본문으로 건너뛰기
-
야구를 다르게 보는 시선, 계속 업데이트됩니다.
  • 홈
  • About
  • MLB
  • KBO
  • 세이버메트릭스
  • Best of Yagongso
닫기

검색

야구공작소 야구공작소 야구공작소

YAGONGSO

  • 홈
  • About
  • MLB
  • KBO
  • 세이버메트릭스
  • Best of Yagongso
야구공작소 야구공작소 야구공작소

YAGONGSO

  • 인스타
  • 유튜브
  • 팟캐스트
  • 홈
  • About
  • MLB
  • KBO
  • 세이버메트릭스
  • Best of Yagongso
닫기

검색

야구공작소 야구공작소 야구공작소

YAGONGSO

  • 홈
  • About
  • MLB
  • KBO
  • 세이버메트릭스
  • Best of Yagongso
야구공작소 야구공작소 야구공작소

YAGONGSO

  • 인스타
  • 유튜브
  • 팟캐스트
세이버메트릭스

AI 시대의 수비지표 2편 – 수비 데이터셋과 크라우드소싱

By 표상훈
2026년 2월 23일 4 Min Read
0

< 일러스트 = 야구공작소 이동헌 >

AI 시대의 수비지표 1편 – OAA 데이터 구하기

# 서론 : 우리는 몇 개의 데이터를 만들어야 할까?

지난 칼럼에서 우리는 수비 동작 분석에 대하여 데이터를 쌓을 필요성을 이야기했다. 수비수의 관절 위치, 이동 궤적, 글러브를 뻗는 타이밍 같은 동작 정보. 그리고 “첫 스텝 방향이 적절했는가“, “송구 자세가 효율적이었는가” 같은 평가 라벨 등이 필요할 것이라고 언급했었다. 이 데이터는 게임로그나 트래킹 데이터와는 다르다. 자동으로 수집되지 않는다. 누군가 영상을 보고 판단하여 수많은 상황에 대해 라벨을 붙여주어야 한다.

이런 종류의 데이터를 대량으로 만들려면 어떻게 해야 할까? 한 경기당 우리는 54개의 아웃카운트를 잡고, KBO 기준으로는 720경기가 정규시즌에 열리니 정규시즌의 아웃카운트를 잡는 데이터는 39,000개에 육박한다. 이것을 10년동안 수집한다면 40만개에 육박하는 아웃카운트를 수집해야 하며 안타에 대해서도 분석하려면 더 많은 플레이 상황을 분석해야 할 것이다. 전문가 수십 명을 고용해서 이 수십만 개의 플레이에 대해 선수의 관절 위치, 이동 궤적, 동작 정보, 평가 라벨까지 모두 라벨을 붙이도록 할 수도 있겠지만 비용과 시간을 생각하면 쉽지 않다. 다른 방법을 생각해볼 수 있다. 이번 칼럼에서는 이러한 문제를 극복하기 위한 방법을 모색해본다.

 

# 비전문가와의 협업이 보여준 것

Tom Tango의 Fan Scouting Report는 참고할 만한 사례다. 2003년부터 2017년까지 운영된 이 프로젝트에서 Tango는 평가 프레임워크를 설계했고, 매년 수천 명의 팬이 실제 평가를 수행했다. 규칙은 엄격했다. 최소 10경기 이상 직접 관람한 팬만 평가할 수 있었고, 7개 항목을 5점 척도로 평가하되 어떤 통계도 참조하지 말고 오직 눈으로 본 것만 평가해야 했다.

결과는 의미 있었다. 팬 평가가 UZR과 높은 상관관계를 보였고, 특히 외야수 송구 능력의 경우 충분한 샘플이 쌓였을 때 0.78의 상관계수를 기록했다. 전문가가 기준을 세우고, 비전문가가 규모를 제공하는 구조가 작동한 사례다.

< FSR과 실제 기록간 상관관계. 더 많은 양의 데이터가 들어올수록 더 높은 상관관계를 보임을 알 수 있다. >

GameChanger도 비슷하다. 2009년 출시된 이 앱은 소프트웨어 전문가들이 플랫폼을 만들고, 부모와 코치들이 자발적으로 경기를 기록하는 구조로 운영됐다. 현재 1,300만 회 이상의 경기가 기록되어 있고, 2022년에는 NFHS(전미 고등학교 체육연맹)가 공식 파트너로 선정했다.

야구 바깥을 보면 더 큰 규모의 사례가 있다. ImageNet과 COCO 데이터셋은 물체의 위치 예측과 인간의 관절 예측에서 거대한 데이터셋을 크라우드소싱하여 만들어졌다. 이러한 데이터셋은 컴퓨터 비전 분야의 거대한 발전으로 이어졌다.

