「完投」という美学が数字に解体される日——StatcastとNPB計測革命の衝突点
2024年シーズン、MLB全体で記録された完投数はわずか28。COVID短縮シーズンだった2020年の29を下回り、史上最少を更新しました（Now Taking The Field、2025年）。先発登板に占める完投率は0.6%です。翌2025年も29完投にとどまっています。
100試合に1回も起きない出来事。それがいま、メジャーリーグにおける「完投」の現実です。
この数字の背景には、投手のパフォーマンスを一球単位で計測・解析するテクノロジーの進化があります。MLBが全30球場に導入しているStatcast（高精度トラッキングシステム）は、球速・回転数・変化量・リリースポイントといったデータをリアルタイムで記録します。さらにMotus投球スリーブやZephyr Bioharnessなど、少なくとも4種類のウェアラブルセンサーが試合中の使用として承認されています（ts2.tech、2025年9月）。心拍数、呼吸、ワークロード——投手の身体状態が数値として蓄積される仕組みが、すでに制度レベルで整っているわけです。
こうしたデータが蓄積されるほど、「あと1イニング投げさせるリスク」は定量化されます。故障リスクと勝利確率を天秤にかけたとき、完投させる合理的根拠はほぼ消失する。これがMLBで起きている変化の本質です。
一方、日本のNPBに目を向けると、風景はかなり異なります。
2025年パ・リーグでは伊藤大海（日本ハム）がリーグ最多の6完投を記録しました。今井達也（西武）が5完投で続いています。セ・リーグでも床田寛樹（広島）が6完投を達成しています（NPB公式サイト、2025年度リーダーズ）。MLB全体の年間完投数を、一人の投手が大きく上回る計算です。
ここに重要な衝突点があります。
NPBでは2024年までに全12球団でHawk-Eye（ホークアイ）トラッキングシステムの導入が完了しました。ソニー子会社Hawk-Eye Innovationsのシステムをベースに、NPBエンタープライズがソニー・Google Cloud Japanと連携して構築したデータ基盤は、2025年3月に稼働を開始しています（＠IT、2025年8月6日）。全公式試合のプレーデータを集約し、CGコンテンツを自動生成する体制が整ったのです。
つまり、技術的なインフラはMLBに急速に追いつきつつある。しかし「エースが最後まで投げ切る」ことに価値を見出す文化は、依然として根強く残っている。計測できる環境は整った。データは蓄積されている。それでも完投は減らない——。
実は、この状況こそが本記事の出発点です。
2025年10月にはNPBエンタープライズ・コナミデジタルエンタテインメント・ソニーの3社共同で、ホークアイデータをリアルタイム可視化するプロ野球公認速報アプリ「NPB+（プラス）」のテスト配信も始まっています（NPB+公式サイト、2025年10月10日）。一球速報やホークアイによる3DCGリプレイ映像がファンの手元に届く時代。投手の状態を示すデータが、もはやベンチの中だけに閉じていない環境の到来です。
テクノロジーが「投手の限界」を数値化できる時代に、日本野球の完投文化はどう変容していくのか。センサーデータ・バイオメカニクス解析・リアルタイム疲労予測モデルという三つの技術レイヤーを分解しながら、その答えを探っていきます。
三層センシングが「限界点」を可視化するまで——バイオメカニクス・疲労モデル・リアルタイム統合の技術解剖
投手の「限界点」を試合中に見極める。この課題に対して、現在のスポーツテクノロジーは三つの技術レイヤーを積み重ねるアプローチで迫っています。第一層がセンサーによる生体・動作データの取得、第二層がバイオメカニクス解析による身体負荷の定量化、第三層がリアルタイム疲労予測モデルによる統合判断です。それぞれの実装状況と残存課題を整理します。
第一層：センサーデータの取得——何を、どこまで測れるか
MLBでは現在、少なくとも4種類のウェアラブルデバイスが試合中の使用として承認されています（ts2.tech、2025年9月）。Motus投球スリーブは肘の内側にかかるトルク（回転力）を計測し、投球バイオメカニクスを数値化します。Zephyr Bioharnessは心拍数と呼吸パターンから疲労の兆候を検知。Catapult GPSトラッカーはワークロード（運動負荷量）と位置情報を、WHOOPストラップは心拍数・ストレイン（身体への総負荷）・睡眠データをそれぞれ記録します。
ただし、重要な制約があります。選手は試合中にこれらのバイオメトリクスデータをリアルタイムで閲覧することができません。チームがデータにアクセスできるのは試合後であり、現時点では「試合中の即時判断」に直接フィードバックされる設計にはなっていないのです。
さらに注目すべき研究成果があります。2026年、UC San DiegoのDjassemiらは、大学1部（Division I）の投手11名を対象に、マイクロニードル型ウェアラブルバイオセンサーによる間質液（皮膚下の体液）中の乳酸値を連続モニタリングする世界初のヒト試験を報告しました（Biosensors and Bioelectronics誌、2026年）。15分間の投球セッション中、乳酸値は安静時から平均約4 mmol/L上昇。心拍数は年齢予測最大値の約90%に達しました。個々の投球に連動した一過性の乳酸スパイクが観察され、どの球が代謝的に最もコストが高いかを可視化できることが示されています。
身体の「内部状態」を一球単位で追跡する技術的基盤。これが第一層の到達点です。
第二層：バイオメカニクス解析——動作から負荷を逆算する
センサーが取得した生データを「身体への負荷」として解釈するのが、バイオメカニクス解析の役割です。
この領域を牽引するのがRapsodoとDriveline Baseballです。RapsodoのトラッキングシステムはMLB30球団のうち28球団が導入しており、多くがマイナーリーグ組織全体にも展開しています。同社PRO 2.0はSports Business Journalの「Best in Athlete Performance Technology」を受賞しました（2026年1月）。大谷翔平も自身の投球開発にRapsodoを活用していることが報じられています（LCN.today、2025年10月；MLB Trade Rumors、2026年9月）。
Driveline Baseballはさらに踏み込んでいます。マーカーレスモーションキャプチャ企業Theia3Dとの連携で、大学野球プログラム向け「Launchpad」サービスを展開。日常のトレーニングにバイオメカニクスを統合する取り組みです（Theia Markerless、2026年4月）。また3motionAI社とも提携し、単一のビデオカメラからラボ精度のバイオメカニクスデータを取得する技術を実用化しています（Prep Baseball Report）。
実は、ここに技術的な飛躍があります。従来はモーションキャプチャラボでしか得られなかった関節角度・トルク・運動連鎖の分析が、カメラ一台で実現しつつある。設備コストの壁が下がることで、NPBのファームや社会人野球への波及可能性も開けてきます。
第三層：リアルタイム疲労予測モデル——統合と限界
第一層のセンサーデータと第二層のバイオメカニクス解析を束ね、「いま、この投手は限界に近いのか」を動的に判定する。これが第三層の役割です。
しかし、ここに深刻な課題が残っています。
従来広く使われてきた疲労判定の指標は「球速低下」でした。直感的にわかりやすく、Statcastデータからすぐに算出できるためです。ところが、Statcastの投球データ（2023〜2026年）に従来の球速低下モデルを適用した分析によれば、1.5 mph（約2.4 km/h）の球速低下を交代シグナルとした場合、誤警報率は41%に達しました（Sportsnaut、2026年8月頃）。
誤警報率41%。つまり、「限界だ」と判定した10回のうち4回は、実際には限界ではなかった計算です。
球速低下は、構造的な疲労と意図的なペーシング（戦略的に力を抜く投球）を区別できません。この問題を解決するために、Hawk-Eyeトラッキングデータを用いた教師なし異常検知モデル（正常パターンからの逸脱を自動検出するAI手法）への転換が提案されています。リリースポイントのずれ、体幹の回旋速度の変化、ストライド長の微細な縮小——球速以外の複合指標を組み合わせることで、「本当の疲労」を炙り出す試みです。
