타르칸 바트귄의 그리스 스포츠24 인터뷰: "눈에 띄는 그리스 젊은 축구 선수들"

그리스에서 가장 널리 읽히고 팔로워가 많은 스포츠 저널리스트 중 한 명인 바실리스 삼브라코스가 비교사이트 CEO 타르칸 바트귄을 인터뷰했고, 이 인터뷰는 Sport24에 게재되었습니다. 주요 헤드라인은 다음과 같습니다:

데이터 분석과 AI 기술이 축구 클럽의 이적 방식에 가져온 혁명에 대해 스카우팅 플랫폼 Comparisonator의 창립자 Tarkan Batgün과 이야기를 나눕니다.

타르칸 바트귄은 현대 스카우팅 및 성과 분석 분야에서 인정받는 인물입니다.

4개 대륙에서 20년 이상 경력을 쌓은 그는 프로 클럽에서 스카우팅 디렉터와 경기력 분석 책임자로 일했고, 연맹과 교육 기관에서 강의했으며, 현재는 데이터와 인공지능을 통해 축구 선수를 평가하고 비교하는 세계에서 가장 진보된 도구 중 하나인 Comparisonator 플랫폼의 CEO로 재직하고 있습니다.

그는 축구 지식과 기술 전문성, 유럽과 터키에서 호주와 미국에 이르기까지 시장 간 차이에 대한 깊은 이해를 바탕으로 스카우팅의 미래에 대한 국제적 논쟁의 중심에 서게 되었습니다. 이러한 배경을 바탕으로 그는 빅 데이터와 인공지능 시대에 축구가 어떻게 진화하고 있는지에 대해 가장 권위 있는 대담자 중 한 명입니다.

이 대담에서 바트귄은 그리스 밖에서 활약하며 오늘날 두각을 나타내고 있는 젊은 그리스 축구 선수들을 언급합니다. 그리고 디지털 기술, 데이터 기반 의사 결정, AI 모델로 인해 현대 스카우팅이 어떻게 변화하고 있는지 설명하며 팀이 인재를 식별, 평가, 예측하는 방식을 바꾸고 있다고 말합니다.

-호주, 터키, 유럽 등 다양한 대륙에서 축구 분석 및 스카우트 업무를 담당해 왔습니다. 이러한 국제적인 경험이 오늘날 데이터와 인재 식별에 접근하는 방식에 어떤 영향을 미쳤나요?

“4개 대륙의 축구계에서 일하면서 한 가지 근본적인 진리를 깨달았습니다. 데이터는 문화적 맥락 없이는 아무 의미가 없다는 것입니다. 호주, 터키, 벨기에의 선수가 같은 수치를 기록하더라도 환경, 리그의 속도, 전술적 문화에 따라 그 수치의 의미가 완전히 달라집니다.

호주에서는 시스템과 기술을 이해하는 데 도움이 되었고, 터키에서는 선수 개발과 스카우팅의 인간적인 측면에 집중했으며, 유럽에서는 이 두 세계를 조율하는 방법을 배웠습니다. 그렇기 때문에 Comparisonator의 AI는 단순히 계산만 하는 것이 아니라 각 국가의 축구 ‘언어’에 적응합니다.

지역적 이해와 국제적 비교 사이의 균형이 바로 우리 기술을 전 세계적으로 유용하게 만들고, 데이터를 통해 축구 문화 간의 다리를 놓는 일에 열정을 쏟게 하는 원동력입니다.”

-글로벌 이벤트 및 축구 포럼에서 연설하고 밀라노, 런던, 바르셀로나에서 세르비아, 호주, 터키에 이르기까지 수많은 데이터 및 AI, 스카우팅 패널을 조율했으며 클럽과 연맹에 자문을 제공했습니다. 축구계에서 국제적인 존경과 인정을 받게 된 비결은 무엇이라고 생각하시나요?

“축구계에서 존경은 직함에서 오는 것이 아니라 일관성과 헌신에서 비롯됩니다. 저는 20년 넘게 축구, 학계, 기술이라는 거의 같은 언어를 사용하지 않는 세 세계를 연결하기 위해 노력해 왔습니다.

최초의 스카우팅 연구소 모델을 만들 때부터 Wyscout, Sportstec, Hudl, SoccerLab과 같은 국제적인 데이터 회사와 컨설턴트로 협력할 때까지 저는 항상 개인을 넘어서는 시스템을 구축하려고 노력해 왔습니다. 로마에서 열린 소셜 풋볼 서밋, 딜던 세르비아, 헝가리 풋볼 포럼 등 국제 포럼에서 연설할 때 저의 목표는 기술을 ‘판매’하는 것이 아닙니다.

데이터와 AI 로직으로 변환된 실제 축구 지식을 공유하는 것입니다. 이 분야의 사람들은 이러한 지식이 경기장 안팎의 노력에서 나온다는 것을 알기 때문에 이를 높이 평가합니다. 결국 축구는 보편적인 언어입니다. 제 임무는 데이터가 그 언어를 유창하게 구사하도록 하는 것이었습니다.”

-그리스에서 멀리 떨어진 대회에 출전하는 젊은 축구 선수를 찾는다면 어떤 그리스 젊은이가 눈에 띌까요?

“저는 AI 선수 검색기를 통해 전 세계 어디에서나 17~19세 또는 프로 리그에 진출하는 어린 선수들을 파악하기 위해 비교 선수 모집 상점 모듈을 사용합니다.

연령 카테고리와 국적 및 여권 필터(예: 이 경우 그리스)를 입력하면 시스템이 자동으로 그리스 여권을 소지한 각 포지션의 선수 목록을 선택한 통계와 함께 표시하여 적합한 인재를 찾습니다.

