Oleh Pesach Benson • 7 Juni 2026

Yerusalem, 7 Juni, 2026 (TPS-IL) — Menjelang Piala Dunia 2026 yang akan dimulai pada hari Kamis, para peneliti Israel memperingatkan bahwa pergeseran teknologi yang lebih senyap telah mengubah masa depan sepak bola: sistem kecerdasan buatan yang semakin banyak digunakan untuk memberi peringkat, menganalisis, dan memprediksi potensi atletik anak-anak.

Sebuah studi Israel meneliti bagaimana AI bergerak melampaui analisis performa menuju pembentukan penilaian jangka panjang tentang kemampuan manusia sejak masa kanak-kanak. Temuan tersebut, yang diterbitkan dalam jurnal penelaahan sejawat Big Data and Cognitive Computing, memperingatkan bahwa seiring algoritma yang semakin memproses data performa remaja, mereka mungkin tidak hanya mengevaluasi bakat secara lebih efisien, tetapi juga mulai mendefinisikannya secara prematur — berpotensi menanamkan bias dan mempersempit peluang jauh sebelum para pemain mencapai level profesional.

Menjelang turnamen tersebut, FIFA telah mengumumkan kemitraan dengan perusahaan teknologi Lenovo untuk mengembangkan platform Football AI Pro, sebuah sistem canggih untuk analisis taktis dan evaluasi performa berdasarkan jutaan titik data, analisis video, visualisasi 3D, dan simulasi pembelajaran mesin.

Perkembangan serupa sedang terjadi dalam inisiatif paralel seperti kolaborasi Intel dengan Komite Olimpiade Internasional pada sistem identifikasi bakat berbasis AI. Sementara beberapa dari alat ini telah diuji atau diterapkan di negara-negara termasuk Israel, Jepang, dan El Salvador, yang lainnya masih berada pada tahap awal implementasi.

Menurut penelitian tersebut, yang dipimpin oleh Prof. Ofer Ezer dari Universitas Ben-Gurion dan Dr. Ilya Morgolev dari Perguruan Tinggi Akademik Kay di Beer-Sheva, pergeseran paling signifikan bukanlah sekadar peningkatan analitik, melainkan kemunculan pelacakan berbasis data yang berkelanjutan terhadap atlet remaja. Sistem pemantauan otomatis, sensor yang dapat dikenakan, dan video latihan yang direkam sendiri kini memungkinkan performa anak-anak untuk ditangkap, disimpan, dan dianalisis dari waktu ke waktu, menciptakan catatan digital permanen sejak usia dini.

Dalam olahraga Olimpiade, bola basket, bisbol, dan tenis, AI semakin banyak digunakan untuk mengidentifikasi dan mengevaluasi bakat atletik sejak usia muda. Program pengembangan Olimpiade menggunakan pembuatan profil biometrik dan simulasi performa untuk mengarahkan atlet ke disiplin yang sesuai, sementara sistem bola basket dan tenis mengandalkan data pelacakan, analisis video, dan metrik gerakan untuk menilai potensi jangka panjang. Bisbol secara serupa menerapkan model berbasis data untuk mengevaluasi prospek di seluruh saluran pengembangannya, dengan memanfaatkan kumpulan data historis yang besar tentang performa pemain.

Di seluruh cabang olahraga ini, pola umumnya adalah pergeseran dari evaluasi performa jangka pendek ke prediksi potensi berbasis algoritma jangka panjang berdasarkan data yang terus dikumpulkan dari atlet yang semakin muda.

Melawan ‘Determinisme Digital’

Para peneliti menggambarkan perkembangan ini sebagai “determinisme digital,” di mana data performa awal mulai membentuk dan membatasi peluang masa depan. Setelah disimpan, metrik masa kanak-kanak dapat memengaruhi pemain mana yang menerima perhatian kepelatihan, peluang pencarian bakat, atau pendanaan, yang secara efektif mengubah pengukuran awal menjadi filter jangka panjang untuk karier atletik.

Temuan utama dari penelitian ini adalah bagaimana bias dapat masuk ke dalam sistem ini secara tidak langsung. Bahkan ketika algoritma mengecualikan atribut sensitif seperti etnis atau pendapatan, mereka tetap dapat mereproduksi ketimpangan melalui variabel proksi seperti sekolah, lokasi geografis, atau struktur keluarga. Sinyal-sinyal ini, yang diambil dari pola kesepakatan historis, dapat menanamkan disparitas sosioekonomi ke dalam sistem yang tampak objektif.

Platform pencarian bakat telah mengumpulkan rekaman video, peristiwa pertandingan, dan statistik performa di berbagai kelompok umur dan liga. Sistem pembelajaran mesin kemudian mengidentifikasi pola yang dikaitkan dengan performa elit, sementara analis menerapkan filter seperti usia, posisi, dan tingkat kompetisi. Namun, karena sistem ini dilatih pada “keberhasilan” historis, mereka sering kali mewarisi bias yang tertanam dalam keputusan kepelatihan dan seleksi masa lalu, kata para ilmuwan.

Studi ini juga menyoroti lingkaran umpan balik penguatan: atlet yang diidentifikasi lebih awal oleh algoritma lebih cenderung menerima pelatihan dan eksposur yang lebih baik, yang meningkatkan data performa mereka, yang pada gilirannya memperkuat prediksi asli dari sistem. Seiring waktu, dinamika ini dapat mempersempit alih-alih memperluas akses ke peluang.

Di luar metrik performa, para peneliti memperingatkan bahwa pengumpulan data pada akhirnya dapat meluas ke luar lapangan. Sistem AI dapat memasukkan aktivitas media sosial, liputan berita, dan informasi publik lainnya yang tersedia untuk membangun profil yang lebih luas dari atlet muda, yang menimbulkan kekhawatiran privasi dan pertanyaan tentang penggunaan jangka panjang data masa kanak-kanak.

“Kenyataan menunjukkan bahwa olahraga kompetitif menguduskan pencapaian kompetitif di atas segalanya, bahkan dengan mengorbankan nilai-nilai lain,” kata Dr. Morgolev. “Olahraga kompetitif adalah arena yang unik dan ekstrem yang mengandalkan data fisik yang luar biasa di samping tekad, ketahanan, dan motivasi. Sebuah kombinasi yang, paling tidak, hanya mencirikan sekitar satu persen dari populasi.”

Prof. Ezer menambahkan, “Sudah waktunya untuk berpikir bersama sebagai masyarakat tentang tempat dan tingkat otonomi yang bersedia kita berikan kepada algoritma dalam memotret, memberi peringkat, memprediksi, dan menentukan jalur perkembangan generasi masa depan ketika olahraga kompetitif tidak relevan bagi sebagian besar dari mereka,” memperingatkan bahwa anak-anak harus berkembang di bawah kerangka kerja manusia yang mendukung alih-alih ditentukan secara prematur oleh skor algoritma.