UC San Diegoの乳酸モニタリング技術が実用段階に達すれば、第一層から第三層までがリアルタイムで接続される可能性があります。ただし現時点では、MLBですら試合中のバイオメトリクス即時閲覧は認められていません。技術的には可能になりつつあるが、制度・運用が追いついていない——。この三層構造の「接続の不完全さ」こそが、2026年時点における最大の課題と分析できるでしょう。
重量記録が教えてくれたこと——「その日の出力が違う」という身体的事実をデータに変換する意味
ここまで、投手の限界点を可視化する三層の技術スタックを解剖してきました。センサー、バイオメカニクス解析、疲労予測モデル。いずれも高度な専門領域ですが、その根底にある問いは意外なほどシンプルです。
「今日の自分の身体は、いつもと同じか、違うか。」
私はバスケットボールのために筋力トレーニングを行っています。日によって出力が違うため、挙がる重量が異なる。そのため、重量の記録をつけています。
記録を振り返ったとき、重要なのは「数字が落ちた」という事実そのものではありません。なぜ落ちたのか——その原因の切り分けです。
私の場合、判断軸は大きく二つに分かれます。一つは筋力そのものの疲労。前回のトレーニングからの回復が不十分で、筋出力が一時的に低下しているケースです。この場合は重量を落とす、もしくは種目数を減らして対応します。もう一つは、体調や内臓機能の低下。こちらだと判断した場合は、基本的に即時中断します。
ここに、前セクションで取り上げた投手疲労予測モデルとの接点があります。
球速低下モデルの誤警報率が41%に達するのは、「数値の低下」と「その原因」を分離できないからでした（Sportsnaut、2026年8月頃）。球速が1.5 mph落ちたとき、それが蓄積疲労によるものなのか、戦略的なペーシングなのか、あるいはまったく別の体調要因なのか。単一指標では切り分けられない。
私が筋トレの重量記録で行っていることは、まさにこの「原因の切り分け」です。数値の変動を検知し、身体感覚という別のレイヤーを重ねて、対処法を分岐させる。規模も精度もまるで違いますが、データを「記録する」だけでは足りず、「解釈して行動を変える」ところまで含めて初めて意味を持つ——この点において、個人の重量記録もMLBの三層センシングも、本質的な構造は同じです。
UC San Diegoの乳酸モニタリング研究が示したのは、投手一人ひとりの「代謝コスト」が球種や投球強度によって異なるという事実でした。同様に、私のトレーニング記録も、同じメニューでも日によって身体的コストが異なることを示してくれます。日によって違う出力。それは個人差ではなく、同一人物の中で起きる日内変動・日間変動です。
スポーツデータDXの本質は、この「同じ人間でも日々変わる」という身体的事実を、再現可能なデータとして蓄積し、意思決定に接続することにあります。プロ野球の投手であれ、週末にジムへ通う個人であれ、問われているのは同じこと。数字が変化を教えてくれたとき、次に何をするか。
技術の高度さに目を奪われがちですが、データ活用の起点は、「今日はいつもと違う」と気づく解像度にあります。
監督の「勘」はどこへ行くのか——データドリブン意思決定が再定義する現場の権力構造
投手交代のタイミングは、野球における最も重要な意思決定の一つです。そしてそれは長らく、監督と投手コーチの経験則——いわゆる「勘」に委ねられてきました。マウンド上の投手の表情、腕の振りの微妙な変化、試合展開の流れ。言語化しにくい情報を総合して、ベンチが判断を下す。この構造が、いまアルゴリズムによって揺さぶられています。
「AI監督」が実際にベンチに立った日
2025年9月、独立パイオニアリーグのOakland Ballersがプロスポーツ史上初の試みを実行しました。監督Aaron Milesが、LA拠点のソフトウェア企業Distillery社が開発したAIシステム「Aaronalytics」に試合中の意思決定を委ねたのです（Ministry of Sport、2025年9月9日）。
結果は象徴的でした。8回、AIが先発投手の交代を指示。しかしリリーフ登板後に相手に同点に追いつかれ、スタンドからはブーイングが起きています。
