축구 경기 전 전술 결정은 감독과 코치진의 경험과 주관적 분석에 크게 의존해왔습니다. 또한, 특정 팀에 맞춰진 스카우팅 시스템은 새로운 팀이나 데이터가 부족한 팀에게는 적용하기 어렵다는 한계가 있었습니다. 이러한 문제를 해결하기 위해 'Sim2Win'이라는 새로운 AI 기반 시스템이 등장했습니다. 이 시스템은 팀의 이름이나 고유 식별 정보 없이도 경기 결과를 예측하고 전술적 프로파일링을 제공하여, 축구 전술 분석의 새로운 가능성을 열었습니다.
Sim2Win은 StatsBomb의 공개 이벤트 데이터(11개 리그, 178개 팀, 1,411개 경기 기록)를 활용해 작동합니다. 5경기 단위의 전술 프로파일을 생성하고, 4가지 해석 가능한 전술 특징 비율을 도출합니다. 이를 바탕으로 팀 행동을 8가지 플레이 스타일로 군집화한 뒤, 13개의 분류기(classifier)를 훈련시켜 승리, 무승부, 패배 확률을 예측합니다. 특히, 이 시스템은 훈련 과정에서 한 번도 보지 못한 팀(unseen teams)에 대해서도 평균 ROC-AUC 0.704, 평균 정확도 55.4%를 기록하며, 기존의 ELO, Pi-Rating, GAP 등 신원 기반 예측 모델들을 능가하는 성능을 보여주었습니다. 가장 강력한 성능을 보인 모델은 CatBoost로, 60.90%의 정확도를 달성했습니다.
Sim2Win의 가장 중요한 의미는 '행동 기반 전술 표현(behavioral tactical representations)'이 예측 신호의 전달 가능성을 보여주었다는 점입니다. 이는 팀의 고유한 정체성(identity)에 의존하지 않고도 전술적 행동 패턴만으로 경기 결과를 예측할 수 있음을 시사합니다. 이러한 접근 방식은 데이터가 부족하거나 잘 알려지지 않은 팀에 대한 분석을 가능하게 하여, 전술 분석의 범위를 크게 확장할 수 있습니다. 궁극적으로는 감독과 코치진이 보다 객관적이고 데이터 기반의 전술적 의사결정을 내리는 데 도움을 줄 수 있으며, 스포츠 베팅이나 팬들을 위한 심층 분석 콘텐츠 개발에도 활용될 수 있을 것입니다.