可以假设，利用新的AI解决方案，NBA将能够立足身体能力（例如跑步与跳跃能力）、投篮准确率等基本信息，对球员的能力进行全面评估。到目前为止，对于篮球技术的研究一直缺少真正科学的方法，人们只能通过肉眼观察与统计数据进行结合衡量。从理论上讲，球员应该能够为投篮及其它运动动作设定基准，并将各位球员的实际表现与预期模型进行比较。
Ganguly解释称，“我们已经能够通过输入视频获取姿势信息，包括3D图像。”
这意味着POSE软件也可用于分析大学中的潜在优秀球员，或者观察一个特定的球员从大学到职业生涯中的任何一个特定阶段的能力发展情况。
STATS方面表示，只要视频的清晰度达到480 P或者更高，该软件就能给出公平的分析结论。
目前，我们还无法断言，魔术队究竟如何使用这款软件，以及其在球探工作当中发挥的具体作用。但可以肯定的是，随着NBA选秀以及6月自由球员交易期的到来，他们肯定会充分利用这项技术，以识别任何可能代表球员竞争优势的指标。
对于体育领域的其它运动项目而言，我们也期待看到AI技术的更多表现，包括其将如何逐步得到明确定义与发展。Ganguly和他的STATS团队对于自己的成果很有信心，并认为这项技术翻开了体育竞技的新篇章。
Ganguly表示，“目前，如果单从视频角度出发，我们已经能够回溯至上世纪九十年代中期。我们也在尝试处理较为粗糙的低分辨率影片。我们使用低延迟范式，每次处理的负载量较少，因此目前的处理周期还比较长。”
着眼于未来，除了NBA之外，STATS公司还希望能够将自己的软件用于大学校队的比赛规划与运动员培养。
STATS方面指出，“目前我们正在与奥兰多魔术队开展短期合作，并计划开发成功之后逐步扩展相关成果。”
“大学高校是我们接下来的关注重点。我们希望了解AI技术能够给大学运动队伍带来怎样的助益，这个问题目前还没有明确的答案。我希望利用它来比较比赛风格、找出其它风格相似的队伍，同时借此进行运动员培养——包括投篮技巧以及运球方法等。”
时间将证明这项技术在球探与球员培养方面的可行性与实用性。如果奥兰多魔术队能够从STATS的AI成果当中获得符合预期的收益，那么这也许真的会是一场激动人心的“魔术”。
