公営ギャンブルでAIは勝てるのか？実証データ公開

AIがギャンブルに挑戦する──結論から先に言う

公営ギャンブルでAIは勝てるのか。結論は「条件付きで勝てる」だ。

全レースに均等に賭け続ければ負ける。しかし、AIが算出した期待値を使って「割の良いレース」だけに絞れば、回収率100%を超えることができた。

我々が検証に使ったのは、競艇AI「NAGI AI」とオートレースAI「TODOROKI AI」の2つ。合計19,135レースの実証データに基づく結論だ。

AI	対象競技	検証レース数	全レースROI	期待値フィルタ後ROI
NAGI AI	競艇	11,607	93.0%（赤字）	129.7%（EV≧1.0 / 5,185R）
TODOROKI AI	オートレース	7,528	77.8%（赤字）	124.9%（EV≧1.0 / 2,719R）

この記事では、なぜ全レース均等賭けでは負けるのか、期待値フィルタとは何か、そして2つの公営競技でAIがどのような成績を残したかを、データとともに全て開示する。

なぜ「AI vs ギャンブル」なのか──人間の限界

人間の認知バイアスがギャンブルを不利にする

公営ギャンブルで長期的に負ける最大の原因は、控除率ではない。認知バイアスだ。

人間の予想には、3つの構造的な偏りがある。

1. 本命偏重バイアス
競艇なら1号艇、オートレースなら人気選手に賭けが集中する。その結果、本命のオッズは適正値より低くなり、当たっても利益が出ない「割の悪い賭け」が大量に生まれる。

2. 直近成績バイアス
直近3走の成績だけで判断し、長期的な実力やコース適性、モーター・エンジンの性能差を無視する。統計的には数百レース分のデータが必要な判断を、3レース程度の情報で行ってしまう。

3. 万舟（大穴）偏重バイアス
一発逆転を狙って大穴に賭ける層が一定数いる。これにより中穴帯のオッズが相対的に放置され、「本命でも大穴でもない中間」にチャンスが生まれる。

これらのバイアスは個人の能力の問題ではない。人間の脳の構造的な特性であり、意志の力で排除することはできない。

AIの強み──大量データの機械的処理

AIはこれらのバイアスを持たない。

NAGI AIは55種類の特徴量（選手成績・モーター性能・コース適性・天候・展示タイム・オッズなど）を使い、11,607レースのテストデータで検証した。学習には256,623行のデータを使用している。

TODOROKI AIは37種類の特徴量に加え、Optunaによるハイパーパラメータ最適化を実施。5年分・208,583行の学習データをもとに、7,528レースで検証した。

人間が1レース分のデータを読み込むのに5分かかるとすれば、19,135レース分は約66日間（24時間稼働で）。AIはこれを数分で処理する。しかも感情に左右されない。

もう一つの重要な違いは一貫性だ。人間は連敗すると賭け方を変えたくなる。熱くなって大きく張ったり、逆に怖くなって勝負を避けたりする。AIにはそれがない。事前に定めたルールを淡々と繰り返すだけだ。この一貫性こそが、長期的に確率を味方につけるための必須条件である。

検証1: 競艇AI（NAGI AI）──11,607レースの結果

モデル概要（LightGBM・55特徴量）

項目	内容
モデル	LightGBM
特徴量	55種類
学習データ	256,623行
テストデータ	11,607レース
時系列分離	あり（学習期間とテスト期間は重複なし）

重要な点は時系列分離だ。学習データには2025年12月15日以前のレースのみを使い、テストデータは2025年12月16日以降のレースだけで構成している。つまり「未来のデータでカンニング」していない。これはAI検証の信頼性を担保する最低条件である。

全レース均等賭け → 回収率93%（赤字）

NAGI AIの1着的中率は57.9%。2回に1回以上は当たる。

しかし、全11,607レースに1,000円ずつ均等に賭けた場合、回収率は93.0%──赤字だ。

原因は明確で、AIが「1号艇が勝つ」と正しく予測しても、1号艇のオッズは1.5〜3倍程度にしかならない。控除率25%を考慮すると、的中しても利益が薄い。外れたときの損失を取り返せず、トータルでマイナスになる。

