競艇AI『TAKENOKO BOAT』を自作し、約2か月間で9,764レースの予想実績を記録しました。
AIに大量のレースデータを学習させ、予想モデルを改良し、買い目を絞り込み、期待値の高そうなレースを探す。
そんな試行錯誤を続けた結果、ひとつの壁にぶつかりました。
回収率80%の壁です。
当初は、予想精度を改善していけば、そのうち回収率100%を突破できるのではないかと考えていました。
しかし、実際に約1万レースの結果を集計すると、そう簡単ではありませんでした。
一方、今回の検証では面白い事実も分かりました。
AIは締切10分前の市場には勝っている。しかし、締切時の市場には勝っていない。
今回は、2026年11月16日までの実績を使って、競艇AIの到達点と、回収率80%の壁の正体について紹介します。
1. 約1万レースの運用結果
現在、私が開発している競艇予想システム「TAKENOKO BOAT」では、複数のAIモデルを運用しています。
主なモデルは以下の3種類です。

- Champion:公開予想に使用している基本モデル
- Neo:別のアプローチで予想するモデル
- Hybrid:複数の予想方法を組み合わせたモデル(NeoHybrid v1)
それぞれの実績は次のとおりです。
| モデル | レース数 | 回収率 | 95%区間 |
|---|---|---|---|
| Champion | 9,764 | 80.2% | 77.7~82.8% |
| Neo | 7,915 | 80.7% | 78.0~83.6% |
| Hybrid | 6,275 | 81.5% | 78.6~84.6% |
※1点100円で計算。締切前に記録した予想のうち、結果が確定したレースを対象としています。
3モデルとも、見事なまでに80%前後に収束しました。
最も成績が良いHybridでも81.5%です。
つまり、100円ずつ購入していた場合、長期的な実績では100円あたり約81.5円しか戻ってきていません。
実際にお金を賭けていたら、しっかり負けています。
ただし、これは完全にデタラメな予想をしているという意味ではありません。
競艇の三連単は控除率が25%です。投票全体に対して払い戻される金額は基本的に75%となります。
それに対して、私のAIは80%前後を記録しています。
この5ポイント程度の差には、何か意味があるのでしょうか。
ここからが今回の検証の本題です。
2. 実は「人気順に買うだけ」で回収率79%になる
最初に疑問を持ったのは、AIが80%を達成していること自体に価値があるのか、という点でした。
そこで、AIと同じレースについて、同じ点数だけ人気順に買った場合の成績を調べました。
例えばAIが三連単を5点予想したら、比較対象は単純にオッズの低い順から5点購入します。
その結果がこちらです。
| 比較方法 | AI | 人気順 | AIの上乗せ |
|---|---|---|---|
| Champion・締切10分前 | 79.9% | 75.7% | +4.2pt |
| Champion・締切時 | 80.0% | 78.7% | +1.2pt |
| Hybrid・締切10分前 | 81.2% | 75.5% | +5.7pt |
| Hybrid・締切時 | 81.2% | 79.0% | +2.2pt |
※比較条件に合わせたレースのみで集計しているため、前節の全体成績とは若干異なります。
かなり興味深い結果になりました。
締切時の人気上位を買うだけで、回収率は約79%になります。
これは、人気のある組み合わせと人気薄の組み合わせで、払戻率に偏りがあるためです。
一般に人気薄は過剰に購入されやすく、人気側の組み合わせは相対的に払戻率が高くなる傾向があります。
今回のデータでも、その性質が確認できました。
つまり、Championの回収率80%は、人気順で買うだけの79%と大差がありません。
AIが市場に勝っているのかを調べるには、単純な75%ではなく、人気順という比較対象が必要だったわけです。
ちなみにChampionと締切時の人気順との差は+1.2ポイントですが、統計的な95%区間は−1.5~+3.9ポイントでした。
ゼロをまたいでいるため、今回のデータでは偶然の変動と区別できません。
AIは予想をしている。しかし、締切時の人気順より優秀だとはまだ言えない。
なかなか厳しい現実です。
3. AIは締切10分前の市場には勝っている
ところが、締切10分前の人気順と比較すると話が変わります。
Championは+4.2ポイント、Hybridは+5.7ポイント。