この一件が示しているのは、技術的な正否以上に重要なことです。「誰が決めたのか」が、結果の受容に直結するという事実。人間の監督が同じ判断をして同じ結果になったとしても、ブーイングの質は違ったはずです。アルゴリズムが判断主体になった瞬間、ファンも選手も「納得の回路」を失う。
二つの変容——権限の移動と役割の再配置
データドリブンな投手交代判断が浸透することで、現場には二つの変容が起きつつあります。
第一に、意思決定の権限移動です。MLBでは球団のアナリティクス部門がベンチに助言を送る体制がすでに一般化しています。Statcastデータや承認済みウェアラブル4種（Motus、Zephyr、Catapult、WHOOP）から得られる情報は試合後アクセスに限定されるものの（ts2.tech、2025年9月）、蓄積データに基づく投手別・状況別の交代推奨モデルは試合前にベンチへ共有されます。監督の「勘」は、データが設定した枠組みの中で発揮されるものへと変質しつつある。
第二に、投手コーチの役割再配置です。従来、投手コーチはマウンドへ足を運び、投手の状態を「見て・聞いて・感じて」判断する存在でした。データが疲労の兆候を数値で示すようになると、コーチの仕事は「状態の見極め」から「データの解釈と選手への伝達」へとシフトします。判断者から翻訳者へ。これは能力の否定ではなく、求められるスキルセットの変化です。
NPBにおける衝突の固有性
NPBでは全12球団にHawk-Eyeが導入され、データ基盤は2025年3月に稼働を開始しています（＠IT、2025年8月6日）。インフラは整った。しかし、伊藤大海の6完投、床田寛樹の6完投が示すように（NPB公式サイト、2025年度リーダーズ）、「エースが投げ切ること」への期待は監督・ファン双方に根強く残っています。
実は、ここにMLBとは異質な摩擦が生まれます。MLBでは完投率0.6%という現実がすでに文化的合意に近づいている。データが「交代すべき」と示せば、それに従うことへの抵抗は相対的に小さい。一方NPBでは、データが交代を推奨しても「エースを降ろすのか」という感情的・文化的反発が、ベンチ内外で発生し得る。
データは意思決定の精度を上げます。しかし、意思決定の「正当性」を担保するのは、データそのものではなく、それを誰がどう引き受けるかという人間側の設計です。ツールの導入は完了しつつある。次に問われるのは、文化の再設計です。
NPBデータDX 2025〜2030年——「完投文化の消滅」「ハイブリッド共存」「AI過信のリバウンド」3つのシナリオ
ここまで見てきた技術的進展と文化的摩擦を踏まえ、今後5年のNPBにおけるスポーツデータDXの行方を三通りに分岐させて考えます。変数は大きく三つ。技術の普及速度、リーグ・球団の規制方針、そして現場——選手・監督・ファン——の受容度です。
シナリオA：完投文化の消滅
条件は明確です。MLBに倣い、ウェアラブルセンサーの試合中リアルタイム閲覧がNPBでも解禁されること。加えて、球速低下モデルの誤警報率41%（Sportsnaut、2026年8月頃）を大幅に改善する異常検知モデルがHawk-Eyeデータ上で実用化されること。この二つが揃えば、投手交代判断はほぼアルゴリズム主導に移行します。
帰結として、NPBの完投数はMLB同様に年間一桁台へ急減。伊藤大海や床田寛樹のような「完投型エース」は、カテゴリそのものが消滅します。投手の分業制がさらに細分化され、先発は5〜6回、中継ぎは1イニング限定という運用が標準化する未来です。
ただし、このシナリオが実現するには、NPBがウェアラブルデータの試合中リアルタイム利用を制度として認める必要があります。現時点でMLBですら試合中の即時閲覧は禁止されている事実を考えると、2030年までの全面解禁はかなり楽観的な見立てです。
シナリオB：ハイブリッド共存
最も蓋然性が高いと分析できるシナリオです。
Hawk-Eyeの全球団導入は完了済み（＠IT、2025年8月6日）。NPB+によるデータのリアルタイム可視化も始まっています（NPB+公式サイト、2025年10月10日）。インフラは整った。しかし、運用は段階的に進む。