저는 개인적으로 전 세계의 많은 젊은 그리스 선수들을 팔로우하고 있습니다. 특히 흥미로운 이름은 다음과 같습니다:

테오파니스 바쿨라스 (2005) – 리오 아베 (포르투갈)
테오도로스 사쿠파키스 (2007) – 유니온 베를린 U19 (독일)
크리스토스 코스토글루 (2009) – 도르트문트 U17 (독일)
안드레아스 풀로풀로스 (2009) – 베르더 브레멘 U17 (독일)
알렉산드로스 자베르디노스 (2007) – 시드니 FC (호주)
그리고리스 폴리티키스 (2006) – 토리노 U20 (이탈리아)
필리포스 차피피스 (2008) – 호르센스 U19 (덴마크)

저는 또한 그리스 출신의 유명한 U23 선수들을 팔로우하고 있습니다:

네크타리오스 트리안티스 (2003) – 미네소타 유나이티드 (미국)
미칼리스 코시디스 (2002) – 자글비 루빈 (폴란드)
에이디 자이코 (2002) – 체르카시 (우크라이나)”

-지난 5년간 데이터와 AI로 인해 축구 스카우팅 분야에서 가장 큰 변화는 무엇이라고 생각하시나요?

“가장 큰 변화는 판단에서 정당성으로의 전환입니다. 5년 전만 해도 스카우팅은 대부분 의견에 기반했습니다. 이제 모든 관찰은 데이터 증거로 뒷받침되어야 합니다. AI는 이를 가능하게 하여 직관을 측정 가능하고 반복 가능한 것으로 바꾸어 놓았습니다.

오늘날 스카우트는 단순히 선수를 설명하는 데 그치지 않고 AI 포인트, 트렌드 일관성, 역할 적합성 등의 메트릭을 통해 선수를 ‘검증’합니다. AI는 인간의 경험을 대체한 것이 아니라, 본능에 의존하던 것을 체계화하여 경험을 향상시켰습니다.”

-플레이어의 향후 성과를 예측할 수 있는 가장 신뢰할 수 있는 지표로 어떤 유형의 데이터가 있다고 생각하나요?

“가장 신뢰할 수 있는 데이터는 순간이 아닌 패턴을 설명하는 데이터입니다. Comparisonator에서는 선수의 일관성 있는 추세, 의사 결정 효율성, 신체적 반복성이 개별 하이라이트보다 미래 성적을 더 강력하게 예측할 수 있는 지표라는 사실을 알게 되었습니다.

“우리는 또한 AI 피트니스 포인트를 활용하여 선수의 과거 실력이 얼마나 좋았는지뿐만 아니라 시간이 지나도 얼마나 지속 가능한지 측정합니다. 이를 상황에 맞게 조정된 성과 및 역할 적합성과 결합하면 선수의 과거뿐 아니라 진정한 미래를 볼 수 있습니다.”

-구단이 잘 알려지지 않았거나 저평가된 시장의 선수에게 투자할 때 AI가 어떻게 위험을 줄이는 데 도움이 될 수 있을까요?

“인공지능을 통해 구단은 가정을 증거로 대체할 수 있습니다. 잘 알려지지 않았거나 저평가된 시장의 선수를 추적할 때 가장 큰 위험은 데이터 불일치입니다. 리그가 다르고, 플레이 스타일이 다르며, 상황의 차이가 있기 때문에 비교가 거의 불가능하기 때문입니다.

바로 여기에 인공지능이 등장합니다. AI는 Comparisonator와 같은 플랫폼을 통해 각 선수의 퍼포먼스를 정규화하고 보편적인 축구 언어로 변환하여 USL 리그의 풀백을 벨기에 프로 리그의 풀백과 효과적으로 비교할 수 있습니다.

AI 모델은 통계뿐만 아니라 리그 전력, 팀 수준, 전술적 환경과 같은 상황적 난이도까지 평가합니다. 이 과정을 통해 알려지지 않은 선수를 정량화할 수 있는 프로필로 전환합니다. 클럽은 선수의 지표가 이론적으로 더 까다로운 환경에서 뛰었을 때 어떤 성적을 낼 수 있는지 확인할 수 있는데, 이를 ‘가상 이적’ 기술이라고 부릅니다.

채용팀은 직관 대신 예측 모델링을 사용하여 계약 전에 리스크를 시뮬레이션할 수 있습니다. 요컨대, AI는 사람의 스카우팅을 대체하는 것이 아니라 이를 강화하여 특히 전통적인 스카우팅이 제한적이거나 편향된 시장에서 스카우트가 더 빠르고 안전하며 정보에 입각한 결정을 내릴 수 있게 해줍니다.”

-구단에서 비교기를 사용할 때 스카우트 시 우선순위를 두는 데이터 포인트 또는 지표는 무엇인가요?

“구단마다 데이터를 사용하는 방식은 다르지만, 가장 중요한 것은 명확성이며, 선수가 얼마나 많은 성과를 내고 있는지가 아니라 왜 성과를 내고 있는지를 이해하는 것입니다. 코치와 스카우트는 일반적으로 비교 도구를 사용할 때 원시 수치보다는 역할 기반 메트릭으로 시작합니다.

예를 들어, 단순히 “누가 가장 많은 태클을 했는가?”라고 묻는 대신 “누가 수비형 풀백으로 활약하는가?” 또는 “누가 박스 투 박스 미드필더의 프로필에 맞는가?”라고 질문합니다.

그렇기 때문에 Comparisonator의 플랫폼은 700개 이상의 통계 파라미터를 AI 포인트와 역할별 지수로 변환하여 사용자가 시스템 내 기능적 위치에 따라 플레이어를 평가할 수 있도록 합니다.

클럽은 다음과 같은 지표를 우선시합니다: