KBO 구단 도입 제안

⚾

Slack 하나로
달라지는 야구 현장

복잡한 기술 없이, 카카오톡처럼 쓰는 AI 어시스턴트

화살표 키(← →) 또는 클릭으로 이동

시스템 개요

구단이 연간 수억 원을 투자해 수집하는 TrackMan·영상 데이터,
지금은 분석팀 몇 명만 활용하고 있습니다.

카카오톡처럼 질문하면, 구단 데이터베이스와 영상 아카이브를
실시간으로 검색해 즉시 가져다주는 야구 전용 AI 비서입니다.

💬

자연어 질문 → 바로 대답

질문을 이해하고 DB에서 답을 찾아 자연어로 응답

NL2SQL RAG

🎬

영상 자동 찾기 → 바로 전달

조건에 맞는 투구 장면을 자동 검색·편집

메타데이터 인덱싱 클립 자동 검색

📋

보고서 자동 생성 → 데이터 수신 후 도착

경기 종료 후 역할별 맞춤 리포트 자동 작성

스케줄 파이프라인 템플릿 엔진

야구 업계를 떠난 지 오래되었지만, 함께 일했던 동료들이 어떤 일에 시간을 쏟고 있었는지 기억합니다.
뛰어난 분석 역량을 가진 사람들이 영상을 이어붙이고, 데이터를 찾아 전달하는 데 하루의 절반을 쓰고 있었습니다.
지금은 AI 기술이 그 반복적인 부분을 대신할 수 있는 시점이 되었기에,
현장의 전문가들이 본연의 업무에 집중할 수 있도록 이 시스템을 제안하게 되었습니다.

💬 Slack 대화 보기

Slack #영상-요청

👨‍🏫

코치

@봇 오타니 슬라이더 최근 10구 모아줘

🤖

AI 봇

오타니 슬라이더 최근 10구 클립을 준비했습니다. (0:42 분량)

📎 Otani_slider_10clips.mp4

상황 1

"오타니 슬라이더 최근 10구 영상이 필요합니다"

😩 지금은

담당자에게 연락 → 영상 수동 탐색 → 구간 직접 잘라내기 → 카톡·드라이브로 전달
🕐 약 4시간

😊 앞으로는

Slack에서 한 줄 요청 → 자동으로 찾고 편집 → 즉시 전달
⚡ 2분

시스템 내부에서 일어나는 일

1

요청 분석 — 문장에서 핵심 조건 자동 추출

"오타니 → 선수명 슬라이더 → 구종 최근 10구 → 기간·개수 모아줘 → 영상 클립 요청

2

DB 검색 — 조건에 맞는 투구 데이터 조회

              SELECT pitch_timestamp, video_id FROM trackman

              WHERE player='오타니' AND pitch_type='SL'

              ORDER BY date DESC LIMIT 10

3

영상 검색 — 매칭된 타임스탬프로 클립 추출

사전에 TrackMan 타임스탬프와 매칭해둔 영상 아카이브에서 해당 투구 구간을 검색 → 10개 클립 자동 편집 (구속·구종·결과 자막 합성)

✓

Slack으로 완성된 클립 즉시 전달

NER (개체명 인식)
AI가 문장에서 '오타니=선수명', '슬라이더=구종' 같은 핵심 정보를 자동으로 뽑아내는 기술

메타데이터 인덱싱
영상 자체가 아니라, 영상에 붙어있는 정보표 (누가, 어떤 구종을, 몇 km/h로) 기준으로 검색

TVING 돌려보며 찾을 필요 없이, 필요한 장면만 골라서 소장할 수 있습니다.
반복적인 영상 편집에서 벗어나, 스카우트·코치는 분석과 판단에 집중할 수 있습니다.

💬 Slack 대화 보기

Slack DM · 선수 질문

⚾

선수 홍길동

@봇 내 직구 회전수가 좋은 건가요? 🤔

🤖

AI 봇

홍 선수님의 직구 회전수는 2,180rpm입니다.
KBO 평균(2,310rpm)보다 조금 낮은 편이에요.

