サッカーにおけるAI、データ、テクノロジーの最新動向についての次のセッションへようこそ。画面右のQAボックスからいつでもご質問ください。可能な限りディスカッション中に回答いたします。また、#ftfootballを使ってソーシャルメディアで考えやツイートを共有することもできます。それでは、ゲストの紹介から始めたいと思います。素晴らしいゲストをお迎えしています。AFCアヤックスのサッカー分析部門の責任者、ヴォス・デ・ブード氏です。アタランタBCのサッカー情報部門のディレクター、スダールシャン・ゴパルデシカン氏です。そして、米国を拠点とするキットマン・ラボのCEO兼創設者、スティーブン・スミス氏です。つまり、3人の仕事は、サッカーやその他のスポーツ分野におけるデータ、テクノロジー、AIの応用について、24時間365日考え続けることなのです。その点についてですが、AIについて話すとき、最近ではますますその機会が増えていますが、AIと言ってもさまざまな意味があることは承知しています。そこで、まずボッセから始めて、テーブルを回しながら質問していきたいと思います。応用について話すとき、私たちは何を意味しているのでしょうか? ここで私たちが話しているのは何のことでしょうか? 従来のモデルとは少し異なると思います。従来のモデルは、何が起こったかを規定することに優れており、結論を導き出し、将来もその傾向が続くことを予測しようとします。一方、AIでは、起こり得たことや近い将来に起こるであろうことに焦点を当て、自己学習の要素が組み込まれています。ですから、より複雑な分析が可能で、また、関連性がないと思われる変数も、実際には関連しているというような相互リンクも可能です。ですから、より複雑な構造を把握でき、ゲーム分析では、本当に複雑なゲームを分析できます。役に立ちますね。ええ。でも結局は、単なるツールです。分析の別の方法です。あなたが求めている質問。確かに。でも、後ろ向きな記述的な作業から離れ、パフォーマンス分析者などが答えを出したいと思うような、より流動的な質問のタイプに近づいているということですね。ええ。そして、スティーブン、あなたにとってそれはどのようなものですか?繰り返しになりますが、ここにいるのはサッカー業界で働く2人です。あなたはより多くの異なるスポーツと異なるタイプのデータに携わっています。あなたの仕事におけるAIの利用とはどのようなものでしょうか?そうですね。それは、彼らをサポートすることだと思います。そうでしょう? 私たちは、世界中のさまざまなスポーツの何千ものチームと仕事をしています。 彼らが日常的に行うプロセスを自動化し、効率化するためのツール開発を支援することです。 特にAIの可能性については、まさにVosseが言ったとおりだと思います。 それは説明的なものではありません。 振り返って報告し、可視化するだけではありません。 意思決定を支援するものです。 それは知性に関わることです。そうでしょう? そして、彼らが日々行っていることには、膨大な努力、多くの労働力、多くの人員、多くの時間が必要となる重要な側面があると思います。そして、AIの役割は、 効率性を高め、より速く処理できるようにすること、そして、コーチと協力して、翻訳を手助けし、実際に実行可能で理解でき、活用でき、実践できるものに変えることに時間を費やすことができるようにすることです。 ですから、私はそれに付け加えたいと思います。もしそれを3つの主要なカテゴリーに分けるとすると、移籍市場や選手のトレードでできる仕事があります。また、毎週の試合分析で、相手の弱点を突くための小さな限界利益を見つけようとする仕事もあります。そして、特に、多くのチームが過密スケジュールを抱えているという事実を踏まえると、これは重要なトピックです。選手の回復、選手の怪我の予防、そして選手を常にフィットした状態に保つことなどです。そして、AIはこれら3つのすべてにおいて役立つ可能性があると思います。選手のトレードの分野ではすでに多くの作業が行われていることは周知の事実です。そして、今後は試合分析の分野でも、さらに多くの作業が行われるでしょうし、将来的には健康の分野でも同様になるかもしれません。確かに。その分析ポイントに関して言えば、長年、人々はこういったことをテクノロジー懐疑論者やデータ懐疑論者と呼んできました。サッカーは流動的過ぎる。あまりにも多くのことが起こり過ぎる。例えばチェスなどとは異なり、非常に制約された空間ではない。だから彼らは、データやAIがサッカーでできることは基本的に限られていると主張するでしょう。この分野で仕事をしている人間として、ここ10年で状況がどのように変化したかという観点から、彼らの主張が正しいのか、あるいは正しくないのかを、どこまで証明できるでしょうか。例えば、これらのアプリケーションの最先端は現在どのようなものなのでしょうか。開発について語る際には、いつも面白いと感じます。私たちは常に、今ある地点が、開発の完了地点だと考えています。昔、チェス・コンピューターを見て、フットボールでも同じことが可能だろうと考えました。しかし、今なら、22人の選手が同時に動き、それぞれ異なるスキルセットを持っているので、チェスを1人ずつ進めるよりも、スキルが多様です。今なら、一度にゲーム全体を解読するような解決策ではないと言えるでしょう。しかし、フットボールの論理やシーケンスなどをかなりの程度分析し、予測できるような段階に到達することはないだろうと言うのもためらわれます。だから、ええ。私は、私たちは決してそれを成し遂げられないと少し意識している。なぜなら、そこがあなたが開発している場所だと思うし、私たちは常に新しい何かを見つけているからだ。2年前には、OpenAIやChatGPTの存在を知る人は誰もいなかったが、今では誰もがそれを使っている。
