Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
SSII2025 [SS2] 横浜DeNAベイスターズの躍進を支えたAIプロダクト
Search
画像センシングシンポジウム
PRO
May 26, 2025
Research
7
4k
SSII2025 [SS2] 横浜DeNAベイスターズの躍進を支えたAIプロダクト
画像センシングシンポジウム
PRO
May 26, 2025
Tweet
Share
More Decks by 画像センシングシンポジウム
See All by 画像センシングシンポジウム
SSII2025 [OS3] どの論文でもダメなんだけど! 〜実応用とその課題〜
ssii
PRO
2
1.3k
SSII2025 [OS3-01] End-to-End自動運転の実応用の現場から
ssii
PRO
6
2.8k
SSII2025 [OS3-02] 広告における画像生成技術の実応用の現状
ssii
PRO
6
1.4k
SSII2025 [OS3-03] 有機ミニトマト農場におけるロボット開発と基礎研究
ssii
PRO
0
1k
SSII2025 [OS2-01] 自動運転の性能と共に進化するセンシングデバイス
ssii
PRO
2
1.9k
SSII2025 [TS3] 医工連携における画像情報学研究
ssii
PRO
3
1.3k
SSII2025 [OS2] 新たなセンシングの潮流
ssii
PRO
1
610
SSII2025 [OS2-02] イベントカメラの研究紹介と可視光通信への応用
ssii
PRO
1
1.1k
SSII2025 [OS2-03] マルチ/ハイパースペクトル領域における高度な画像撮影および処理技術
ssii
PRO
2
1.2k
Other Decks in Research
See All in Research
Combinatorial Search with Generators
kei18
0
860
Adaptive Experimental Design for Efficient Average Treatment Effect Estimation and Treatment Choice
masakat0
0
120
EarthSynth: Generating Informative Earth Observation with Diffusion Models
satai
3
310
多言語カスタマーインタビューの“壁”を越える~PMと生成AIの共創~ 株式会社ジグザグ 松野 亘
watarumatsuno
0
130
AIグラフィックデザインの進化:断片から統合(One Piece)へ / From Fragment to One Piece: A Survey on AI-Driven Graphic Design
shunk031
0
490
Stealing LUKS Keys via TPM and UUID Spoofing in 10 Minutes - BSides 2025
anykeyshik
0
130
Remote sensing × Multi-modal meta survey
satai
3
390
超高速データサイエンス
matsui_528
1
120
【輪講資料】Moshi: a speech-text foundation model for real-time dialogue
hpprc
3
710
問いを起点に、社会と共鳴する知を育む場へ
matsumoto_r
PRO
0
640
Vision and LanguageからのEmbodied AIとAI for Science
yushiku
PRO
1
540
日本語新聞記事を用いた大規模言語モデルの暗記定量化 / LLMC2025
upura
0
230
Featured
See All Featured
Embracing the Ebb and Flow
colly
88
4.8k
CoffeeScript is Beautiful & I Never Want to Write Plain JavaScript Again
sstephenson
162
15k
Building Applications with DynamoDB
mza
96
6.6k
What’s in a name? Adding method to the madness
productmarketing
PRO
23
3.7k
How GitHub (no longer) Works
holman
315
140k
The Invisible Side of Design
smashingmag
301
51k
Helping Users Find Their Own Way: Creating Modern Search Experiences
danielanewman
30
2.9k
Git: the NoSQL Database
bkeepers
PRO
431
66k
The MySQL Ecosystem @ GitHub 2015
samlambert
251
13k
Put a Button on it: Removing Barriers to Going Fast.