하지만 직구가 위로 솟아오르는 힘은
리그 상위 22% 수준입니다.
→ 높은 코스를 공략할 때 특히 효과적입니다. 💪

이 답변이 도움이 되었나요? 👍 😕

⚾

선수 홍길동

더 자세한 답변을 원해

🤖

AI 봇

알겠습니다. 담당 직원에게 직구 회전수 관련 더 자세한 설명을 요청하겠습니다. 🔔

Slack #데이터분석팀

🤖

AI 봇 → 김직원

📋 홍길동 선수가 직구 회전수에 대해 더 자세한 설명을 요청했습니다.
확인 후 보충 답변 부탁드립니다.

밤 11:03 · 코치 질문

👨‍🏫

코치 (밤 11:03)

@봇 내일 상대 선발 김민수,
우타자 상대 체인지업 경향 알려줘

🤖

AI 봇 (밤 11:03)

최근 20경기 기준:
• 우타자 상대 체인지업 비율: 28%
• 바깥쪽 낮은 코스 집중 (73%)
• 2스트라이크 이후 선택률: 44%

→ 바깥쪽 낮은 공 조심 ⚠️

상황 2

"데이터가 궁금할 때, 누구든 언제든 바로"

😓 지금은

코치·분석팀에게 물어봐야 하고
바로 답을 얻기 어렵다
밤·주말엔 더 어려움

✅ 앞으로는

선수·코치 누구든 직접 질문
24시간 즉시 응답
분석팀은 심층 분석에 집중

이 답변이 만들어지는 과정

1

의도 분류 — 어떤 종류의 질문인지 파악

"내 직구 회전수" → 본인 데이터 조회 "좋은 건가요?" → 리그 비교 + 해석 요청

2

DB 검색 — 자연어를 검색 명령어로 자동 변환

              SELECT spin_rate, induced_vert_break

              FROM trackman WHERE player='홍길동'

              AND pitch_type='FF' ORDER BY date DESC

3

통계 비교 — 사전 집계 테이블에서 즉시 조회

KBO 전체 투수 분포에서 백분위 자동 계산 — 미리 집계해둔 테이블이 있어 수초 내 응답

4

RAG 해석 — 코치의 기존 설명 방식으로 답변 생성

코치의 피드백·분석 리포트에서 유사 맥락 검색 → 구단 맞춤형 해석 문장 생성

✓

Slack으로 맥락 있는 답변 즉시 전달

😕

봇 답변으로 해결이 안 될 때
답변 하단 😕 이모지 클릭 → 담당 데이터 분석 직원에게 자동 알림 → 담당자가 확인 후 직접 보충 답변

Text-to-SQL
말로 질문하면 AI가 자동으로 DB 검색 명령어로 바꿔주는 기술

RAG
AI가 답변 전에 우리 DB를 먼저 검색해서 근거를 찾는 방식

사전 집계 테이블
자주 물어볼 통계를 미리 계산해둔 표

선수가 자기 데이터를 스스로 이해할 수 있게 됩니다. 24시간, 시간 구애 없이.
분석팀은 반복적인 수치 설명 대신, 더 깊은 분석에 집중할 수 있습니다.

💬 Slack 대화 보기

Slack #코칭스태프 · TrackMan 데이터 수신 후

🤖

AI 봇 (데이터 수신 후 자동)

📊 어젯밤 경기 AI 분석 리포트가 도착했습니다.

· 투수코치님 → 투구 내용 분석
· 타격코치님 → 타선 분석
· 감독님 → 경기 전체 흐름 요약

각 채널에서 확인해주세요.

👨‍🏫

투수코치

@봇 홍길동 최근 5경기 직구 영상 모아줘

🤖

AI 봇

홍길동 최근 5경기 직구 25구 클립입니다. (3:12 분량)

📎 홍길동_직구_5경기.mp4

👨‍🏫

투수코치

같은 분석을 김민수한테도 해줘

🤖

AI 봇

📊 김민수 최근 5경기 투구 트렌드 리포트 + 직구 영상 클립을 준비했습니다.