それは知性に関することです。そうでしょう? そして、私は彼らが日々行っていることの重要な側面には、膨大な努力、多くの労働力、多くのマンパワー、多くの時間が必要だと考えています。そして、AIの役割は、 効率性を高め、より速く処理できるようにすること、そして、コーチと協力して、翻訳を手助けし、実際に実行可能で理解でき、活用でき、実践できるものに変えることに時間を費やすことができるようにすることです。 ですから、私はそれに付け加えたいと思います。もしそれを3つの主要なカテゴリーに分けるとすると、移籍市場や選手のトレードでできる仕事があります。また、毎週の試合分析で、相手の弱点を突くための小さな限界利益を見つけようとする仕事もあります。そして、特に、多くのチームが過密スケジュールを抱えているという事実を踏まえると、これは重要なトピックです。選手の回復、選手の怪我の予防、そして選手を常にフィットした状態に保つことなどです。そして、AIはこれら3つのすべてにおいて役立つ可能性があると思います。選手のトレードの分野ではすでに多くの作業が行われていることは周知の事実です。そして、今後は試合分析の分野でも、さらに多くの作業が行われるでしょうし、将来的には健康の分野でも同様になるかもしれません。確かに。その分析ポイントに関して言えば、長年、人々はこういったことをテクノロジー懐疑論者やデータ懐疑論者と呼んできました。サッカーは流動的過ぎる。あまりにも多くのことが起こり過ぎる。例えばチェスなどとは異なり、非常に制約された空間ではない。だから彼らは、データやAIがサッカーでできることは基本的に限られていると主張するでしょう。この分野で仕事をしている人間として、ここ10年で状況がどのように変化したかという観点から、彼らの主張が正しいのか、あるいは正しくないのかを、どこまで証明できるでしょうか。例えば、これらのアプリケーションの最先端は現在どのようなものなのでしょうか。開発について語る際には、いつも面白いと感じます。私たちは常に、今ある地点が、開発の完了地点だと考えています。昔、チェス・コンピューターを見て、フットボールでも同じことが可能だろうと考えました。しかし、今なら、22人の選手が同時に動き、それぞれ異なるスキルセットを持っているので、チェスを1人ずつ進めるよりも、スキルが多様です。今なら、一度にゲーム全体を解読するような解決策ではないと言えるでしょう。しかし、フットボールの論理やシーケンスなどをかなりの程度分析し、予測できるような段階に到達することはないだろうと言うのもためらわれます。だから、ええ。私は、私たちは決してそれを成し遂げられないと少し意識している。なぜなら、そこがあなたが開発している場所だと思うし、私たちは常に新しい何かを見つけているからだ。2年前には、OpenAIやChatGPTの存在を知る人は誰もいなかったが、今では誰もがそれを使っている。 しかし、その一方で、まだ「ああ、そうか」と言える段階には達していません。まあ、先発メンバー11人や何かに基づいて、この試合がどうなるか、ある程度予測することはできます。確かに。では、今日のような状況を改善するために、どのようなことが変わったのでしょうか? ハードウェア面では、より大きなモデルを実行できたり、より高速で実行できたりするようになったことは明らかです。しかし、実際に使用しているデータについてはどうでしょうか?例えば、どのデータポイントについて、スティーブン、お考えでしょうか?5年前にはなかったデータが、現在あるのでしょうか? ここ12か月間、私たちが得ているデータのいくつかの質について言えば、本当に変化が現れ始めていると思います。3、4年前のことを考えると、私たちが得ていたのは選手のXYZデータ、選手の重心データだけでした。しかし今では、それに対応できるイベントデータが得られています。私たちは今、バイオメカニカルデータが得られる段階にきています。四肢トラッキングデータも取得しています。選手の足元、足首、膝、腰で何が起こっているのかを把握していますし、選手がどこを見ているのかも理解しています。また、ボールの両面を捉えることも可能です。以前は、詳細なデータはウェアラブル技術から取得していましたが、その技術では自分のチームのデータしか取得できませんでした。今、生体力学や四肢追跡技術の進歩により、身体的な負担やイベントデータだけでなく、選手が何をしているか、どのように見ているか、どのようにスキャンしているかなどを理解できるようになりました。これにより、意思決定の面でまったく新しい可能性が開かれ、また、大きなチャンスも生まれます。戦術的な技術分析という観点で考えると、これは非常に興味深い分野です。 なぜなら、単に「その人がどこにいたか」だけではなく、「実際に何を行っていたか」、「何を見ていたか」、「その中でどのように行動していたか」といった、より詳細な分析が可能になるからです。 また、効率性の観点でも、従来の支援を考えてみると、 主に動画で、現在でも、選手やコーチは動画を消費しています。なぜなら、動画こそが彼らが実際に関連付けることのできるものだからです。一方、私が棒グラフを提示しても、彼らがそれをすぐに思い浮かべることはないでしょう。そんなことは言わせない。ピッチ上で。ですから、彼らがよく知っている状況に関連づけて説明する必要があります。そして、今では特にイベントデータの重ね合わせのような、より複雑なモデリングができるようになったと思います。つまり、何が起こったのか、位置データ、どこで起こったのか、そしてビデオでどのように見えたのか、そして、例えば、守備のミスからカウンター攻撃を受けた場合、モデルを使って自動的にクリップを選択するのです。そうすれば、膨大な試合をすべてチェックして、その瞬間を見つけようとしなくても、ビデオを保存できます。自動的にポップアップして、ライブでそれを行うことができます。ええ、そういったことが、あなたの仕事をより興味深いものにしているのですね。まず、3試合ではなく、突然、1シーズンまたは複数シーズンの全試合から選択できるので、品質が向上していると思います。 もし私が少し夢見がちだとしたら、私たちはいつも試合分析やゲーム分析について話している。 試合は90分間だが、チームは試合の4日前から試合の1日前までトレーニングを行い、トレーニングに多くの時間を費やしている。 トレーニングセッションがどのようなものか考えてみてほしい。トレーニングセッションは、コーチが作成したさまざまなドリルの集合体だ。コーチがこうしたドリルをすべて作成する理由ですが、コーチは、この選手たちに取り組むドリルは、試合で目にするのと同じようなパターンやプレーのパターンになる可能性が高いと期待しているのです。 ですから、チェスの例えで言えば、AIとAIの出現がもたらす可能性について夢想してみると、 そうですね、試合は22人の選手で行われますが、ボールに注目すると、ボールの周囲で起こっていることの第1の半径、あるいは第2の半径で、4対3、あるいは3対3のような小規模なサイドゲームが展開されているのが見えます。AIが選手間のパターンや関係性を見つけ出す能力を備えていれば、従来の統計モデルではできなかったことが可能になると思います。例えば、4対3の状況が発生し、それが4対3の状況から5対6の状況に変わった。そして、5対6の状況がキーパー対2対1の状況に変わった。そして、これらの小さなサイドゲームを順を追ってゲームについて語ることができるなら、それはまるでチェスのようですね。ああ、ナイトbが1マス動いてcの7マスに移動しました。私はチェスの専門家ではありませんが、お分かりいただけたでしょうか。しかし、AIは、これらのさまざまな事象の因果関係を理解する手助けをしてくれると思います。そして最後に、最大の夢のようなものですが、これらのさまざまなトレーニングドリルのROIはどのくらいでしょうか? 例えば、コーナーキックの練習に3時間費やしたとします。あるいは、3時間カウンターアタックの練習をしたとします。実際に、XGの生成や得点という観点でROIが見られるでしょうか? それらが一致します。そして、理解できるようになります。もっとシンプルに、ピッチ上のミニゲームにそれぞれどのくらいの時間を費やし、どのくらい練習したか? そして、どれだけ良くなるのか? ええ、その通りです。 いいえ、夢想家になるのは難しいです。 それでは、スティーブンや他の誰かに質問ですが、それを実現するにはどのようなデータが必要でしょうか? トレーニングセッションを追跡したい場合、トレーニングセッションの長さなどは当然分かっています。しかし、それ以上の情報が必要になると思います。例えば、モデルに投入して、選手やチームにとって効果があったかどうかを判断するには、どのような情報が必要でしょうか? その評価を行うために、ドリルに関するどのような情報を必要としますか? 私たちがやっていることの影響について理解しようとしているチームやコーチが非常に多くなっていると思います。つまり、どのようなドリルが適切なのか、どのような結果を引き出すのか、試合でのパフォーマンスの成果という観点で、私たちが毎週アスリートと過ごす一定の時間の中で、私たちは正しいドリルを選択しているのか? また、多くのクラブが収集できていない、必要な質の高いデータについて、実際に望ましい影響を与えているのでしょうか。例えば、練習セッションでアスリートに課した身体的負荷を理解するだけでなく、すべてのドリルを理解する必要があります。コーチングの原則が何であったか、また、そのドリルを通じてサポートしようとしている戦術的または技術的な成果が何であったか、といったことも理解する必要があります。 多くの場合、コーチやコーチングチームが、最も影響力のあるコーチ、実際に成果を出しているコーチを理解しようとしていると思います。トレーニングセッションのすべてのドリルに選手全員が参加しているわけではありませんし、すべてのコーチがすべてのドリルに関与しているわけでもありません。つまり、すべてのドリルに参加した選手、すべてのドリルに関与したコーチを把握する必要があるということです。賢くやりたいのであれば、データについても幅広いコンテクストを把握する必要があります。しかし、ほとんどの組織では、今日、それは実現されていません。ええ。そのためにコンピュータビジョンを使用することができます。素晴らしいですね。間違いなく、ゲームのあり方を変えるでしょう。しかし、たとえその分野の専門家と話したとしても、彼らは試合で非常に質の高いデータを収集することはできても、練習やトレーニング施設に行けば、すべてのラインがわかるような全体的なフィールドマップを持っています。それはまったく別物であり、彼らはまだ洗練されていません。それでも、多くのクラブが現在、イベントデータの位置特定にアクセスできるようになっていますが、それは「どこで何が起こったか」という程度です。 ええ。 いつ。 正確に。 一方、私たちのクラブは、ユースアカデミーにも大きく依存していると思います。 そして、主な疑問は、主に「彼らはどうやってそれをやったのか?」ということです。 ええ。 そして、そこから次の3Dデータがビデオから取得されますが、100%正確ではありません。ラボで得られるものとは違いますが、そこに向かって進んでいます。