AI는 LOL 메타를 예측할 수 있을까?

AI는 다음 주 롤 메타를 맞힐 수 있을까?

2022~2025년 프로 경기 3만 1,540개의 챔피언 선택 기록으로 시험한 예측 모델

경기를 보기 전, 다음 주에 가장 많이 등장할 챔피언 다섯 명을 알아맞힐 수 있을까? 최근 경기 기록을 학습한 모델에 이 질문을 던졌다. 2025년을 처음 보는 시험지로 남겨 두자, 모델은 포지션별 다섯 자리 중 평균 4.30자리를 맞혔다. 꽤 높은 숫자다. 그러나 지난주 인기 챔피언 다섯 명을 그대로 적어도 4.28자리를 맞혔다. 이 이야기는 AI가 메타의 비밀을 찾아냈다는 선언보다는, 프로 게임의 유행이 얼마나 오래 이어지는지 확인하는 실험에 가깝다.

챔피언 선택부터 이해하기

리그 오브 레전드(LoL)는 다섯 명이 한 팀이 되어 상대 진영의 핵심 건물인 넥서스를 먼저 파괴하는 게임이다. 선수는 경기 시작 전 각자 고유한 기술을 지닌 캐릭터인 챔피언을 고른다. 팀의 다섯 자리는 보통 탑, 정글, 미드, 바텀, 서포터로 나뉜다. 경기는 이들이 맵의 길과 정글에서 자원을 모으고, 싸움을 벌이고, 주요 목표물을 차지하며 진행된다. 같은 챔피언도 어느 자리에서 쓰이는지에 따라 역할이 다를 수 있다. 라이엇 게임즈의 게임 소개

프로 경기에서는 양 팀이 교대로 챔피언을 **금지(밴)**하거나 **선택(픽)**한다. 좋은 챔피언 하나를 아는 것만으로는 부족하다. 상대가 가져갈 수 있는 챔피언, 자기 팀의 조합, 최근 게임 업데이트, 선수의 숙련도를 함께 고려해야 한다. 특정 기간에 자주 선택되는 챔피언과 전략의 흐름을 흔히 메타라고 부른다. 2025년 주요 LoL 대회에는 한 시리즈에서 이미 사용한 챔피언을 이후 게임에서 다시 선택하지 못하게 하는 피어리스 드래프트가 도입됐다. 따라서 한 경기 안의 선택과 시리즈 전체의 선택은 다른 문제다. 이 글은 피어리스 제도의 효과를 추정하지 않고, 관측된 주간 픽 흐름이 다음 주로 얼마나 이어지는지를 예측한다. LoL Esports의 피어리스 설명

3만여 경기의 ‘다음 주’를 만드는 방법

자료는 통계 사이트 Games of Legends(GOL)의 주간 챔피언 선택 페이지에서 수집했다. 매주 월요일을 시작일로 지정해 2022년 1월 3일~2025년 12월 29일, 209주의 페이지를 저장하고, 포지션별 챔피언 선택 횟수를 추출했다. 그중 경기가 없던 주는 30주였다. 전체 페이지에 기록된 경기는 31,540개, 챔피언 선택은 315,400회다. 경기마다 두 팀이 다섯 챔피언씩 고르므로 합계가 경기 수의 열 배와 일치하는지도 확인했다.

이 자료의 tournament-ALL은 GOL이 수록한 여러 지역·등급의 대회를 합친 것이다. LCK만의 기록도, 전 세계 모든 경기의 완전한 목록도 아니다. 주마다 포함된 대회 구성이 달라질 수 있다. 이 점은 뒤에 나오는 실패 사례를 이해하는 핵심 조건이다. 페이지에는 주별 대회와 게임 버전도 표시되지만, 미래 주의 대회 구성과 버전은 예측 시점에 미리 알려졌다고 가정하지 않았다.

