世界最大のスポーツ新聞『MARCA』は、ビッグデータ・ジャーナリストのミゲル・アンヘル・ガルシア氏を通じて、ComparisonatorのCEOであるタルカン・バトギュン氏にインタビューを行いました。以下はインタビューの主な見出しです：
K.タルカン・バトギュン、特別な日のインタビュー：スペインとトルコが対戦するこの試合は、世界的なアナリストであり、サッカーに人工知能を応用するトルコの専門家でもある彼の二重の視点から、よく知られた試合なのです。CEOは ComparisonatorのCEO。-パフォーマンスを文脈化し、リーグ間の選手を比較し、新たな競争環境にどのように適応するかをシミュレーションするプラットフォーム「Comparisonator」のCEO。彼はブルサスポルで「スカウティング・ラボ」を創設し、アルトゥノルドゥFKの役員を務め、WyscoutやSoccerLabなどの企業に助言を与え、6年間NIKE Türkiyeのスカウティング・プログラムの責任者を務めました。
このような多面的な観点から、彼は、あらゆるデータには文脈が重要であり、AIは、より良い意思決定をするのに役立ってこそ意味があると主張しています。この対談では、彼の技術がどのようにリーグ間のサッカーを翻訳し、隠れたリスクを検出し、数百万ドルの移籍がうまくいかないことを防いでいるのかについて説明します。
質問あなたは4つの大陸で仕事をしてきましたが、常に文脈のないデータは役に立たないと主張しています。データや選手のプロフィールを完全に解釈し直さざるを得なかった最大のカルチャーショックは何でしたか？
答え同じ数字でも、それがどこから来たかによってまったく違う意味を持つということです。そして、最大のカルチャーショック、つまりデータの再解釈を迫られた瞬間は、オーストラリアの構造化されたサッカーから、トルコの感情的で混沌とした高強度の環境に移ったときでした。
具体例を挙げましょう：オーストラリアで、パスの精度が92～93％と非常に高いミッドフィルダーを分析しました。そのリーグでは通常、これはインテリジェンス、忍耐力、そしてよく訓練されたポジションプレーを示しています。しかし、トルコに戻って同じロジックを適用してみると、衝撃的なことに気づきました。トルコリーグで92％のパスを出す選手は、創造性に欠けていることが多いのです。
リーグ戦のペースのプリズムを通して数値を再解釈し、戦術スタイルに合わせてパフォーマンスを調整し、選手が環境外でどのように振る舞うかを理解し、クラブが誤解を招く統計的な罠に陥ることなくグローバルに才能を評価できるようにするためです。
同じ数字でも、国によって意味がまったく違うのです。
Q：あなたのキャリアは、クラブ、代理店、コンサルティング、教育を兼ね備えています。それらの職務のそれぞれで学んだことのうち、現在、コンパリソナーの人工知能の設計に直接生かされているものは何ですか？
R.キャリアの各段階で、私はフットボールについて異なる視点を得ることができましたが、今日、それらの視点はすべて、そのままComparisonatorのAIに統合されています。
クラブの環境から学んだのは、意思決定者には時間がなく、明確さが必要だということ。彼らは “ビッグデータ “を求めているのではなく、選手が私たちのスタイルに合っているかどうかを知りたいのです。だからこそ、私たちのAIは統計マシンというよりも、意思決定をサポートするアドバイザーのように振る舞っているのです。
代理店の世界では、才能の軌跡は才能そのものと同じくらい重要だと学びました。コンサルティングでは、クラブごとに異なる現実があることを学びました。だからこそ、ComparisonatorのAIはユーザーに適応するのです。クラブのスタイル、ニーズ、優先順位を学習し、それに応じて推薦を調整します。
指導や講義の経験から、理解とは数字ではなく説明から生まれるものだと学びました。経験豊富なスカウトやコーチがするように、人間にサッカーのデータを説明するAI、それがCompaGPTを作った理由です。
Q.ブルサスポルであなたは「スカウティング・ラボ」を作りました。そのアイデアのどこが現在でも通用し、どこが現在のAIで完全に陳腐化してしまったのでしょうか？
