krossoverは、スポーツチーム向けに人工知能を活用した映像分析とアナリティクスを提供するスポーツテクノロジー企業である。このプラットフォームは、試合映像を自動的にキャプチャ、タグ付け、分類し、コーチや選手が特定のプレー、選手のパフォーマンス、対戦相手の傾向を手動でのフィルムスタディなしにレビューできるようにする。2010年代初頭に設立されたkrossoverは、スポーツアナリティクスが急速に成長した時期に登場し、機械学習を活用して生の映像を構造化された検索可能なデータに変換した。
このサービスは、バスケットボール、サッカー、アメリカンフットボールなど複数のスポーツで、高校からプロまでのレベルで使用されている。既存の映像キャプチャシステムと統合することで、krossoverはコーチがフィルム分析に費やす時間を削減し、戦略的意思決定と選手育成に焦点を移すことを可能にする。同社のアプローチは、データ駆動型の洞察が競争上の優位性の中心となっているスポーツ業界における人工知能アプリケーションの広範なトレンドと一致している。
歴史と設立
krossoverは、従来のスポーツフィルム分析における非効率性を認識した起業家とソフトウェアエンジニアのチームによって2011年に設立された。創業者にはCEOのLonny Bermanが含まれ、トップレベルの大学やプロプログラムのみが利用できた高度なアナリティクスを民主化することを目指した。同社は当初バスケットボールに焦点を当て、試合映像からシュート、リバウンド、ターンオーバーなどのイベントを検出するアルゴリズムを開発した。
2012年、krossoverはCourtside VCや他のスポーツ関連ファンドを含む投資家からシード資金を調達した。この資本により、エンジニアリングチームの拡大と、アクション認識のための独自のニューラルネットワークモデルの開発が可能になった。2014年までに、プラットフォームは10万試合以上を処理し、同社は既存のアナリティクスプロバイダーがほとんどサービスを提供していなかった高校およびAAUチームへのサービス提供を開始した。
テクノロジーと機能
krossoverのプラットフォームの中核は、深層学習技術を用いてイベントをリアルタイムで識別およびラベル付けする映像分析エンジンである。このシステムは、注釈付きスポーツ映像の大規模データセットで訓練されたコンピュータビジョンアルゴリズムを使用し、選手の動き、ボールの軌道、ゲームルールを認識できる。例えば、バスケットボールでは、AIは成功したスリーポイントシュートと失敗したフリースローを区別し、プレーバイプレイのログを自動生成できる。
コーチは、統計、ヒートマップ、特定のイベントにリンクされたビデオクリップを表示するウェブベースのダッシュボードを通じて結果にアクセスする。プラットフォームはカスタムタグ付けをサポートしており、ユーザーはディフェンシブローテーションやピックアンドロールカバレッジなどの独自のカテゴリを定義できる。krossoverはまた、移動中のレビューのためのモバイルアプリケーションを提供し、そのAPIはサードパーティのスカウティングツールとの統合を可能にする。
主要な差別化要因は、異なるカメラアングルや照明条件でのモデル精度を向上させるためのデータ拡張の使用である。同社は、ユーザーフィードバックと新しい試合映像に基づいてアルゴリズムを継続的に更新しており、これはモデルが徐々に複雑なシナリオで訓練されるカリキュラム学習に似たプロセスである。この反復的な改良により高い精度率が維持されているが、正確な数値は公表されていない。
市場への影響と採用
krossoverは、ユースクラブからプロのフランチャイズまで、幅広い組織に採用されている。注目すべきクライアントには、いくつかのNCAAディビジョンIバスケットボールプログラムやヨーロッパのサッカーアカデミーが含まれる。手動のスカウティングサービスと比較したプラットフォームの手頃な価格は、予算が限られた小規模校の間で人気を博している。
同社はまた、キャプチャから分析までのパイプラインを合理化するために、ビデオハードウェアメーカーと提携している。例えば、カメラシステムとの統合により、試合映像をクラウドに自動アップロードし、数時間以内に処理することができる。このワークフローは、週に複数試合を行うチームにとって重要な要素である、試合後の分析のターンアラウンドタイムを短縮する。
2018年、krossoverは累計100万試合以上を処理したと報告し、その規模を示すマイルストーンとなった。しかし、競争環境には他のスポーツアナリティクス企業が含まれており、krossoverはニッチなスポーツとユーザーフレンドリーなデザインに焦点を当ててその地位を維持している。同社は収益数値を開示していないが、継続的な運営は実行可能なビジネスモデルを示唆している。
課題と今後の方向性
その成功にもかかわらず、krossoverはAIベースのスポーツ分析に共通する課題に直面している。映像品質、カメラアングル、ルール解釈のばらつきはタグ付けエラーにつながる可能性があり、人間による監視が必要となる。同社は、AIの提案が訓練されたアナリストによってレビューされるハイブリッドモデルを実装することでこの問題に対処しており、これは自動化と精度のバランスを取る実践である。
今後、krossoverはバレーボールやラクロスなどの新しいスポーツへの拡大と、プレイヤートラッキングや空間分析などのより高度なメトリクスの組み込みを目指している。生成AIの統合により、自動化されたハイライトリールやナレーション付きサマリーが可能になる可能性があるが、そのような機能はまだ開発中である。2024年現在、同社は独立して運営を継続しており、買収や大きな方向転換の公的な発表はない。