要約
| 項目 | 内容 |
|---|---|
| 対象 | スポーツが好きな高校生・保護者・指導者、スポーツビジネスやAI活用に関心がある人。特に「実力はあるのにチャンスがない」「地方やお金の問題でスカウトに届かない」と感じている層。 |
| 課題 | 伝統的なスカウティングは人数も時間も限られ、地理・経済・人脈によるバイアスが大きい。その結果、世界のどこかにいるはずの有望選手が見落とされるという不公平について。 |
要点
| 時間帯 | 内容 |
|---|---|
| 00:03-02:00 | レブロン・ジェームズやメッシのようなスター選手の名前を挙げつつ、「私たちは限られた国のスターだけを見て世界の才能を語りがちだ」と指摘する。プレミアリーグのスカウト1人が年間見られるのは約2,000人に過ぎず、実際には何百万人も競技人口がいるうえ、地理・費用・アクセスの条件でさらにふるい落とされていると説明。従来のスカウティングは人数もバイアスも大きく、ソーシャルメディア頼みになると今度は「タレント発掘用に設計されていないアルゴリズム」が可視性を決めてしまうという別の問題が生まれていると整理する。 |
| 02:11-05:59 | 自身はスカウトではなくバイオメカニクス（運動の科学）の研究者であり、けがをした少年選手の動きをラボ機器で解析した経験から、「このプロトコルやデータをスマホの標準ドリルに落とし込めば、世界中どこに住む子でも公平にテストできるのでは」との発想が生まれた経緯を語る。子どもは無料アプリをダウンロードし、10メートル走やジャンプ、ドリブル、パス、シュートなど、スカウトが普段見る基本ドリルを自撮りするだけでよい。クラウド上のAIが22の身体セグメントを解析し、走る方向やターンの仕方、ジャンプの高さ、スピード、左右差、協調性などを定量化し、クラブごとに「求める選手像」（パワーやスピード重視なのか、テクニック重視なのか）に合わせたスコアリングができるように設計していると説明する。 |
| 06:00-10:55 |
チェルシーの練習場から数分の場所に住みながらスカウトに一度も見つからなかった17歳の少年ベンが、aiScoutのドリルで群を抜く数値を出し、チェルシーのトライアル、U-18デビュー戦での得点、他クラブとの契約、代表デビューへとつながった事例を紹介し、「システムは見落としていたがAIは拾った」という象徴例として位置付ける。 さらに、インドのリライアンス財団と組み、WhatsApp経由の募集だけで毎年何万人もの子どもがスマホ1台から参加し、その中には組織的な競技経験ゼロで5年奨学金を獲得した子もいること、セネガルのユース五輪向けにはタブレットを学校や軍に配って撮影し、数千人から約40人がレスリングや陸上、サッカーの強化対象になったことを挙げる。米国ではMLS NEXTで約45,000人の子どもが年3回このアプリを利用し、スカウト・コーチはブラックボックスではない「中身の分かるデータ」としてリアルタイムに確認できると強調。最後に、動作の基本要素（カット、減速、ジャンプ、投げ、打つ動き）は多くの競技で共通するため、アメリカンフットボールやバスケットボール、野球、クリケットなどへも展開可能だとし、「才能は世界のどこにでもある。テクノロジーとスマホでそれを見える化し、公平な土俵をつくる」というメッセージで締める。 |
チェックポイント
| 区分 | 内容 |
|---|---|
| 用語・概念 |
スカウティングは「限られた人数のスカウトが主観と経験で選手を評価する仕組み」として説明され、その不公平さやバイアス（出身地、費用、人脈など）が問題視される。 バイオメカニクスは「運動の科学」として紹介され、ラボでのモーションキャプチャや力学分析をスマホドリルに落とし込む発想の源になっている。コンピュータビジョンAIは、スマホ動画から身体22部位の位置と動きを推定し、スピード・ジャンプ力・対称性・協調性などに変換する技術として扱われる。アルゴリズムはあくまで「評価を補助し、スカウトの目を広げる道具」であり、ブラックボックスではなく、どのドリルからどんなデータが出ているかを双方が理解できることが信頼の条件とされる。 |
| 定量情報 |
プレミアリーグのスカウトが年間に直接見ることができるのは約2,000人である一方、競技人口は何百万人規模と示される。 イギリスの大学生50人を対象にした試験で、17歳のベンだけが頭一つ抜けた数値を出し、その後プレミアリーグクラブと契約し代表にも選ばれた事例が紹介される。インドのプログラムでは、毎年何万人もの11歳前後の子どもが参加し、その一部が5年間のスポーツ・教育奨学金を受ける。セネガルのユース五輪向けプロジェクトでは、数千人規模の中から約40人がレスリング・陸上・サッカーの強化対象となったと語られる。米国MLS NEXTでは、約45,000人の子どもがシーズン前・中・後の年3回アプリを利用し、経時的な成長を追跡していると説明される。これらの数字は、従来の「数千人規模の対面スカウト」から、「数万人〜数十万人を同じ基準で比較できる」方向へのスケールアップを示す根拠になっている。 |
| 社会課題・実務への示唆 |
社会的な焦点は「才能は普遍だが、機会は偏っている」という不公平さであり、地理的に遠隔地にいる子、クラブに入れない子、組織的スポーツ経験のない子が、従来スカウトの目に触れず埋もれてきた構造をAIでどう補正できるかにある。 実務面では、クラブやリーグにとって、年齢・性別・競技ごとに比較可能でベンチマーク可能なデータを持つことが、主観中心だった育成・選抜をアップデートする手段になると示される。同時に、アルゴリズムが「誰を見せるか」を密かに決めてしまうSNS時代の新たなバイアスにも触れ、選手本人とスカウトの双方が計測方法と評価軸を理解できる透明性が不可欠だと示唆する。より広い視点では、こうした動作データ基盤は、在宅ヘルスケアやリハビリなど医療分野にも応用可能であり、「身体の動きのライブラリ」がスポーツを超えて人の生活の質向上に役立つ未来像もにじませている。 |
出所
| 公式タイトル | How AI Is Discovering Athletes That Human Scouts Miss |
| 登壇者 | Richard Felton-Thomas |
| 公開日 | 2025年11月5日 |
| プラットフォーム | TED Talks Daily / TED |
| URL | https://www.youtube.com/watch?v=OKu0yybmtkc |