< COCO 데이터셋. 총 17개의 관절로 이루어진 여러명의 사람을 포함한 데이터셋이다. >

이 사례들에서 공통점을 찾을 수 있다. 전문가는 “무엇을 평가할 것인가“를 설계하고, 비전문가는 그 기준에 따라 대량의 판단을 수행한다. 기준이 명확하고 선택지가 단순할수록 비전문가의 참여가 쉬워지고, 데이터의 일관성도 높아진다. Fan Scouting Report의 7개 항목 5점 척도, ImageNet의 “이 사진에 X가 있는가“라는 이진 질문이 그런 구조였다.

 

# 수비 데이터셋과 크라우드소싱

앞서 설명한 Fan Scouting Report가 “눈으로 본 수비 인상“을 수집했다면, 우리가 이 데이터셋을 통해 이야기하고자 하는 건 “동작의 질에 대한 평가“다. 호크아이가 선수의 자세를 추적할 수 있지만, 낮은 프레임레이트로 인해 일부 신체 부위의 모션 블러 문제가 발생해 그 질에 문제가 생길 수 있다. 기존에 만들어놓은 인공지능 모델을 쓰더라도 이 한계는 변하지 않는다. 그리고 설령 인공지능 모델을 통해 관절의 위치를 정확히 찾을 수 있다 해도 그 자세가 효율적이었는지 아닌지는 여전히 사람의 판단이 필요할 것이다.

이 데이터셋을 만들기 위한 전문가와 비전문가의 협업 구조는 이렇게 될 수 있을 것이다. 전문가가 평가 기준을 설계한다. “좋은 첫 스텝이란 무엇인가“, “효율적인 송구 자세란 무엇인가“를 정의하고, 구체적인 체크리스트를 만든다. 비전문가는 영상을 보며 기준에 따라 라벨링한다. “이 플레이에서 첫 스텝 방향은 적절했는가?” 같은 질문에 예/아니오로 답하는 방식이다.

Fan Scouting Report가 7개 항목, 5점 척도로 평가를 구조화했듯이, 수비 동작 평가도 명확한 기준과 단순한 선택지로 구조화할 수 있을 것이다. 관절 위치 자체는 AI가 어느 정도 찾아줄 수 있으니, 사람은 그 위에서 “이 동작이 적절했는가“를 판단하는 역할을 맡게 된다.

물론 쉽지 않다. Fan Scouting Report는 “송구 능력이 좋아 보이는가“라는 직관적 질문이었지만, “첫 스텝의 타이밍이 적절했는가“는 훨씬 기술적인 판단이다. 평가 기준을 어떻게 설계하느냐에 따라 데이터의 품질이 달라질 것이다. 전문가의 역할이 그래서 중요하다.

품질 관리도 생각해야 한다. ImageNet은 같은 이미지를 여러 작업자에게 보여주고 다수결로 라벨을 확정했다. Fan Scouting Report는 충분한 샘플이 쌓여야 신뢰할 수 있다는 점을 명시했다. 수비 동작 평가도 비슷한 방식이 필요할 것이다. 가령 한 플레이를 여러 명이 평가하고, 일치도가 낮은 경우를 따로 검토하는 구조를 생각해볼 수 있다.

 

# 어쩌면 가능할지도 모른다

지난 칼럼이 수비 지표를 위한 데이터셋의 필요성에 대해 논했다면, 이번 칼럼에서는 그 데이터를 만들 수 있는 방법으로 전문가와 비전문가의 협력을 제시하였다. Fan Scouting Report가 14년간 보여줬고, ImageNet이 컴퓨터 비전에서 증명한 방식이다.

사실 이 방법만이 수비 데이터에 맥락을 반영할 유일한 방법은 아니다. 기존 OAA 모델에 강화학습을 적용하는 접근도 있을 수 있고, 호크아이 데이터를 더 정교하게 활용하는 방법도 있을 것이다. 평가 기준을 어떻게 설계할지, 품질을 어떻게 관리할지, 참여를 어떻게 유지할지 등, 제시한 방안에는 풀어야 할 문제가 많다. 그럼에도 불구하고 이전의 성공 사례들을 고려한다면 시도해볼만한 가치는 있지 않을까 한다.

 

야구공작소 표상훈 칼럼니스트

에디터 = 야구공작소 박두산, 장호재

일러스트 = 야구공작소 이동헌

ⓒ야구공작소. 출처 표기 없는 무단 전재 및 재배포를 금합니다. 상업적 사용은 별도 문의 바랍니다.

