Yapay Zekâ Futbol Scoutlarının Yerini Almayacak — Ama Kulüplerin Kimi İşe Aldığını Değiştirecek

Futbol scouting’inde yapay zekâ tartışması çoğu zaman tek bir sorunun etrafında dönüyor: AI bir gün scoutların yerini alacak mı?

Anlaşılır bir soru. Ama aynı zamanda yanlış soru da olabilir.

Şu ana kadar recruitment departmanlarında gördüğümüz en büyük değişim scoutların ortadan kalkması değil, onların çalıştığı ortamın dönüşmesi oldu. Kulüpler bugün hiç olmadığı kadar fazla oyuncuya, videoya ve veriye erişebiliyor. Bir scout tek bir öğleden sonra başka bir ülkedeki onlarca oyuncuyu karşılaştırabiliyor, daha önce hiç gitmediği bir lig hakkında ilk değerlendirmesini oluşturabiliyor ve geçmişte çok daha uzun sürecek bir oyuncu havuzunu kısa zamanda daraltabiliyor.

Yapay zekâ şimdi bu iş akışının içine yerleşmeye başlıyor. Futbol muhakemesinin yerine geçmek için değil, scout ile önündeki devasa bilgi miktarı arasında yeni bir katman oluşturmak için.

Bu yüzden daha yararlı soru belki de şu: AI destekli bir recruitment ortamında kulüpler nasıl scoutları işe almak isteyecek?

Scouting Artık Yalnızca Oyuncu İzlemek Değil

Ağustos 2026’da Hudl Statsbomb, AI Player Summaries özelliğini tanıttı. Sistem, bir oyuncunun temel verilerini kısa ve okunabilir bir profile dönüştürüyor; oyuncunun rolünü tarif edebiliyor, öne çıkan özelliklerini gösterebiliyor ve verinin desteklediği bazı performans eğilimlerini özetleyebiliyor. Böylece bir analistin ilk değerlendirmeyi yazmadan önce her metriği tek tek incelemesi gerekmiyor.

Bu, bir kulübe kimi transfer etmesi gerektiğini söyleyen bir sistem değil. Hudl da ürünü bu şekilde konumlandırmıyor. Amaç, shortlist tartışması başlamadan önce yapılan hazırlık işinin bir bölümünü azaltmak. Aradaki fark önemli: araç recruitment kararını vermiyor; insan kararının başladığı noktaya ulaşmayı hızlandırıyor.

Başka şirketler de benzer bir yönde ilerliyor, ancak bunu aynı teknolojiyle yapmıyor. Soccerment, Temmuz 2026’da video, event ve tracking verisini tek ortamda bir araya getiren AI-native platformu SICS Atlas’ı piyasaya çıkardı. Kullanıcılar doğal dilde arama yapabiliyor, oyuncuları karşılaştırabiliyor, ilgili videolara ulaşabiliyor ve her sorguyu manuel olarak kurmadan scouting iş akışının bazı bölümlerini ilerletebiliyor.

Bu, ilk bakışta yalnızca arayüzdeki bir değişiklik gibi görünebilir. Ancak daha büyük bir dönüşüme işaret ediyor. Recruitment departmanları giderek daha fazla, bir futbol problemini futbol diliyle tarif edip teknik aramanın daha büyük bölümünü sisteme bırakabilecek.

“23 yaşın altında, baskı altında topu ilerletebilen ve yüksek tempolu bir topa sahip olma oyununa uyabilecek merkez orta sahaları göster” cümlesi hâlâ iyi bir scouting brief’inin yalnızca başlangıcıdır. Fakat bu cümle ile gerçekten incelenebilir bir oyuncu listesi arasındaki mesafe giderek kısalıyor.

Bu durum futbol bilgisini daha az önemli hale getirmiyor. Tam tersine, sorunun kalitesini daha önemli hale getiriyor.

Daha Fazla Veri, Daha İyi Karar Anlamına Gelmiyor

Dönüşüm yalnızca generative AI ile sınırlı değil. Recruitment alanındaki en önemli gelişmelerden bazıları computer vision, tracking data ve oyuncunun toptan uzakta ne yaptığını anlamaya çalışan modeller üzerinden ilerliyor.

Geleneksel event data bize bir pasın, şutun, top sürmenin veya müdahalenin gerçekleştiğini çok iyi anlatıyor. Ancak o aksiyonun çevresindeki pozisyonları, oyuncunun kullanmadığı seçenekleri, alanı açan koşuyu veya pasın hiç oynanmamasını sağlayan savunma hareketini anlamak istediğimizde tablo daha eksik kalıyor.

SkillCorner ve Stats Perform gibi şirketler bu boşluğu doldurmaya çalışıyor. SkillCorner, tracking ve event verisini birleştirerek topsuz hareket, baskı, karar verme ve takım yapısı etrafında yeni metrikler üretiyor. Nisan 2026’da Everton, SkillCorner ile olan anlaşmasını uzattı ve Game Intelligence verisini recruitment ile A takım analiz modellerine ekledi. Kulübün Head of Performance Insights’ı Charlie Reeves, amaçlarının yalnızca event dataya dayanmak yerine bir oyuncunun takımın oyun tarzına nasıl uyduğunu daha bütüncül biçimde anlayabilmek olduğunu belirtti.

İki ay sonra Bayer 04 Leverkusen, Stats Perform ile ortaklığını genişletti ve Opta Vision’ı recruitment ile maç analiz süreçlerine entegre etti. Opta Vision, event ve tracking verisini; topsuz koşular, baskı yoğunluğu, takım şekli ve hat kıran paslar gibi AI destekli metriklerle bir araya getiriyor.

Bu sistemler birbirinin aynısı değil. Futbol analitiğindeki her gelişmeyi “AI” etiketi altında toplamak kısa sürede yanıltıcı hale gelebilir. Generative AI, computer vision, machine learning ve otomatik tracking farklı problemlere çözüm getiriyor.

Scout açısından yön ise benzer: artık oyunun daha büyük bir bölümü ölçülebiliyor, aranabiliyor ve karşılaştırılabiliyor.

Zor olan, gerçekten neyin önemli olduğuna karar vermek.

Bir orta saha oyuncusu progresif paslarda üst sıralarda olabilir; fakat bunun ne kadarı etrafındaki takım yapısından kaynaklanıyor? Bir kanat oyuncusu geçiş oyununda çok güçlü rakamlar üretebilir, peki maçların büyük bölümünü yerleşik savunmaya karşı oynayan bir takıma gittiğinde ne olacak? Bir model oyuncunun baskı altında güçlü performans verdiğini gösterebilir, ancak ölçülen baskı onun transfer edileceği ortamla gerçekten karşılaştırılabilir mi?

Teknoloji daha fazla bilgiyi görünür hale getirebilir. O bilgiyi otomatik olarak anlamlı hale getiremez.

İyi scouting hiçbir zaman mümkün olan en fazla veriyi toplamakla ilgili değildi. Mesele, eldeki bilgiyi doğru bağlama yerleştirebilmekti.

Sevilla’nın 300.000 Raporu Farklı Bir AI Hikâyesi Anlatıyor

Recruitment alanındaki en ilginç AI örneklerinden biri yeni bir veri setiyle başlamıyor. Eski scout raporlarıyla başlıyor.

Sevilla FC yıllar içinde 300.000’den fazla scouting raporu biriktirdi. Bu arşivde teknik değerlendirmeler, oyuncuların güçlü ve zayıf yönlerine ilişkin görüşler ve tek bir metriğe indirgenmesi zor özelliklerle ilgili gözlemler bulunuyordu: tutum, mücadele gücü, liderlik, davranış ve karakter.

Sorun bilgi eksikliği değildi. Sorun, bu bilgiyi gerektiğinde kullanabilmekti.

Sevilla, IBM ile birlikte watsonx üzerinde çalışan ve Meta’nın Llama modelinden yararlanan generative AI aracı Scout Advisor’ı geliştirdi. Recruitment ekibi aradığı oyuncu tipini doğal dille tarif edebiliyor; sistem de kulübün mevcut raporlarını tarayarak uygun oyuncuları belirleyebiliyor ve scouting departmanının bu oyuncular hakkında geçmişte yazdıklarını özetleyebiliyor.

Meta’nın proje hakkındaki vaka çalışmasına göre, shortlist’lerin manuel olarak incelenmesi daha önce yüzlerce saat sürebiliyordu. Scout Advisor bu bilgi havuzuna ulaşmayı çok daha hızlı hale getirmek için geliştirildi.

Hikâyenin önemli tarafı, AI’ın Sevilla scoutlarını gereksiz hale getirmiş olması değil. Neredeyse tam tersi.

Sistem işe yarıyor, çünkü scoutlar yıllar boyunca işe yarar bilgi üretti.

AI kulübün scouting hafızasının yerine geçmiyor. O hafızayı aranabilir hale getiriyor.