kastner
60
4k
Mobile First: as difficult as doing things right
swwweet
224
9.9k
Evolution of real-time – Irina Nazarova, EuRuKo, 2024
irinanazarova
8
950
Transcript
横浜DeNAベイスターズの躍進を ⽀えたAIプロダクト 2025.5.29 ⼤⻄克典 (DeNA)
© DeNA Co., Ltd. 2 ⾃⼰紹介 • ⼤⻄克典 • 略歴
◦ 2014-2017: 東京⼤学原⽥牛久研でComputer Visionの研究 ▪ 修士時代: CVPR, ACMMM, AAAI ◦ 2017: DeNAに新卒で⼊社 ▪ 横浜DeNAベイスターズ×AIプロジェクトの新規⽴上&主導 • 現在のRole ◦ プロダクトマネージャー 1
© DeNA Co., Ltd. 3 アジェンダ • ベイスターズチーム強化 × AIプロジェクト:プロダクト具体例
◦ Catcher skill metric ◦ 投⼿コマンド ◦ スイング動作解析 • AIをユーザー価値に繋げるための⼯夫 ◦ プロダクトマネジメント ◦ アジャイル 2
© DeNA Co., Ltd. 4 プロダクト具体例 Catcher skill metric 投⼿コマンド
スイング動作解析
© DeNA Co., Ltd. 5 Catcher skill metric • キャッチャーの各スキルを定量的に評価できるように
1 Data Trackman / Hawkeye AI model Skill visualization
© DeNA Co., Ltd. 6 Catcher skill metric • 1球単位で捕逸確率を予測
◦ ブロッキングスキルをより正確に評価 1 Old stats 暴投 or 捕逸 10-0 or 0-10 ⽚⽅の責任 / 減点⽅式 / ⼀律評価 AI stats 捕球難易度を推定 2 : 8 責任割合の分解 / ⽌めたら加点 / 難易度で評価に濃淡
© DeNA Co., Ltd. 7 Catcher skill metric • 単にデータ提供だけでなく、可視化まで⼀貫して作成
◦ 詳細な分析や振り返りも可能に 1
© DeNA Co., Ltd. 8 Catcher skill metric • 現在地点と⽬標地点を明確にできるのが最も効果的だった
◦ 選⼿が漠然と練習から明確な⽬的意識を持って練習に ◦ コーチもデータがあることではっきりと選⼿に伝えやすくなる 1 もっとブロッキング 良くせんとあかんぞ 全然体⼊れられてないやん うーん…やっぱそうですか わかりました (あまりしっくりはきてない) コーチ 選⼿ ブロッキングで-4点分損してるぞ! 特に曲がり球逸らしまくってる (実際に映像⾒せながら) ほら!全然体⼊れられてないやん ほんとですね…! そこもっと重点的に勉強します コーチ 選⼿
© DeNA Co., Ltd. 9 投⼿コマンド • コマンドとは? 2 コントロール
枠の中に投げる能⼒ 四球% 今永選⼿ > ⼤貫選⼿ ≧ ⽯⽥健選⼿ コマンド 狙ったところに投げる能⼒ 実際の制球⼒ ⼤貫選⼿ ≧ 今永選⼿ > ⽯⽥健選⼿ [2023]
© DeNA Co., Ltd. 10 投⼿コマンド • コマンド能⼒を測定可能に 2 映像からミット構えた位置を推定
コマンドスコア化
© DeNA Co., Ltd. 11 投⼿コマンド • 単にデータ提供だけでなく、可視化まで⼀貫して作成 ◦ 詳細な分析や振り返りも可能に
2
© DeNA Co., Ltd. 12 投⼿コマンド • Pitcher skill metricの活⽤
◦ コマンドスキルの定量化によってPitcher版skill metricが作成可能に 2 コーチたちとデータを ⾒ながら議論する定例 選⼿へのFB
© DeNA Co., Ltd. 13 スイング動作解析 • 試合でのスイングを動作解析できるように 3 ハイスピードカメラ
600fps 4台 解析点を3D検出 関節 / バット / ボール 簡易分析ツールも作成 バイオメカニストによる動作解析
© DeNA Co., Ltd. 14 スイング動作解析 • バイオメカニストのFB件数を激増させることに成功 3
© DeNA Co., Ltd. 15 AIをユーザー価値に繋げるための⼯夫
© DeNA Co., Ltd. 16 AIをユーザー価値に繋げるための⼯夫 • キーワードはこの⼆つ ◦ プロダクトマネジメント
◦ アジャイル 1
© DeNA Co., Ltd. 17 AIをユーザー価値に繋げるための⼯夫: プロダクトマネジメント • プロダクトマネジメントって…? ◦
『⼈はドリルが欲しいのではなく⽳をあけたいのだ』 (セオドア・レビット) ◦ 『もし顧客に、彼らの望むものを聞いていたら彼らは「もっと速い⾺が欲しい」 と答えていただろう』(ヘンリー・フォード) • 投⼿コマンドの例で紹介 2
© DeNA Co., Ltd. 18 AIをユーザー価値に繋げるための⼯夫: プロダクトマネジメント • コマンドは計測できるようになったが… ◦
当初のリクエスト:1軍レベルの制球⼒を知りたい 2 2軍投⼿コーチ 制球⼒が測れなくて困ってる 1軍レベルのコマンドって どれくらい? AIチーム コマンドを計測可能にしました! でもここが1軍レベルって ライン特になかったです… いやいや! コマンド計測できるようになった だけでめっちゃありがたい ここで終わっていいのだろうか…?