이 글 공유하기:

  • Facebook으로 공유하기 (새 창에서 열림) Facebook
  • X에 공유 (새 창에서 열림) X

이것이 좋아요:

좋아하기 로드 중...

Tags:

OAA세이버메트릭스수비 데이터수비 지표
작성자

표상훈

Follow Me
다른 기사
Previous

AI 시대의 수비지표 1편 – OAA 데이터 구하기

Next

야구의 사회적 역할㉔: SROI, 기준이 경쟁력을 바꾼다

댓글 없음! 첫 댓글을 남겨보세요.

댓글 남기기응답 취소

  • Best of Yagongso

    [BOY] The Best of Yagongso, September/October [9, 10월의 칼럼]

    ›
  • MLB

    30년 만의 MLB 노사전쟁, 법은 누구의 편인가

    ›
  • MLB

    후안 소토에게서 알버트 푸홀스가 보인다

    ›
  • KBO

    KBO 연금 활성화, 이제는 고려해야 할 때

    ›
  • KBO

    KBO에게: 팬들에게 야구 데이터의 길을 열어주세요

    ›
  • MLB

    TTO 패러다임을 거스르는 2026 탬파베이의 스몰볼

    ›
  • MLB

    투수의 DNA : Supinator vs Pronator

    ›
  • MLB

    슬라이더라고 불리는 것들

    ›
  • KBO

    2026 KBO리그 외국인 선수 스카우팅 리포트 – 키움 히어로즈 케스턴 히우라

    ›
  • MLB

    투수를 복사하는 피칭머신: 트라젝트 아크

    ›
  • KBO

    2026 KBO리그 외국인 선수 스카우팅 리포트 – 한화 이글스 오웬 화이트

    ›

YOUTUBE

PODCAST

INSTAGRAM

yagongso

[야구공작소 인포그래픽] THE NEW CLOSERS 2026시즌, KBO 리그에서는 기 [야구공작소 인포그래픽] THE NEW CLOSERS

2026시즌, KBO 리그에서는 기존 마무리 투수들의 부상과 부진으로 각 팀의 뒷문에 공백이 생겼습니다. 그 자리를 대신해 새로운 마무리 투수로 나선 선수들이 있습니다.

LG 트윈스 손주영은 유영찬의 부상 이탈로 선발에서 마무리로 보직을 변경했습니다. 시즌 중 갑작스럽게 새로운 역할을 맡았지만, 31세이브를 기록하며 LG의 뒷문을 책임졌습니다.

두산 베어스 이영하 역시 김택연의 부상 이탈로 마무리 자리를 이어받았습니다. 기존 불펜에서 쌓아온 경험을 바탕으로 26세이브를 올리며 두산의 마지막 이닝을 지켰습니다.

KIA 타이거즈 전상현은 기존 마무리 투수들의 부진으로 생긴 공백을 메우기 위해 마무리 역할을 맡았습니다. 홀드와 세이브를 오가며 15홀드와 4세이브를 기록, 팀 불펜의 중심에서 활약했습니다.

경기의 시작을 책임지는 선발만큼이나 중요한 마무리 투수. 서로 다른 상황에서 마무리 자리를 맡게 된 세 선수는 각자의 방식으로 팀의 뒷문을 지켰습니다.

제작: 야구공작소 서영채

#KBO #손주영 #이영하 #전상현
[야구공작소 인포그래픽] 출루머신, 아직 작동 중 홍창기의 2026시즌은 아쉬움이 컸습니 [야구공작소 인포그래픽] 출루머신, 아직 작동 중

홍창기의 2026시즌은 아쉬움이 컸습니다. 첫 FA를 앞둔 시즌이었지만 타율 0.239, 장타율 0.284에 그쳤고, 두 기록 모두 규정타석을 채운 타자 중 뒤에서 2위였습니다. 출루율 역시 0.375로 주전으로 자리 잡은 2020년 이후 가장 낮았습니다.

그래도 볼넷은 꾸준히 골라냈습니다. 볼넷 비율은 15.1%로 리그 2위, 출루율에서 타율을 뺀 순출루율(IsoD)은 0.136으로 리그 1위였습니다.

팀별 리드오프 출루율과 비교해 봐도 홍창기의 0.375보다 높은 팀은 KT(0.408)와 SSG(0.402) 두 팀뿐이었습니다. 홍창기가 뛴 LG의 1번 타순 출루율도 0.359에 머물렀습니다.

이번 FA 시장에서 홍창기는 A등급으로 분류됐습니다. 홍창기는 내년에 반등할 수 있을까요? 그리고 다음 시즌 홍창기는 어느 팀의 1번 타자로 나서게 될까요?