Championの差の95%区間は+1.3~+7.1ポイントでした。
こちらはゼロをまたいでいません。
つまり、締切10分前の市場と比較すれば、AIには明確な優位性が確認できました。
ところが、締切時になるとその優位性が小さくなります。
なぜでしょうか。
有力な説明は、締切直前に大量の投票情報が市場へ反映されるからです。
競艇のオッズは締切まで動き続けます。
締切10分前にはまだ十分に反映されていなかった情報が、その後の投票によってオッズに織り込まれていく。
その結果、AIが持っていた優位性が失われると考えられます。
なお、締切時の確定オッズは購入時点では分かりません。
したがって、この比較は「最終的に市場がどこまで正確になったか」を調べるためのものです。
私のAIが締切10分前の市場に勝っていることは、無意味ではありません。
ただし、それを利益に変えるには別の問題を解決する必要があります。
4. 最大の問題は「予想したオッズでは払い戻されない」こと
今回、一番面白かった検証がこれです。
AIが期待値の高いと判定した三連複について、次の2通りで回収率を計算しました。
- 判定時に表示されていたオッズのまま払い戻されたと仮定する
- 実際に確定した払戻金で計算する
その結果です。
| AIの判定条件 | 判定時オッズで精算 | 実際の払戻 |
|---|---|---|
| 10分前・AI-EV110以上 | 130.3% | 89.7% |
| 10分前・AI-EV130以上 | 145.4% | 92.1% |
| 5分前・AI-EV110以上 | 112.3% | 84.3% |
| 1分前・AI-EV110以上 | 100.2% | 81.1% |
※AI-EVはAIが推定した期待値に基づく指標です。数値は検証用の区分であり、実際の推奨購入条件ではありません。
これは衝撃的でした。
締切10分前、AI-EV110以上と判定した買い目を、その時点のオッズで精算できたと仮定すると、回収率130.3%です。
十分な黒字になります。
しかし、実際の払戻で計算すると89.7%です。
約40ポイントも回収率が落ちています。
理由は単純です。
AIが「これはお買い得だ」と判断した買い目のオッズが、締切までに大きく下がっているからです。
10分前に選んだ買い目では、締切までにオッズが約0.7倍になっています。
さらに面白いのは、的中確率そのものです。
10分前にAI-EV110以上と判定した2,328点について、AIの予測的中数は619本でした。
実際の的中は592本。
予測の約96%に相当します。
完璧ではありませんが、的中数の見込みは比較的近い結果でした。
それなのに回収率は90%に届きません。
一方、締切1分前のAI-EV110以上では、予測的中数373本に対して実際は292本。
見込みの約78%しか的中していません。
直前のオッズを見て「お買い得」に見える買い目を選んでも、AIがその的中確率を過大評価している可能性があります。
つまり、問題は2つあります。
- 10分前の予想は比較的当たっていても、確定払戻が低くなる。
- 1分前の予想では、期待値が高そうな買い目の的中確率自体が過大評価されている可能性がある。
なお、判定時オッズによる130.3%という数字は仮想的な計算です。実際の競艇は投票によってオッズが変動するため、その価格で精算できたわけではありません。
ここに、競艇AIで利益を出す難しさがあります。
勝ちそうな艇を予測する能力と、儲かる買い目を発見する能力は、別のものなのです。
5. 買うレースを絞れば100%を突破できるのか
そこで次に考えたのが、買うレースを絞り込む方法です。
例えば、荒れそうなレースだけを買う。
あるいは、AIが強く自信を持っている買い目だけを購入する。
これなら回収率が上がるのではないかと考えました。
荒れるレースを狙う方法
TAKENOKO BOATには、レースの荒れ度をL1~L5の5段階で分類する仕組みがあります。
L5が最も荒れる可能性が高いと判定されたレースです。
今回の成績は次のとおりでした。
| 荒れ度 | レース数 | 回収率 |
|---|---|---|
| L1 | 1,808 | 79.0% |
| L2 | 2,329 | 81.0% |
| L3 | 2,731 | 76.6% |
| L4 | 2,078 | 83.6% |
| L5 | 818 | 105.8% |
| L4+L5 | 2,896 | 87.6% |
おや、L5だけ100%を超えています。
これならL5だけ買えばよいのでは?