📎 김민수_분석_5경기.pdf
📎 김민수_직구_5경기.mp4

상황 3

"반복되는 정리 작업 대신, 더 깊은 분석에 시간을 쓸 수 있다면?"

투수코치님

투구 내용 분석
구종별 결과, 피안타 상황

타격코치님

타선 분석
볼카운트별 스윙, 선구안

감독님

경기 전체 흐름
핵심 전환점, 종합 평가

* 위는 리포트 구성 예시입니다. 구단이 기존에 사용하는 분석 템플릿을 그대로 적용하여 자동화할 수 있습니다.

보고서에 포함되는 시각 자료 예시

구종 비율 (도넛)

FF 52% · SL 28% · CH 12% · CB 8%

구속 트렌드

스트라이크존 히트맵

구종별 투구 위치 분포

전년 동기 대비

자동 생성 파이프라인

📥

경기 종료

TrackMan 데이터
자동 수신 감지

→

📊

데이터 수집

TrackMan + 기록실
자동 파싱·적재

→

📈

차트 생성

구속·무브먼트
히트맵 자동 생성

→

🧠

LLM 리포트

구단 템플릿 기반
자연어 분석 작성

→

📤

자동 발송

역할별 채널로
PDF + Slack 전달

파이프라인
반복적인 수집 → 집계 → 정리를 자동화하는 흐름

LLM (대규모 언어 AI)
ChatGPT 같은 AI. 사람처럼 글을 읽고 쓸 수 있습니다.

기본 리포트는 AI가 준비하고, 분석팀은 거기서 한 단계 더 깊은 인사이트를 만드는 데 집중할 수 있습니다.
궁금한 점은 바로 이어서 물어보면 됩니다.

💬 Slack 대화 보기

Slack #스카우팅

🔭

스카우팅팀

@봇 우리 팀 에이스 박○○이랑 비슷한 유형의 KBO 투수 찾아줘

🤖

AI 봇

박○○과 투구 스타일이 유사한 선수 Top 3:

🥇 김○○ (KIA) — 유사도 94%
직구 회전수·슬라이더 무브먼트 유사

🥈 이○○ (NC) — 유사도 88%
구종 조합·카운트별 패턴 유사

🥉 정○○ (삼성) — 유사도 85%

🔭

스카우팅팀

김○○ 최근 3시즌 트랙맨 데이터 요약해줘

🤖

AI 봇

📊 김○○ 3시즌 트랙맨 요약:
· 직구 구속: 150→151→152 (상승)
· 슬라이더 스핀: +120rpm (3시즌간)
· ERA: 3.45→3.12→2.87 (개선 추세)

📎 김○○_3시즌_트렌드.pdf

🔭

스카우팅팀

김○○ 슬라이더 영상 최근 10개 모아줘

🤖

AI 봇

📎 김○○_슬라이더_10구.mp4
(1:18 분량, 구속·회전수 자막 포함)

상황 4

"우리 팀에 필요한 유형의 투수, 어디 없을까요?"

😓 지금은

스카우트가 기억과 메모에 의존,
2~3일 수작업 탐색

✅ 앞으로는

수십만 건 투구 데이터 기반으로
5분 안에 후보군 제시

유사도 분석은 어떻게 만들어지나?

🙈

Step 1. 이름을 가린다

수십만 건의 TrackMan 투구 데이터에서 선수 이름을 모두 제거합니다.
남는 것은 구속, 회전수, 무브먼트, 릴리스 포인트 등 순수한 숫자뿐입니다.

🧠

Step 2. AI에게 구별하게 시킨다

"이 데이터들을 비슷한 것끼리 모아봐"라고 AI에게 반복 학습시킵니다.
사람의 편견 없이, 데이터 자체가 유사성을 결정합니다.

