O Google DeepMind anunciou, em 10 de junho de 2026, uma parceria com o Palmeiras para implementar o TacticAI, ferramenta de inteligência artificial para análise e simulação tática em tempo real. O anúncio foi feito durante o evento Google for Brasil e registrado no perfil oficial do Google DeepMind no X.
O clube paulista é o primeiro da América Latina a usar a tecnologia. A ferramenta processa dados de posicionamento dos jogadores em campo e prevê o desenvolvimento das jogadas com até oito segundos de antecedência.
O que é o TacticAI e o que muda com a parceria
O TacticAI não é novidade absoluta. O Google DeepMind detalhou a ferramenta pela primeira vez em março de 2024, num paper publicado na Nature Communications, desenvolvido em parceria com o Liverpool FC. Até então, o TacticAI ficava restrito à análise de escanteios. O Palmeiras é o primeiro clube a usar a ferramenta para analisar jogo aberto.
Do ponto de vista técnico, o TacticAI usa redes neurais gráficas (do inglês Graph Neural Networks, ou GNNs), parte de uma abordagem chamada geometric deep learning (aprendizado profundo geométrico).
Cada um dos 22 jogadores em campo funciona como um nó da rede, carregando atributos como posição, velocidade e altura. As interações entre eles formam as conexões do grafo. A versão para o Palmeiras opera a partir de dados visuais de transmissão convencional, sem sensores de posicionamento especializados.
A interface é direta: o time de ciência de dados do clube reposiciona jogadores virtualmente.
O sistema de arrastar e soltar mostra como cada mudança afeta o comportamento coletivo de ambas as equipes. A comissão técnica consegue simular o impacto de reposicionamentos específicos sobre a estrutura defensiva adversária antes de qualquer decisão em campo.
No estudo original com o Liverpool, especialistas do clube avaliaram as sugestões do modelo em comparação cega com configurações reais de partidas. As sugestões do TacticAI foram preferidas em 90% das vezes, segundo o paper na Nature Communications.
Em paralelo, o Google firmou um acordo de dois anos com a Confederação Brasileira de Futebol (CBF). O acordo centraliza dados das seleções masculina e feminina via Gemini e foi anunciado no mesmo evento.
Por que isso importa para quem trabalha com tecnologia
Para devs e cientistas de dados, o caso do TacticAI mostra como arquiteturas de geometric deep learning saem do papel de pesquisa e chegam a ambientes operacionais de alto nível. O campo de futebol, tratado como um grafo dinâmico, é a mesma estrutura que aparece em problemas de roteamento, redes sociais, bioinformática e robótica.
Alguns pontos que valem atenção para quem trabalha nessa área:
- GNNs em dados esparsos: o TacticAI chega a esses resultados mesmo com disponibilidade limitada de dados rotulados, usando o geometric deep learning para generalizar melhor com as informações disponíveis. Isso é relevante para quem trabalha com domínios onde dados de qualidade são raros.
- Observabilidade parcial (cenário em que o modelo não tem acesso a todos os dados do ambiente): a versão para jogo aberto opera com vídeo de transmissão comum, sem sensores de posicionamento precisos, o que coloca o problem mais próximo de condições reais de produção.
- IA assistiva, não substituta: o modelo não toma decisões, quantifica opções táticas que antes dependiam de intuição, mantendo a comissão técnica no centro das escolhas.
Vale uma ressalva: a previsão de oito segundos em jogo aberto vai além do que foi validado no paper original da Nature Communications, que cobria escanteios. Os resultados com o Palmeiras ainda não passaram por revisão científica independente.
Quer entender melhor como GNNs e IA aplicada funcionam na prática?
O caso do TacticAI ilustra como modelos de aprendizado profundo são aplicados em problemas complexos do mundo real, do futebol à robótica. A Alura tem trilhas de IA e Machine Learning que cobrem desde os fundamentos de redes neurais até arquiteturas mais avançadas, com foco em aplicação prática.