Tradotto dall'originale inglese. Dati e fonti restano invariati. Leggi l'originale in inglese
Sevilla FC
Il Sevilla FC permette ai reclutatori di interrogare 300.000 rapporti di scouting con uno Scout Advisor basato su Llama
Il club di calcio spagnolo Sevilla FC ha costruito con IBM Scout Advisor, che usa il modello a pesi aperti (open-weight) Llama 3.1 70B Instruct di Meta, così i reclutatori possono porre domande in linguaggio comune sui giocatori attingendo a oltre 300.000 rapporti di scouting. Meta riferisce che il tempo di valutazione per giocatore è sceso da ore a secondi, un’affermazione del fornitore.
Dati chiave
Copiati esattamente dalle fonti. Copiate qualsiasi dato insieme alla sua citazione.
Da 200 a 300 ore
Tempo che i reclutatori dedicavano all’analisi di una singola lista ristretta di candidati senza Scout Advisor1
da ore a secondi
Tempo di valutazione di più rapporti di scouting su un singolo giocatore, secondo il caso di studio di Meta2
forse due minuti
Tempo che il direttore sportivo dice di impiegare per ottenere le informazioni per decidere su un giocatore1
oltre 300.000
Dimensione della base di rapporti di scouting che lo strumento cerca e riassume2
Cosa è servito
Le fonti non rendono noti costi, dimensioni del team e tempi.
Il problema
Gli osservatori del Sevilla FC scrivono rapporti dettagliati sui giocatori, annotando tratti come atteggiamento, tenacia e leadership. Il club ne possiede oltre 300.000. I suoi altri strumenti di dati gestivano bene i numeri ma non potevano usare questo testo libero. Meta dice che prima dello strumento il lavoro su una singola lista ristretta di candidati richiedeva ai reclutatori da 200 a 300 ore, e il suo caso di studio descrive la ricerca manuale come una questione di giorni.
Cosa hanno costruito
Il reparto dati del club ha lavorato con IBM per costruire Scout Advisor. Un reclutatore digita una domanda sul tipo di giocatore cercato. Lo strumento restituisce i giocatori corrispondenti con brevi riassunti tratti dai rapporti di scouting. Usa Llama 3.1 70B Instruct di Meta, un modello a pesi aperti (open-weight: i suoi file sono pubblicati, quindi un’azienda può eseguirlo da sé), sulla piattaforma watsonx di IBM. Le risposte sono in spagnolo.
Come ci sono riusciti
Il linguaggio del calcio è pieno di gergo, quindi il team ha aggiunto un passaggio che riscrive ogni domanda con il contesto calcistico prima di cercare. Una richiesta di «talented wings» viene ampliata in una descrizione di ciò che fa una buona ala, il che evita che il sistema restituisca risultati non pertinenti. La domanda arricchita guida una ricerca per somiglianza sui rapporti, e i passaggi corrispondenti vengono passati a Llama per scrivere i riassunti. Questo schema si chiama generazione aumentata dal recupero (RAG): il modello risponde dai documenti del club e non dalla memoria. Il responsabile dei dati del club dice che il modello è stato scelto per l’arricchimento e il riassunto del testo, soprattutto in spagnolo. Dice anche che far girare un modello aperto nell’ambiente del club evita di inviare dati a servizi di terzi.
Risultati
Meta riferisce che la valutazione di più rapporti di scouting su un giocatore è scesa da ore a secondi. Il direttore sportivo dice di non dover più leggere decine di rapporti e di ottenere ciò che gli serve in forse due minuti. Il club riferisce anche una migliore individuazione dei talenti e nuovi incarichi di consulenza da altre squadre che vogliono usare l’IA. Non sono pubblicati dati su accuratezza, costi o dimensione del team.
Lezioni per il vostro progetto
Scegliere una montagna di conoscenza esperta non strutturata che nessuno può realisticamente leggere, come le note di scouting, e lasciare che il personale faccia domande con parole proprie.
Insegnare al sistema il gergo del proprio mestiere. Il Sevilla amplia ogni domanda con il contesto del settore prima di cercare, così «talented wings» indica le ali del calcio.
Scegliere il modello in base alla lingua in cui lavora il personale. Il Sevilla ha scelto Llama 3.1 70B per i riassunti in spagnolo.
Misurare prima la situazione di partenza. Il Sevilla può indicare il vecchio costo (da 200 a 300 ore per lista ristretta), il che rende facile valutare qualsiasi guadagno successivo.
Avvertenze
- Le cifre provengono da Meta (un articolo della sua sala stampa e un caso di studio su Llama) che cita il Sevilla FC. Il caso di studio di Meta stesso dice che tutti i risultati sono autodichiarati e non riproducibili in modo identificabile.
- L’affermazione «da ore a secondi» non ha dimensione del campione né metodo. La cifra «forse due minuti» è la dichiarazione di un dirigente.
- La pagina del caso di studio di Meta non ha data. Le date del 2025 vengono dall’articolo della sala stampa di Meta, che descrive lo strumento come in uso. Non sono una data di avvio confermata.
- Un annuncio precedente di IBM e del Sevilla (Voicebot, 31 gennaio 2024, letto tramite una copia archiviata) dice che il club avrebbe usato Scout Advisor su watsonx e cita oltre 200.000 rapporti. Non nomina un modello e non dice che lo strumento fosse attivo, quindi conferma solo la partnership. Il numero di rapporti differisce dai 300.000 di Meta.
- Meta dice che il club prevede di valutare versioni più recenti di Llama, quindi il modello potrebbe essere cambiato da allora.
Fonti
- Sevilla Football Club Uses Llama and IBM watsonx to Scout Players
Meta Newsroom · 2025-02-28 · Comunicato stampa · about.fb.com
- Sevilla Football Club | Llama case studies
Meta · Senza data · Caso di studio del fornitore · developer.meta.com
- IBM's Generative AI Will Scout Soccer Players for Sevilla FC
Voicebot.ai · 2024-01-31 · Notizia · voicebot.ai
Riassunto con parole nostre a partire dalle fonti sopra indicate. Avete notato un errore? Consultate le rettifiche.