AI와 머신러닝이 현재 축구 스카우팅에 어떻게 활용되고 있는가

게시일 2026-03-17

하늘의 눈: 축구 스카우팅에 대한 AI의 보이지 않는 영향

비에 젖은 수첩을 손에 들고 순수한 직감으로 숨겨진 보석을 발굴하는 노련한 스카우트의 신화? 낭만적이긴 하지만, 점점 더 유물이 되고 있습니다. 오늘날, 그 스카우트는 AI 비서가 귀에 확률을 속삭이는 것을 듣고 있을 것입니다. 머신러닝은 축구 스카우팅에 "사용되는" 것을 넘어, 클럽이 재능을 식별하고, 평가하고, 궁극적으로 영입하는 방식을 근본적으로 재편하고 있습니다. 선수의 하이라이트 영상이 주요 데이터 포인트였던 시대는 지났습니다. 이제 알고리즘은 수십만 시간의 경기 영상을 분석하여 모든 터치, 모든 패스, 모든 오프볼 움직임을 추적합니다. 예를 들어, SciSports와 같은 회사는 독점 모델을 사용하여 단순한 골과 어시스트를 훨씬 뛰어넘는 지표인 "팀 성공 기여도(CYS)" 가치를 기반으로 선수를 평가합니다. 특정 유형의 미드필더를 찾는 과제를 생각해 보세요. 인간 스카우트는 수십 경기를 시청하며 특정 수비 작업량과 압박 속에서 패스 정확도를 가진 선수를 찾으려 할 것입니다. 그러나 AI는 전 세계 모든 프로 리그를 스캔하여 90분당 일정한 수의 성공적인 압박과 최종 3분의 1 지역에서 85% 이상의 패스 성공률을 꾸준히 달성하는 선수를 필터링할 수 있습니다. 심지어 더블 팀을 당하는 상황에서도 말이죠. 이는 초기 후보군을 대폭 줄여 수많은 시간을 절약합니다. 클럽들은 예측 분석에도 AI를 점점 더 많이 활용하고 있습니다. 현재 성과 외에도 이러한 시스템은 선수의 신체 데이터, 부상 이력, 심지어 심리적 프로필(데이터가 있는 경우)까지 분석하여 미래 잠재력과 위험을 예측합니다. 이는 인간의 판단을 완전히 대체하는 것이 아니라 보완하는 것입니다. 스카우트는 젊은 재능에 대해 "느낌"을 가질 수 있지만, AI는 어려움을 겪는 팀에서도 지난 두 시즌 동안 xG 체인 기여도에서 꾸준한 상승 궤적을 보여주는 데이터로 이를 뒷받침할 수 있습니다. AI가 진정으로 빛을 발하는 곳은 방대한 데이터의 양입니다. 인간은 제한된 수의 경기만 시청할 수 있습니다. 기계는 모든 최고 리그의 모든 선수의 모든 행동을 동시에 처리할 수 있습니다. 이를 통해 잘 알려지지 않은 리그에서 저평가된 자산이나 특정, 종종 간과되는 통계 범주에서 뛰어난 선수를 식별할 수 있습니다. 영리한 영입으로 유명한 Brighton & Hove Albion을 예로 들어보세요. 그들의 데이터 부서는 광범위하며, 기본 수치가 현재 시장 가치보다 더 높은 성과를 보인다고 시사하는 선수를 찾는 데 중점을 둡니다. 이는 단순히 다음 원더키드를 찾는 것만이 아닙니다. AI는 기존 스쿼드 멤버의 기술을 보완하는 선수를 식별하는 데 중요한 역할을 합니다. 팀이 인버팅과 미드필드 오버로드에 기여하는 데 뛰어난 레프트백이 필요하다면, AI는 기존 선수 데이터를 교차 참조하여 단순히 "최고의" 레프트백이 아닌 최적의 적합성을 찾을 수 있습니다. 이는 단순히 좋은 조각이 아니라 완벽한 퍼즐 조각을 찾는 것입니다. **스카우팅의 미래는 터치라인에 있는 로봇이 아니라, 예리한 인간의 결정을 뒷받침하는 초효율적인 데이터 엔진입니다. 현재 AI 기반 스카우팅 솔루션에 막대한 투자를 하지 않는 클럽은 이미 뒤처지고 있으며, �� 이적 시장에서 지속적으로 뒤쳐지게 될 것입니다.**