Od „czucia mistrza” do systemu. Olimpijska Agenda SI, inwestycje gigantów technologicznych i mapa drogowa dla polskiego sportu

Każdy dobry trener zbiera dane. Patrzy, jak zawodnik wchodzi na trening, jak oddycha po serii, jak ląduje po skoku. Porównuje z tym, co widział wczoraj i rok temu. To, co nazywamy „czuciem trenera”, jest w istocie bardzo dobrym systemem analizy danych. Ma jednak naturalne granice: trener nie widzi zawodnika przez całą dobę, nie zmierzy wzrokiem snu ani zmienności rytmu serca i nie porówna naraz trzydziestu zawodników z ich wynikami sprzed roku.

Trener już mierzy. Tylko w głowie

Szymon Ziółkowski opowiadał na łamach „Forum Trenera”, jak latami spierał się z trenerem o błąd w obrotach. Dopiero nagranie pokazało, że obaj mieli trochę racji: noga nie była ściągana, tylko spóźniona. Jeden film zakończył spór, który mógł trwać latami. Ziółkowski dodał też ważne zastrzeżenie: „Same suche dane nie są w stanie pomóc w treningu”.

To jest sedno tego tekstu. Obiektywizacja nie zastępuje trenera. Sprawia, że jego obserwacje można potwierdzić liczbą i pokazać zawodnikowi oraz sztabowi. Poszerza też zasięg jego oka: na dni, gdy zawodnik trenuje sam, i na sygnały, których nie widać gołym okiem. Trener pozostaje autorem decyzji, a dane pracują dla niego.

Brzmi to jak oczywistość. W praktyce jednak wprowadzenie obiektywizacji, która nie dokłada pracy, a przynosi wymierne korzyści, zarówno w tym sezonie, jak i w perspektywie całej kariery zawodnika, jest prawdziwym wyzwaniem.

Dobry trener już obiektywizuje — w głowie. Dane pozwalają mu sięgnąć dalej, niż sięga wzrok.

Gdzie liczby zwodzą, a gdzie pomiar się opłaca

Liczby też potrafią zwodzić. Wynik w zawodach juniorskich jest całkowicie obiektywny: czas, odległość, miejsce. Mimo to analiza ponad 13 tysięcy sportowców z dyscyplin olimpijskich pokazała, że wynik juniorski wyjaśnia tylko około 2% różnic w wynikach seniorskich. Im młodsza kategoria, tym słabszy związek. Mistrzowie juniorów i mistrzowie seniorów to w dużej mierze różni ludzie. Obiektywizacja nie polega więc na mierzeniu wszystkiego, co się da, ani na ocenianiu talentu po jednym starcie. Polega na systematycznym śledzeniu, jak zawodnik się rozwija.

Dobrym przykładem tego, gdzie pomiar się opłaca, jest monitorowanie parametrów zdrowotnych. W 11-letnim badaniu drużyn Ligi Mistrzów zespoły z mniejszą liczbą dni straconych przez urazy i wyższą dostępnością zawodników kończyły sezon wyżej w lidze i zdobywały więcej punktów na mecz. Jeszcze mocniejszy dowód pochodzi z badań z losowym przydziałem w piłce nożnej: zespoły regularnie stosujące rozgrzewkę FIFA 11+ miały o 39% mniej urazów. Warto jednak zauważyć, że FIFA 11+ to nie pomiar, tylko program ćwiczeń. Same dane niczego nie leczą. Wartość powstaje dopiero w łańcuchu: pomiar, interpretacja, działanie. Pomiar pokazuje, gdzie jest problem, a o wyniku decyduje to, co trener z tą wiedzą zrobi.

Podobnie ze snem. „Forum Trenera” pisało już o niewielkim badaniu, w którym po wydłużeniu snu koszykarze poprawili celność rzutów wolnych o 9%. Żeby jednak wiedzieć, który zawodnik śpi za mało, trzeba to obserwować regularnie, a nie pytać raz na zgrupowaniu.

Na szczęście zarówno przy zbieraniu, jak i przy analizie takich danych odpowiednio wykorzystane narzędzia SI mogą realnie pomóc. Najwięcej dałby systemowy model wykorzystania SI dla całego polskiego sportu. Droga do niego może być jednak wyboista.

MKOl nie da nam gotowego modelu

W kwietniu 2024 r. Międzynarodowy Komitet Olimpijski ogłosił Olimpijską Agendę SI. Wskazuje pięć obszarów: wsparcie sportowców i czystej rywalizacji, równy dostęp do korzyści z SI, organizacja igrzysk, zaangażowanie kibiców oraz sprawność zarządzania sportem. Dla trenerów najważniejszy jest pierwszy: identyfikacja talentów, indywidualizacja treningu, zapobieganie urazom, wsparcie zdrowia psychicznego.

Agenda ma też drugą, mniej oczywistą stronę. MKOl nie zamierza stworzyć jednego systemu dla wszystkich. Wskazuje narodowe komitety olimpijskie i federacje jako partnerów, stawia na przekazywanie wiedzy i podkreśla ochronę prywatności oraz przejrzystość. W praktyce oznacza to, że każdy kraj musi zbudować własne wdrożenie. Kto tego nie zrobi, będzie korzystał z narzędzi zaprojektowanych dla innych zawodników, innych warunków i innych systemów szkolenia.

Jak to robią inni?

Na świecie trwa już wyścig, a jego skalę najlepiej widać po pieniądzach. Firma Alibaba zobowiązała się wobec MKOl do świadczeń o wartości co najmniej 815 mln dolarów do igrzysk w 2028 r. To jednak sponsoring: gotówka, chmura i marketing, a nie inwestycja w trening. Bliżej sztabów szkoleniowych są pieniądze prywatnych inwestorów. Amerykańska platforma Teamworks, z której korzysta ponad 6500 drużyn, zebrała w 2025 r. 235 mln dolarów na rozwój narzędzi SI, także dla sportu olimpijskiego.

Najbardziej dojrzały system w obszarze zdrowia ma liga NFL, która razem z Amazon Web Services co tydzień analizuje około 500 mln punktów danych z treningów i meczów. Przed zmianą zasad wykopu zasymulowano na tych danych 10 tysięcy sezonów. W 2024 r. liczba wstrząśnień mózgu spadła o 17%, choć sama liga zaznacza, że złożyło się na to wiele czynników.

Hiszpańska LaLiga z firmą Globant buduje sieć agentów SI. Agent to program, który nie czeka na pytanie, tylko sam śledzi dane i proponuje działanie, gdy coś się zmienia. Publicznie opisane wdrożenia dotyczą na razie głównie pracy organizacji, a agenci wspierający rozwój talentów są w planach.

Reprezentacja USA przed igrzyskami w Los Angeles podpisała umowy z Google i Snowflake, m.in. na analizę danych treningowych i bezpieczne współdzielenie danych o zdrowiu i żywieniu. Co ciekawe, przedstawiciel amerykańskiego komitetu olimpijskiego przyznał przed Mediolanem, że mają dopiero pierwsze, wybiórcze wdrożenia, a nie system dla całej reprezentacji.

Duże pieniądze płyną dziś głównie do kibiców i infrastruktury. Po stronie sportowców wszyscy, także Amerykanie, dopiero budują fundamenty danych pod zastosowania SI. Polska nie startuje więc z dalekiej pozycji, pod warunkiem że zacznie teraz.

Gdzie jest miejsce Polski?

Zacznijmy od uczciwego rachunku. Budżet Ministerstwa Sportu i Turystyki na kulturę fizyczną w 2026 r., łącznie z Funduszem Rozwoju Kultury Fizycznej, to około 2,7 mld zł, czyli w przybliżeniu 0,7 mld dolarów. To pieniądze na sport wyczynowy i powszechny, szkolenie dzieci i młodzieży oraz obiekty. W ramach głównego programu przygotowań kadr narodowych ministerstwo rozdzieliło w tym roku między związki 185 mln zł. To mniej niż jedna runda finansowania amerykańskiej platformy Teamworks. To oczywiście nie są porównywalne budżety, ale skala różnicy mówi jasno: z gigantami technologicznymi nie wygramy pieniędzmi.

Nie zaczynamy jednak od zera. Cyfryzacja polskiego sportu już ruszyła: wyniki Systemu Sportu Młodzieżowego zbiera i publikuje internetowa platforma prowadzona przez IS-PIB, a wnioski o ministerialne dofinansowanie przechodzą przez jeden centralny system elektroniczny. Raczkuje też rodzimy rynek sporttech. Choć polskie startupy dysponują ułamkiem kapitału swoich amerykańskich konkurentów, tworzą technologie, po które sięgają już kluby z europejskiej czołówki.

Mamy wreszcie doświadczenie w budowie dużych platform państwowych. Z aplikacji mObywatel korzysta już 12 mln osób, a od końca 2025 r. działa w niej wirtualny asystent oparty na polskim modelu językowym PLLuM. Skoro potrafiliśmy zbudować bezpieczną platformę dla milionów obywateli, potrafimy zbudować ją także dla zawodników i trenerów. Jeśli do większych nakładów dołożymy pomysłowość, rodzące się innowacje sporttech i doświadczenie w budowie krajowych platform, okaże się, że jest z czym zacząć i nie musimy się tego wstydzić.

Jak zatem zacząć? SI uczy się na danych, które dostała. Badacze ostrzegają na przykład, że system wytrenowany głównie na mężczyznach może dawać gorsze rekomendacje kobietom, a system uczony na zawodowcach może źle doradzać amatorom. Ta sama zasada działa między krajami. Model zbudowany na danych z zachodnich akademii piłkarskich nie zna naszego kalendarza, klimatu, obiektów, nawierzchni, struktury szkolenia ani tego, jak wygląda tydzień polskiego juniora łączącego szkołę ze sportem.

To jest nasza przewaga do zbudowania. Mamy coś cennego, co może pomóc: wieloletnie dane z Systemu Sportu Młodzieżowego, szkół mistrzostwa sportowego, ośrodków przygotowań olimpijskich i badań w IS-PIB. Rozproszone, w różnych formatach, często w arkuszach i na papierze.

Uporządkowanie tych danych ma jeszcze jedną wartość. Polski zawodnik przechodzi zwykle przez szkołę, klub, ośrodek szkolenia i kadrę. Jeśli każde z tych miejsc mierzy co innego i zapisuje inaczej, jego historia rozwoju rozpada się na kawałki. Wspólne standardy pozwolą zobaczyć całą drogę zawodnika, a nie tylko jeden sezon.

Do łączenia takiej wiedzy z SI służy m.in. metoda nazywana RAG (z ang. retrieval-augmented generation, czyli generowanie wspomagane wyszukiwaniem). Zamiast polegać na tym, co model językowy „zapamiętał” z internetu, system przed odpowiedzią przeszukuje wskazaną bazę: protokoły badań, raporty, wytyczne związku. Odpowiada na jej podstawie i wskazuje, skąd wziął informację. Przy dobrych źródłach może to ograniczyć zmyślone odpowiedzi, tzw. halucynacje. RAG to jednak tylko jedna warstwa. Do analizy wyników testów i szukania trendów potrzebne są metody statystyczne i modele uczenia maszynowego, a każdy model przewidujący np. ryzyko urazu trzeba najpierw sprawdzić na naszych zawodnikach. Im więcej polskich danych trafi na uporządkowane, krajowe platformy, tym łatwiej będzie zasilać nimi każdą z tych warstw, bez budowania wszystkiego od zera.

Nie musimy stworzyć najlepszej sztucznej inteligencji na świecie. Musimy stworzyć system, który najlepiej rozumie naszych zawodników.

Mapa drogowa w trzech etapach

Jak to wszystko poukładać w czasie? W maju 2026 r. w „Biology of Sport”, piśmie wydawanym przez Instytut Sportu – PIB, ukazała się praca zespołu Ismaila Dergaa z udziałem prof. Piotra Żmijewskiego z AWF Warszawa. Autorzy proponują mapę drogową dla agentów SI w sporcie. Uczciwie zaznaczają, że takie systemy nie zostały jeszcze naukowo zweryfikowane. Ich mapa jest więc planem badań i wdrożeń, a nie opisem gotowych rozwiązań. Może jednak posłużyć jako inspiracja przy budowie polskiej platformy SI w sporcie. Oto proponowane etapy wraz z przykładami zastosowań.