A:私の恩師であるクリストフ・ダウムと彼のアシスタントであるルディ・フェルケンピンクのおかげで、ブルサスポル・スカウティング・ラボは、選手を評価する体系的でエビデンスに基づいた方法を作り出そうとした最初の試みでした。そのアイデアの多くの部分は今日でも有効ですが、他の部分は現代のAIによって完全に変化しています。スカウティング・ラボ」が種だったとしましょう。その方法論（構造、明確さ、協力体制）は現在も有効です。しかし、手作業、反復的、主観的なものはすべてAIに取って代わられました。今日、Comparisonatorはスカウティング・ラボをグローバルでダイナミックな、環境を意識したインテリジェンス・エンジンに変身させたものです。
Q.多くのクラブはデータを利用していると信じていますが、実際は先入観にとらわれた意見を確認しようとしているだけです。現代のスカウティングプロセスにおいて、こうしたバイアスはどれほどのノイズを生むのでしょうか？
R.バイアスは現代のスカウティングにおける隠れた最大のコストであり、クラブが認識しているよりもはるかに多くのノイズを生み出しています。多くのクラブはデータを使っているつもりでも、実際はすでに感情的に下した決断を正当化するために数字を使っているのです。これは3つの大きな問題を引き起こします。データが意見を確認するためだけに使われるなら、第一印象を疑うこともなく、思いがけない才能を発見することもないため、新しい選手を発見することができなくなります。確証バイアスがクラブに赤信号を無視させるため、真実をフィルターにかけることになります。
現代のスカウティングの隠れた最大のコストはバイアス。
Q.Comparisonatorのレポートがコーチやヘッドスカウトの直感と矛盾する場合、その矛盾は通常どのように解決されるのでしょうか？どちらが間違っていることが多いですか？
A:データと直感が一致しない場合、最初のルールはシンプルです。ボディーランゲージ、性格、トレーニング中の行動…。リーグへの適応、戦術的ストレス、隠れた危険因子…。
私の経験では、コンフリクトが生じた場合、環境予測（選手がリーグやシステムにどう適応するか）は通常、直感がリスクを過小評価するところです。Comparisonatorは人間の判断に取って代わるのではなく、むしろ盲点から守ってくれるのです。
では、どちらがミスを犯すことが多いのでしょうか？通常は、文脈を無視した側。そして現代サッカーでは、文脈は譲れないもの。
Q.リーグ間の標準化は業界最大の課題の一つです。アルゴリズムに最も抵抗を示しているのはどの競技ですか？
R.どのようなアルゴリズムに対しても最も抵抗を生むリーグは、サッカーが最も標準化されていないリーグであり、そこではペース、構造、戦術的規律が同じ試合内でも大きく異なります。
ピッチの質に大きな違いがあり、プレーのペースが予測できず、守備組織が一貫しておらず、感情の起伏が激しいリーグです。標準化こそが問題であり、文脈的知性こそが解決策なのです。
Q.AIポイント、傾向、一貫性、機能的役割についてよく話されますね。これらの指標の中で、選手の将来の成長を最もよく予測できるのはどれですか？
A.選手の将来的な成長を示す最も信頼できる指標は、さまざまな環境におけるパフォーマンスの一貫性です。AIポイントや傾向、役割指標も重要ですが、本当の指標はこれです：文脈が変わっても、その選手がパフォーマンスを維持できるかどうか。ペースの違い、プレッシャーの違い、戦術的要求の違い、対戦相手の質の違い。
バーチャルトランスファーによって、クラブはすでに何百万ドルもする契約を阻止しています。
複数の環境でパフォーマンスを維持する選手は、ほとんど常に進歩します。コンフォートゾーンの外で崩れる選手は、ほとんどそうではありません。Comparisonatorがパフォーマンスの安定性、リーグトランスレーション、適応性指標、プレッシャー下での役割行動に重点を置いているのはそのためです。
Q.バーチャルトランスファーでは、他リーグでの選手のパフォーマンスをシミュレーションすることができます。このモデルによってクラブが間違ったサインをするのを防いだ事例はありますか？