このシナリオでは、試合中のデータ活用は「参考情報」の域にとどまります。アナリティクス部門が試合前に投手別の疲労リスクレポートをベンチに共有し、監督はそれを踏まえつつ最終判断を下す。完投は年間20〜30件程度で推移。データが「やめたほうがいい」と示しても、試合状況やエースの意志を加味して続投させる余地が残る。
必要な条件は、球団ごとのアナリティクス体制の成熟と、監督・コーチのデータリテラシー向上。技術と経験則の共存。実は、2026年時点のNPBはすでにこのシナリオの入口に立っています。
シナリオC：AI過信のリバウンド
見落とされがちなリスクシナリオです。
Oakland Ballersの「Aaronalytics」事件が示したように（Ministry of Sport、2025年9月9日）、AIの判断がそのまま採用され、裏目に出たとき、反動は大きい。NPBでもし同様の事態——データの指示に従って完投目前のエースを降板させ、リリーフが打たれて逆転負け——が起きれば、データ活用そのものへの不信が一気に広がる可能性があります。
このシナリオの帰結は、データの「封印」です。球団がアナリティクス部門の発言力を意図的に抑制し、監督の裁量権を再強化する揺り戻し。技術導入のコストだけが残り、活用が進まない停滞期に入ります。
防止条件は一つ。データを「正解」として扱わず、「判断材料の一つ」として位置づける運用設計を、導入段階から組み込むことです。
三つのシナリオに共通するのは、技術の精度だけでは未来が決まらないという事実です。制度設計、現場の信頼関係、ファンの感情——複数の変数が絡み合う中で、NPBがどの分岐点に向かうかは、今後2〜3年の運用実績が決定づけることになります。
測定できても、やめられない——データが「正解」を示したとき、人間は何を選ぶか
球速低下モデルの誤警報率41%（Sportsnaut、2026年8月頃）。乳酸値の一球単位モニタリング。Hawk-Eyeによる動作の微細な変化の追跡。これらの技術が束になれば、「この投手は次のイニングで故障リスクが跳ね上がる」と高い精度で示せる日は遠くありません。
しかし、データが「交代すべき」と告げたとき、ベンチは本当にその通りに動けるのか。ここに、技術の精度とは別の問題があります。
両極のリスクを整理します。
一方には、データ無視の続投判断。エースの意地、試合展開の勢い、ファンの期待——定量化しにくい要素が「あと1イニング」を許容させます。結果として故障が起きれば、代償はシーズン単位、場合によってはキャリア単位です。
もう一方には、データ盲信の過剰介入。アルゴリズムが示す数値を絶対視し、投手自身の感覚や試合文脈を無視して機械的に交代させる運用。Oakland Ballersの「Aaronalytics」が8回に先発を降板させ、リリーフが打たれて同点に追いつかれた事例は（Ministry of Sport、2025年9月9日）、この危険性を実地で示しました。
正直、どちらに倒れても問題は残ります。
私自身、バスケのための筋力トレーニングで似た判断を日常的に行っています。重量の記録を見て出力の低下を検知したとき、それが筋力の疲労なのか、体調や内臓機能の低下なのかを判断する。筋力の疲労であれば重量を落とす、もしくは種目を減らす。体調・内臓機能の低下と判断した場合は、基本的に即時中断します。
ここで重要なのは、重量の数値が下がったとき、その原因が筋力の疲労なのか体調・内臓機能の低下なのかを判断し、対処を分岐させる点です。
投手交代の判断も、本質的には同じ構造です。三層センシングが限界点の接近を示したとき、最終的に「降ろす・続ける」を決めるのは人間であるべきだと考えます。ただし、その人間はデータを読み解ける人間でなければならない。
スポーツデータDXが今後の鍵となるのは、技術の精度向上だけではありません。データを「正解」ではなく「判断材料」として扱える現場の設計。監督やコーチが数値の意味を理解し、選手の身体感覚と突き合わせ、文脈の中で最終判断を引き受ける体制の構築です。
測定できるようになった。可視化もできるようになった。それでも、やめる・続けるの判断は人間に残る。データが示す「正解」を受け入れるかどうかを決める最後の一歩——そこにこそ、監督の、コーチの、そして選手自身の不可替な役割があります。