これは「AIの予測精度が低いから負ける」のではない。「当てるだけでは勝てない」という競艇の構造的な特性が原因だ。

期待値フィルタ → 回収率129.7%（黒字）

そこで発想を転換する。「全レースに賭ける」のをやめ、期待値（EV）が1.0以上のレースだけに絞る。

期待値の計算式はシンプルだ。

期待値（EV）= AI予測勝率 × オッズ

EV≧1.0ということは、「長期的に賭け続ければ元本以上が返ってくる」ことを意味する。

EV閾値	対象レース数	回収率
全レース	11,607	93.0%
EV≧1.0	5,185	129.7%
EV≧1.5	882	199.6%

EV≧1.0でフィルタリングすると、対象レースは5,185レースに絞られるが、回収率は129.7%まで改善する。さらにEV≧1.5に絞ると882レースで回収率199.6%。閾値を上げるほど回収率は向上するが、賭けられるレース数は減少する。このトレードオフをどう設定するかは、資金量と運用期間によって判断が分かれるところだ。

競艇のデータ分析手法についてさらに深く知りたい場合は競艇のデータ分析手法も参考にしてほしい。

競艇AIの検証結果をさらに詳しく知りたい場合は、競艇AIの検証結果を詳しく見るを参照してほしい。

検証2: オートレースAI（TODOROKI AI）──7,528レースの結果

モデル概要（LightGBM・37特徴量 + Optuna）

項目	内容
モデル	LightGBM + Optuna（ハイパーパラメータ最適化）
特徴量	37種類
学習データ	208,583行（5年分）
テストデータ	7,528レース
時系列分離	あり

TODOROKI AIは競艇AI「NAGI AI」の知見を横展開し、オートレース専用に設計したモデルだ。Optunaを使ったハイパーパラメータ自動最適化により、人手によるチューニングでは到達できない精度を実現している。

ハンデ構造の攻略──8号車が最強の理由

オートレースで最も興味深い発見は、8号車（最大ハンデ）の勝率が30.1%という事実だ。

8号車は最も後方からスタートする。直感的には不利に見える。しかし、最大ハンデを課されるのは「それだけ速い選手」だからだ。大きなハンデを背負ってもなお勝てる実力がある。

しかも、ハンデが大きいため一般のファンは「さすがに追いつけないだろう」と考え、オッズが適正値より高くなりやすい。つまり「強い選手なのに過小評価されている」状態が構造的に発生する。

TODOROKI AIはこの構造を学習し、ハンデと実力のバランスが崩れているレース──つまり「速い選手が市場で過小評価されているレース」を検出する。これはオートレース特有の歪みであり、競艇や競馬にはない利益の源泉だ。オートレースのハンデ構造について詳しくはオートレースのハンデ構造で解説している。

期待値フィルタ → 回収率124.9%（黒字）

EV閾値	対象レース数	回収率
全レース	7,528	77.8%
EV≧1.0	2,719	124.9%
EV≧1.2	847	165.9%

競艇と同じパターンだ。全レース均等賭けでは回収率77.8%と大幅な赤字だが、期待値フィルタを入れると黒字に転換する。EV≧1.2に絞れば回収率165.9%まで跳ね上がる。

オートレースAIの詳細な検証過程はオートレースAIの検証結果を詳しく見るにまとめている。

競艇 vs オートレース──AIとの相性比較

2つの公営競技で検証した結果を並べると、それぞれの特性が見えてくる。

比較項目	競艇（NAGI AI）	オートレース（TODOROKI AI）
出走数	6艇	8車
控除率	25%	30%
AI競合	少ない	ほぼゼロ
ハンデ制	なし（枠番制）	あり（0m〜110m）
検証レース数	11,607	7,528
EV≧1.0 ROI	129.7%	124.9%
特徴量数	55	37

どちらもAI予測が有効であることは実証された。特筆すべきはオートレースのAI競合がほぼゼロという点だ。競馬のAI予測は既にレッドオーシャンだが、オートレースにAIを適用している参入者はほとんどいない。これは市場の歪みが大きく残っていることを意味し、期待値ベッティングが機能しやすい環境である。

一方で、オートレースの控除率は30%と競艇の25%より高い。この不利をAIの予測精度で補えるかが勝負の分かれ目になる。TODOROKI AIはEV≧1.0でROI 124.9%を記録しており、控除率の差を補って余りある成績を出している。

