Kenaikan kecerdasan buatan (AI) telah mempengaruhi setiap industri, tetapi eksploitasi data dalam Major League Baseball (MLB) adalah definisi perubahan permainan. Sumber data baru terus muncul,” kata Oliver Dykstra, insinyur data di tim MLB Texas Rangers, yang memberi tahu ZDNET bagaimana tugasnya untuk mengubah informasi yang dikumpulkan organisasi menjadi keuntungan kompetitif. Dykstra telah bersama Rangers sejak Oktober 2022 dan merupakan bagian dari tim di balik layar yang mendukung pemain dalam kemenangan World Series mereka pada tahun 2023. “Ini tim yang hebat untuk bekerja,” katanya. “Menakjubkan melihat dampaknya langsung dalam situasi nyata. Saya belum pernah memiliki pekerjaan di mana Anda bisa merayakan kemenangan Anda seperti yang Anda bisa dalam tim olahraga.” Dykstra telah mempelajari beberapa pelajaran penting selama dua tahun bersama Rangers. Berikut adalah lima cara AI dan data membantu mengubah dunia bisbol. 1. Memberikan prediksi yang lebih baik Dykstra mengatakan hal utama yang dipelajarinya dari menggunakan AI adalah pentingnya pertandingan prediktif berbasis data. “Kita bisa menjalankan skenario itu jauh lebih cepat dan mendapatkan gambaran yang lebih baik tentang apa yang ada di luar sana,” katanya. “Ini tentang kemampuan untuk bermain-main dengan pertandingan ini dan menjalankan simulasi untuk melihat bagaimana permainan bisa berjalan jika kita memasukkan orang ini atau yang lain atau melakukan urutan pitch tertentu.” Dykstra mengatakan departemennya memiliki ratusan model yang mencakup area yang terus-menerus menghasilkan informasi segar. “Dari level teratas, kami melakukan prediksi selama musim – berapa banyak kemenangan yang kami pikir akan kami dapatkan, dan tim lain di divisi kami. Kami sangat akurat pada tahun 2023.” Kebiasaan pemukul adalah area penting lainnya untuk prediksi. “Dengan menciptakan pertandingan itu, Anda bisa mendapatkan gambaran yang cukup jelas di mana pemukul lebih mungkin untuk melewatkan pukulan,” katanya. Jenis wawasan semacam itu bisa krusial bagi para pelempar. Namun, seperti halnya wawasan dari proyek yang didukung AI lainnya, dampak budaya penggunaan data harus dipertimbangkan. “Anda tidak bisa menjadi pelempar dengan melakukan apa pun yang seseorang katakan kepada Anda,” katanya. “Mereka memiliki rasa yang kuat di mana mereka berada. Jadi, tugas kita adalah memberdayakan mereka sebanyak mungkin.” 2. Menciptakan kemitraan baru Bakat data internal bukan satu-satunya sumber daya penting. Hubungan kerja tim MLB yang sukses membentang lebih dari perusahaan. Dykstra mengatakan Rangers mengumpulkan data dari berbagai sumber dan menggunakan kombinasi Apache Airflow dan platform orkestrasi dan observasi Astronomer untuk memastikan staf dan pemain menerima wawasan tepat waktu. “Kami menginginkan sesuatu yang bisa dinamis dan lebih mudah dikelola dan memberi kami banyak wawasan,” katanya. Departemennya bekerja dengan Astronomer untuk membantu mengelola implementasi Airflow dan jumlah data yang sedang diproses. “Kami tidak hanya bekerja dengan tingkat pro. Pikirkan tentang sifat dinamis permainan. Kapan saja, Anda bisa memiliki satu pertandingan dalam sehari atau 1.000 di seluruh negeri dan dunia,” katanya. “Aliran data tidak konsisten, dan jika informasi dalam salah satu dari bagian itu mulai memakan waktu lebih lama, itu bisa mengacaukan seluruh rantai. Mengelola infrastruktur pendukung akan memerlukan banyak pemeliharaan dan berarti kami tidak bisa melihat ke masa depan sebanyak yang kami inginkan.” 