유럽 e스포츠 '팀 리퀴드', AI로 상대 전략 35% 예측
SAP 클라우드·AI가 핵심
경기 데이터 600만개 분석해 신규 선수 영입
토마스 에써(Thomas Esser) SAP 글로벌 스폰서십 부문 시니어 디렉터가 지난 9일 SAP코리아 본사에서 인터뷰하는 모습(사진=김가은 기자) |
<이미지를 클릭하시면 크게 보실 수 있습니다> |
[이데일리 김가은 기자] “인공지능(AI) 기반 엔진으로 상대 팀 ‘밴픽(게임 내 캐릭터를 선택해 조합하는 전략 행위)’을 시뮬레이션하고, 승률을 예측하고 있다. 프로 경기 데이터를 학습시키면 정확도가 35%까지 높아진다”
토마스 에써(Thomas Esser) SAP 글로벌 스폰서십 부문 시니어 디렉터는 이데일리와 만나 “SAP 분석 클라우드를 통해 밴픽 전과 후의 예측 결과를 보여주고 있다”며 “팀 리퀴드는 어떻게 더 좋은 캐릭터 조합을 만들지, 훈련은 어떤 식으로 할 지를 AI 학습을 통해 진행하고 있다”고 강조했다.
올해 항저우 아시안게임 정식 종목으로 채택된 e스포츠는 단순한 게임을 넘어 과학 기술을 접목한 첨단 산업으로 발전 중이다. 국내 e스포츠 시장 규모만 해도 9200만달러(1214억8600만원)에 달한다. 여느 산업과 마찬가지로 e스포츠 또한 인공지능(AI)과 데이터를 기반으로 혁신을 거듭하고 있다.
게임 내 데이터와 선수들의 기량을 분석하는 것은 물론, 상대팀의 전략과 승률을 예측해 효과적인 전략을 구사해야만 승리를 담보할 수 있어서다. 뿐만 아니라 새로운 인재를 발굴하고 모집하는 과정 또한 데이터를 기반으로 이뤄진다.
팀 리퀴드 구단이 SAP AI 기술을 활용해 밴픽 전략과 승률을 예측한 모습(사진=김가은 기자) |
<이미지를 클릭하시면 크게 보실 수 있습니다> |
이 같은 기술을 적극 도입하고 있는 대표적인 팀이 바로 유럽 e스포츠 구단 ‘팀 리퀴드’다. ‘2023 리그 오브 레전드(롤, LOL) 월드 챔피언십’에 진출한 팀 리퀴드 구단은 약 5년 전부터 글로벌 소프트웨어(SW) 기업 SAP의 지원을 받아왔다. 경기 준비부터 팀·선수 성적 분석, 신규 선수 영입 등에 SAP 솔루션을 활용 중인 것이다.
특히 주목할 만한 부분은 게임 경기 결과에 큰 영향을 미치는 상대팀 밴픽 전략을 예측한다는 점이다. SAP가 보유한 클라우드 기술을 통해 선수들의 경기 데이터를 분석하고, 최대 35% 정확도를 보유한 AI 모델이 전략을 예측·실행한다.
이후 팀 리퀴드 선수들은 실제 경기 전 AI가 구현한 가상 전략에 맞춰 시뮬레이션을 해볼 수 있다. 뿐만 아니라 밴픽에 따른 경기 결과 또한 도출한다. 팀 리퀴드는 이 같은 기술을 활용해 승률이 높은 게임 캐릭터 조합과 훈련 방법을 찾아내고 있다.
토마스 디렉터는 “딥러닝 아키텍쳐를 도입해 사용하고 있다”며 “예측을 할 때는 선수들의 과거 성적, 게임 내 행동 패턴, 관련 핵심성과지표(KPI)를 모두 활용하고 있다”고 설명했다.
신규 선수 영입 또한 SAP 기술을 기반으로 진행된다. 전 세계 상위 게이머 6만5000명의 경기 영상을 분석해 도출한 데이터 600만개를 활용하는 점이 핵심이다. 쉽게 말해, 선수 개개인의 역량을 수치로 정확하게 파악, 더 실력 있는 선수를 발굴할 수 있게 된 것이다.
그는 “과거에는 선수 인맥이나 추천에 의존하는 아날로그 방식으로 선수를 발굴해 시간이 오래 걸리거나, 일관성이 부족한 사례가 많았다”며 “방대한 양의 경기 자료를 SAP 클라우드로 실시간 처리해, 더 유망한 선수를 발굴할 수 있다”고 역설했다.
국내 리그오브레전드 프로팀들 또한 SAP가 보유한 기술에 관심을 표하고 있다. SK텔레콤 ‘T1’, 젠지(Gen.G) 등 한국 팀들과 논의 중인 사항이 있는지 묻자 토마스 디렉터는 “SAP 기술을 활용하려는 몇몇 한국팀들과 논의하고 있다”면서도 “공식화돼 있지 않아 언급하기 어렵다”고 말을 아꼈다.
팀 리퀴드 구단의 리그오브레전드 8강 경기를 분석한 화면(사진=김가은 기자) |
<이미지를 클릭하시면 크게 보실 수 있습니다> |
이 기사의 카테고리는 언론사의 분류를 따릅니다.
기사가 속한 카테고리는 언론사가 분류합니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.