세계 최대 스포츠 신문인 MARCA는 빅데이터 저널리스트 미겔 앙헬 가르시아를 통해 비교사이트의 CEO인 타르칸 바트귄과 인터뷰를 진행했습니다. 인터뷰의 주요 내용은 다음과 같습니다:
K.타르칸 바트귄이 특별한 날 이 인터뷰를 위해 찾아왔습니다: 글로벌 분석가이자 축구에 적용된 인공 지능 분야의 터키 전문가인 그의 이중적인 시각을 통해 스페인과 터키가 맞붙는 경기를 잘 알고 있습니다. 의 CEO Comparisonator -퍼포먼스를 맥락화하고, 리그 간 선수를 비교하며, 새로운 경쟁 환경에 어떻게 적응할지 시뮬레이션하는 플랫폼의 CEO인 그는 국제 클럽, 에이전시 및 컨설팅 회사에서 일해 왔습니다. 부르사스포르에서 ‘스카우팅 랩’을 설립하고, 알티노르두 FK의 이사로 재직했으며, Wyscout과 SoccerLab 등의 회사에 자문을 제공했고, 6년 동안 NIKE 터키의 스카우팅 프로그램을 담당했습니다.
이러한 다각적인 관점에서 그는 모든 데이터의 핵심은 컨텍스트이며, AI는 더 나은 결정을 내리는 데 도움이 될 때만 의미가 있다고 주장합니다. 이 대화에서 그는 자신의 기술이 어떻게 리그 간 축구를 번역하고, 숨겨진 위험을 감지하며, 잘못될 수 있는 수백만 달러의 이적을 방지하는지에 대해 설명합니다.
질문: 4개 대륙에서 일하면서 항상 맥락이 없는 데이터는 쓸모없다고 주장하셨죠. 데이터나 플레이어의 프로필을 완전히 재해석할 수밖에 없었던 가장 큰 문화적 충격은 무엇인가요?
답변: 4개 대륙에서 일하면서 일찍부터 한 가지 깨달은 것은 같은 숫자라도 출신 지역에 따라 완전히 다른 의미를 가질 수 있다는 것이었습니다. 그리고 가장 큰 문화적 충격, 즉 데이터를 재해석할 수밖에 없었던 순간은 호주의 체계적인 축구에서 터키의 감정적이고 혼란스러운 고강도 환경으로 갔을 때였습니다.
구체적인 예를 들어보겠습니다: 호주에서 패스 정확도가 92~93%에 달하는 한 미드필더를 분석해 본 적이 있습니다. 그 리그에서는 일반적으로 지능, 인내심, 잘 훈련된 위치 선정 플레이를 나타냅니다. 하지만 터키로 돌아가 같은 논리를 적용해보니 터키 리그에서 92%의 패스 정확도를 가진 선수는 창의적이지 않은 경우가 많다는 충격적인 사실을 깨달았습니다. 단순히 위험을 피하거나, 공을 되돌리거나, 압박에 의해 즉시 공을 놓는 경우가 많았습니다.
그 순간 저는 맥락이 진실을 결정한다는 사실을 깨달았고, 스포츠 감독, 코치, 채용 관리자를 위한 맥락 엔진으로서 리그 페이스의 프리즘을 통해 수치를 재해석하고, 전술 스타일에 맞게 성과를 조정하고, 선수의 환경 밖에서의 행동을 이해하고, 클럽이 잘못된 통계의 함정에 빠지지 않고 전 세계적으로 인재를 평가할 수 있도록 지원하는 Comparisonator를 만들게 되었습니다.
같은 번호라도 국가에 따라 완전히 다른 의미를 가질 수 있습니다.
Q: 클럽, 에이전시, 컨설팅, 강의 등 다양한 경력을 가지고 계십니다. 각 역할에서 무엇을 배웠고, 현재 비교사이트의 인공지능 설계에 직접 적용하고 있나요?
R. 제 커리어의 각 단계마다 축구에 대한 다른 관점을 갖게 되었고, 오늘날에는 이러한 모든 관점이 Comparisonator의 AI에 직접 통합되어 있습니다.
클럽 환경에서 저는 의사 결정권자에게는 시간이 없고 명확성이 필요하다는 것을 배웠습니다. 그들은 ‘빅 데이터’를 원하는 것이 아니라 선수가 우리 스타일에 맞는지 아닌지를 알고 싶어 합니다. 그렇기 때문에 저희의 AI는 통계 기계라기보다는 의사 결정 지원 조언자처럼 행동합니다.
에이전시 업계에서 저는 재능 자체만큼이나 재능의 궤적도 중요하다는 것을 배웠습니다. 컨설팅을 통해 클럽마다 현실이 다르다는 것을 알게 되었습니다. 그렇기 때문에 컴퍼바이저의 AI는 사용자에 맞춰 적응합니다. 클럽의 스타일, 요구사항, 우선순위를 학습하고 그에 따라 추천을 맞춤화합니다.
가르치고 강의하면서 저는 이해는 숫자가 아니라 설명에서 비롯된다는 사실을 깨달았습니다. 그래서 경험 많은 스카우트나 코치처럼 축구 데이터를 인간에게 설명하는 인공지능인 CompaGPT를 만들었습니다.
Q. 부르사스포르에서 ‘스카우팅 랩’을 만들었습니다. 그 아이디어 중 오늘날에도 여전히 유효한 부분은 무엇이고, 현재 AI에서는 완전히 쓸모없어진 부분은 무엇인가요?
A: 제 멘토인 크리스토프 다음(Christophe Daum)과 그의 조수 루디 버켐핀크(Rudi Verkempinck) 덕분에 부르사스포르 스카우팅 랩은 체계적인 증거 기반 선수 평가 방법을 처음 시도한 곳입니다. 그 아이디어의 많은 부분이 오늘날에도 여전히 유효하지만, 일부는 현대의 인공지능에 의해 완전히 변화했습니다. ‘스카우팅 랩’이 그 씨앗이라고 할 수 있습니다. 방법론(구조, 명확성, 협업)은 여전히 유효합니다. 그러나 수동적이고 반복적이거나 주관적인 모든 것은 AI로 대체되었습니다. 오늘날 비교분석기는 스카우팅 랩이 글로벌하고 역동적이며 환경을 인식하는 인텔리전스 엔진으로 탈바꿈한 것입니다.
Q. 많은 구단이 데이터를 활용한다고 생각하지만 실제로는 선입견을 확인하려는 것일 뿐입니다. 현대 스카우팅 과정에서 이러한 편견이 얼마나 많은 잡음을 일으키나요?
R. 편견은 현대 스카우팅의 가장 큰 숨겨진 비용이며, 구단이 생각하는 것보다 훨씬 더 많은 잡음을 발생시킵니다. 많은 구단이 데이터를 활용한다고 생각하지만, 실제로는 이미 감정적으로 내린 결정을 정당화하기 위해 숫자를 사용하고 있습니다. 데이터를 의견을 확인하는 데만 사용하면 첫인상에 의문을 제기하지 않고 예상치 못한 재능을 발견하지 못하기 때문에 새로운 선수 발굴이 중단되고, 확증 편향으로 인해 클럽이 위험 신호를 무시하기 때문에 진실이 가려지며, 모든 클럽이 데이터를 사용하여 기존의 믿음을 뒷받침하면 결국 모두 같은 선수와 계약하게 되므로 경쟁력을 잃게 된다는 세 가지 주요 문제가 발생합니다.
현대 스카우팅의 가장 큰 숨겨진 비용은 편견입니다. 편견은 인재를 왜곡하고 제한하며 인재를 잃게 만듭니다.
Q. 비교 분석가의 보고서가 코치나 수석 스카우트의 직관과 모순되는 경우 이러한 갈등은 보통 어떻게 해결되나요? 누가 더 자주 틀린가요?
A: 데이터와 직관이 일치하지 않을 때 첫 번째 규칙은 간단합니다. 어느 한 쪽을 선택하지 말고 더 자세히 조사하세요. 코치는 몸짓, 성격, 훈련 중 행동 등 데이터로는 볼 수 없는 것을 볼 수 있습니다. 비교 분석가는 코치가 볼 수 없는 것을 봅니다: 리그 적응, 전술적 스트레스, 숨겨진 위험 요소 등…
제 경험에 따르면, 갈등이 발생할 때 환경 예측(선수가 리그와 시스템에 적응하는 방법)은 직관이 위험을 과소평가하는 경우가 대부분입니다. 바로 이 지점에서 비교기가 가치를 더합니다. 비교기는 인간의 판단을 대체하는 것이 아니라 사각지대에서 판단을 보호합니다.
그렇다면 누가 더 자주 실수를 할까요? 일반적으로 맥락을 무시하는 쪽입니다. 그리고 현대 축구에서 맥락은 타협할 수 없는 요소입니다.
Q. 리그 간 표준화는 업계에서 가장 큰 과제 중 하나입니다. 알고리즘에 가장 큰 저항을 보이고 있는 대회는 어디이며 그 이유는 무엇인가요?
R. 알고리즘에 대한 저항이 가장 심한 리그는 축구가 가장 표준화되지 않은 리그이며, 같은 경기 내에서도 속도, 구조, 전술적 훈련이 엄청나게 다릅니다.
이러한 리그는 일반적으로 경기의 질적 차이가 크고, 예측할 수 없는 경기 속도, 일관성 없는 수비 조직, 극도의 감정적 격렬함이 있는 리그입니다. 표준화가 문제라면 상황별 인텔리전스가 해결책입니다.
Q. AI 포인트, 트렌드, 일관성, 기능적 역할에 대해 많이 이야기하셨는데요. 이 모든 지표 중에서 플레이어의 향후 진행 상황을 가장 잘 예측하는 지표는 무엇인가요?
A. 플레이어의 향후 성장에 대한 가장 신뢰할 수 있는 지표는 다양한 환경에서 일관된 성과를 보이는 것입니다. AI 포인트, 트렌드, 역할 지표도 중요하지만 진정한 지표는 바로 이것입니다: 플레이어가 컨텍스트가 바뀌어도 계속해서 성과를 내는가? 다른 속도, 다른 압박감, 다른 전술적 요구, 다른 상대의 수준.
가상 이적은 이미 클럽이 수백만 달러의 비용을 지불할 수 있는 계약 체결을 막았습니다.
다양한 환경에서 자신의 실력을 유지하는 플레이어는 거의 항상 발전합니다. 자신의 안전 지대를 벗어나면 무너지는 선수는 거의 없습니다. 그렇기 때문에 Comparisonator는 성능 안정성, 리그 변환, 적응력 지표 및 압박감 하에서의 역할 행동에 중점을 둡니다.
Q. 가상 이적 기능을 사용하면 다른 리그에서 선수의 활약을 시뮬레이션할 수 있습니다. 이 모델을 통해 구단의 잘못된 계약을 방지한 문서화된 사례가 있나요?
R. 예, 몇 개 있지만 클럽이나 선수의 이름은 밝힐 수 없습니다. 제가 말씀드릴 수 있는 것은 이것뿐입니다: 가상 이적은 이미 클럽에 수백만 달러를 절약해 주었습니다. 최근의 한 사례는 빠르게 진행되는 오픈 리그에서 큰 인기를 끌었던 스트라이커의 경우입니다. 드리블, 점진적인 달리기, 예상 득점 등 그의 기본 스탯은 놀라웠습니다. 모든 것이 그가 필수적인 영입 대상임을 시사했습니다.
하지만 가상 이적을 통해 유럽 5대 리그에서 그의 활약을 시뮬레이션한 결과, 수비 압박이 심해지면서 효율성이 50% 가까이 떨어지고 체계적인 전술 환경에서 의사 결정이 현저히 느려지는 등 두 가지 위험 신호가 즉시 나타났습니다. 구단은 그의 이적을 막았습니다. 두 달 후, 그는 다른 유럽 팀과 계약을 맺었고 모델이 예측한 영역에서 정확히 고전했습니다.
가상 이적의 주요 목표는 “안 된다”고 말하는 것이 아니라 플레이어가 안전지대 밖에서 어떻게 행동하는지에 대한 진실을 밝히는 것입니다. 현대의 채용에서 이러한 명확성은 성공적인 계약과 막대한 비용이 드는 실수의 차이를 의미할 수 있습니다.