Etap 1 (1–3 lata): osobne agenty dla pojedynczych obszarów. Obciążenie treningowe, sen i regeneracja, biomechanika, żywienie, prewencja urazów, rehabilitacja. Każdy agent ma działać w jasnych granicach bezpieczeństwa. Autorzy pokazują, że nie wymaga to drogiego sprzętu. Najprostszy poziom opiera się na subiektywnej ocenie wysiłku zbieranej w telefonie i kosztuje od zera do kilkudziesięciu dolarów. Według autorów nawet taki systematyczny pomiar daje więcej niż programowanie oparte wyłącznie na intuicji. Tu leży największa szansa dla małych klubów i mniejszych dyscyplin.

Jak to może wyglądać w praktyce? Trener prowadzi grupę 20 zawodników. Po każdym treningu zbiera ocenę wysiłku, rano zawodnicy oceniają sen, a raz w miesiącu robią te same testy sprawnościowe. System nie zgaduje, kto złapie kontuzję. Pokazuje za to, że u trzech zawodników przy podobnym obciążeniu rośnie odczuwany wysiłek, u dwóch spadają wyniki testów, a jeden poprawia się mimo mniejszej objętości. Co z tym zrobić — porozmawiać, zlecić dodatkowe badanie, zmienić plan — decyduje trener.

Etap 2 (3–5 lat): współpraca agentów. Agent obciążenia, agent snu i agent urazów zaczynają się porozumiewać. Jeżeli zawodnik źle spał, a jednocześnie rośnie obciążenie, system zauważa, że sygnały się sumują, i proponuje decyzję. Dziś tę rolę pełni zebranie sztabu, często bez kompletu danych. Agent nie zastępuje tej rozmowy. Przynosi na nią komplet informacji.

Etap 3 (5–10 lat i dłużej): jeden system rozumiejący całego zawodnika. Trening, zdrowie, regeneracja, technika i psychika rozpatrywane razem. Autorzy sami nazywają ten etap spekulatywnym. Z drugiej strony współpracujące agenty SI już dziś pomagają np. programistom. Dlaczego sport miałby być wyjątkiem?

Ważne, by każdy etap sam w sobie rozwiązywał realny problem i dawał się zmierzyć. Ułatwi to przekonywanie decydentów i pozwoli rozwijać platformę strategicznie, krok po kroku. Jeżeli jednak nie chcemy zostać w światowym ogonie, warto rozważyć prowadzenie tych ścieżek równolegle, bo dziesięć lat to zbyt długo, by zyskać przewagę. Inspiracją mogą być firmy technologiczne, które wdrażają SI w modelu „statku pirackiego”. To mały zespół działający obok głównego projektu: pracuje szybciej, akceptuje większe ryzyko i błyskawicznie sprawdza nowe pomysły. Taką rolę może w polskim sporcie pełnić współpraca z rodzimymi startupami sporttech.

Dla Polski oznacza to prostą kolejność: najpierw wspólne standardy i dane, potem pojedyncze agenty, a na końcu ich współpraca. Czy da się szybciej? Każdy z nas bawił się kiedyś w piratów.

Podsumowanie

Wybitny trener pozostanie najważniejszym elementem każdego systemu. Sztuczna inteligencja nie zobaczy na treningu tego, co widzi on. Nie przewidzi dziś konkretnego urazu, ale może dać mu dodatkowe oczy: szybciej pokazać niepokojące zmiany w obciążeniu i regeneracji oraz podsunąć argument w rozmowie z zawodnikiem czy sztabem. Olimpijska Agenda SI daje kierunek, a inwestycje gigantów technologicznych pokazują skalę zjawiska. Mapy drogowe, takie jak ta opublikowana w „Biology of Sport”, podpowiadają kolejność kroków. Reszta zależy od nas: od tego, czy zaczniemy zbierać, porządkować i chronić własne dane, zanim zrobią to za nas inni.

