OPENsport

Проблема: судьбу игрока решает прописка, а не уровень

Профессиональный футбольный скаутинг в Казахстане недоступен большинству молодых игроков из небольших городов и регионов: чтобы быть замеченным, нужно жить рядом с крупной академией, иметь деньги на просмотры или личные связи в футбольной среде.

Это дорого стоит и системе целиком. Клубы и академии тратят ресурсы на поездки и очные просмотры, при этом большая часть талантов остаётся незамеченной — страна теряет потенциально сильных футболистов, а инвестиции в детско-юношеский спорт не окупаются в полной мере.

Что придумали

Футболист снимает видео своей игры или упражнений и загружает на платформу. Искусственный интеллект анализирует технику, движения и игровые показатели, определяет сильные и слабые стороны и формирует персональные рекомендации. Результаты сохраняются в цифровом профиле, доступном тренерам, скаутам и академиям — они могут дистанционно находить и сравнивать игроков по объективным показателям.

Главное отличие в одном предложении: единая система, которая одновременно помогает игроку развиваться и клубу находить его — по данным, а не по географии, деньгам или связям.

Как это началось

«Идея OPENsport появилась после просмотра фильма Moneyball. Меня впечатлило, как данные и аналитика помогли изменить традиционный подход к поиску игроков в спорте. Тогда я задумался: почему в футболе Казахстана талант до сих пор часто оценивают субъективно и почему игроки из регионов практически не имеют доступа к профессиональному скаутингу?»

Главный провал: модель ошибалась там, где не должна была

«Самой сложной частью стало обучение собственной ИИ-модели. На первых этапах система часто допускала ошибки, неточно оценивала движения и выдавала результаты, которые не соответствовали реальному уровню игрока. Нам пришлось многократно пересматривать подход к сбору данных, разметке видео и обучению модели».

«Этот опыт научил нас, что недостаточно просто создать работающий алгоритм. Для качественной оценки футболистов необходимы большой и разнообразный набор данных, постоянная проверка результатов футбольными экспертами и постепенное улучшение модели на основе реальных тестов».

Разбор изобретателя

Метод-этап	Итеративная доработка ИИ-модели через проверку экспертами
Что сработало	Отказ от идеи «алгоритм заработал — значит готово»: модель несколько раз переобучали, а её оценки решили постоянно сверять с футбольными экспертами
Что не сработало	Первая версия разметки данных не учитывала разнообразие реальных условий съёмки и уровня игроков
→ Инструмент Части 2	Как проверять ИИ-модель на реальном мире, а не только на тестовых данных: экспертная валидация как обязательный этап, а не опция

Где проект сейчас

К августу 2026 платформа запущена публично: сайт opensport.app работает на русском и английском — личные кабинеты игрока и тренера, разделы «Тренировки», «Рейтинг» и «Дуэли», загрузка видео с телефона и скаутинговый отчёт ИИ «менее чем за 60 секунд» (формулировка платформы). На момент интервью команда описывала более раннюю стадию: сбор обратной связи и улучшение пилотной версии, подготовка к тестированию в футбольных клубах и академиях. Команда подготовила статью о проекте и начала взаимодействовать с футбольными лигами, клубами и академиями Казахстана — обсуждаются данные для обучения ИИ и пилотное тестирование.

Сама команда — три человека; фокус пока только на казахстанском рынке, в планах — выйти в другие города, расширить команду, автоматизировать соцсети и привлечь инвестиции.

Главный следующий шаг, намеченный на летней менторской сессии, — выход на Казахстанскую федерацию футбола как на главного целевого заказчика; параллельно команда готовила письма в управления спорта городских акиматов (начиная с Алматы) с предложением бесплатной интеграции.

Потенциал развития

Взгляд со стороны: чем этот проект может стать, если довести его до продукта. Это аналитическая гипотеза редакции, а не заявление команды.

Ценность OPENsport — не в самом факте видеоанализа (это делают и конкуренты), а в цифровом профиле игрока как переносимом активе: один раз собранные данные о технике становятся сравнимыми по всей стране, независимо от того, где живёт игрок. Именно это снимает барьер географии, вокруг которого построена вся проблема проекта.

Модель логично раздваивается по уже начатым переговорам: с одной стороны — B2B-продажи клубам и академиям (доступ к базе профилей игроков), с другой — B2G-канал через федерацию футбола и городские управления спорта, где бесплатная интеграция становится каналом сбора данных и легитимности, а не прямым доходом.

Направления, куда это масштабируется

Направление	Что переиспользуется	Пример применения
Партнёрство с федерацией футбола	Единая цифровая база профилей как государственный инструмент	Предложение федерации единой цифровой платформы для поиска игроков
Бесплатная интеграция для акиматов	Тот же движок анализа, канал распространения через госструктуры	Письма в управления спорта городов, старт — Алматы
B2B для клубов и академий	Цифровой профиль как инструмент удалённого сравнения игроков	Обсуждаемый пилот с клубом Jas Qyran для формирования датасета
Региональная экспансия (Центральная Азия, СНГ)	Та же модель анализа, другой рынок	Заявленная амбиция команды выйти за пределы Казахстана

Что нужно доказать. Первое — что публичная версия показывает ценность сразу: ещё в июле, на менторской сессии, кабинет для роли, отличной от тренерской, был пуст, а в B2B-продаже партнёр решает за 30 секунд, глядя на живой профиль игрока. Второе — реальную точность ИИ-модели на независимой выборке, а не только заявленную. Третье — первые платящие клиенты: пилот хотя бы с одним клубом или академией покажет, готовы ли они платить за доступ к профилям игроков.

Что советуют тем, кто начинает

«Не ждите идеальной идеи, команды или готового продукта. Сначала чётко определите проблему, поговорите с людьми, которые с ней сталкиваются, и как можно быстрее создайте простую версию решения. Первые ошибки и отзывы пользователей дадут проекту намного больше, чем месяцы планирования без реального запуска».

«Изобретать — это…»

«Изобретать — это любить то, что делаешь».

Взгляд эксперта

Аналитическая врезка редакции: оценка проекта и принципа, который он демонстрирует, — не команды.

Что здесь сильно продуктово. Идея из «Moneyball», приземлённая на казахстанскую реальность: талант в регионах невидим не потому, что слаб, а потому что скаут до него не доедет. Видеоанализ делает игрока видимым без переезда — данные едут вместо человека.

Какой принцип это демонстрирует. Экспертная проверка как обязательный этап: команда сама пришла к выводу, что работающего алгоритма мало — оценки модели нужно постоянно сверять с мнением футбольных специалистов. Для ИИ, от которого зависит, заметят ли игрока, это условие доверия.

Куда это масштабируется. Любой вид спорта с видеофиксацией; интеграция с федерациями и академиями как канал; в пределе — национальная база юных игроков, где прописка не решает судьбу.