そう考えたくなります。
しかし、L5の回収率の95%区間は74.2~142.2%です。
非常に幅が広く、数本の高配当によって大きく変動する状態です。
105.8%という数字だけでは、継続的に利益を出せるとは判断できません。
また、L4+L5の合計も、当初はかなり好調でした。
- 9月27日:678レース、101.8%
- 9月30日:866レース、94.5%
- 11月16日:2,896レース、87.6%
レース数が増えるにつれて、回収率は下がってきました。
最初の好調さをそのまま信用していたら、判断を誤っていたでしょう。
三連複1点買いはどうか
次は三連複です。
AIが計算した3着以内率の高い3艇を組み合わせ、合算した確率が36%以上の場合だけ1点買いする方法です。
この条件での結果は、
- Champion:805レース、回収率82.0%
- Neo:908レース、回収率82.2%
的中率は約42%でした。
過去の検証でも43~45%程度だったため、的中率の傾向はおおむね再現されています。
ただし、回収率は80%台。
三連複の控除率25%に対して、利益を出せるほどの優位性は確認できませんでした。
なお、これらは実際に購入した結果ではなく、予想を記録して後から精算したシャドー検証です。
AIの期待値で絞り込んでも難しい
三連複のAI-EVを使って買い目を絞る方法も試しました。
締切10分前の判定では、AI-EV110以上で89.7%、120以上で91.4%、130以上で92.1%でした。
一部の条件では95%区間の上限が100%を超えていますが、下限は100%を大きく下回っています。
さらに、モデル・判定時刻・期待値ラインを組み合わせると、全部で18通りの条件になります。
その中から一番良かった条件だけ選べば、当然ながら好成績に見えます。
しかし、過去の成績が良かった条件を後から選ぶことと、将来も勝てる条件を発見することは同じではありません。
これはAI開発で非常に重要な問題です。
6. 改良したAIは本当に強くなったのか
もうひとつ、今回の結果から分かったことがあります。
AIのモデルを改良しても、それが本当に性能向上につながったのかを判断するのは難しいということです。
10月5日時点では、Hybridが1,605レースで回収率82.8%、Championが78.6%でした。
約4ポイントの差があり、Hybridの方が優秀に見えました。
ところが、その後のデータを加えて比較すると、同じ6,275レースにおける差は+0.8ポイントになりました。
95%区間は−1.2~+2.8ポイントです。
つまり、今回のデータではHybridがChampionより優秀だと断定できません。
新しいモデルの方が回収率は高く出ていますが、それが安定した改善かどうかは別問題です。
私は10月17日を境にモデルの世代を分けていますが、新世代の方が成績が高い傾向も見られました。
ただし、時期が異なり、統計的な区間も重なっています。
モデルの変更以外に、レースの傾向や市場環境が変わった影響も考えられます。
そのため、単純に「新モデルの方が強い」とは判断していません。
7. AI開発で一番大事なのは「後出しで勝ったことにしない」こと
今回、あらかじめ判定条件を決めていた実験が2つありました。
1つは、荒れ度L4+L5を約2,200レースで評価する実験。
もう1つは、NeoHybrid v1を約3,400レースで評価する実験です。
L4+L5については、95%区間の下限が90%を超えれば別枠での運用を検討する予定でした。
しかし、今回の結果は回収率87.6%、区間の下限76.8%です。
採用条件を満たしませんでした。
NeoHybridも、Championを上回るという統計的な証拠は得られませんでした。
したがって、どちらも採用条件を満たしていないという判定です。
これは失敗というより、検証が正常に機能した結果だと考えています。
AI開発では、条件を何度も変更し、最も成績の良い部分だけを取り出すことが簡単にできてしまいます。
そうすると、実力以上に優秀なAIが完成したように見えます。
しかし、実際に運用すると予想どおりの成績にはなりません。