そして、そこからまったく新しいデータセットが生まれるのです。実際に、彼らはどうやってこのような素晴らしい技を披露することができたのか、ということが明らかになります。そして、それはまた、本当に興味深いものになるだろうし、私たちが何を重視すべきかという点について、私たちの視野を少し広げてくれるものになると思います。なぜなら、結局のところ、私たちは並外れたことができる選手に大金を支払っているからです。ええ。しかし、私たちは、それがどれほど受け入れられているか、どれほど並外れているかをほとんど測定したことがありません。ええ。そして、私たちはボディポーズのようなものについて話しています。ええ。骨格データのようなものです。 では、例えば、どこをスキャンしているのでしょうか? 例えば、彼らの、例えば、いつも話題に上る、例えば、ブライアンを偉大たらしめているのは、彼がすでに彼が彼が、彼がいる場所だけではないということです。 彼がどこを向いているかということです。 ええ。それから、ボールを受けるときの姿勢ひとつとっても、どこに移動すれば素早く動けるか、あるいは動けなくなるかが決まってきます。ですから、もし14歳以下の選手を観察して、この選手はすでにこのスポーツに向いている、この選手はマーティンと一緒に指導をもう少し集中的に行う必要がある、といったことがわかるのであれば、それは素晴らしいことです。スティーブン、もう少し広い範囲での質問をさせてください。あなたはスポーツ全般にわたって仕事をされていますし、アメリカにも長い間滞在されていました。まず、単純な質問ですが、アメリカンフットボール、つまり本物のフットボールについてです。この2つを比較すると、現在、データ面でAIを活用する上でどちらが有利な立場にあるでしょうか。私は、それは場所によって異なると思います。どちらかの組織が有利な立場にあるとは言えないと思います。アメリカで目にするのは、スカウティングや選手獲得といった分野が際立っていることです。なぜなら、ヨーロッパのモデルや実際のサッカーにあるようなアカデミーシステムがないからです。彼らは、選手育成について考えていないので、その分野で秀でていなければなりません。彼らは、シーズンについて考えているのです。それだけです。そして、ヨーロッパで素晴らしい仕事をしてきたのは、選手の育成、選手の健康と安全、スポーツ科学の面などだと思います。ですから、そういった面では、ヨーロッパのモデルはアメリカのモデルよりもはるかに進んでいると思います。そして、それは本当に、文化、試合の組み立て方、アカデミーの有無やアカデミーシステムの構築方法のようなものだと思います。そして、そこから言えることは、異なるスポーツ間で、異なる組織でうまくいったことやそうでなかったことを共有し、より多くの知識を得るための大きな機会があるということです。また、世界中のあらゆる組織が、データと分析を全面的に取り入れ、組織運営のあらゆる側面に応用する大きなチャンスがあると思います。現在、ほとんどのクラブは、1つか2つの分野では非常に優れていますが、すべてにわたって優れているわけではありません。ええ。答えを見つけるのは得意でも、実際に何かを行う方法を知っているわけではありません。できることと、行うことは別物です。それを実際に適用し、選手たちが理解できるものに変換するということが、時々見落とされていると思います。つまり、実際にそれが何を意味するのか、データサイエンスや分析をどうコーチングの言葉に置き換えるのか、フットボールの言葉に置き換えるのか、そして、それを人々にどう理解してもらうのか、そういったことが見失われていると思います。それが多くのクラブでうまく採用されていない理由だと思います。私たちのチームでは、例えば、良い攻撃的なパスオプションのスペースがある場所など、より複雑なモデリングを行った際に、それが最も効果的に適用されたと思います。 実際に、モデルがピッチ上に示したエリアをビデオ上に重ね合わせたとき、彼らは自分たちが走っているのを見て、この瞬間には、より良いポーズオプションがあったと感じました。この瞬間には、この選手の方が良いポジションにいました。つまり、1つのクリップを見るだけでもできることですが、成功したプレーと失敗したプレーの結果があれば、本当に素晴らしいと思います。50個のクリップがあって、これが失敗したプレーで、これが成功したプレーだと本当に見ることができます。そして、それをすぐに教材のようなものとして使うことができます。拡張現実のようなものです。そうですね。私たちは、すでに持っているものを利用したいのです。そこから何かを取り除くのではなく、より多くの情報を追加するだけです。本当に拡張された時間のようなものを追加するだけです。ええ。視聴者の方から素晴らしい質問をいただきました。さまざまなスポーツについてですが、NBAでは、ここ10年ほどでバスケットボールの戦略が最適化されてきたという指摘がありました。より多くのデータが入手されるようになったためです。3ポイントシュートをより多く狙う、といったことです。つまり、これをネガティブなこととして捉える必要があるのかどうかはわかりませんが、サッカーが狭い範囲で最適化されてしまう可能性はあるのでしょうか。 誰かが「これなら毎回うまくいく」と気づいて、ほぼハックのようなものが登場するのを目にします。 そのようなことが起こっていると思いますか? それは悪いことでしょうか? スポーツにどのような影響を与えるでしょうか? 私たちの地域にはこんなジョークがあります。かなりマニアックなジョークですが。 バーに自己学習アルゴリズムがやって来て、バーテンダーが「何にします?」と尋ねます。 