Bu ayrım önümüzdeki yıllarda daha da önemli olabilir. Kulüpler veri avantajını çoğu zaman daha iyi dış kaynaklara erişim satın almak üzerinden düşünüyor. Gelecekte asıl avantajlardan biri, kendi iç bilgilerinden daha iyi yararlanabilmek olabilir. Beş yıl önce yazılmış bir scout raporu, oyuncu ya da scout kulüpten ayrıldıktan sonra bir arşivin içinde kaybolmak zorunda değil.

AI, recruitment departmanları için kurumsal hafızayı çok daha aktif bir araca dönüştürebilir.

Oyuncuyu Bulmak Artık İşin En Zor Kısmı Olmayabilir

On yıllar boyunca iyi bir scoutun en büyük avantajlarından biri erişimdi: bir oyuncuyu herkesten önce tanımak, diğer kulüplerin göz ardı ettiği bir pazarı anlamak veya yeteneği erkenden görebilecek yerel bağlantılara sahip olmak.

Bu avantajlar ortadan kalkmıyor. Yerel bilgi, canlı gözlem, kişisel ilişkiler ve daha az görünür futbol pazarlarını gerçekten anlamak hâlâ son derece önemli.

Ancak oyuncu keşfi giderek daha ölçeklenebilir hale geliyor.

SciSports gibi platformlar recruitment ekiplerinin çok geniş oyuncu havuzlarını performans, oyun stili, potansiyel ve piyasa değeri modelleri üzerinden karşılaştırmasına zaten imkân tanıyor. Şubat 2026’da SciSports’un Estimated Transfer Value modeli FotMob’a entegre edildi. Bu da bir dönem daha çok uzman recruitment ortamlarıyla ilişkilendirilen modellerin giderek daha geniş kullanıma açıldığını gösteriyor.

Bu sistemler geliştikçe recruitment’ın ilk aşaması giderek daha sık algoritmalar tarafından daraltılmış bir oyuncu havuzuyla başlayabilir. Bir scouttan 1.000 olası oyuncuyu sıfırdan elemesini istemek yerine sistem, kulübün temel kriterlerini karşılayan 50 kişilik bir liste oluşturabilir.

Bu ciddi zaman kazandırabilir. Aynı zamanda rekabet avantajının nerede oluştuğunu da değiştirebilir.

Birden fazla kulüp benzer veri setlerini ve giderek daha yetenekli discovery araçlarını kullanıyorsa aynı yükselen oyuncu benzer zamanlarda farklı kulüplerin ekranına düşebilir. İsmi ilk bulan kişi olmak, oyuncuyu en iyi anlayan organizasyon olmaktan daha az değerli hale gelebilir.

Zor soru “kim var?” olmaktan çıkıp “bizim için doğru olan kim?” sorusuna dönüşür.

Ve bu soruyu otomatikleştirmek çok daha zordur.

Recruitment yalnızca oyuncuları sıralama işi değildir. Bir futbolcunun taktik role, ekonomik modele, kadro planına, teknik direktöre ve çoğu zaman kendisi için tamamen yeni bir ülkeye veya kültüre uyum sağlaması gerekir. Mevcut performansını üreten çevre ile oyuncunun kendi yeteneklerini birbirinden ayırmak gerekir. Zayıf yönleri, gerçekten ne kadar gelişebileceğiyle birlikte değerlendirilmelidir. Oyuncunun değeri her zaman riskle beraber düşünülür.

Scouting zaten her zaman belirsizlik içeriyordu. Daha iyi teknoloji bu belirsizliğin bir bölümünü azaltabilir, fakat onu tamamen ortadan kaldıramaz.

Önümüzdeki Birkaç Yılda Bizi Ne Bekliyor?

Üç veya beş yıl sonra bir recruitment departmanının tam olarak nasıl çalışacağını bugünden kesin biçimde tarif etmek hata olur. Futbolun teknolojiyi kulüpten kulübe ve seviyeden seviyeye çok farklı hızlarda benimsediğini biliyoruz. Bir Champions League kulübünün kullandığı araçlarla alt liglerdeki bir recruitment ekibinin sahip oldukları aynı olmayacaktır.

Yine de bazı yönler şimdiden görünür durumda.

İlki, geleneksel filtrelerden konuşma tabanlı ve agentic sistemlere geçiş. Bugün bir scout çoğu zaman hangi değişkenleri arayacağına karar veriyor ve ardından filtrelerini oluşturuyor. Yarın sürecin daha büyük bir bölümü doğrudan bir futbol sorusuyla başlayabilir. Sistem brief’i yorumlayabilir, birden fazla veri setini tarayabilir, ilk shortlist’i oluşturabilir, videoları hazırlayabilir, adayları karşılaştırabilir ve kullanıcının birkaç farklı platform arasında geçiş yapmasına gerek kalmadan kulübün geçmiş raporlarını öne çıkarabilir.

