Sports Business Insight

アトレティコがSportianを選定、AIデータ活用が変えるクラブ経営

アトレティコがSportianを選定、AIデータ活用が変えるクラブ経営

ニュースの概要

アトレティコ・マドリードは、GlobantとLALIGAのスポーツ技術事業であるSportianと、競技力向上とクラブ運営のデジタル化を目的とした長期契約を結びました。契約を通じて、選手やチームの状態を測るデータ、分析サービス、業務改善のための技術を一つの環境で利用できるようになります。さらに、GlobantのAI基盤「Glob.AI」を組み込んだSportianの技術市場にアクセスする世界初のクラブになるとされています。これは単なる分析ソフトの導入ではなく、現場の判断と経営の判断を同じ情報基盤でつなぐ取り組みです。

引用元: アトレティコ・マドリード、Sportianを公式スポーツパフォーマンスデータ提供企業に選定(Democrata)

分析・見解

試合の数字を選手育成と経営判断へつなぐ仕組み

これまでクラブのデータ活用は、試合分析、選手の走行距離、けがの管理など、担当部署ごとに分かれていることが多くありました。Sportianの価値は、これらの情報を一つの流れにまとめ、監督、医療部門、強化担当、経営陣が同じ事実を見られる点にあります。例えば、ある選手の走行量が増えたという数字だけでは、好調なのか疲労が蓄積しているのか分かりません。練習内容、睡眠、過去のけが、試合日程と組み合わせて初めて、起用や休養の判断に使える情報になります。

重要なのは、データの量ではなく、判断の早さと一貫性です。選手獲得では移籍金や知名度に目が向きがちですが、複数の競技指標を長期間比較できれば、将来の伸びしろやチームとの相性を見極めやすくなります。データが選手を決めるのではなく、見落としを減らす補助線として機能するわけです。

AI導入の成否は予測精度より現場での使いやすさ

AIは勝敗やけがを完全に当てる道具ではありません。試合結果は相手の戦術、審判、偶然の得点など、数値化しにくい要素にも左右されます。そのため、クラブが重視すべきなのは「当たる予測」だけでなく、なぜその判断を示したのかを現場が確認できることです。理由が分からない提案は、監督や選手の信頼を得にくいからです。

Glob.AIのような共通基盤を使う場合も、AIの回答をそのまま採用するのではなく、担当者が根拠、対象データ、更新時刻を確認できる設計が必要です。現場で数分以内に使える画面と、経営会議で傾向を確認できる画面は役割が異なります。多機能なシステムほど、利用者ごとに情報を絞る設計が成否を分けます。

クラブ独自の知見を外部技術に埋め込めるか

スポーツ技術の市場には、映像解析、選手管理、医療記録、ファン分析など多様な製品があります。一社の技術だけで全領域を賄うより、必要な機能を組み合わせる方が合理的です。一方で、外部サービスを増やすほど、データ形式の違い、契約条件、個人情報の管理が複雑になります。

アトレティコにとっての本当の資産は、導入した製品そのものではありません。長年蓄積した練習記録、選手評価、医療情報、スカウトの判断を、どの範囲で共有し、どの判断に活用するかという運用知です。外部の技術市場に接続しても、クラブ独自の判断基準が失われない仕組みを作れるかが重要になります。技術を買うだけでなく、クラブの知識を再利用できる形に整えることが競争力になります。

成功事例が広がればクラブ間のデータ格差が変わる

大規模クラブは、専門スタッフと高価な設備をそろえやすい一方、中小クラブは人材と予算に制約があります。Sportianのような共通基盤が、複数のクラブや競技団体で使える形に整えば、分析機能を一から開発する負担を減らせます。これはデータ活用を一部の資金力のあるクラブだけのものにしない可能性があります。

ただし、同じ道具を使えば同じ成果が出るわけではありません。入力データの質、スタッフの分析力、監督が提案を受け入れる文化で結果は変わります。今後は、AIの機能数よりも、導入後にどれだけ現場の意思決定が改善したか、選手の稼働率や獲得選手の定着率がどう変わったかを測る評価が重要になるでしょう。

ビジネスへの影響

導入前に測定する指標と責任者を決める

企業やクラブが同様の仕組みを導入する際は、まず目的を一つか二つに絞るべきです。けがの減少、選手の稼働時間、スカウト判断の速度、映像分析にかかる時間など、導入前の数字を記録しておけば、効果を検証できます。AI導入を「最新技術を買うこと」にすると、利用率や成果が曖昧なまま費用だけが残ります。

部門横断の責任者も必要です。医療、強化、現場、情報システムが別々に判断すると、同じデータを違う意味で使う可能性があります。誰がデータの正確さを確認し、誰が最終決定を下すのかを契約前に決めておくことが、運用上の事故を防ぎます。小さな部署で試験導入し、三か月から半年程度で継続可否を判断する方法も現実的です。

選手データの権利と情報管理を契約で確認する

競技データには、選手の健康状態、身体能力、生活習慣など、非常に慎重に扱うべき情報が含まれます。クラブは、どのデータを誰が閲覧できるのか、契約終了後にデータを返却または削除できるのか、第三者への再利用を許すのかを明確にする必要があります。AIの学習に使われる場合は、目的と範囲を選手や関係者に説明できなければなりません。

特に複数のサービスを接続する場合、情報漏えいの危険は一つのシステムだけを使う場合より増えます。接続先ごとの権限管理、記録の保存、異常時の連絡手順を確認し、便利さと管理負担を比較することが重要です。高額な導入費よりも、データを安全に扱うための人員と教育費を含めて投資判断をする必要があります。

技術選びより現場の習慣を変える設計が優先される

導入効果を高めるには、分析担当者だけでなく、監督、選手、医療スタッフが日常的に使える形にすることが欠かせません。試合後に長い報告書を読むのではなく、次の練習で何を変えるべきかを短く示す方が行動につながります。経営陣には月次の傾向、現場には当日の判断材料というように、同じデータを役割別に届ける設計が有効です。

アトレティコの事例が示すのは、AIを導入すれば自動的に強くなるという話ではありません。データを共通言語にして、現場と経営が同じ方向で改善を続けられるかが焦点です。企業が学ぶべき点も同じで、機能比較だけでなく、意思決定の流れそのものをどう変えるかを先に設計することが成功への近道になります。

関連記事