そして、周りを見回して、他のみんなは何を飲んでいるのか知りたがります。つまり、もし過去の出来事に基づいて判断するなら、そうなるでしょう。 創造性を導くものではないので、常に一歩先を行くのがフットボールの美点だと思います。 これらのモデルを有利に活用する一方で、それを欺く方法や、より優れた戦略を編み出す方法も知っておくべきです。確かに。それに、サッカーのスタイルは20年前とは変わりました。今とは異なるゲームでした。ですから、今日のサッカーの問題を解決するソリューションは、2年後にはまったく通用しないかもしれません。ですから、選手の才能の供給と需要を最適化する、というようなことがチームにとって役立つかもしれません。通常、多くの場合、同じ名前が常に話題に上るのは、取り残されることへの恐れや、間違った決断を下すことへの恐れがあるからです。エージェントは同じ名前を推し、通常はこのようなことをします。そして、多くのチームが、実際に獲得を目指すタレントプールの範囲を自ら制限してしまう傾向があります。私は、AIやデータを使用し、さまざまな戦略を立てることで、そのような状況を打破できると考えています。 選手やチームにとって戦術的な柔軟性、役割、柔軟性は非常に重要であり、それによって、見込める人材のプールを実際に改善できるかもしれません。 つまり、常に同じ15人、20人の選手を起用するのではなく、アタランタと同じ収益構造を持つすべての競合他社が同じ15人、20人の選手を起用しているとします。このような戦略によって、常に100パーセント最適化したり、活用したりすることはできないかもしれませんが、適切なタイミングで、適切なウィンドウで、例えば、我々の人材プールは20人ではなく、35人を見ている。そして、ここで、興味深い価値や、他のチームが見逃しているようなものを見つけられるかもしれません。ええ、その通りです。そして、ここで興味深い質問があります。選手にとって、これは何を意味するのでしょうか。私たちは皆、人々に適用することについて話しています。繰り返しになりますが、NBAと一部のバスケットボール選手は、ウェアラブルテクノロジーにあまり熱心ではありません。全員がモニタリングを行っています。スティーブンはあなたにとって最適な人物かもしれません。例えば、これは我々が懸念すべき問題なのか?人々は概ねそれを受け入れているように見えますか?米国のスポーツは労働組合が非常に発達しています。そのため、データの収集を懸念する声がありました。なぜなら、それが彼らの収入に影響を与えることを懸念しているからです。それはもっともなことです。しかし、現実には、これらの組織は才能ある選手に莫大な投資を行っています。才能ある選手のコストは、あらゆるスポーツで世界的に信じられないほどの勢いで高騰しています。つまり、データを活用して彼らをより良くケアし、彼らが最大限の力を発揮できるよう手助けし、彼らの潜在能力を解き放つことができるということです。そして、私たちが話をしている人たち、そして、彼らが日々行っていることは、まさにその潜在能力を最大限に引き出すことなのです。それは、アスリートから何かを奪うことではありません。選手がいなければ試合は成立しません。 彼らは才能の塊であり、私たちは彼らをサポートし、できる限りの手助けをするのが仕事です。 ですから、選手たちがテクノロジーや分析を積極的に取り入れる未来を私は歓迎します。また、今まさに到来しつつある光学やタイプといったテクノロジーが役立つ理由もそこにあります。なぜなら、私たちは彼らにそれを装着してもらうよう頼む必要がないからです。ただ、それは自動的に収集されるだけです。AIがこれほどまでにエキサイティングな理由も、おそらくそこにあるのでしょう。なぜなら、AIは人間の入力に頼ることなく、より多くのデータを提供できるからです。そして、私たちは今、デジタルネイティブであるZ世代と向き合っていると思います。彼らは、レストランに行く前に友人たちに「どこか良い店はない?」と尋ねる代わりに、オンラインで評価をチェックし、自分に合う店かどうかを確認します。そして、彼らは情報の消費方法がまったく異なります。 そして、彼らが質問してくる準備をしておくべきだと思います。なぜなら、彼らの質問は、これまでの世代から受けた質問よりもずっと大きなものになるからです。すべてが新しいのです。ええ。だから、2000年以降に生まれた選手たちの間では、80年代生まれの人とは異なる統計やデータに対する考え方があることに気づいているのですね。まあ、最初は、彼らはチーム内で自分がどうパフォーマンスしているか、自分に何をもたらしているか、といったことをより個別的に考えるようになります。そして、彼らはとにかくあらゆる情報を入手することに慣れています。だから、ええ、私は彼らが自分のキャリアを基本的にコントロールしたいと考えるようになるのは、ますます発展していくと見ています。10年、運が良ければ15年といったところです。そして、それは短期間でキャリアを築くには短い時間です。ですから、できる限りの情報を入手し、最も情報通のプレーヤーになるのは悪いことではないでしょう。ええ、ええ。オースティンと私は、今日のセッションの前にこのことについて話していました。AIの出現により、プレーヤーに提供できる情報が増えているだけでなく、OpenAIやChatGPTのようなものによって、名前は出さなくても、例を挙げると、より多くのゴールを自然に決められるように、自分の能力を向上させたいと強く思っているストライカーがいた。あなたはストライカーだ。しかし、連携プレーのような些細なことの重要性に気づかず、あるいは、ディフェンスラインを維持することの重要性を理解せずに、ゴールに戻ってボールを保持することに専念している。