2026 북중미 월드컵 우승 후보를 예측하기 위해 11개의 인공지능·통계 모델을 비교한 결과, 모델마다 전혀 다른 우승국을 선택했다. 연구자는 오히려 이 불일치가 단일 예측보다 더 중요한 정보라고 주장했다.
11개 모델이 뽑은 북중미 월드컵 우승국은 달랐다
데이터 과학자 아리 주리 박사는 2010~2022년 월드컵 경기와 2020·2024 유럽선수권대회 경기 등 총 358경기를 활용해 2026 북중미 월드컵 우승 확률을 예측했다.
연구에는 엘로 레이팅, 콜리 시스템, 페이지랭크, 포아송 모델, 음이항 모델, 로지스틱 회귀, KNN, 랜덤 포레스트, XG부스트, 신경망, 베팅 시장 확률 등 11개 방법이 사용됐다.
모든 모델은 동일한 경기 데이터와 동일한 월드컵 대진표를 기반으로 2만 회씩 대회를 시뮬레이션했다.
결과는 놀라웠다. 11개 모델은 단 1개의 우승국에 합의하지 못했다.
스페인은 엘로, 포아송, 음이항, 로지스틱 회귀, KNN, 페이지랭크, 베팅 시장 등 7개 모델의 지지를 받으며 가장 강력한 후보로 나타났다.
반면 랜덤 포레스트와 XG부스트는 아르헨티나를 우승 후보로 꼽았고, 신경망은 프랑스를, 콜리 모델은 네덜란드를 가장 유력한 우승국으로 예측했다.
중요한 것은 우승 예측보다 모델의 불확실성
연구진은 예측이 달라지는 이유를 세 가지로 설명했다.
첫째, 모델마다 사용하는 정보가 다르다. 엘로와 베팅 시장은 최근 경기력을 반영하지만, 페이지랭크와 콜리 시스템은 오직 경기 결과만 평가한다.
둘째, 일부 모델은 실제 득점 수를 예측한 뒤 승패를 계산하고, 다른 모델은 처음부터 승·무·패 확률을 직접 예측한다.
셋째, 복잡한 인공지능 모델은 작은 데이터셋에서 과적합에 빠질 수 있다. 실제 검증 결과에서는 최신 인공지능 모델보다 단순한 로지스틱 회귀가 더 안정적인 성능을 보였다.
11개 모델 평균에서는 스페인의 북중미 월드컵 우승 확률이 약 20%로 가장 높았고, 프랑스와 아르헨티나가 약 14% 수준으로 뒤를 이었다. 이후 네덜란드와 잉글랜드가 상위권에 이름을 올렸다.
연구진은 단일 모델이 제시하는 “우승 확률 20%” 같은 숫자보다 모델 간 예측 범위 자체가 더 중요하다고 강조했다. 동일한 팀의 우승 확률도 모델에 따라 10%대 초반에서 30% 가까이까지 크게 달라질 수 있기 때문이다.
이번 분석은 스포츠 예측뿐 아니라 인공지능 활용 전반에도 시사점을 제공한다. 데이터가 충분하지 않을 경우 복잡한 모델이 반드시 더 좋은 예측을 제공하는 것은 아니며, 여러 모델의 의견 차이를 함께 살펴보는 것이 더욱 현실적인 접근이라는 것이다.
성치훈 기자 / hello@sciencewave.kr
Science Wave에서 더 알아보기
구독을 신청하면 최신 게시물을 이메일로 받아볼 수 있습니다.