Sportowa analityka naprawia linie, nie sprzedaje aplikacji

Technologia sportowa jest oceniana po swoim najbardziej zawstydzającym momencie. W Wimbledonie w 2025 roku taki moment nastąpił dwukrotnie w ciągu tygodnia. Za drugim razem na korcie stał jeszcze chłopiec od piłek. Sean Ingle z The Guardian opisał skutki tego zdarzenia 15 lipca 2025 roku. Jego tekst warto ponownie przeczytać teraz, gdy argumentacja przeniosła się na AI w innych miejscach.

Dwie awarie, a obie miały charakter operacyjny, nie algorytmiczny. W jednym przypadku system sędziowania linii został wyłączony przez oficera. W drugim źle odczytał podanie, bo ktoś stał w niewłaściwym miejscu. Systemem tym była rozbudowana wersja Hawk-Eye, z której Wimbledon korzysta od 2007 roku. Ta różnica znika w momencie, gdy historia staje się „maszyny nie mogą wykonać zadania".

Czego naprawdę mówią dane o odwołaniach

Ingle zapytał IBM, jak często gracze mieli rację, gdy odwoływali się od decyzji o linii w Wimbledonie w 2024 roku. Z 1 535 odwołań w singlu mężczyzn i kobiet 380 zostało uznanych. To mniej niż 25%. Gdy gracz sądził, że piłka była poza linią i odwołał się, mylił się trzy razy na cztery. Osobno, badacze od dawna szacowali, że sędziowie linii mylili się w około 8% trudnych przypadków.

Te dwie liczby nie są obroną żadnego konkretnego dostawcy. To punkt odniesienia. Pytanie, na które organizacja sportowa musi odpowiedzieć, to nie czy system jest doskonały, bo nic nim nie jest, ale czy przewyższa to, co było przed nim, i czy się poprawia. Hawk-Eye jest teraz dokładniejszy niż w 2007 roku. Taki jest kształt argumentu, a jest on mniej ekscytujący niż oburzenie.

Drugi powód, dla którego organizacje zarządzające wciąż kupują, to ochrona oficjeli przed nadużyciami. Na ostatnim Pucharze Świata w rugby sędzia Wayne Barnes opisał, że otrzymywał groźby przemocy seksualnej wobec jego żony i groźby przemocy wobec jego dzieci. Niezależnie od opinii o automatycznych decyzjach, ten kontekst jest realny i nie zniknie.

Ludzki punkt odniesienia jest gorszy, niż przyznajemy

Jest też badanie dotyczące tego, jak ludzie faktycznie podejmują decyzje. Jedno z nich poprosiło 40 wykwalifikowanych sędziów piłkarskich o ocenę 47 incydentów z meczu Liverpoolu z Leicester. Połowa oglądała je przy szumie tłumu, grupa kontrolna w ciszy. Grupa słysząca tłum przyznawała znacznie mniej fauli przeciwko Liverpoolowi, na poziomie 15,5%. Osobne norweskie badanie wykazało, że zwycięskie drużyny częściej otrzymywały korzystne decyzje o karnych. Psycholodzy nazywają to wpływem konformizmu. Maszyny go nie mają.

„Żaden system nie jest w 100% doskonały, ale są one w sposób dowodowy dokładniejsze niż poleganie wyłącznie na decyzjach ludzkich” – powiedział Matt Drew, który założył dział integralności w StatsPerform.

Argument Drewa jest pragmatyczny. Sporty korzystają z technologii, ponieważ poprawia ona większą liczbę decyzji i chroni oficjeli oraz graczy przed nadużyciami, a najlepsze wdrożenia, wśród nich tenis i krykiet, zachowują doświadczenie kibica. NFL zamierza zastąpić swoją ekipę pomiarową systemem Hawk-Eye od września. Premier League obserwowała, jak Fifa prowadziła VAR na Mistrzostwach Świata i Klubowych Mistrzostwach Świata, z mniejszymi opóźnieniami i tymi samymi powtórkami wyświetlanymi kibicom.

Kierunek, w którym płynie pieniądze z analityki

Żaden z tych elementów nie ogranicza się do wyroków o liniach. Agentic analysis to obecny termin na umożliwienie oprogramowaniu śledzenia pytania przez kilka zbiorów danych bez pisania każdej zapytania przez człowieka. Artykuł Starburst z września 2026 roku o dwóch architekturach dla analitycznej analizy agentowej jasno przedstawia kompromis: podanie agentowi surowych wyciągów oznacza płacenie za wysyłanie terabajtów, które musi sam przetwarzać, albo nadanie mu bezpośredniego dostępu do bazy danych i pozwolenie na pisanie i doskonalenie własnych zapytań, podczas gdy silnik wykonuje ciężką pracę. Druga opcja jest tą, która skalowalna, choć Starburst zauważa, że agenci mogą być bardziej wymagający niż użytkownicy ludzcy i mogą zalać system spekulatywnymi zapytaniami.

Replikacja to druga połowa problemu i jest mierzona. Białe pismo CData opublikowane przez hub naukowy i inżynieryjny Wiley w wrześniu 2026 roku raportuje 76% przyspieszenie replikacji dużych tabel na tej samej infrastrukturze, używając równoległego odczytu partycjonowanego, który dzieli tabelę źródłową na zakresy wierszy odczytywane jednocześnie przez wątki CPU, oraz optymalizacji ścieżki zapisu, która redukuje nakłady na plik i kolumnę. Szerokie tabele z setkami kolumn zyskują najwięcej, ponieważ praca na kolumnie powtarza się przy każdej operacji pliku. Liczby pochodzą od dostawcy, który ma coś do sprzedania, a metodologia znajduje się w artykule, a nie w nagłówku, więc traktuj 76% jako benchmark dostawcy, a nie niezależny wynik.

Otwarte oprogramowanie wypełnia tę samą warstwę od drugiej strony. Adaca Analytics, opublikowany na GitHub w wrześniu 2026 roku, uruchamia self-hosted Google Analytics 4 i dashboardy BigQuery na Cloudflare Workers, z dziennymi agregatami trafiającymi do bazy D1, którą operator posiada, a widokami w czasie rzeczywistym pozostającymi na Google. Plainoldanalytics, również na GitHub, wbudowuje analitykę sieci bezpośrednio w aplikacje Go i zapisuje ruch na dysk mniej więcej co sekundę. Żaden z nich nie jest produktem sportowym. Oba to rodzaj instalacji, do której zespół danych klubu sięga teraz przed zakupem czegokolwiek.

To jest cichsza historia pod nagłówkami z Wimbledonu. Widoczne awarie dostają dwa tygodnie kolumn. Liczby dotyczące dokładności, benchmarki replikacji i self-hosted dashboardy dostają changelog. Jedno z nich się kumuluje, a nie jest nim oburzenie.