そして、AIの終わりに、実際に多くのゴールを決める選手たちをすべて示してくれ、それだけでなく、野菜を食べることもやってくれ、と。つまり、トップストライカーになるために重要な他のすべてのことをやってくれ、ビデオでそれらの選手たちがやっている例を見せてくれるか? トップクラスの相手チームと対戦しているときの、それらの選手たちの例を見せてくれるか? AIは、選手が最も効果的に学習する方法を特定し、教育ツールとして使用できるかもしれません。 ですから、この音声学習者には音声があり、視覚的な学習者にはビデオやその他のものがあります。 棒グラフのようなものが好きな人には、伝記や散在する部分があります。ええ。 伝記が好きな選手もいるかもしれません。 私の無知な質問はこうでした。 選手がより統計に詳しくなることで、自分の数字ばかりに目を向け、最適化することに走る危険性はないのでしょうか。 しかし、あなたは非常に優れたことをしています。今なら完璧に理解できるでしょう。20年前の選手は、まさにそれをしていたのです。彼らは、期待されるアシスト数など、他のすべての統計値を持っていなかったため、自分のゴールに集中していたのです。そして、あなたが言ったように、選手が貢献できる他のすべての映像と同様に、選手は今、自分が実際に行っていることをより多く評価し、数値化できるようになっています。素晴らしい。 素晴らしい。そして、先ほど話題に上ったもう一つのポイントはエージェントです。私は興味があります。AIはスポーツエージェントのビジネスを破壊するでしょうか。政治や煙や鏡や人脈や知識といったものをさらに少しずつ取り除いていくような形で。そして、選手の価値をより明確に数値化していくような形で。選手が自分のスプレッドシートを持って交渉に臨むようになったらどうなるか、と考えているエージェントがいると思いますか? あるいは、交渉においてデータがより重要になるという認識のもと、自分のエージェンシーにどんどんデータを持ち込むエージェントが現れると思いますか? 私は、結局は、本当に良く情報を得ているかどうかに帰着すると思います。そして、エージェントであるということは、それ以上のものだと思います。ですから、私がエージェントになるとしたら、自分の利益のためにそれを利用するだけです。それが何かを置き換えるとは思えません。つまり、例えば、このクラブはあまり熱心ではないかもしれないが、あなたのプロフィールに合う他のクラブが3つある、といったような、より明確な、より良い概要を提供できるかもしれないということです。それが試みていることです。ですから、それは扉を閉ざすのではなく、機会を開くものだと思います。確かに。確かに。そして、まあ、同じような質問をあなたたち3人にもしようと思っていました。AIがあなたの仕事を破壊する可能性についてどう思いますか? はっきりさせておきたいのですが、私が「破壊」と言ったのは、置き換えるという意味ではなく、皆さんの仕事がどのように変化するか、あるいは、10年前、5年前と比べて、現在ではどのようなスキルが必要になっているか、ということです。この新しいテクノロジーによって、日々の業務はどのように変化したのでしょうか?ええ。私の仕事で最も重要なのは分析を使用することですが、それを翻訳することだと思います。ですから、それがAIモデルであろうと、昔から使っているロジスティック回帰であろうと、あるいはコーナーキックの数に対するカウンターアタックの数の合計であろうと、気にしません。私としては、取り組んでいる目標に適合しているかを確認する必要があります。チームのフォーカスやクラブの戦略に適合しているかということです。ですから、戦略から始まり、目標を達成するために戦略をより良くするための質問に答えるのです。私にとって、AIは単に別の素晴らしいツールにすぎません。今後何年にもわたって、素晴らしいツールが数多く登場することを期待しています。ですから、私にとって仕事の中核は変わりません。ただ、手法が少し変わるだけです。確かに、そうですね。私としては、選手の移籍や試合分析、選手育成などにおいて、データを利用するチームがすでに多くの競争優位性を獲得していると思います。そして、それは改善され続けるでしょう。戦術面では、多くのことが自動化されるようになると思います。常に改善の余地があり、新しい発見があるでしょう。しかし、それは、解決が難しい問題について考えるための、少しの余裕を与えてくれるかもしれません。今あるものを最大限に活用するにはどうすればよいか? 戦術的な観点ではなく、選手のモチベーションの観点から、2人の選手がよりうまく連携できるように、あるいは性格形成の観点から、今いる選手たちを最大限に活用するにはどうすればよいか。私たちが最も重視していることのひとつは、ある選手が、あるモデルでは高い評価を得ているが、行動や性格の観点から見て、その選手が適切な特性を備えているかどうかということです。そして、戦術や技術面だけでなく、チーム編成という観点から、シニア選手の適切な人数、若手選手の適切な人数、そして、 適切な数の指導者がいることの意味とは何か、そして、そういったチーム編成のソフトな要素のようなものに実際に取り組んで、答えが出たらチェルシーに知らせる。ただ、そのことについて詳しく説明してほしい。データはどのように関わってくるのか? テントのデータ技術AIはどのように関わってくるのでしょうか? なぜなら、私はあなたの意見に完全に同意するのですが、データは私たちに何らかの手助けをしてくれると、私は言っただけです。データはまだ戦術的な問題すべてを解決することはできませんが、データは私たちに快適な高原を与えてくれます。