🔍

Step 3. "투구 지문"이 만들어진다

학습 과정에서 AI가 "이 선수를 이 선수답게 하는 특징"을 스스로 찾아냅니다.
이것이 각 투수의 투구 지문(80~120개 숫자 조합)입니다.

⚖️

Step 4. 두 가지 방식으로 비교한다 (Hybrid)

방식 A — 숫자 직접 비교 (60%)
구속, 회전수, 무브먼트 등 투구 지문의 숫자를 직접 대조합니다. "직구 회전수가 유사하다"처럼 왜 비슷한지 설명이 가능합니다.

방식 B — AI가 패턴으로 비교 (40%)
투구 순서, 카운트별 전략 등 숫자만으로 보이지 않는 맥락까지 AI가 학습합니다. 사람이 미처 발견하지 못한 유사 선수를 찾아낼 수 있습니다.

최종 유사도 = 숫자 비교 60% + 패턴 비교 40% → "94% 유사" + 근거 함께 제시

🤝

Step 5. 결과를 Slack으로 전달

유사 선수 Top N + 왜 유사한지 근거 + 트랙맨 요약 + 영상까지
스카우트가 Slack에서 바로 이어서 요청할 수 있습니다.

이 모델로 할 수 있는 것들

FA 대체 선수
에이스가 빠지면 누가 비슷할까?

외국인 선수 발굴
MLB/NPB 데이터와 교차 비교

성장 추적
작년 vs 올해 투구 지문 변화

숫자가 모든 걸 알려주지는 않습니다. 하지만 TrackMan 데이터로 이런 분석도 가능하다는 것,
그리고 그 결과를 스카우트의 판단을 돕는 참고 자료로 쓸 수 있다는 것이 핵심입니다.

💬 Slack 대화 보기

Slack #코칭-피드백

👨‍🏫

투수코치

홍길동 - 오늘 체인지업 팔꿈치가 먼저 나옴. 릴리스 포인트 일정하게 가져갈 것. 직구와 같은 팔 스피드로.

🤖

AI 봇

📋 피드백 확인했습니다.
이 피드백의 전달 범위를 선택해주세요.

🔒 선수에게만 👥 코칭스태프 공유

👨‍🏫

투수코치

선수에게만 전달해줘

🤖

AI 봇

🔒 홍길동 선수 DM에 전달 완료.
관련 데이터를 함께 첨부했습니다:

· 최근 5경기 체인지업 릴리스 포인트 추이
· 직구 vs 체인지업 팔 스피드 비교

👨‍🏫

투수코치

홍길동 커브 제구 연습 2주 경과 — 존 내 커브 비율 35%→52% 상승. 실전 투입 시점 논의 필요.

🤖

AI 봇

📋 피드백 확인했습니다.
이 피드백의 전달 범위를 선택해주세요.

🔒 선수에게만 👥 코칭스태프 공유

👨‍🏫

투수코치

코칭스태프랑 공유해줘

🤖

AI 봇

👥 전달 완료:
· 홍길동 선수 DM
· #코칭스태프 채널
· #감독 채널

관련 데이터를 함께 첨부했습니다:
· 커브 존 내 비율 2주간 추이 차트
· 최근 5경기 커브 제구 히트맵

📌 2주 뒤, 홍길동 선수가 질문

⚾

홍길동

내 커브 제구가 얼마나 좋아졌어?

🤖

AI 봇

투수코치님 피드백 기준으로 보면,
존 내 커브 비율이 35%→52%로 크게 올랐습니다.
📎 커브_제구_2주_추이.pdf

상황 5

"코치님의 피드백, 선수에게 제대로 전달되고 있나요?"

