제 1 장

사업 개요

1) 추진 배경

프로레슬링은 결과가 미리 정해진 각본 있는 흥행이다. 그래서 “누가 이길까”라는 질문은 다른 스포츠와 성격이 다르다 — 전력 비교가 아니라 각본이 어디로 갈 것인가를 읽는 일이다. 팬들은 실제로 그것을 읽는다. 대립 각본의 진행 방향, 타이틀의 명분, 특정 선수에게 실리는 푸시, 부상·계약 만료 소식, 그리고 북메이커가 매긴 배당이 근거가 된다.

문제는 그 근거가 남지 않는다는 것이다. 예측은 커뮤니티 글과 영상으로 흩어지고, 경기가 끝나면 맞힌 사람은 맞혔다고 말하고 틀린 사람은 말을 하지 않는다. 사후에 검증할 방법이 없으므로 적중률이라는 숫자는 누구도 책임지지 않는 주장이 된다.

같은 문제가 AI 예측에서 더 나쁘게 나타난다. 언어 모델에 경기를 물으면 그럴듯한 근거와 함께 승자를 답한다. 그런데 그 모델이 읽은 자료에 이미 결과가 적혀 있었는지는 답만 봐서는 알 수 없다. 실제로 이 프로젝트에서 그런 사례를 잡았다 — 한 예측의 분석 리포트가 “…에서 타이틀 방어에 성공했습니다”라고 적고 있었다. 지난 회차의 결과가 실린 문서를 읽고 낸 답이었다. 겉보기에 그것은 정확한 예측이고, 적중률만 세면 성능으로 집계된다.

2) 사업 목적

화면이 하는 일은 둘이다. 경기를 예측하게 하고, 그 예측의 근거와 성적을 데이터로 보여 주는 것.

두 번째가 이 프로젝트를 다른 예측 서비스와 가르는 자리다. 목표는 적중률을 높이는 것이 아니라 다음 질문에 증거로 답할 수 있게 만드는 것이다.

이 예측이 만들어질 당시 알 수 있던 정보만 썼음을, 사후에 재구성할 수 있는가.

그래서 이 시스템은 예측과 함께 무엇을 근거로 읽었는지(검색 질의·문서 본문 스냅샷·개정본 시각)를 남기고, 그것을 기준으로 그 예측을 성적에 셀 자격이 있는지를 따로 판정한다. 적중 여부보다 자격 판정이 먼저다.

목표 지표도 적중률이 아니다.

지표	뜻	2026-09-30
자격 통과 예측	시간 무결성 판정을 통과한 예측 수	0건
temporalVerifiable	읽은 글이 언제 쓰였는지 전부 확인 가능한가	true
generalizable	성적을 일반화해 말할 수 있는가	false

자격 통과가 0건이라는 것은 실패가 아니라 이 시스템이 자기 숫자를 믿지 않고 있다는 뜻이다. 22건의 예측 중 12건은 결과가 기록된 뒤에 만들어졌고 11건은 그 대회를 다룬 글을 근거로 들었다. 화면은 그것을 감추지 않고 실격으로 표시한다.

3) 주요 사업 내용

세 축이고, 각각 제 5 · 6 · 7 장에서 상세히 다룬다.

축	하는 일	화면
예측 · 랭킹	PLE 대진표에 사용자가 픽을 제출하고, 경기 형식별 배점으로 채점해 순위를 낸다	/ple · /rankings · /records · /shop
데이터 센터	선수 · 경기 · 챔피언십 기록을 집계해 보여 준다	/data-center 외 5개
AI LAB	세 에이전트가 낸 예측과 그 예측의 계보 · 자격 · 재현을 보여 준다	/ai-lab 외 6개

세 축은 같은 데이터를 다른 각도에서 본다. 예측·랭킹이 사람의 픽을 다루고, 데이터 센터가 경기의 사실을 다루며, AI LAB이 기계의 픽과 그 근거를 다룬다.

4) 기대 효과

• 검증 가능한 AI 예측의 사례. 적중률을 주장하는 대신, 그 숫자를 믿을 수 있는지를 함께 내는 구조를 실제로 돌려 보였다. 자격 판정 여덟 규칙과 재현 경로가 그 장치다(제 7 장).
• 누수를 수집 단계에서 잡는 절차. 실격의 원인이 판정이 아니라 자료 수집에 있다는 것을 화면이 가리킨다. 어느 문서가 어느 예측을 막았는지를 보여 주므로, 다음 수집에서 그 문서를 뺄 수 있다.
• 사람과 기계를 같은 자로 재는 자리. 사용자 픽과 AI 픽이 같은 대진 · 같은 채점 규칙 위에 서므로, 비교가 사후 해석이 아니라 데이터가 된다.
• 재사용 가능한 구조. 시간 무결성 판정과 계보 기록은 프로레슬링에 종속되지 않는다. “결과가 나중에 확정되는 사건”에 대한 LLM 예측이면 같은 장치가 선다.