そして、私たち人間は、直感や共感力、感情的知性といった能力を活用して、データではまだ扱えない問題に焦点を当てることもできるようになります。これが、私の専門分野における状況の変化の理由です。なぜなら、両者ともが述べているように、もはや戦術的要素や技術的要素の解決だけに固執しているわけではないからです。実際、彼らが答えを出したいと考えている質問の包括性と広範性は非常に大きなものです。つまり、断片的なデータから、パフォーマンス・インテリジェンスを抽出できる非常に豊かな文脈的かつ包括的なデータへと、動きが完全にシフトしているということです。単にワークフローの問題を解決し、こちらで何かを行うというだけでなく、実際には、非常に興味深い、本当にインパクトのある質問に答えることなのです。つまり、私のようなテクノロジー業界の人々にとっての変化とは、私たちが解決しようとしている問題の複雑さが何倍にも増えるということです。そして、それは膨大な量の課題を生み出します。もしあなたがテクノロジー企業で、この分野にいて、近視眼的に狭い範囲に焦点を当てているとしたら、あなたは問題を抱えているということです。データベースに焦点を当てているなら、すでに終わっていると思います。なぜなら、この業界に必要なのは、もうデータではないからです。私たちが本当に必要としているのは、インテリジェンスであり、洞察であり、行動に移せる情報なのです。そう、AIについてよく言われる典型的な例に近いですね。それは、仕事をなくすのではなく、仕事をなくすのではなく、より大きな、より良い仕事をするための余裕を生み出すということです。そして、それはスポーツに例えると、どこよりも当てはまるように感じます。 そうですね、Open AIのような大規模な言語モデルについて考えると、データセットに質問をするために必要な専門知識のレベルが下がるため、より幅広い層に分析の機会が開かれることになると思います。ですから、これは大規模でも起こるでしょう。一方で、私はすでに、あまり考え抜かれていないモデルや、十分にテストされていないモデルが存在し、人々がそれを真実として使い始めているのを目にしています。数字だから正しいはずだ、という理由で、 プレーヤーを評価しているのに、そのプレーヤーが属する競技の状況を考慮に入れていないとか、研究対象とした競技を考慮に入れていないとか、そのモデルが考慮に入れていないことに気づかずに、派手なダッシュボードのようなものに表示して、それが新しい真実であるかのようにしている。 それが、一部のクラブが現在犯している間違いの1つであるように感じます。新しいディレクターが「素晴らしいツールを手に入れた。その裏には多くのインテリジェンスがある。AI があるから素晴らしいに違いない。そしてこれが私の真実です。最終的に、もしあなたが意思決定者やクラブの一員であるなら、少なくともある程度は、それが何を行い、何を行わないのかを理解する責任があります。なぜなら、それに基づいてミスを犯した場合、あなたに責任があるからです。アルゴリズムを人種差別的だという理由で非難することはできませんよね? そのモデルを開発した責任はあなたにある。ええ。そして、同じことが言えるのは、もし選手に2000万ドルを費やすつもりなら、そのモデルが何ができて何ができないのかを本当に理解していなければならない。ええ。新しいものだと派手に見えるかもしれないが、彼らは、 質問を恐れずに、実際にどうなのかを言ってください。私たちはここに来る前に、このことについて話していました。サッカーでは、ほぼエビデンスに基づく役割であり、結果に非常に近いところにいるという考え方です。エビデンスに非常に近いので、隠れる場所はありません。5年間製品に取り組んでいて、後で発見するということはできません。土曜日に知ることになる。あなたが言ったように、悪い結果になるリスクがある。もし間違っていたら、これまでやってきた戦略全体が水の泡となり、赤ちゃんが捨てられてしまうようなリスクがある。この選手を獲得するよう指示したとか、セットプレーをこのように行うよう指示したとか。そのリスクをどう管理するのですか? 古典的な、大きな力には大きな責任が伴うという話ですね。 どんな会話をするのですか? 自分のツールが何ができて何ができないかについての期待をどう管理するのですか? ええ、その意見に完全に同意します。チーム内で起こり得る最大の過ちは、1つは賃金体系を崩すこと、2つ目は移籍金に多額の費用をかけることで、それはおそらく次の3~4試合、特に選手のトレードに影響を及ぼすでしょう。ベンフィカ時代に、私たちがデータを使ってどのように評価するか理解しようとしていた時の、小さな例を挙げたいと思います。若い選手がベンフィカのアカデミーにふさわしい選手かどうかを評価するのに、誰がどれだけの時間プレーしているかという基準だけで、どれほど多くのことが可能になるか、きっと驚かれることでしょう。 そして、もちろん、13歳の子供がU13レベルでかなりの出場時間を果たしているが、ポルトガルのこの地域ではU15レベルでも出場時間を確保している。これはおそらく、才能の兆しと言えるだろう。おそらく、我々は、その選手が持つケアの正確な特性をすべて把握しているわけではないが、彼は13歳で多くの出場を果たしている。土曜日に、そして金曜日にはU15のチームでたくさんプレーしています。これは非常に興味深いデータです。そして、私たちのために、私自身のために言えることは、今すぐにできることがたくさんあるということです。イベントデータだけでも、x軸とy軸の追跡データがなくても、優れた競争優位性を生み出すことは可能です。 