😓 지금은

구두 전달 → 기억에 의존 → 기록 없음

✅ 앞으로는

기록 + 공유 범위 지정 + 다음 시즌
새 코치도 참고 가능

피드백이 지식이 되는 과정

📝

Step 1. 코치가 피드백을 작성한다

Slack에 한 줄이면 충분합니다. 평소 하시던 대로 쓰시면 됩니다.
봇이 전달 범위를 물어봅니다 — 🔒 선수만 / 👥 코칭스태프 공유

🚀

Step 2. 선택에 따라 자동 배포

🔒 선수만 → 해당 선수 DM에만 전달
👥 공유 → 선수 DM + #코칭스태프 + #감독 채널에 동시 전달
관련 TrackMan 데이터·차트를 AI가 자동으로 찾아 첨부합니다.

💾

Step 3. 피드백이 지식으로 저장된다

피드백 텍스트를 AI가 이해할 수 있는 형태(벡터 임베딩)로 변환합니다.
벡터 DB에 축적되어 검색 가능한 지식이 됩니다.

🔄

Step 4. 선수 질문에 코치의 피드백이 반영된다

선수가 나중에 질문하면, AI가 코치의 과거 피드백을 참고해서 답변합니다.
일반적인 야구 지식이 아니라, 이 구단 코치의 실제 언어와 논리로 설명합니다.

📚

Step 5. 지식이 유지된다

시즌이 끝나도, 코치가 바뀌어도 축적된 피드백은 그대로 남습니다.
새 코치가 부임해도 이전 코치의 지도 방식을 참고할 수 있습니다.

벡터 DB (Vector Database)
AI용 검색 창고. 의미가 비슷한 내용을 빠르게 찾아줍니다. 코치의 피드백이 여기에 쌓여 AI의 지식이 됩니다.

코치의 한 줄 코멘트가 AI의 지식이 됩니다.
코치의 경험과 지혜가 시스템 안에 남아, 구단의 지도 철학이 이어집니다.

💬 Slack 대화 보기

Slack #코칭스태프 · 자동 알림

⚠️

AI 봇 (오전 9:15, 자동)

⚠️ 홍길동 투수 이상 징후 감지

· 직구 평균 구속: 5경기 연속 하락
(148.2→147.1→146.3→145.5→144.8)
· 릴리스 포인트 수평 편차: +1.2cm
· 슬라이더 회전수: 시즌 평균 대비 -8%

상세 리포트를 확인하시겠습니까?

👨‍🏫

투수코치

@봇 홍길동 최근 5경기 릴리스 포인트 변화 보여줘

🤖

AI 봇

📊 리포트 전송 완료
📎 홍길동_릴리스포인트_5경기.pdf

👨‍🏫

투수코치

홍길동 최근 슬라이더 10구 영상 모아줘

🤖

AI 봇

📎 홍길동_슬라이더_최근10구.mp4
(2:04 분량, 구속·회전수 자막 포함)

상황 6

"선수 컨디션 변화, 숫자가 보여주기 전에 알 수 있을까요?"

😓 지금은

코치가 매일 전 선수 데이터를 직접 확인해야 함.
점진적 변화는 사람 눈에 잘 안 띔.

✅ 앞으로는

AI가 이상 징후를 자동 감지하고 코치에게 알림.
통계적 기준선 대비 변화를 수치로 포착.

모니터링 대상 지표

감지 항목	트리거 조건 예시
구속 하락 추세	3경기 이상 연속 하락 시
릴리스 포인트 편차	시즌 평균 대비 표준편차 1.5배 초과 시
회전수(RPM) 변화	주 구종 RPM ±5% 이상 시
구종 비율 급변	직전 5경기 대비 ±15%p 변화 시
무브먼트 변화	수직·수평 무브먼트 유의미 변화 시

* 트리거 조건은 구단이 직접 설정·조정할 수 있습니다.

📌 왜 현장 경험이 필요한가?
어떤 지표가 "의미 있는 변화"인지 정의하려면, 현장에서 선수를 봐온 경험이 필요합니다.
이 시스템은 트리거를 발생시키되, 판단은 코치에게 맡깁니다.

코치가 모든 선수의 숫자를 매일 들여다볼 수는 없습니다.
AI가 먼저 알아채고, 코치에게 알려줍니다.