3. Menghapus tugas manual Dykstra menggambarkan bisbol sebagai industri yang banyak teks. Rangers mengandalkan para pengintai di seluruh dunia. Mengubah laporan tertulis mereka menjadi data yang berguna bisa menjadi pekerjaan yang sulit – dan di situlah kecerdasan buatan generatif (Gen AI) bisa membantu. “Ada banyak istilah rahasia dan kode yang digunakan pengintai. Terlalu banyak bagi satu orang untuk membaca semua informasi itu, dan terkadang sulit untuk dipahami,” katanya. “Mengekstrak nilai itu bisa sulit. Tetapi dengan LLMs dan generative AI, kita bisa menyaring ringkasan ini, memberikan kamus besar untuk menerjemahkan frasa kunci, dan merangkum.” Dykstra mengatakan banyak dari pekerjaan tim dengan Gen AI bersifat eksploratif, termasuk proyek untuk membantu mengubah informasi pengintai menjadi wawasan yang berguna. Dia mengatakan organisasi telah menggunakan Llama LLM. Mitra teknologi franchise lainnya, termasuk Databricks dan Amazon, mendukung penyelidikan terhadap model tambahan. Rangers juga sedang menjelajahi bagaimana mereka dapat menggunakan generasi dengan pengambilan untuk menyerap buku aturan bisbol dan menghasilkan informasi yang berguna bagi staf dan penonton. “Informasi itu sering berubah. Salah satu contoh mungkin adalah perawatan kesehatan dan menyediakan antarmuka obrolan bagi orang-orang kami untuk menjelajahi aturan,” katanya. “Ada juga aturan bagi orang yang mengunjungi stadion. Mereka memiliki pertanyaan, seperti ‘Apakah saya bisa membawa botol air? Apakah saya perlu membawa ransel transparan?’\” 4. Memantau faktor lain Data pemain bukan satu-satunya sumber potensi keuntungan kompetitif. Dykstra mengatakan tim juga memberi makan model mereka dengan informasi eksternal, termasuk data cuaca. “Ini adalah sumber panas baru. Setiap lima menit, kami mendapatkan data dari semua lapangan yang berbeda,” katanya. “Dinamika cuaca di sebuah stadion tidak sepenuhnya seperti yang Anda pikirkan. Anda tidak bisa hanya mengangkat jari Anda. Ini bukan sesuatu yang bisa Anda pahami secara intuitif.” Stadion kandang Rangers, Globe Life Field, memiliki atap yang bisa ditarik, dan kondisi bisa bervariasi secara signifikan dari stadion terbuka di lokasi lain di AS. “Penting untuk memberi umpan balik kepada para pemain dan mengatakan, ‘Angin membuatmu terjatuh. Kembali ke rumah, itu akan menjadi home run, jadi terus lakukan yang kamu lakukan. Itu bagus.’ Mereka menginginkan umpan balik tersebut segera – mereka menginginkan itu langsung setelah permainan,” katanya. “Besok, mereka ingin bangun dan fokus pada permainan berikutnya. Kemampuan Astronomer untuk memenuhi jendela data tersebut dan memberikan wawasan kepada orang-orang kami sesegera mungkin setelah permainan membantu dengan segalanya.” 5. Membangun budaya baru Para ahli industri mengatakan organisasi harus memperdemokrasikan akses data untuk memanfaatkan wawasan yang diciptakan oleh teknologi yang muncul. Dykstra mengatakan itulah yang terjadi di Rangers, terutama kesiapan manajer untuk merangkul peluang yang didukung data. “Saya sangat terkesan dengan Bruce Bochy. Dia membawa dua dunia bersama dan menggunakan nalurinya untuk menantang asumsi apa pun yang kita buat,” katanya. Dykstra menjelaskan bagaimana Rangers memiliki seorang analis data yang tertanam dalam tim untuk membantu memastikan pelatih dan pemain memanfaatkan data sebaik mungkin: “Ini selalu menjadi percakapan.” Tentu saja, penggunaan yang luas data bisa membawa risiko. Dia mengatakan Rangers harus mematuhi aturan dan regulasi ketat MLB. “MLB sangat membatasi jenis umpan balik yang bisa kami berikan kepada pemain dan pelatih selama pertandingan,” katanya. “Keberhasilan semua tentang memahami bagaimana data Anda bergerak, dari mana asalnya, ke mana dia pergi, dan bisa berkomunikasi dengan perjalanan itu secara efektif. Ini adalah jalur yang jelas.”