Jeśli jako trener jeszcze nie pracujesz z danymi i SI, oto co możesz zrobić już teraz, nie czekając na krajową platformę:

1. Zbieraj codziennie choćby jedną lub dwie liczby, np. ocenę wysiłku po treningu i ocenę snu. Systematyczność jest ważniejsza niż drogi sprzęt.

2. Prowadź rejestr urazów i dni straconych. Bez niego nie wiesz, czy twoja prewencja działa.

3. Nagrywaj technikę. Film rozstrzyga spory, które bez niego trwają latami.

4. Nie wpisuj danych medycznych ani wyników badań zawodników do ogólnodostępnych narzędzi SI. Samo usunięcie nazwiska nie wystarczy, bo zawodnika można rozpoznać np. po historii urazów i datach badań.

5. Do nauki pracy z SI używaj danych przykładowych.

6. Traktuj wynik analizy SI jako jedną z wielu informacji, a nie jako wyrok o talencie. Obiektywizacja to ważna, ale nie jedyna droga do celów sportowych.

Dr inż. Norbert Kapiński jest współzałożycielem i dyrektorem technologicznym Smarter Diagnostics, spółki typu spin-off Uniwersytetu Warszawskiego, rozwijającej narzędzia SI do diagnostyki sportowej.

Piśmiennictwo

1. International Olympic Committee. Olympic AI Agenda. Lausanne 2024.

2. Dergaa I, Barbaria S, Dhahbi W, Żmijewski P, Chamari K, Ben Saad H. Toward autonomous artificial intelligence agents in sports science: a modular framework for development, validation, and implementation. Biol Sport. 2026;43:1353–1426.

3. Hägglund M, Waldén M, Magnusson H i in. Injuries affect team performance negatively in professional football: an 11-year follow-up of the UEFA Champions League injury study. Br J Sports Med. 2013;47(12):738–742.

4. Thorborg K, Krommes KK, Esteve E i in. Effect of specific exercise-based football injury prevention programmes on the overall injury rate in football: a systematic review and meta-analysis of the FIFA 11 and 11+ programmes. Br J Sports Med. 2017;51(7):562–571.

5. Barth M, Güllich A, Macnamara BN, Hambrick DZ. Quantifying the extent to which junior performance predicts senior performance in Olympic sports: a systematic review and meta-analysis. Sports Med. 2024;54(1):95–104.

6. „Naukowe rozwiązania czy »czucie trenera«?” Forum Trenera, 19.12.2024.

7. Alibaba Group Holding Ltd. Form 20-F, rok obrotowy 2024, nota 24 (zobowiązania sponsorskie wobec MKOl). U.S. Securities and Exchange Commission.

8. National Football League. Concussions decrease to historic low in 2024 NFL season. Komunikat prasowy, 30.01.2025.

9. Teamworks. Teamworks raises $235M to accelerate AI-powered innovation. Komunikat prasowy, 17.06.2025.

10. USOPC. Snowflake partners with the LA28 Olympic and Paralympic Games and Team USA. Komunikat prasowy, 27.05.2025.

11. Sejm RP, Komisja Kultury Fizycznej, Sportu i Turystyki. Informacja o układzie wykonawczym budżetu państwa na 2026 r. w części 25 – Kultura fizyczna (posiedzenie nr 78), 11.02.2026.

12. Ministerstwo Cyfryzacji. 11 milionów mObywateli i rekordowy rok w aplikacji mObywatel, 28.01.2026; dane o 12 mln użytkowników: komunikaty MC, maj 2026.

13. Mah CD, Mah KE, Kezirian EJ, Dement WC. The effects of sleep extension on the athletic performance of collegiate basketball players. Sleep. 2011;34(7):943–950.

14. Bullock GS i in. Just how confident can we be in predicting sports injuries? A systematic review of the methodological conduct and performance of existing musculoskeletal injury prediction models in sport. Sports Med. 2022.

Przeczytaj także: Naukowe rozwiązania czy „czucie trenera”?