子ども 3 人が少年野球をしていて、私もコーチとして週末グラウンドに立っています。一緒にグランドに立ち、ノックを打ち、スコアを分析する。そんな現場で、ふと頭をよぎるのが MLB で進む AI 活用の話なんですよね。Statcast の打球速度、配球の傾向分析、選手のバイオメカニクス——プロの現場では、もはや「データを見ない」という選択肢が消えつつあります。
では、その流れのどこまでが、土埃の舞うグランドの少年野球に持ち込めるのでしょうか。スマホ 1 台と無料アプリで何ができて、何ができないのか。週末コーチとして実際に試してみた範囲と、できれば触れたくない限界の話を、できるだけ正直に書いてみます。
MLB で今、AI が触れている領域はどこか
ざっくり整理すると、MLB での AI 活用は大きく 4 層に分かれている印象です。
層 | 何をしているか | 使うデータ |
|---|---|---|
トラッキング | 投球・打球・走塁・守備位置の全数値化 | Statcast（高速度カメラ + レーダー） |
戦術最適化 | 配球パターン・守備シフト・代打起用の確率計算 | 過去対戦データの蓄積 |
動作解析 | 投球フォームと故障リスクの相関、スイング軌道 | バイオメカニクス・モーションキャプチャ |
レポート自動化 | スカウティング・対戦相手分析の文章化 | 生成 AI による要約 |
注目すべきは、近年ここに生成 AI レイヤーが乗ってきたことです。これまで人間アナリストが書いていた対戦相手のスカウティングレポートを、LLM が一次ドラフトを書き、人間が最終確認する流れになりつつあります。一方で、土台のトラッキングデータは依然として 専用ハードウェアと膨大な蓄積データに依存しています。
つまり、プロの現場では「測れるものは全部測る」段階に入っているわけですが、その全部はスタジアム設備と分析チームありきの話です。河川敷でそのまま再現できる代物ではありません。
測ること自体はテクノロジーの仕事だが、測ったデータを誰に・何のために・どう伝えるかは、依然として人間の仕事である。
少年野球に持ち込めそうな 3 つの領域
プロの仕組みをそのまま降ろすのは無理筋ですが、構造をバラして「これは無料で再現できるな」という部分を抜き出すと、私の手元では 3 つの領域が残りました。
1) スマホでのフォーム撮影と動作解析アプリ
スイングや投球フォームをスマホで撮って、無料〜数百円のアプリにかける。アプリによっては「ヘッドスピード推定」「軸の傾き」「リリースタイミング」といった数値を返してくれます。プロが使う機材の精度には遠く及びませんが、素人コーチが目視で見逃す変化を可視化するには十分です。
2) スコアブックアプリでの打席記録
これは AI というより蓄積の話ですが、無料のスコアブックアプリに 1 年分の打席記録を入れておくと、コース別の傾向や対投手別の成績が出ます。**「外角低めに弱い」「左投手で打率が落ちる」**といった傾向は、データを溜めればちゃんと出てきます。低学年だとサンプル数が足りない問題はありますが。
3) 生成 AI による練習メニュー案出しと保護者向け文章作成
これは正直、一番ラクになりました。「小学 3 年生 15 人、練習時間 2 時間、捕球が課題のチーム向けにメニューを」と投げれば、それなりのたたき台が返ってきます。試合の振り返り文を保護者向けに整える作業も、自分でゼロから書くより 3 倍速いです。
ここまでで、初期費用ほぼゼロ。子ども相手だからこそ慎重になるべき点はあとで書きますが、「触ってみる」ハードルは劇的に下がっています。これは企業の生成 AI 活用と全く同じ構造で、生成 AI の業務実装で、最初に必ず躓く 3 つの設計判断 で書いた話とも重なります。
やってみて分かった、技術より先に詰まるところ
ここからが本題です。
低学年の試合後、息子の打席を 4 打席分スマホで撮って、無料の動作解析アプリにかけてみました。アプリは「軸の傾き 12 度」「ヘッドスピード推定 約 95 km/h」といった数値を返してくれます。数字としては悪くない。
ただ、本人に見せても「ふーん」で終わりました。
白状すると、私は最初、数値を見せれば子どもが食いつくと思っていたんですね。それは完全に大人の発想でした。8 歳の子に「肘の角度が」と説明しても、刺さらない。データが正しくても、伝え方と関係性のほうが先にあります。
翌週、同じ動画を見ながら「ここで足が開いてるの分かる?」と本人に問いかける形に変えたら、急に食いつきが変わりました。AI が出した数値を私が一度かみ砕いて、子どもが自分で気づける問いに変換する。この一手間を抜くと、データはただの画面の数字で終わります。
もう一つ、運用面で慎重になるべき点。
データ共有を保護者間でどこまでやるか、という問題があります。「うちの子の打席データを共有する/しない」「他の子の成績と並べる/並べない」——これ、合意形成を飛ばすと確実にトラブルになります。私は今、全体データはチームの集計値のみ、個人データは各家庭にだけという線で運用していますが、ここの線引きはチームの空気で変わります。
技術的な可能性は確かに広がっているのですが、現場で詰まるのはほぼ毎回「人の側」です。
低学年 15 人のチームで 1 シーズン回してみた手応え
実際に今シーズン、私が関わっている低学年チーム（在籍 15 人、毎週末 2 時間練習）で、上に書いた 3 領域を 1 年回してみました。具体的な手応えはこんな感じです。
- フォーム撮影：シーズン中に 18 名分 × 平均 6 回ほど撮影。動画は LINE グループで本人と保護者にだけ共有
- スコア記録：年間 32 試合分を 1 つのアプリに蓄積。シーズン終盤、打順を組むときに初めて役に立った
- 生成 AI で組んだ練習メニュー：全 28 回の練習のうち 20 回で AI のたたき台を使用。ただし採用率は 7 割、3 割は当日の天候・子どもの集中力・グラウンドの広さに合わせて現場で組み替え
数字だけ見ると優秀そうですが、現場感覚で言うと「コーチの準備時間が体感 4 割減った」のが一番大きい効果でした。子ども一人ひとりの成長指標がどう動いたかは、正直 1 シーズンでは判定できません。これは来シーズンも続けて、定点観測していくつもりです。
「出てきた案を 7 割採用、3 割は現場で組み替える」——この比率、企業の現場で生成 AI を業務に組み込むときの感覚とほぼ同じだなと思っています。AI に丸投げでも、AI を拒絶するでもない、真ん中の運用比率みたいなものが業務ごとにある気がしています。
現場の「ひと手間」を企業の AI 活用に持ち帰る
少年野球の話を長々と書きましたが、私が一番伝えたかったのは、AI が出したデータをそのまま現場に置いても何も起きない、という構造の話です。河川敷でも、企業の業務現場でも、ここはほとんど同じだと感じています。
数値を出すのは AI の仕事、それを現場の人が反応できる問いに翻訳するのは人の仕事。この「ひと手間」を誰が引き受けるか決まっていない PoC は、だいたい途中で止まります。
生成 AI を自社業務に持ち込もうとして、どこから手を付けるか迷っている——そんな段階の方は、論点を持ち寄る相談として contact からご連絡ください。河川敷で得た知見が、必ずしも会議室で通用するとは限らないですが、構造の話なら一緒に整理できると思います。
関連記事：
