AI i norsk toppidrett 2026 Olympiatoppens datajakt og hvorfor modellene må trenes på nytt

AI i norsk toppidrett 2026 — Olympiatoppens datajakt og hvorfor modellene må trenes på nytt

Norsk toppidrett har i tiår vært i verdenstoppen, og mye av forspranget handler om systematisk arbeid med data. Nå tar Olympiatoppen kunstig intelligens i bruk for å analysere store mengder informasjon i jakten på nye medaljer — men erfaringene viser også en grunnleggende utfordring: modeller som er trent på vanlige folk, passer dårlig på utøvere som befinner seg helt ytterst på prestasjonsskalaen.

Tre tiår med data som råstoff

Det som gjør AI mulig i toppidretten, er at grunnlaget allerede ligger der. Olympiatoppen har samlet inn data de siste 30 årene — fra treningsdagbøker, tester og konkurranser. Det er nettopp denne historiske datamengden som gjør at maskinlæring kan finne mønstre og sammenhenger som mennesker vanskelig ser på egen hånd.

Olympiatoppen beskriver selv at kunstig intelligens har forandret hverdagen deres. I stedet for at data ligger passivt i arkiver, kan modeller nå brukes til å analysere belastning, restitusjon og utvikling over tid, og til å løfte fram funn som kan gjøre treningen mer presis.

«Ski 2026»: data om snø, vær og glid

Et konkret eksempel er prosjektet «Ski 2026». Her er det samlet data over flere tiår — værdata, snødata, skiegenskaper og sliping av ski på ulike typer skiføre. Målet er et bedre kunnskapsgrunnlag for å velge ut riktige ski under OL, der riktig glid kan være forskjellen mellom medalje og en plassering utenfor pallen.

Dette er et godt bilde på hvor AI skaper verdi i idretten: ikke ved å erstatte trenernes og smørernes erfaring, men ved å systematisere enorme mengder observasjoner til et beslutningsgrunnlag. Når et team skal velge mellom hundrevis av skipar og slipemønstre under skiftende forhold, kan en modell trent på historiske data snevre inn valgene raskere enn ren erfaring alene.

Den store utfordringen: modellene er trent på feil folk

Her ligger toppidrettens mest interessante AI-problem. KI-modeller begynner å predikere og gi anbefalinger om hvordan man skal trene — men utfordringen er at modellen må trenes opp på den aktuelle målgruppen. Mange tilgjengelige modeller er trent på personer som ikke er i nærheten av toppidrettsutøvernes nivå.

Konsekvensen er at en generell helse- eller treningsmodell kan gi anbefalinger som er irrelevante eller direkte feil for en eliteutøver, som har fysiologiske verdier langt utenfor normalbefolkningens spenn. Dette er et eksempel på et velkjent problem i maskinlæring: en modell er bare så god som dataene den er trent på, og ekstreme tilfeller faller utenfor det modellen «kjenner». For toppidretten betyr det at egne, smale datasett ofte er mer verdt enn store, generelle modeller.

Video og AI i teknisk analyse

AI brukes også i den tekniske finpussen. Tennis trekkes fram som case for hvordan video og kunstig intelligens kombineres for å komme fram til gode treningstiltak. Ved å analysere bevegelsesmønstre i video kan systemet kvantifisere teknikk som ellers vurderes med trent øye, og gi trenere et mer objektivt grunnlag for å justere detaljer.

Olympiatoppen er tydelige på at teknologi skal være et lærings- og utviklingsverktøy, ikke et mål i seg selv. Poenget er at dataanalyse og AI skal støtte utøvernes og trenernes vurderinger — den menneskelige fagligheten forblir kjernen, mens maskinen skjerper presisjonen i beslutningene.

Mot Milano-Cortina 2026 og videre

OL i Milano-Cortina i 2026 gjør innsatsen ekstra konkret. Faglitteraturen om olympiske isidretter peker mot at marginene avgjøres av stadig mer finkornet kunnskap, og her er datadrevet skivalg, belastningsstyring og teknisk analyse blant verktøyene som kan flytte en utøver fra fjerdeplass til pall.

For norsk idrett bredt sett er lærdommen at AI er kraftigst når den bygger på egne, langsiktige data og brukes som beslutningsstøtte for mennesker som forstår faget. De som lykkes, er ikke de som kjøper den mest avanserte modellen, men de som har samlet de riktige dataene over tid og vet hva de skal spørre om.

Spørsmål og svar