선수 스카우트 및 모집의 AI
선수 스카우팅의 AI는 데이터 및 비디오 분석을 사용하여 재능을 발견하고 경력 궤적을 예측하며 저평가된 선수를 찾습니다.
개요
It is reshaping how clubs in football, basketball, and other sports decide who to sign and how much to pay.
심층 분석
전통적인 스카우팅은 소수의 경기를 관찰하면서 스카우트의 눈과 직감에 의존했습니다. AI는 규모를 변화시킵니다. 이제 시스템은 경기장에 있는 22명의 선수 모두의 이벤트 데이터(모든 패스, 태클, 슛), GPS 추적 및 컴퓨터 비전 추적을 수집합니다. SkillCorner 및 Stats와 같은 회사는 방송 비디오에서 플레이어 좌표를 추출하는 동시에 플랫폼은 수천 명의 잠재 고객을 동시에 모델링합니다. 야구에서 오클랜드 A's의 유명한 '머니볼' 접근 방식은 초기 통계 버전이었습니다. 최신 AI는 미래 가치, 부상 위험, 스타일 적합성을 예측하는 머신러닝을 통해 이를 확장합니다. 리버풀 FC와 같은 클럽은 물리학자들이 이끄는 데이터 과학 부서를 구축했습니다. 목표는 라이벌이나 부유한 클럽보다 먼저 하층부에서 숨겨진 보석을 찾는 것입니다.
기술적 통찰력
핵심 방법에는 예상 골(xG) 기여도 또는 미래 시장 가치와 같은 지표를 예측하기 위해 과거 성능에 대해 훈련된 그래디언트 부스트 모델과 신경망이 포함됩니다. 컴퓨터 비전(자세 추정, 다중 객체 추적)은 원시 비디오를 초당 25프레임의 구조화된 위치 데이터로 변환합니다. 그런 다음 유사성 알고리즘은 플레이어를 벡터로 포함시켜 클럽이 스타일 특징 공간에서 가장 가까운 이웃을 찾아 '더 저렴한 버전의 플레이어 X'를 검색할 수 있도록 합니다.
전략적 영향
빌드 선택
애플리케이션 수준 설계는 AI가 실제 결과를 개선하는지 여부를 결정합니다.
팀과 워크플로우
훌륭한 워크플로우 통합은 사용자가 신뢰할 수 있는 생산성 향상을 가져옵니다.
위험과 안전
범위가 적절한 사용 사례는 변경 피로도와 구현 위험을 줄여줍니다.
선수 스카우트 및 모집에 있어서 AI의 미래
추적 데이터, 생체 역학, 심리적, 소셜 미디어 신호를 결합하여 정신력과 내구성을 평가하는 더욱 풍부한 다중 모드 모델을 기대하세요. 웨어러블 센서 데이터는 아카데미에 실시간 스카우트 정보를 제공하여 젊은 인재를 조기에 찾아낼 것입니다. 생성적 시뮬레이션을 통해 클럽은 신병이 계약을 맺기 전에 특정 전술 시스템 내에서 어떻게 수행할지 테스트할 수 있으며, 규제 기관과 선수 조합은 개인 정보 보호 및 청소년 프로파일링 윤리에 대해 반발할 수 있습니다.
실제 구현
리버풀 FC의 데이터 부서는 위치 모델을 사용하여 모하메드 살라와 같은 영입 및 가치 중심 이적을 추천합니다.
SkillCorner 및 통계 센서가 적용되지 않는 리그의 플레이어를 스카우트하기 위해 방송 영상에서 플레이어 추적 데이터 추출을 수행합니다.
박스 스코어가 놓친 수비 영향을 평가하기 위해 선수 추적(이전의 SportVU) 데이터를 사용하는 NBA 팀
야구 클럽은 Statcast의 타구 속도와 회전율 데이터를 사용하여 전통적인 통계를 뛰어넘는 투수와 타자를 드래프트하고 가치를 부여합니다.
위험 및 가드레일
손상된 프로세스를 자동화하면 기존 문제가 증폭될 수 있습니다.
팀은 필요한 인간 판단을 과도하게 자동화하고 제거할 수 있습니다.
출력을 지속적으로 평가하지 않으면 품질이 달라질 수 있습니다.
구현 로드맵
현재 워크플로를 매핑하고 마찰이 가장 큰 단계를 식별합니다.
완전 자동화 전에 휴먼 체크포인트를 정의하세요.
프롬프트, 에스컬레이션 경로, 품질 표준에 대해 사용자를 교육합니다.
작업 수준 결과를 추적하여 지속적인 가치를 확인하세요.
계속 탐색하세요
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Player Scouting and Recruitment quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
다음 가이드
게임용 절차적 콘텐츠 생성 분야의 AI
자주 묻는 질문
What is AI in Player Scouting and Recruitment?
선수 스카우팅의 AI는 데이터 및 비디오 분석을 사용하여 재능을 발견하고 경력 궤적을 예측하며 저평가된 선수를 찾습니다. 이는 축구, 농구 및 기타 스포츠 클럽이 누구와 계약하고 얼마를 지불할지 결정하는 방식을 재편하고 있습니다.
AI 기반 정찰의 선구자로 여겨지는 초기 실제 사례는 무엇입니까?
Oakland A's는 현대 AI 스카우팅이 확장하는 데이터 우선 철학인 저평가된 선수를 찾기 위해 통계 분석(세이버메트릭스)을 사용했습니다.
컴퓨터 비전을 사용하면 스카우트가 방송 경기 영상으로 무엇을 할 수 있나요?
포즈 추정 및 다중 객체 추적을 통해 원본 비디오를 좌표로 변환하여 클럽이 센서 시스템이 없는 리그에서도 선수를 분석할 수 있습니다.
클럽은 왜 '선수 유사성' 또는 최근접 알고리즘을 사용합니까?
선수를 특징 벡터로 삽입함으로써 클럽은 감당할 수 없는 스타와 통계적 프로필이 유사한 더 저렴한 대안을 검색할 수 있습니다.
축구(축구)의 고급 AI/분석 측정값의 예는 어떤 측정항목인가요?
예상 골(xG)은 현대 채용 분석에 사용되는 주요 고급 지표인 슛이 골이 될 확률을 모델링합니다.
AI 스카우팅으로 인해 제기되는 주요 윤리적 우려는 무엇입니까?
미성년자의 생체 인식, 성과, 심지어 소셜 데이터까지 수집하는 것은 노동조합과 규제 기관이 면밀히 조사하고 있는 심각한 개인 정보 보호 및 윤리 문제를 제기합니다.