우리가 예측한 것은 승패나 정확한 픽 횟수가 아니다. 다음 달력 주에 각 포지션에서 가장 많이 픽될 챔피언 5명이다. 예컨대 정글의 실제 상위 5명과 예측한 상위 5명이 네 명 겹치면 그 포지션의 점수는 4점이다. 주간 자료는 표본이 적으면 순위가 쉽게 흔들리므로, 예측 대상 주와 직전 주에 각각 40경기 이상 기록된 경우만 평가했다. 총 113주 × 5포지션 = 565개 예측 묶음이며, 이 중 2025년의 35주 × 5포지션 = 175개 묶음이 최종 시험이다. 공동 5위가 있을 때에는 일정한 정렬 순서로 다섯 명을 정했다.

지난주의 관성에 신경망을 더하다

가장 단순한 모델은 ‘지난주 상위 5명이 다음 주에도 상위 5명일 것’이라는 예측이다. 다른 기준선은 최근 4주의 픽 비율을 평균하거나 최근 주에 더 큰 가중치를 준다. 이 기준선이 강해야 고급 모델의 성능을 제대로 평가할 수 있다.

심화 모델은 두 종류를 만들었다. LightGBM은 챔피언·포지션·주 단위의 특징에서 다음 주 픽 비율을 추정하는 트리 기반 모델이다. 신경망 모델은 챔피언과 포지션을 각각 학습 가능한 숫자 표현(임베딩)으로 바꾸고, 최근 8주의 픽 비율과 변화량·과거 출현 기록·계절 정보 등을 두 개의 은닉층에 넣어 다음 주 점수를 추정한다. 각 포지션에서 점수가 높은 다섯 챔피언을 뽑았다. 모든 특징은 예측하는 주가 시작되기 전에 알 수 있는 정보로 계산했다. 신경망은 선수의 개별 픽 순서나 경기 영상까지 읽는 모델이 아니며, 이 집계 자료에서 쓸 수 있는 시간 패턴을 학습한다.

시간 순서를 지켜 2022~2023년으로 학습, 2024년으로 모델 설정과 혼합 비율 선택, 그 결정을 고정한 뒤 2022~2024년으로 재학습해 2025년을 한 번 평가했다. 2025년 성적을 보고 모델을 골랐다면 미래 예측 성능이 부풀려졌을 것이다. 2024년 검증에서 선택된 최종 점수는 ‘지난주 픽 비율 80% + 신경망 점수 20%’다. LightGBM도 후보로 비교했지만 최종 혼합에는 들어가지 않았다. 따라서 고급 모델을 썼다는 사실과 그 모델이 큰 개선을 만들었다는 주장은 구분해야 한다.

그림 1. 2025년 175개 포지션·주 묶음에서 실제 상위 5명과 겹친 챔피언 수. 최대 5명. 모델 선택은 2024년 검증 자료로 마쳤다.

예측 방법	2025년 평균 적중 수 / 5명
최종 혼합 모델	4.303
최근 4주 가중평균	4.309
LightGBM 단독	4.303
지난주 그대로	4.280
최근 4주 단순평균	4.217
신경망 단독	4.120

최종 모델은 다섯 자리 중 평균 4.303자리, 즉 자리 기준 **86.1%**를 맞혔다. 다만 이것은 “다음 주 메타를 86.1% 확률로 완벽하게 예측한다”는 뜻이 아니다. 상위 5명 목록의 겹친 자리 수를 5로 나눈 값이다. 175개 묶음 가운데 다섯 명을 모두 맞힌 경우는 74개, 네 명을 맞힌 경우는 82개였다.

그림 2. 2025년 포지션·주별 적중 수 분포. 5명 적중 74개, 4명 82개, 3명 17개, 2명 2개.

성능이 높다는 말에 빠진 한 줄

지난주를 그대로 쓰는 기준선은 평균 4.280자리였다. 최종 모델의 이득은 0.023자리뿐이다. 2025년의 35개 주를 단위로 재표집한 부트스트랩 95% 구간에서 그 차이는 −0.006~+0.057자리였다. 0을 포함하므로, 이 시험만으로 최종 모델이 단순 기준선보다 확실히 우수하다고 말할 수 없다. 최근 4주 가중평균은 오히려 시험 자료에서 4.309자리로 소폭 높았지만, 이를 보고 사후에 ‘우승 모델’을 바꾸지 않았다. 미리 정한 선택 절차를 지켜야 숫자의 의미가 남는다.