期待値ベッティングの仕組みを基礎から理解したい場合は、期待値ベッティングの基礎を学ぶを参照してほしい。

NAGI AI・TODOROKI AIはどちらも毎日Xで無料予測を公開している。実際のレースでAIがどのような予測を出すのか、@nagi_ai_boat（競艇）と@todoroki_ai_ar（オートレース）をフォローして確認してほしい。

AIでも勝てない条件──正直に開示する

短期的には負ける日がある

AIは魔法ではない。期待値ベッティングは「長期的に回収率100%を超える」戦略であり、1日単位では普通に負ける。

フォワードテスト（実際のリアルタイム検証）では、累計173レースでROI 112.8%を記録しているが、個別の日単位で見れば赤字の日もある。

期待値ベッティングが機能するには、十分なサンプルサイズが必要だ。100レース未満の結果で「AIは使えない」と判断するのは統計的に早計である。目安として、最低でも200〜300レースの累計で評価すべきだ。バックテストでは数千レース規模で検証しているからこそ、統計的に有意な結論が出せている。

全レース均等賭けでは負ける

これは繰り返し強調する。AIが高精度でも、期待値フィルタなしでは赤字になる。

AI	全レース均等ROI	EV≧1.0 ROI	差分
NAGI AI	93.0%	129.7%	+36.7pt
TODOROKI AI	77.8%	124.9%	+47.1pt

AIは「当てるツール」ではない。「割の良いレースを見つけるツール」だ。予測結果をそのまま全て買うのではなく、期待値でフィルタリングすることで初めて利益が生まれる。

この構造を理解せずに「全レース的中率」だけでAIの性能を評価すると、本質を見誤る。

市場が効率的になれば歪みは減る

理論的には、AI予測の参入者が増えればオッズの歪みは縮小し、期待値ベッティングの優位性は薄れる。株式市場でアルゴリズム取引が普及し、裁定機会が減少したのと同じ原理だ。

しかし、現時点の公営ギャンブル市場はそうなっていない。賭け手の大多数は感覚ベースの個人ファンであり、AIを使って系統的にベッティングしている層はごく少数だ。特にオートレースではAI予測の競合が事実上存在しない。

この「非効率な市場」がいつまで続くかは保証できないが、当面は歪みが維持される見込みだ。競馬と比べても、競艇・オートレースは市場規模が小さく、機関投資家的なプレイヤーが参入するインセンティブが低い。これが個人レベルのAI運用でも優位性を保てる理由である。

まとめ──AIは「確実に勝つ魔法」ではなく「確率を味方にする道具」

19,135レースの検証で明らかになったことをまとめる。

1. AIは公営ギャンブルで「条件付きで」勝てる
全レース均等賭けでは負けるが、期待値フィルタを使えば回収率100%超えを達成できた。

2. 勝敗を分けるのは「的中率」ではなく「期待値」
的中率57.9%でも赤字になり、期待値フィルタで回収率129.7%を実現した。AIの本当の価値は「大量のデータから割の良いレースを見つけること」にある。

3. 競艇もオートレースもAIが有効
異なる競技・異なるモデルで同じパターン（全レース赤字→期待値フィルタで黒字）が再現された。これは偶然ではなく、期待値ベッティングという戦略の構造的な強さを示している。

4. 短期的な上下は避けられない
AIは確率の道具であり、確実に勝つ魔法ではない。しかし十分なレース数を重ねれば、確率は味方になる。

NAGI AI・TODOROKI AIは毎日Xで無料予測を公開している。データが本物かどうか、自分の目で確かめてほしい。

無料で試す

・競艇AI予測（NAGI AI）: @nagi_ai_boat をフォロー（無料）

・オートレースAI予測（TODOROKI AI）: @todoroki_ai_ar をフォロー（無料）

全レースのAI予測を見る

noteメンバーシップ（月額1,980円〜）で、競艇・オートレースの全レースAI予測を毎日配信中。期待値つきの予測を全レース分確認できる。

関連記事

・競艇AIの検証結果を詳しく見る

・オートレースAIの検証結果を詳しく見る

・期待値ベッティングの基礎を学ぶ

・競艇のデータ分析手法

・オートレースのハンデ構造

・無料で試す方法