Q. AI 플랫폼과 모델은 편견을 제거한다고 약속하지만 편견을 생성할 수도 있습니다. 모델을 수정할 수밖에 없었던 가장 큰 ‘오탐’ 또는 시스템 오류는 무엇인가요?
R. 가장 큰 오탐은 리그의 환경이 자신의 장점을 인위적으로 부풀려서 뛰어난 것처럼 보였던 한 선수에게서 나왔습니다. 그는 수비 압박이 매우 낮고, 공간이 매우 넓고, 트랜지션이 혼란스럽고, 볼 리커버리 구역이 매우 높은 대회에서 뛰었습니다.
서류상으로만 보면 그의 지표는 엘리트였습니다. 초기 모델에서는 그의 순위가 매우 높았습니다. 하지만 좀 더 체계적인 리그로 옮긴 후 모든 것이 무너졌습니다. 재능이 부족해서가 아니라 그의 환경이 통계적 착각을 불러일으켰기 때문입니다.
AI는 실수를 해서 위험해지는 것이 아니라 맥락을 이해하지 못해서 위험해집니다.
이는 우리에게 전환점이 되었습니다. 모델에 더 깊은 가중치가 필요하다는 것을 깨달았습니다. 이제 환경 왜곡이 시스템이 가장 먼저 검사하는 항목 중 하나가 되도록 엔진을 재구축했습니다.
교훈은 간단했습니다: AI는 실수를 저지를 때 위험해지는 것이 아니라 맥락을 이해하지 못할 때 위험해진다는 것입니다. 이 실패를 통해 비교기는 더 강하고 신중해졌으며 훨씬 더 적응력이 높아졌습니다.
Q. 저평가된 시장과 상위 리그에서 일한 경험이 있습니다. 갑자기 경쟁이 치열해졌을 때 가장 잘 적응하는 선수들에게서 어떤 공통적인 패턴을 발견할 수 있나요?
A. 모든 대륙에서 경쟁 구도가 크게 바뀐 후 가장 잘 적응하는 선수들의 공통점은 단순히 빠른 선수이기 때문이 아니라 빠르게 학습한다는 점입니다. 성공하는 선수들은 환경이 바뀌었을 때 거의 즉시 자신의 습관을 재조정할 수 있는 선수들입니다.
Q. 제2의 하울랜드가 등장하기 전에 그를 찾는 클럽이 점점 더 많아지고 있습니다. 인공지능이 세대별 인재를 예측할 수 있다고 생각하는 것이 현실적일까요, 아니면 여전히 유니콘을 쫓는 것일까요?
A: 인공지능은 초기에 특별한 패턴을 식별할 수는 있지만, 할랜드를 만들 수는 없습니다. 세대별 인재는 예측할 수 있는 것이 아니라 시간이 지나면서 확인되는 것입니다. AI가 할 수 있는 일은 일반적으로 큰 도약이 일어나기 전에 나타나는 징후를 인식하는 것입니다. 유니콘은 단순히 지표가 아니라 환경, 훈련, 성격, 사고방식으로 인해 유니콘이 됩니다. AI는 잠재력을 찾아냅니다. 인간의 스카우팅은 운명을 찾습니다.
Q. 20년 동안 축구와 기술 분야에서 일해온 스카우트 업계가 다음 단계로 나아가기 위해 들어야 할 불편한 진실은 무엇이라고 생각하시나요?
R. 대부분의 클럽은 스카우트 문제가 아니라 의사 결정의 문제를 안고 있습니다. 클럽은 수많은 보고서, 동영상, 통계, 의견을 수집하지만, 정작 중요한 순간이 닥치면 감정, 정치, 위계질서, 공황 상태에 따라 결정을 내리는 경우가 많습니다.
다음 단계는 더 많은 데이터가 아닙니다. 의사결정을 내리는 방식에 더 많은 규율을 적용하는 것입니다. 이것이 바로 스카우트를 대체하기 위한 것이 아니라 더 명확하고 공정하며 조작하기 어려운 의사 결정을 내리기 위해 비교 도구를 만든 이유입니다.
인터뷰 전문을 보려면 여기를 클릭하세요: https://www.marca.com/futbol/2025/11/18/tarkan-batguen-datos-e-intuicion-chocan-hay-elegir-hay-investigar.html