Soccerment’ın SICS Atlas’ı bu yönün erken örneklerinden biri. Bu sistemlerin profesyonel recruitment’ın karmaşık iş akışlarını ne ölçüde güvenilir biçimde yönetebileceğini zaman gösterecek. Ancak fikir açık: futbol yazılımları yalnızca bilgi göstermekten, bilgi üzerinde aktif biçimde çalışmaya doğru ilerliyor.

İkinci değişim, topsuz oyunun daha ayrıntılı analiz edilmesinden gelebilir. Event data bize oyuncunun topla ne yaptığını çok iyi anlatıyor. Tracking data ise kulüplerin top oyuncuya gelmeden önce, takım topu kaybettiğinde veya bir aksiyon hiç gerçekleşmediğinde ne olduğunu sorgulamasına imkân tanıyor. Yeni baskı metrikleri, topsuz koşu modelleri ve takım şekli analizleri futbolun daha az görünür kısımlarını ölçülebilir hale getirme çabasının parçaları.

Üçüncü değişim ise belki de en iddialısı: performansı tarif etmekten, oyuncunun uyumunu tahmin etmeye doğru ilerlemek.

Recruitment verilerinin büyük bölümü hâlâ bize oyuncunun geçmişte ne yaptığını söylüyor. Her kulübün asıl cevaplamak istediği soru ise oyuncunun bundan sonra ne yapacağı ve daha da önemlisi, bizim takımımızda ne yapacağı.

Geçiş oyununa dayanan bir takımdan topa daha fazla sahip olan bir takıma giden bek nasıl performans gösterecek? Bir orta saha daha hızlı bir lige geçtiğinde aynı seviyeyi koruyabilecek mi? Bir santrforun hareketliliği daha derin savunmalara karşı da aynı değeri yaratacak mı? Genç bir oyuncunun mevcut profilinin ne kadarı gerçek potansiyelini, ne kadarı içinde bulunduğu ortamı yansıtıyor?

Predictive recruitment modelleri bu soruların bazı bölümlerine yaklaşmaya çalışıyor. Ancak futbol, kesin cevaplar üretmek için hâlâ fazlasıyla karmaşık. Bu durum kulüplerin denemeye devam etmesini muhtemelen engellemeyecek.

Gelecekte bir recruitment iş akışı, sporting director’ın kulübün oyun tarzını, bütçesini, yaş profilini ve pozisyon ihtiyacını sisteme tarif etmesiyle başlayabilir. Sistem yüzlerce ligi tarayabilir, adaylar oluşturabilir, video listeleri hazırlayabilir, fiziksel ve taktik profilleri karşılaştırabilir, finansal parametreleri tahmin edebilir ve kulübün scoutlarının o oyuncular hakkında geçmişte yazdığı her şeyi ortaya çıkarabilir.

O noktada scoutun işi bitmiş olmayacak.

Belki de en önemli kısmı tam orada başlayacak.

Teknoloji Scouting Alanını Genişletebilir — Ama Yeni Kör Noktalar da Yaratabilir

Bu gelişimin başka bir yönü daha var. Recruitment uzaktan daha kolay yürütülebilir hale geldikçe scouting coğrafi olarak genişleyebilir.

Computer vision sistemleri yayın görüntülerinden tracking bilgisi çıkarabiliyor, video platformları daha fazla ligi kapsıyor ve büyük veri setleri geçmişte birçok kulübün düzenli biçimde takip etmekte zorlandığı pazarlara ulaşıyor. Recruitment departmanının oyuncu keşfinin her ilk aşamasında fiziksel olarak sahada bir scout bulundurması gerekmiyor.

Bu, daha küçük liglerdeki oyuncuların daha büyük kulüplerin recruitment veri tabanlarına girme ihtimalini artırabilir.

Ancak yeni kör noktalar da yaratabilir.

Kaliteli video yayını olmayan veya güvenilir verinin sınırlı olduğu bir pazarı bu sistemlerin anlaması hâlâ daha zor olacaktır. Dijital altyapısı güçlü ligler orantısız biçimde görünür hale gelebilir. Geçmiş futbol kararları üzerinden eğitilen modeller de gerçekten farklı bir profile ulaşmak yerine sektörün zaten değer vermeyi bildiği oyuncu tiplerini tekrar tekrar öne çıkarabilir.