© DeNA Co., Ltd. 19 AIをユーザー価値に繋げるための⼯夫: プロダクトマネジメント プロダクトの4階層フレームワークで整理 • 2軍投⼿コーチはコマンドを知りたいのではない
◦ 1軍レベルに選⼿を引き上げたい 2
© DeNA Co., Ltd. 20 AIをユーザー価値に繋げるための⼯夫: プロダクトマネジメント • 開発⽅針をpivot ◦
1軍ラインとコマンドスコアのギャップを埋めるべき! • Pitcher版skill metricの発⾒ ◦ コマンド+他データで1軍ラインまでの距離がわかることを解明 2 コマンドスコア ??? ルーキー 1軍平均レベル 1軍レギュラー
© DeNA Co., Ltd. 21 AIをユーザー価値に繋げるための⼯夫: アジャイル • アジャイルとは? ◦
シンプルだが動くものを作って、ユーザー価値を検証しながら進めていくこと ◦ 例)⽔を貯めるバケツを作る 3 各部品をシーケンシャルに開発 • 完成系のイメージを基にそれぞれ作る • 各部品完成後に結合 最低限動くものを少しずつ作る(MVP) • スコープをギリギリまで絞る • バケツ:まずは⽔を掬える浅い桶
© DeNA Co., Ltd. 22 AIをユーザー価値に繋げるための⼯夫: アジャイル • ウォータフォールとアジャイルの違いの1例 3
メリット • 開発難易度が低い • スケールしやすい デメリット • 結合してみるまで動くかわからない • 仕様変更や障害への対応難易度⾼い デメリット • 開発難易度が⾼い • スケールしにくい メリット • 動かしてみての課題が常に把握できる • 変更や障害に柔軟に対応しやすい
© DeNA Co., Ltd. 23 AIをユーザー価値に繋げるための⼯夫: アジャイル • スイング動作解析 ◦
3D検出だが、実は皆さんが想像してるような⾼度なアルゴリズムは使ってない ◦ ベースは固定環境で2Dkeypoint検出を最後三⾓測量してるだけ • なぜか? ◦ 過去別プロダクトでの失敗を踏まえての開発プロセス ▪ 昔あれもこれも詰め込んでリリースしたが、実際にユーザーの価値にはつな がらない機能ばかりなプロダクトを作った失敗があった… ◦ なのでまずは最短でシンプルに作って、ユーザーに実際にぶつけてみた 3
© DeNA Co., Ltd. 24 AIをユーザー価値に繋げるための⼯夫: アジャイル • ユーザーの反応 ◦
関節点に関してはこれで既に精度⼗分 ▪ 600fps下では⼈の関節の移動量は⼩さい ▪ 移動平均取れば⼗⼆分な精度が出る ◦ ただバットの軌道だけは移動量が⼤きく、ここだけもっと精度欲しい ▪ バットの精度向上に注⼒することに! 3
© DeNA Co., Ltd. 25 AIをユーザー価値に繋げるための⼯夫:まとめ • プロダクトを作ることは、仮説を検証すること ◦ プロダクトマネジメント
▪ What/Howだけでなくその上のWhy/Visionまで常に考える • これを作ればいいはずはあくまで仮説 ◦ アジャイル ▪ シンプルに動くものを作ってユーザー価値を検証しながら進める • ユーザーが本当に欲しいものは誰も知らない(ユーザー⾃身含め) • 必要な精度は解決したい課題によって決まる 4
© DeNA Co., Ltd. 26