커스터마이징

우리 구단 방식으로 작동합니다

같은 시스템이라도 구단마다 다르게 동작합니다.

🏟️

구단별 설정

A/B/C 구단이 서로 다른 방식으로 사용

구단마다 응답 스타일, 기본 지표, 사용하는 용어가 다릅니다. 구단별 설정 프로필을 통해 같은 시스템이라도 우리 구단에 맞는 방식으로 동작합니다.

🧑‍🏫

코치 경험 축적

코치의 표현과 판단이 시스템에 축적

코치가 남긴 피드백이 AI의 지식으로 저장됩니다. 이후 선수가 질문하면, 일반적인 야구 지식이 아니라 코치가 실제로 사용하는 언어와 논리로 답변합니다.

📅

코치 교체 대응

코치가 바뀌어도 기록과 지식이 유지

저장된 지식은 특정 사람에 종속되지 않습니다. 코치가 교체되어도 이전 코치의 지도 방식이 남아 있고, 새 코치의 피드백이 추가되며 점진적으로 업데이트됩니다.

📊

역할별 리포트

같은 경기 데이터, 다른 관점의 보고서

투수코치, 타격코치, 감독이 각각 필요한 지표와 관점이 다릅니다. 역할별 템플릿을 설정하면, 같은 경기 데이터로 서로 다른 리포트가 자동으로 생성됩니다.

기술 원리

어떻게 이런 게 가능한가요?

핵심 3가지 기술 구조를 쉽게 설명합니다.

🧠

야구 전용 AI (RAG 기반)

일반 ChatGPT에 야구를 물어보면 교과서적 답변만 나옵니다.

우리 시스템은 RAG 방식으로:
1. 구단 DB에서 관련 데이터를 실시간 검색
2. 코치의 기존 피드백에서 유사 맥락 검색
3. 검색된 정보를 바탕으로 근거 있는 답변 생성

→ "아는 척"이 아니라 데이터에 기반한 답변

💾

구단 데이터 연결

TrackMan, 영상, 스카우팅 기록이 모두 하나로 연결됩니다.

· TrackMan CSV → 자동 파싱 → 투구 DB 적재
· 영상 → 투구 단위 타임스탬프 매핑
· 코치 코멘트 → 벡터 임베딩 → 지식 DB

→ 흩어진 데이터를 하나의 질문으로 꺼내는 구조

💬

카카오톡처럼

사용자는 Slack에서 평소 말하듯 질문합니다.

시스템 내부에서:
· 의도 파악 (영상? 데이터? 선수 검색?)
· 적절한 데이터 소스 선택
· 자연어로 답변 생성

→ 복잡한 프로그램 없이 대화만으로 모든 기능에 접근

기술 구조

전체 시스템은 이렇게 동작합니다

복잡해 보이지만, 사용자가 하는 일은 "질문하기" 하나뿐입니다.

💬 Slack Interface — 자연어 입력 / 결과 출력

▼

🎯 AI 오케스트레이터

의도 분류 / 라우팅 / 권한 검증

▼

Text-to-SQL 데이터 질문

영상 검색 클리핑 요청

유사도 분석 선수 탐색

리포트 생성 경기 분석 리포트

모니터링 감지 이상 징후 알림

▼

🗄️

TrackMan 투구 DB

RDS

🎬

영상 아카이브

S3

🧠

벡터 DB

코치 피드백 / 지식

중요한 것 하나

선수 정보와 전략 데이터, 안전한가요?

모든 데이터는 구단 전용 클라우드 안에서만 처리됩니다.

