슛이 빗나갔다. AI는 이유를 알까?
들어간 슛과 빗나간 슛을 나란히 보면 작은 차이가 눈에 들어옵니다. AI가 몸의 움직임을 짚어 주는 시대, 우리는 그 차이를 어디까지 믿어도 될까요? 농구 영상 두 개를 비교하며 분석과 코칭 사이를 살펴봅니다.
AI & SPORTS / 04
슛 영상 두 개를 나란히 놓아 보자. 하나는 들어갔고, 하나는 빗나갔다. 두 번째 영상에서 팔꿈치가 조금 낮아 보인다. 그러면 꽤 그럴듯한 설명이 생긴다. 팔꿈치가 내려가서 공이 안 들어간 게 아닐까.
여기에 AI가 찍어 준 점과 선까지 더해지면 설명은 한층 정확해 보일 것이다. 눈으로 어렴풋이 보던 차이에 좌표가 붙었으니까. 그런데 그 숫자는 어디까지 말해 줄 수 있을까. 두 슛의 차이를 찾았다는 것과 실패의 원인을 찾았다는 것은 같은 일이 아니다.
몸에 점을 찍는 기술
이런 분석의 바탕이 되는 기술 중 하나가 자세 추정이다. Google의 MediaPipe Pose Landmarker는 사진이나 영상에서 어깨, 팔꿈치, 손목 등을 포함한 몸의 33개 지점이 어디 있는지 추정한다. 이름은 낯설지만, 영상을 보며 몸의 주요 위치에 표시를 붙이는 일을 떠올리면 이해하기 쉽다.
이 좌표들을 영상에 겹쳐 놓으면 사람이 동작을 비교할 재료가 생긴다. 슛을 준비할 때와 공을 놓은 뒤의 팔 위치를 다시 살펴보는 식이다. 빠르게 지나간 동작을 이야기할 때 “아까 그 부분” 대신 같은 장면을 가리킬 수 있다는 데 쓰임이 있다.
다만 이 도구가 출력하는 것은 몸의 위치다. 농구 슛의 정답을 알려 주는 완성된 코칭 앱은 아니다. 좌표에 어떤 의미를 붙일지, 농구 동작을 어떻게 평가할지는 그다음의 문제로 남는다.
두 영상을 같은 장면이라고 봐도 될까
처음의 두 슛으로 돌아가 보자. 낮아 보이는 팔꿈치를 고치기 전에 확인할 일이 있다. 첫 영상은 공을 놓기 직전이고, 두 번째 영상은 팔을 올리는 중이라면 어떨까. 서로 다른 순간을 멈춰 놓고 자세가 달랐다고 말하고 있는 셈이다.
카메라의 위치도 살펴야 한다. 같은 방향에서 찍었는지, 팔이 몸통이나 다른 사람에게 가려지지는 않았는지. 화면 밖으로 나간 팔꿈치까지 분명하게 보았다고 할 수는 없다. AI가 좌표를 내놓았더라도 그것이 원본 영상의 어느 부분을 가리키는지 함께 봐야 하는 이유다.
촬영 조건을 맞췄다고 해서 이야기가 끝나지는 않는다. 첫 번째는 자유롭게 던진 슛이고 두 번째는 수비를 피해 던진 슛일 수 있다. 거리가 달랐을 수도 있다. 한쪽은 익숙한 동작이고 다른 쪽은 새로 배운 동작을 시험한 것일 수도 있다. 이 차이를 빼고 팔꿈치 하나만 비교하면 설명이 너무 빨리 끝난다.
영상에 없는 설명은 사람에게서
그래서 연습 영상을 함께 볼 때는 표시된 숫자 외에 선수의 설명도 필요하다. “두 번째에는 무엇을 바꿔 보려고 했나요?”라고 물으면, 겉으로 비슷한 슛 두 개를 다른 시도로 이해하게 될 수도 있다.
이것은 AI 분석을 쓸모없다고 말하는 이야기가 아니다. 무엇을 다시 볼지 찾는 데 도움을 받되, 발견한 차이를 곧바로 고칠 문제로 삼지 말자는 이야기다. 실제로 자세를 바꾸기로 한다면 촬영 조건, 연습 목적, 지도자의 관찰을 함께 검토할 일이다.
다음에 슛 영상을 본다면 AI가 짚은 위치부터 원본과 맞춰 보고 싶다. 그리고 던진 사람에게 그때 무엇을 해 보려 했는지 묻고 싶다. 그 답을 듣기 전까지는 낮아 보이는 팔꿈치를 ‘고쳐야 할 문제’가 아니라 ‘다시 볼 부분’으로 남겨 두는 편이 낫다.
자료: Google AI Edge · Pose landmark detection guide · 확인 2026.09.22
두 슛은 설명을 위한 가상 예시입니다.