenziale, una classifica o le rose. Le Live Activities possono spingere i punteggi di una squadra sulla schermata di blocco.

Il mercato più ampio attorno a questa semplicità non è affatto tranquillo. MarketsandMarkets, in un rapporto ripreso da Yahoo Finance il 22 settembre 2026, stima il mercato dell'IA nello sport a 2,61 miliardi di dollari entro il 2030, in crescita a un tasso annuo composto del 16,7%. Nella stessa finestra di tempo rientrano una partnership di Databricks con Cal Athletics, un centro sportivo dell'Atlantic Council e un articolo del New York Post che accusa DraftKings di aver usato l'IA per prendere di mira chi perdeva le scommesse. Nessuno di questi attriti compare dentro l'app di Apple, ed è esattamente per questo che al recensore è piaciuta.

La controargomentazione è che controllare i punteggi non è mai stata la parte interessante. La parte interessante è cosa succede ai dati sotto: i feed degli eventi, i sistemi di tracciamento, i controlli di integrità. È lì che stanno i soldi e le polemiche.

Da dove vengono davvero i dati

Sean Ingle del Guardian ha sostenuto una versione di questa tesi il 15 luglio 2025, dopo il secondo anno di chiamata elettronica delle linee a Wimbledon. I titoli di quella quindicina riguardavano i fallimenti. Il sistema ha mancato una palla di Sonay Kartal che era caduta lunga contro Anastasia Pavlyuchenkova, in un caso in cui un ufficiale aveva accidentalmente spento il sistema. Un dritto di Taylor Fritz è stato chiamato out pur essendo caduto quattro piedi dentro la linea di fondo, con un raccattapalle ancora in campo quando l'americano ha iniziato il servizio.

Il punto di Ingle era che l'indignazione seppelliva il tasso di base. Wimbledon usava una versione potenziata di Hawk-Eye, in uso lì dal 2007. I ricercatori hanno stimato che i giudici di linea sbagliano circa l'8% delle chiamate ravvicinate. I giocatori fanno peggio. Delle 1.535 challenge nei singolari maschili e femminili a Wimbledon nel 2024, solo 380, meno del 25%, sono state ribaltate. Quando un giocatore pensava che la palla fosse fuori, sbagliava tre volte su quattro.

"Nessun sistema è perfetto al 100%, ma sono dimostrabilmente più accurati che affidarsi puramente alla decisione umana", ha detto Matt Drew, che ha fondato il dipartimento di integrità di StatsPerform, in commenti pubblicati dal Guardian.

Ingle ha citato anche due studi sui pregiudizi umani. Uno chiedeva a 40 arbitri di calcio qualificati di giudicare 47 episodi di una partita Liverpool-Leicester; metà guardava con il rumore della folla, metà in silenzio. Il gruppo con il rumore della folla ha assegnato molti meno falli contro il Liverpool, il 15,5% in meno. Un altro, in Norvegia, ha rilevato che le squadre vincenti avevano più probabilità di ottenere decisioni favorevoli sui rigori. Gli psicologi la chiamano conformità.

Questa è la tesi a favore delle macchine, ed è una tesi sui dati, non sentimentale. L'accuratezza è misurabile. Il pregiudizio è misurabile. Le due cose si possono confrontare.

Il conto dell'analytics che nessuno mette a budget

Poi c'è lo strato che quasi nessun tifoso vede: l'impianto che trasforma gli eventi grezzi in un numero di cui qualcuno si fida. Un post sul blog di Cassis, pubblicato il 23 agosto 2026, sostiene che SQL più economico non rende l'analytics economico, perché ogni risposta porta con sé un costo umano che viene redistribuito anziché eliminato. Il post divide quel costo in tre parti: l'indicizzazione, il lavoro iniziale di definizione delle metriche e di documentazione della logica; l'interrogazione, lo sforzo in fase di recupero; e l'affidabilità, se il numero che torna indietro è semanticamente corretto anche quando l'SQL gira bene.

L'esempio è un CFO che chiede quanti clienti enterprise attivi si sono rinnovati nell'ultimo trimestre. Prima che qualcuno risponda, qualcun altro deve decidere quale tabella contiene i dati dei clienti, cosa significa "attivo", cosa conta come "enterprise" e cosa significa "ultimo trimestre" nel calendario fiscale. Cassis descrive un senior data manager che gestisce una rotazione settimanale in cui una sola persona si occupa delle domande ad hoc, consumando circa il 20% di un team di cinque o sei persone, in modo permanente.

Le organizzazioni sportive hanno lo stesso problema con sostantivi diversi. Cosa conta come passaggio completato? Un possesso? Un tackle? La sessione di un tifoso sull'app di un club? Le definizioni sono il prodotto. Sbagliale e la dashboard si disegna comunque.

Chi costruisce spedisce le parti noiose

Due progetti open source pubblicati a settembre 2026 mostrano quanto di questo lavoro sia ormai infrastruttura di base. Adaca Analytics, una dashboard self-hosted per Google Analytics 4 costruita su Cloudflare Workers, conserva i rollup giornalieri dalla GA4 Data API o da un export BigQuery in un database D1 di proprietà dell'operatore, e lascia il realtime su Google. Include sei dashboard e un builder in quattro passaggi, con pagine di drill-down per sorgenti, pagine e paesi, link di condivisione in sola lettura che possono fissare un filtro, e riepiloghi settimanali o mensili inviati via email o Slack. È con licenza MIT e arriva da Adaca, una società di consulenza software.

Plainoldanalytics, pubblicato su Hacker News il 13 settembre 2026, prende la strada opposta: un middleware analytics aggiuntivo per applicazioni Go, simile nello spirito a Umami, Plausible o PostHog ma incorporato nell'app. Il suo pacchetto core è agnostico rispetto allo storage, con backend tra cui DuckDB e uno store in memoria, una dashboard integrata montata su un percorso a tua scelta, registrazione delle sessioni, eventi personalizzati e proprietà chiave-valore. Il traffico viene scritto su disco circa una volta al secondo.

Nessuno dei due progetti ti dirà chi ha vinto ieri sera. Ma sono lo strato che decide se il numero che ti viene mostrato è il numero che pensi che sia.

Il Mondiale continuerà a produrre polemiche sulle chiamate, e la NFL sostituirà la sua catena di misura con la tecnologia Hawk-Eye da settembre, come ha riportato il Guardian. Gli schermi continueranno a diventare più veloci. Le definizioni che stanno sotto sono il punto in cui la lotta si svolge davvero.