☁️

구단 전용 클라우드

다른 구단·외부와 완전 격리된 환경에서 운영

VPC 기반 격리 배포. 구단별 독립 인프라로 데이터가 물리적으로 분리

🔐

데이터 암호화

저장·전송 모든 단계에서 암호화 적용

저장 시 AES-256, 전송 시 TLS 1.3. LLM 호출 시 선수 식별 정보는 비식별화 처리 후 전송

📋

접근·조회 기록

누가 언제 어떤 정보를 봤는지 전부 기록

Audit Log 시스템: 모든 질의를 타임스탬프·사용자·질문 내용·응답 범위와 함께 자동 기록

👤

역할별 접근 제한

선수는 본인 정보만, 코치는 담당 선수만

RBAC: Slack 사용자 ID ↔ 구단 역할 매핑, 쿼리 실행 전 권한 자동 검증

🔌 Slack 연동 방식 — Socket Mode (WebSocket)
이 시스템은 Slack의 Socket Mode 방식으로 연결됩니다. 일반적인 HTTP 방식과 달리 서버를 외부에 공개하지 않고도 Slack과 안전하게 통신할 수 있습니다. 별도의 공개 URL이나 방화벽 설정 없이, 구단 내부 인프라에서 안정적으로 운영됩니다.

VPC (가상 사설 클라우드)
구단 전용 가상 울타리. 같은 클라우드 안에 있어도 다른 구단과 완전히 분리됩니다.

Audit Log (감사 로그)
누가, 언제, 어떤 정보를 봤는지 자동으로 기록되는 출입 기록부

RBAC (역할 기반 접근 제어)
역할에 따라 볼 수 있는 정보가 다르게 설정되는 보안 방식. 선수는 본인 것만, 코치는 담당 선수만.

한눈에 비교

무엇이 달라지나요?

7가지 핵심 상황의 변화를 정리합니다.

상황	😓 지금	✅ 앞으로	🔧 핵심 기술
영상 클리핑	4시간 수작업	2분 자동화	메타데이터 인덱싱 구간 자동 추출
데이터 질문	코치에게 직접	선수가 직접, 즉시	Text-to-SQL RAG
밤 11시 분석	간단한 조회에도 분석팀 경유	코치가 직접 조회, 분석팀은 심층 분석 집중	사전 집계 테이블 실시간 쿼리
경기 분석 리포트	기본 정리에 시간 소요	기본 리포트 자동화, 분석팀은 인사이트에 집중	파이프라인 LLM 리포트
유사 선수 탐색	2~3일 수작업	5분	벡터 임베딩 코사인 유사도
코치 피드백 기록	구두 전달	자동 배포 + 영구 기록	벡터 DB RAG 지식 축적
선수 이상 징후	코치가 직접 전수 확인	AI 자동 감지 + 알림	통계 기준선 트리거 시스템

시작하기

먼저 써보세요, 부담 없이

기술을 배울 필요 없습니다. 카카오톡 쓸 줄 알면 됩니다.

① 영상 자동 클리핑

영상 찾는 시간을 없앱니다

📁 TrackMan + 경기 영상 🕐 4주

② 데이터 자연어 질문

반복적인 수치 설명을 줄여줍니다

📁 TrackMan DB + 분석 리포트 🕐 3주

③ 자동 경기 분석 리포트

TrackMan 데이터 수신 후 분석이 자동으로 오는 환경

📁 위 데이터 + 역할별 템플릿 🕐 2주 (①② 이후)

새로운 데이터를 사는 것이 아닙니다.
이미 구단이 큰 비용을 들여 보유하고 있는 데이터를,
선수·코치·스카우트 현장 전체가 직접 쓸 수 있게 만드는 것입니다.

Slack 하나로달라지는 야구 현장

자연어 질문 → 바로 대답

영상 자동 찾기 → 바로 전달

보고서 자동 생성 → 데이터 수신 후 도착

구종 비율 (도넛)

구속 트렌드

스트라이크존 히트맵

전년 동기 대비

구단별 설정

코치 경험 축적

코치 교체 대응

역할별 리포트

야구 전용 AI (RAG 기반)

구단 데이터 연결

카카오톡처럼

구단 전용 클라우드

데이터 암호화

접근·조회 기록

역할별 접근 제한

① 영상 자동 클리핑

② 데이터 자연어 질문

③ 자동 경기 분석 리포트

Slack 하나로
달라지는 야구 현장