もし、自分のビジョンが何なのか、どんな質問をしたいのか、どんな目的を持っているのか、試合に勝ちたいチームなのか、アカデミーの選手たちの価値を高めたいのか、目的が何なのかを明確に理解していれば、 そして、経営幹部レベルのダッシュボードや、ドリブル、パス、ディフェンスなど、おそらく慎重に選んだ関係性を使用する統計モデルのようなものを用意します。そして、このようなベースラインを設定すると、たとえAI戦略が失敗したり、AI戦略が「ゴールに近づけてシュートを打て」などと指示を出したりしても、おそらく得点にはつながるでしょう。非常に明白なことです。例えば、大丈夫です。このアプローチは機能します。なぜなら、必ずしもAIを使用しないアプローチで今日成功しているチームがあるからです。ええ。そして、このような共通のベースラインができたら、全力で取り組みましょう。AIを使用しているチームと使用していないチームがあるという指摘を拾い上げて。視聴者の方から、パフォーマンス主導のAIがゲームのあらゆるレベルで利用可能になると思いますか、という質問が寄せられています。これは民主化されるものなのでしょうか、それとも、すでに最大のクラブや組織が独占するものなのでしょうか? オープンAIは今や誰にでも開かれていると思います。ええ。分析は誰もが利用できる一般的なものになると思います。私は、人々は選手の目を通して試合を見ることを楽しむと思います。例えば、ボールを見るだけでなく、ボール以外のスペースを指摘するなどです。これは悪気があって言っているのではなく、多くのファンはまだボールを見ることしかしていないのです。私は、こうしたモデルは、試合をより楽しく観戦し、文字通り異なる視点から見るのに本当に役立つと思います。すでに、たとえば英国のマンデーナイトフットボールでは、戦術や予想ゴールについてより詳しく語られています。そして、その傾向がさらに加速し、継続していくでしょう。試合で何が起こっているのかをより深く理解する機会が増えるのです。ファンが試合により親近感を抱く機会も生まれると思います。 AIと分析が高度化すればするほど、優れたパフォーマンスとはどのようなものか、本質的に説明可能になると思います。パフォーマンスを解読できるようになると思います。そして、十分に説明可能になれば、放送やメディアがそれを活用し、人々を感動させるもの、特定のものを感動させるものは何かを本当に理解できるようになると思います。これは何ですか?ええ、その通りです。また、友人が女子サッカーのイニシアティブであるマーキュリー・サーティーンで仕事を始めました。このことについてはよく話します。女子の試合は男子の試合とはおそらく異なるからです。私は米国の女子チームで働いた経験は1年未満と、非常に短いものでしたが、彼女たちは互いにコミュニケーションを取ることにとても興味があり、どうすればボールをゴールに近づけるかを考えているように見えました。そして、男子チームでは、自分はスピードとパワーがあるから、と主張する選手もいます。あるいは、ボールさえもらえれば、自分でゴールまで行ける、という選手もいます。ゴールにボールを近づけるには、さまざまな方法があるのです。AIは、サッカーにはさまざまなプレーの仕方があるという事実を評価し、称賛するのに役立つかもしれません。そして、私たちは、例えばファンエンゲージメントの例に戻って、そのストーリーをより上手く伝えることができます。なぜなら、女子サッカーと男子サッカーでは、2つの異なるタイプのサッカーが適用されるからです。ええ。そして、時間も残り少なくなりましたので、最後に1つだけ質問させてください。サッカーのシニア・レベルの役割について、どちらのサッカーについて話しているにしても、コーチやマネージャーがこうしたことについてより話しやすくなり、より定量的になってきていると思いますか?それとも、それはすべて別の部屋で行われており、マネージャーは依然として昔ながらのマネージャーのままですか? いくつかの手段。私は、彼らがより探究的になっていると確かに思います。いいえ、それが私が使うであろう言葉です。私たちが目にするほとんどのスポーツにおいて、データと分析を活用する動きがあると思います。つまり、需要があるということだと思います。そして、先週のカンファレンスで誰かとこの話をしたのですが、若いコーチがたくさん入ってきていて、それが変化をもたらしていると言っていました。実際、私もそう思います。しかし、私たちが一緒に仕事をしている非常に経験豊富なコーチたちも、ゲームが進化していることを理解しており、彼らもまた、日々同じことを繰り返すのではなく、進化する必要があると考えています。そして、ほとんどの文化はかなり賢い。しかし、彼に尋ねたら、あなたはそこら中で最も情報通のコーチなのか、それとも最も情報不足のコーチなのか?彼らは何を選ぶだろうか?そう。基本的に、あなたがやっていることはそれと同じだ。彼らは決定を下すことができるが、少なくとも彼らは情報通だ。うん。うん。 皆さん、本当にありがとうございました。ボスも、スティーブン、素晴らしい会話だったと言っていました。本当に感謝しています。視聴してくださった皆さんにも感謝いたします。また、素晴らしい質問を寄せてくださった皆さんにも感謝いたします。このセッションはイベントのウェブサイトで90日間オンデマンドで視聴できます。数分後、FTの米国企業財務・取引担当編集者である私の同僚、ジェームズ・フォンタネッラ・カーンが、ヒューストン・ダイナモの事業運営担当社長であるジェシカ・オニール、インナー・サークル・スポーツのパートナーであるスティーブ・ホロウィッツ、エンジェル・シティSCの共同創設者であるカーラ・ノルドマンとともに、米国サッカーに関するパネルディスカッションの司会を務めます。 また後ほどお会いしましょう。