다른 질문으로 보면 최종 모델이 예측한 다섯 챔피언은 실제 다음 주의 전체 선택 중 평균 52.35%를 차지했다. 지난주 기준선은 52.29%, 4주 가중평균은 52.41%였다. 상위권의 큰 줄기를 잡는 데는 모두 유용하지만, 작은 차이를 과장할 이유는 없다.

그림 3. 2025년 포지션별 평균 적중 수. 각 포지션은 35주, 주마다 최대 5명.

포지션	최종 모델	지난주 그대로
탑	4.34	4.31
정글	4.40	4.29
미드	4.06	4.09
바텀	4.17	4.17
서포터	4.54	4.54

정글에서는 신경망을 섞은 모델이 조금 나았고, 미드에서는 오히려 지난주 기준선이 앞섰다. 서포터는 두 방법이 같았다. 모델이 언제나 새로운 패턴을 읽어 낸다는 인상과 실제 성적 사이에는 거리가 있다.

틀린 주가 알려 준 것

2025년 6월 16일 시작 주에는 다섯 포지션의 평균 적중 수가 3.2명으로 가장 낮았다. 직전 주에는 133경기, 대상 주에는 51경기가 기록됐다. 예를 들어 정글에서 모델은 신 짜오·오공·바이·판테온·트런들을 예측했지만, 실제 상위 다섯은 오공·신 짜오·비에고·나피리·뽀삐였다. 두 명만 겹쳤다. GOL 페이지에 적힌 대회 구성도 두 주 사이에 달랐다. 이는 대회 표본이 바뀔 때 지난주 흐름을 연장하기 어려울 수 있다는 가능성을 보여 준다. 특정 패치나 피어리스가 이 오차를 일으켰다고 입증한 것은 아니다.

그림 4. 2025년 평가에 포함된 주별 평균 적중 수. 6월 16일 시작 주가 가장 낮았다.

동점 처리에도 결과가 크게 흔들리지 않는지 살폈다. 2025년 175개 묶음 중 20개(11.4%)에서 실제 5위 자리에 동점이 있었다. 동점 챔피언을 분수 점수로 나눠 계산하면 최종 모델은 4.295명으로, 기본 결과 4.303명과 거의 같다. 동점이 없는 155개 묶음만 보면 4.342명이다.

다음 주의 유행을 읽는다는 것

이 실험에서 가장 예측하기 쉬웠던 것은 ‘변화’보다 ‘지속’이었다. 프로 경기에서 자주 쓰는 챔피언은 다음 주에도 대체로 자주 쓰인다. 신경망과 트리 모델은 이 관성을 학습했지만, 단순한 지난주 목록을 뚜렷하게 넘어서는 데에는 실패했다. 그러니 4.30이라는 성적은 주간 인기 챔피언 목록을 요약해 보여 주는 도구의 가능성을 말해 줄 뿐, 패치나 새 제도에 따른 급변을 미리 감지했다는 증거는 아니다.

후속 연구는 주별 대회 구성을 분리하고, 발표된 패치와 대회 일정 중 예측 시점에 실제로 알려진 정보만 더해 시험할 수 있다. 동시에 최근 4주 평균처럼 강한 기준선을 계속 함께 제시해야 한다. 메타가 달라지는 바로 그 순간을 맞히는 모델이 될 때, ‘AI가 다음 주를 읽는다’는 문장은 비로소 더 강한 의미를 갖게 될 것이다.

---

자료·방법 메모 — 원자료: Games of Legends 주간 픽 표, 2022-01-032025-12-29 매주 월요일 시작 페이지. 단위: 포지션·챔피언·주별 선택 횟수. 총 209주 중 평가에 사용된 113주는 앞뒤 주 모두 40경기 이상인 경우다. 2025년 시험은 35주·175개 포지션·주 묶음. 평가지표: 실제 픽 횟수 상위 5명과 예측 상위 5명의 교집합 크기(05).