だからこそ、事前に判定条件を決め、結果が悪くてもその基準を守ることが大切です。
8. 競艇AIの回収率が80%で止まる理由
今回の結果を整理すると、次のようになります。
競艇AIが80%で止まる理由は、予想精度だけの問題ではありません。
三連単の投票全体の払戻率は75%。
今回の比較条件では、締切時の人気上位を買うだけで約79%。
そして、AIの回収率は80~82%。
AIの上乗せは、最終的な市場と比較するとそれほど大きくありません。
一方、締切10分前の人気順と比べると、AIには4~6ポイント程度の優位性があります。
しかし、その優位性は締切までの投票によって相当部分が失われてしまいます。
現在のAIは、市場がまだ十分に織り込んでいない情報を見つけられている可能性があります。
それでも、実際の払戻で利益を出せるところまでは到達していません。
この違いは非常に大きいものです。
私は当初、モデルの予測能力を上げていけば利益に近づくと考えていました。
しかし、約1万レースの検証を経て、考え方が変わってきました。
AIが的中確率を正確に予測するだけでは足りない。市場が最終的にどんな価格をつけるかまで考えないと勝てない。
今のところ、これが最も重要な結論です。
9. 次に取り組むこと
今回の分析を踏まえ、今後は主に2つの方向で検証を続けます。
オッズ変動を予測する
締切10分前の時点で買い目を選ぶなら、その後のオッズ変動を考慮する必要があります。
例えば、10分前に期待値130%と判断しても、締切までにオッズが大きく下がるなら、実際には買う価値がないかもしれません。
どのような買い目のオッズが下がりやすいのか。
その変動を事前に予測できないか。
現在、AI-EV v3で検証データを収集中です。
なお、事前に決めたとおり、実的中100本が集まるまでは採用判断を行いません。
三連単以外の市場を調べる
もうひとつは、券種による違いです。
三連単と三連複では購入者の傾向やオッズの偏りが異なります。
ある券種では市場が非常に効率的でも、別の券種ではAIが優位性を発揮できるかもしれません。
こちらも引き続き検証します。
10. この経験を競馬AIにも生かしたい
実は現在、競艇AIとは別に、競馬予想AIの開発にも取り組んでいます。
競馬でも同じような問題が起きる可能性があります。
JRAの控除率は券種によって異なります。
- 馬連・ワイド:22.5%
- 三連複:25%
- 三連単:27.5%
競馬でも、単純な控除率から計算した払戻率と、人気上位を買った場合の回収率は異なる可能性があります。
また、締切直前の投票によってオッズが大きく動く現象もあります。
そのため競馬AIでも、単純な回収率だけでなく、同じ点数を人気順に買った場合と比較する予定です。
さらに、締切10分前と締切時の市場を分けて評価することも重要だと考えています。
競艇と競馬は違う競技ですが、共通するのは「的中確率の予測」と「市場価格との勝負」という構造です。
競艇で得られた知見が、競馬AIにどこまで通用するのか。
こちらも楽しみな研究テーマになりました。
まとめ:AIで予想できることと、利益を出せることは違う
競艇AIの運用開始から約2か月。
Championは9,764レースで回収率80.2%、Hybridは6,275レースで81.5%でした。
残念ながら、利益を出せるAIには到達していません。
しかし、今回の分析で、なぜ80%前後に収束するのかが少しずつ見えてきました。
特に大きな発見だったのは、締切10分前の市場に対してはAIに優位性がある一方、その優位性を実際の払戻に変換できていないことです。
予想精度を上げるだけでは解決しない問題がある。
これはAIでギャンブルを予想するうえで、非常に重要な教訓になりました。
ここまで開発してきたからこそ、回収率100%を簡単に突破できるとは思っていません。
ただ、約1万レースを分析しても、まだ調べるべきことが残っています。
私自身、AIの開発よりも、AIの限界を調べることの方が面白くなってきたところです。
AIが市場に勝つのは難しい。だからこそ、どこまで通用するのかを実際のデータで確かめていきたいと思います。
追記:そもそも、ライバルもAIを使っているのではないか?