R.はい、いくつかありますが、クラブ名や選手名は明かせません。私が言えることはこれだけです：バーチャルトランスファーによって、クラブはすでに数百万ドルを節約しています。最近の例では、ペースの速いオープンリーグで非常に人気のあるストライカーがいました。彼の生のスタッツは目を見張るものでした：ドリブル、先進的な走り、期待されるゴール…。すべてが、彼が不可欠な選手であることを示唆していました。
それは、守備のプレッシャーが高まるとプレー効率が50％近く低下することと、戦術的に構成された環境では意思決定が著しく遅くなることでした。クラブは移籍を拒否。2ヵ月後、彼は別のヨーロッパのチームと契約しましたが、私たちのモデルが予測した通りの分野で苦戦を強いられました。
これはVirtual Transferの主な目的です：「ノー」と言うのではなく、選手が快適な環境以外でどのように振る舞うかについて真実を明らかにすることです。現代のリクルートメントでは、この明確さがサインを成功させるか、非常にコストのかかるミスを犯すかの分かれ目になるのです。
Q.AIプラットフォームやモデルはバイアスを排除することを約束しますが、バイアスを生み出すこともあります。モデルの修正を余儀なくされた最大の「偽陽性」やシステムの失敗は何ですか？
R.私たちが経験した最大の誤審は、所属リーグの環境が彼の長所を人為的に膨らませたために、例外的に見えた選手のものです。彼は、守備のプレッシャーが非常に低く、非常にオープンなスペースがあり、トランジションが混沌としていて、ボールの回収ゾーンが非常に高い大会でプレーしていました。
書類上、彼の指標はエリートでした。私たちの最初のモデルでは、彼のポジションは非常に高い位置にありました。しかし、彼がより構造化されたリーグに移ったとき、すべてが崩れ去りました。彼に才能がなかったからではなく、彼の環境が統計的な錯覚を引き起こしたからです。
AIは間違いを犯すことで危険な存在になるのではなく、文脈を理解しないことで危険な存在になるのです。
それが転機となりました。モデルにはより深い重み付けが必要だと気づいたのです。私たちはエンジンを再構築し、環境の歪みをシステムが最初にチェックするようにしました。
教訓はシンプルでした：AIが危険なのはミスを犯したときではなく、AIが危険なのは文脈を理解しないときなのです。その失敗が、コンパリソネーターをより強く、より用心深く、はるかに適応力のあるものにしたのです。
Q.あなたは割安な市場やトップリーグで仕事をしてきました。急激な競争力の飛躍の際に最も適応する選手には、どのような共通パターンがあるのでしょうか？
A.どの大陸でも、競技が大きく変化した後に最も適応する選手には同じパターンがあります。成功する選手は、環境が変わったときに、ほとんど即座に自分の習慣を再調整できる選手なのです。
Q.より多くのクラブが、次のハーランドを、彼がシーンに登場する前に探しています。AIが世代交代の才能を先取りできると考えるのは現実的でしょうか？それとも、私たちはまだユニコーンを追いかけているのでしょうか？
A：AIは早い段階で並外れたパターンを特定することはできますが、ハーランドを作り出すことはできません。世代の才能は予測されるものではなく、時間をかけて確認されるものです。AIにできるのは、大きな飛躍の前に通常現れる兆候を認識することです。ユニコーンがユニコーンになるのは、測定基準だけでなく、その環境、トレーニング、性格、考え方によるものです。AIは可能性を見つけ人間のスカウティングが運命を見つけるのです。
Q.20年間サッカーとテクノロジーに携わってきて、スカウト業界が次のステップに進みたいのであれば、どのような不快な真実を聞く必要があると思いますか？
R.ほとんどのクラブはスカウティングの問題ではなく、意思決定の問題を抱えているということ。クラブは大量のレポート、ビデオ、統計、意見を集めますが……いざとなると、多くのクラブは感情、政治、上下関係、パニックに基づいて決断を下します。
次のステップはデータを増やすことではありません。決断の下し方にもっと規律を与えることです。スカウトに取って代わるためではなく、意思決定をより明確に、より公平に、より操作しにくくするために。
インタビュー原文はこちら：https://www.marca.com/futbol/2025/11/18/tarkan-batguen-datos-e-intuicion-chocan-hay-elegir-hay-investigar.html