제작: 야구공작소 안명훈
#kbo #lg트윈스 #홍창기 #야구공작소 #스토브리그
STILL IN THE GAME GTA V는 2013년 9월 17일 출시됐습니다. 그리고 STILL IN THE GAME

GTA V는 2013년 9월 17일 출시됐습니다. 그리고 13년이 지난 2026년 11월 19일, GTA VI의 출시를 앞두고 있습니다.

GTA V가 처음 세상에 나왔을 당시, KBO에는 이제 막 프로 무대에 발을 들인 신인 선수들과 리그를 이끌어가는 스타들이 있었습니다. 그로부터 13년이 흐른 지금, 이들 중 일부는 여전히 그라운드를 누비고 있습니다.

그사이 신인은 베테랑이 되었고, 스타들은 리그를 대표하는 선수, 나아가 야구의 전설로 성장했습니다. 반대로 지금 KBO의 주축 선수들 중에는 당시 아직 프로 유니폼을 입기도 전이었던 선수들도 있습니다.

GTA V와 GTA VI, 두 작품 사이에 한 세대의 시간이 흐르는 동안 KBO에도 많은 변화가 있었습니다.

두 GTA 게임이 출시되는 사이, 한국 야구에는 어떤 일들이 있었을까요?

2013년과 2026년, KBO 선수들의 시간을 돌아봅니다.
‘Korean Ashby’ 삼성 라이온즈 이승민. 2026 포스트시즌, 밀워키 브루어스의 ‘Korean Ashby’ 삼성 라이온즈 이승민.

2026 포스트시즌, 밀워키 브루어스의 애런 애쉬비는 9경기 18⅓이닝 동안 평균자책점 0.00을 기록하며 팀의 월드시리즈 우승에 힘을 보탰습니다.

지구 반대편, 삼성 라이온즈에는 이승민이 있었습니다. 8경기 8⅔이닝 동안 3홀드, 평균자책점 1.04, WHIP 0.92를 기록하며 팀에게 12년만의 한국시리즈 우승을 선사했습니다.

서로 다른 무대에서 팀의 가을을 지켜낸 두 좌완.
두 선수 모두 우승 트로피와 함께 2026 시즌을 마무리했습니다.

제작 : 야구공작소 홍기민
[야구공작소 인포그래픽] 한국시리즈 ’승패패패패‘의 데자뷔 KT위즈에게 한국시리즈 리버스 [야구공작소 인포그래픽] 한국시리즈 ’승패패패패‘의 데자뷔

KT위즈에게 한국시리즈 리버스스윕이란 잊고 싶은 기억입니다.
2023년, 한국시리즈에 진출한 KT위즈는 1차전을 승리하며 우승 확률 74.4%를 선점하였으나 이후 내리 4연패를 당하며 리버스스윕으로 LG트윈스에게 우승을 헌납합니다.

2026년, 3년만에 한국시리즈에 진출한 KT위즈는 3년전처럼 1차전을 승리합니다. 그리고 마치 데자뷔처럼 내리 3연패를 당하며 시리즈 스코어 1:3에 몰립니다.

역대 한국시리즈 중 ’패승승승‘을 기록한 팀의 우승 횟수는 6회, 우승 확률은 100%입니다. 과연 KT위즈는 5차전을 승리하며 3년전 한국시리즈의 데자뷔에서 벗어날 수 있을까요? 더 나아가 ’패승승승‘ 우승 확률 100%의 기록이 지켜질까요?

제작: 야구공작소 김수환
#kbo #ktwiz #삼성라이온즈 #한국시리즈 #리버스스윕
[야구공작소 승부예측 - 한국시리즈] 치열한 플레이오프 승부 끝에 삼성과 KT가 한국시리즈 [야구공작소 승부예측 - 한국시리즈]
치열한 플레이오프 승부 끝에 삼성과 KT가 한국시리즈에서 만났습니다

2021년 정규시즌 1위 결정전 이후 두 팀이 포스트시즌 무대에서 맞붙는 것은 이번이 처음입니다.

과연 2021년 1위 결정전에서 승리했던 KT가 다시 한번 웃게 될까요? 아니면 2026시즌 상대 전적에서 우위를 점한 삼성이 첫 한국시리즈 맞대결에서 승리를 거두게 될까요?

여러분들의 생각을 중앙 게시글 투표에 남겨주세요!

#KBO #한국시리즈 #KT위즈 #삼성라이온즈
인스타그램 팔로우하기
Copyright 2026 — 야구공작소. All rights reserved. WPTEAM
%d