今回の分析をしていて、もうひとつ考えたことがあります。
競艇の予想をしているのは、私のAIだけではないということです。
当然ながら、他にもAIを使って予想している人はいるでしょう。
AIを使わなくても、長年の経験や独自の分析によって、的中確率を正確に見積もれる上手な人もいるはずです。
そして、その人たちも同じ市場で舟券を購入しています。
競艇はパリミュチュエル方式です。投票が集中した組み合わせほど、オッズは下がります。
つまり、優秀な予想者が同じ組み合わせを買えば、その舟券のオッズは下がってしまうのです。
例えば、私のAIが「この組み合わせの的中確率は30%ある」と予測したとします。
ところが、他の優秀な予想者も同じ結論に到達して、大量に購入していたらどうでしょうか。
当然、オッズは下がります。
予想が正しいことと、その舟券を買って儲かることは別問題なのです。
みんなが知っている情報で、みんなより賢くなれるのか?
ここで、現在のAIの限界についても考えました。
私が作っているAIは、基本的に公開されている情報を自動取得し、機械学習によって予測しています。
出走表、選手の成績、展示情報、オッズなどです。
しかし、これらは他の予想者も入手できる情報です。
もちろん、同じ情報を使っていても、分析方法によって予測精度に差は出ます。
ただし、AIによる分析が一般化するほど、同じような結論にたどり着く予想者も増える可能性があります。
優秀なモデルを作って、的中確率の高い組み合わせを発見する。
ところが、他の予想者も同じ組み合わせを発見する。
そして、みんなが買うからオッズが下がる。
予想精度が上がるほど、その予想による利益が市場から消えていく。
そんな構造になっているのかもしれません。
必要なのは「みんなが外すところを当てる能力」
厳密には、単に人気薄を当てればよいわけではありません。
重要なのは、市場が実際よりも低く評価している組み合わせを見つけることです。
例えば、市場が的中確率10%程度と評価している組み合わせについて、AIが15%と予測でき、その予測が正確なら優位性が生まれる可能性があります。
反対に、AIが的中確率80%の組み合わせを正確に見つけても、市場も同じように評価しているなら、大きな利益にはつながりません。
要するに、勝つためには予想の正確さだけでなく、他の参加者との認識の差が必要なのです。
今回の検証で、締切10分前にはAIが市場を上回っていたのに、締切時にはその差がほとんど消えていたことも、この考え方と整合します。
ただし、実際に他のAIや上手な予想者の投票によって差が消えたのかは、今回の集計からは分かりません。
AIの本当のライバルは、他のAIを含めた市場全体
そう考えると、公開情報を自動取得して予測するだけの現在のモデルには、構造的な限界があるのかもしれません。
機械学習の精度を少し改善しても、同じ情報を使う市場参加者が同じ結論に到達するなら、利益にはつながりにくいからです。
今後必要になるのは、他の予想者が見落としている情報や評価方法を発見すること、あるいは締切までのオッズ変動そのものを予測することなのでしょう。
今回の約1万レースの検証で分かったのは、AIが予想できないということではありません。
AIが予想できることは、他の誰かにも予想できるかもしれない。
そして、みんなが正しい予想をして同じ舟券を買えば、その舟券から利益を得るのは難しくなります。
競艇AIの本当のライバルは、人間の勘でも、他社の予想AIでもありません。
AIを使う人間も、熟練した予想者も、すべて含めた市場そのものなのだと思います。
集計条件・注意事項
本記事は2026年11月17日時点の分析です。対象は11月16日までに結果が確定したレースで、実際の公開予想を記録した共通台帳を使用しています。
- 予想は締切前に記録されたものを対象としています。
- 全額返還のレースは除外し、一部返還は払戻に加算しています。
- 金額は1点100円で換算しています。
- 95%区間は日単位のブートストラップ法(4,000回)で推定しています。
- モデルの世代区分は2026年10月17日を境にしています。
- 三連複の検証には、実際には購入していないシャドー記録を含みます。
- 記載の回収率は過去の検証結果であり、将来の成績や利益を保証するものではありません。
なお、今回の集計ではAI-EV v3、Champion A2、その他のシャドー実験は評価対象に含めていません。事前に決めた判定時点まで検証を継続します。


コメント