Risk yalnızca bir AI sisteminin yanlış oyuncuyu önermesi değil. Daha büyük risk, recruitment departmanının zaman içinde yalnızca sistemlerinin ölçebildiği sınırlar içerisinde düşünmeye başlaması olabilir.

İnsan merakını değiştirmesi en zor alanlardan biri tam olarak burası.

İyi bir scout yalnızca platformu nasıl kullanacağını bilmemeli. Ne zaman platformun dışına çıkması gerektiğini de bilmeli.

Geleceğin Scoutu Nasıl Olacak?

Bunların hiçbiri geleceğin scoutunun data scientist olması gerektiği anlamına gelmiyor.

Her scoutun kod yazması, machine-learning modeli geliştirmesi veya bütün gününü dashboard başında geçirmesi gerektiği fikri, scoutların tamamen ortadan kalkacağını söyleyen tahminin başka bir versiyonu.

Scouting’in temel becerileri şaşırtıcı derecede tanıdık kalıyor: oyunu anlamak, oyuncuyu rolünün içinde değerlendirmek, gelişim potansiyelini görebilmek, açık iletişim kurmak, doğru soruları sormak ve yaptığı recommendation’ın arkasında durabilmek.

Değişen, bu becerilerin kullanıldığı ortam.

Yeni nesil scoutlar büyük olasılıkla daha fazla video, daha fazla performans verisi, daha fazla tracking bilgisi ve daha fazla AI üretimi içerikle çalışacak. Bir metriğin ne anlattığını anlayacak kadar veri okuryazarlığına, modern recruitment platformlarında rahat çalışacak kadar teknik özgüvene ve ikna edici görünen bir model çıktısında eksik bağlamı fark edecek kadar şüpheciliğe ihtiyaç duyacaklar.

AI kullanmak ile AI’a güvenmek aynı şey değildir.

AI tarafından oluşturulan bir oyuncu özeti faydalı olabilir ve yine de eksik kalabilir. Bir similarity modeli istatistiksel olarak güçlü bir eşleşme bulabilir ama taktik rolün önemli bir yönünü kaçırabilir. Bir shortlist, kötü tanımlanmış bir recruitment brief’inden kusursuz şekilde hesaplanmış olabilir.

Teknoloji bir soruyu daha hızlı cevaplayabilir. Sorunun iyi olduğunu garanti edemez.

Belki de bu nedenle futbol muhakemesi daha az değil, daha fazla değer kazanacak.

Daha fazla kulüp benzer videoya, benzer veriye ve zamanla benzer AI araçlarına eriştiğinde aracın kendisi avantaj olmaktan çıkar. Avantaj, o aracın ürettiğini doğru yorumlayabilen insana geçer.

Asıl Değişim Muhakemenin Değerinde Olabilir

Yapay zekâ scouting’i tek ve dramatik bir anda dönüştürmeyecek gibi görünüyor. Kulüpler bir sabah uyanıp scouting departmanlarını kapatmayacak ve bütün transfer kararlarını bir algoritmaya teslim etmeyecek.

Değişim muhtemelen daha sessiz olacak.

Bir zamanlar üç saat süren araştırma otuz dakikada tamamlanabilecek. Bin oyunculuk havuz scout izlemeye başlamadan önce daraltılabilecek. Topsuz hareketler geleneksel event datanın yanında hazır bulunabilecek. Yıllar önce yazılmış bir rapora saniyeler içinde ulaşılabilecek. Scout daha ilk cümlesini yazmadan oyuncunun temel profili hazırlanmış olacak.

Bu olduğunda yalnızca oyuncu hakkında bilgi bulabilmek daha az değerli hale gelecek.

O bilgiyle ne yapılacağını bilmek ise daha değerli olacak.

Scoutlardan beklenen standart, çevrelerindeki araçların kalitesiyle birlikte yükselebilir. Kulüpler futbol izleyebilen insanlara ihtiyaç duymaya devam edecek; ancak giderek daha fazla, kanıtı filtreleyebilen, veriyi sorgulayabilen, analysis ve recruitment ekipleri arasında iletişim kurabilen ve yalnızca hangi oyuncuyu önerdiğini değil, neden önerdiğini de açıklayabilen insanları tercih edebilir.

Belki AI ile scouting ilişkisine bakmanın daha gerçekçi yolu budur.

Yapay zekâ futbol scoutlarının yerini almayabilir.

Ama ortalama bir scout ile çok iyi bir scout arasındaki farkı büyütebilir.