2017: O Sonho Que Falhou

O Draft Que Parecia um Sonho

Era junho de 2016 — apenas semanas após o draft da NBA de 2016 — e Chad Ford, já lendário por sua visão, lançou suas primeiras classificações para o draft de 2017. Lembro-me de deslizar pela lista no meu laptop no canto silencioso do meu dormitório na Northwestern, meio acordado e totalmente cético. “Josh Jackson número 1?” murmurei em voz alta. “Sério?”

A lista tinha todos os traços de uma grande ficção: escolhas corajosas, narrativas emocionais e suficiente buzz para alimentar debates durante toda uma temporada.

Porque Ainda Me Aterroriza

Seja claro — não estou aqui para zombar do homem que previu Luka Dončić antes mesmo dele jogar universitário. Mas esse? Parecia profecia com fiação defeituosa.

Jackson foi selecionado em #4 — apesar de estar no topo da lista de Ford. Marvin Bagley III caiu das conversas sobre os três primeiros para um longo início difícil. E Jalen Brunson? Nem sequer apareceu nos primeiros 50.

Como alguém treinado em modelos de machine learning que analisam trajetórias usando gráficos de arremessos, taxa de uso e impacto defensivo… isso era como assistir à IA tomar decisões com base em vibrações, não variáveis.

A Matemática por Trás da Loucura

Rodei meu próprio modelo de regressão comparando as seleções projetadas com os resultados reais usando dados do ESPN e eficiência dos jogadores do Stathead. O que surgiu não foi surpresa — foi validação.

Jogadores mais bem ranqueados pelos analistas (inclusive Ford) tinham atributos físicos maiores — altura, envergadura — mas piores indicadores na universidade: taxa maior de turnovers e menor percentual verdadeiro de arremessos.

Enquanto isso, Jayson Tatum (classificado #4) se destacou porque seus dados avançados — impacto defensivo por 36 minutos e precisão em lances importantes — gritavam onde outros sussurravam.

Isso não era só sobre talento; era sobre filtragem de sinais. A mídia vê brilho; os dados veem padrões.

Os Vencedores Silenciosos: Os Esquecidos

Pense nisso: quantas vezes elogiaram um atleta apenas depois que ele já havia vencido? Os jogadores ignorados não estavam quebrados — estavam apenas mal compreendidos por sistemas centrados na narrativa. Isaac White (Davidson)? Fora do Top 60 apesar das excelentes taxas assistência-turnover em uma conferência pressionante. Tyler Davis (Texas Tech)? Um pilar defensivo enterrado sob críticas como ‘não é alto o suficiente’, enquanto media blocos acima da média da liga entre calouros pós-2018.

Estes não são casos isolados — são sintomas do viés sistêmico na cultura dos scouts: valorizar excessivamente tamanho e subestimar inteligência.

O Que Isso Significa Hoje – E Para Você

Na minha atual atuação desenvolvendo ferramentas preditivas em tempo real com modelos TensorFlow treinados em seis décadas de curvas evolutivas… volto sempre a este momento. A verdade é simples: Não precisamos mais escaneadores — precisamos melhores filtros. Não apenas para descobrir talento, mas para garantir equidade nas oportunidades entre raça, tamanho da universidade, geografia… até presença nas redes sociais. O insight mais poderoso não é quem foi selecionado — é quem deveria ter sido mas passou despercebido porque estávamos ocupados acreditando nas nossas próprias histórias. Pergunte-se na próxima vez que ler um mock draft ou ouvir alguém dizer ‘ele será um jogador-chave’: estamos julgando o jogador… ou nossa versão ideal do grande?