競馬AI 当たらない理由は？回収率100%の壁を解説

「競馬AI 当たらない理由」というキーワードで検索してこられたあなたは、AIの予想を試したものの、期待したほどの結果が出ずに悩んでいるのではないでしょうか。

市場には、AI競馬予想当たるという評判や、最強のAIを探す競馬AI 回収率ランキングがあふれています。しかし、実際には競馬AI 儲からないと感じることの方が多いかもしれません。

オッズパーク AI予想的中率のデータや、スポニチ競馬予想AIの成績を見ても、本当に競馬AI 回収率100を超える安定した収益は可能なのか、疑問は深まるばかりです。

この記事では、なぜAI予想が「当たらない」と感じてしまうのか、その構造的な理由からAIの技術的な限界までを深く掘り下げ、競馬AIとの正しい付き合い方を解説していきます。

競馬AIが「当たる」のに「儲からない」本当の理由
回収率100%を阻む「控除率」という構造的な壁
主要AI（オッズパーク・SIVA）の客観的な実績データ
AIの予測精度における技術的な「死角」とは何か

競馬AI 当たらない理由の構造的要因

このセクションでは、AIの性能以前の問題として、競馬という市場そのものが持つ「儲からない」構造的な理由を解説します。

AI競馬予想当たるのに儲からない訳
的中率と回収率のパラドックス
競馬AI 儲からない最大の壁「控除率」
オッズパーク AI予想的中率の実例

AI競馬予想当たるのに儲からない訳

競馬AIに対する最も一般的な誤解の一つに、「当たる」こと（的中率）と「儲かる」こと（回収率）を同一視してしまう点があります。

結論から言えば、的中率が非常に高いAIが、必ずしも利用者に利益をもたらす（＝回収率が高い）AIであるとは限りません。この二つは、競馬のパフォーマンスを測る上で、根本的に異なる「ものさし」だからです。

まず「的中率」とは、購入した馬券が「的中した割合」を示す指標です。例えば、10レース分の馬券を購入し、そのうち5レースで何らかの的中があった場合、的中率は50%となります。的中率が高いAIは、頻繁に当たりを知らせてくれるため、利用者にとっては「よく当たる優秀なAI」という感覚的な満足度を得やすい傾向があります。

一方で、「回収率」とは、投じた資金額（馬券の購入総額）に対して、どれだけの払戻金があったかを示す「収益性」の指標です。競馬において「収益を上げた（儲かった）」状態とは、この回収率が100%を超過した場合のみを指します。たとえ的中率が非常に高くても、回収率が100%を下回っていれば、その投資は全体として「マイナス（負け）」となります。

ここで、「当たるのに儲からない」という現象が発生します。

的中率を重視するAIは、必然的に「勝ちやすい馬」、つまり多くの人が支持する「人気馬」を推奨する傾向が強まります。人気馬は確かに他の馬より勝つ確率が高いため、AIの的中率は上がります。

しかし、人気馬のオッズ（配当倍率）は、その人気ゆえに非常に低く設定されています。仮に的中したとしても、払戻金が馬券の購入額よりも少なくなってしまう「トリガミ」と呼ばれる状態が発生しやすくなるのです。

例えば、あるAIの推奨に従い、1レース100円ずつ、10レースに投資したと仮定しましょう。的中率は50%（10レース中5レース的中）と非常に優秀だったとします。

投資総額： 100円 × 10レース = 1,000円
的中内容：すべて低オッズの人気馬（例：1.5倍、1.2倍、1.8倍、1.1倍、1.3倍）
払戻総額： 150円 + 120円 + 180円 + 110円 + 130円 = 690円
回収率： (690円 ÷ 1,000円) × 100 = 69%

このように、的中率は50%と高いにもかかわらず、結果は310円のマイナス（回収率69%）です。これが、「AI競馬予想当たる」のに「競馬AI 儲からない」と感じる現象の正体であり、AIの性能を判断する上で最も注意すべきギャップと言えます。

的中率と回収率のパラドックス

前述の通り、的中率（当たる確率）と回収率（儲かる確率）の間には、競馬という市場の特性上、しばしば逆の相関関係、すなわち「パラドックス（逆説）」が見られます。

簡単に言えば、「的中を追求すればするほど、儲け（利益）から遠ざかる」という現象が発生しやすいのです。

多くの競馬AI、特に広く一般に提供されているサービスは、「的中率の高さ」を性能のアピールポイントにする傾向があります。なぜなら、AIが頻繁に的中を出す方が、利用者にとって「このAIは優秀だ」と体感しやすく、サービスとしての満足度（感覚的な満足度）が上がりやすいためです。

この「的中率の高さ」をAIが達成しようとすると、必然的に「最も勝ちやすい馬」、すなわちレースで1番人気や2番人気に支持される馬を予測の中心に据えることになります。

ここが重要な点ですが、競馬のオッズ（配当倍率）は、その馬の「絶対的な強さ」や「AIの評価」で決まるのではありません。オッズは、市場に参加する全プレイヤーが「どの馬にいくら賭けたか」という、いわば「人気投票」の比率によってリアルタイムに決定されます。

「この馬が勝つだろう」と多くの人が考え、多額のお金が投じられた馬（＝人気馬）は、当然ながらオッズが極端に低くなります。

人気馬は確かに他の馬より勝つ確率は高いため、AIが人気馬を推奨し続ければ、AIの的中率は上がります。しかし、そのオッズはすでに市場の全参加者によって「勝ちやすい」という事実が織り込まれ、配当的な妙味（うまみ）がまったくない状態になっています。

例えば、あるAIが「的中率90%」という驚異的な性能を持っていたと仮定しましょう。しかし、その的中がすべてオッズ1.1倍の単勝（1着を当てる馬券）だった場合を考えます。

10レースに各100円ずつ（合計1,000円）投資します。
的中：9レース × 100円 × 1.1倍 = 990円
外れ：1レース × 100円 = 100円の損失
結果：投資1,000円に対し、払戻990円。

この計算では、的中率が90%という驚異的な数字でも、回収率は99%となり、収支はマイナス（赤字）です。残りの10%（外れ）の損失を、90%の的中で得た利益（合計90円）でカバーできていないのです。

さらに、複数の馬を買う「馬連」や「3連複」といった券種では、的中しても払戻金が投資額を下回る「トリガミ」が発生することもあります。的中率を追求するAIは、このトリガミのリスクを抱えやすい構造になっています。

したがって、ユーザーが「競馬AIが当たらない」と感じる時、それは「全く的中しない」という意味だけではありません。「的中はするのに儲からない（回収率が低い）」という、この的中率と回収率のパラドックスこそが、AI予想に対する不満の核心部分であることが多いのです。

競馬AI 儲からない最大の壁「控除率」

競馬AIが「儲からない」、すなわち回収率100%の達成が極めて困難である最大の理由は、AIの予測精度の優劣以前に存在する、競馬というシステム固有の「控除率」という構造的な障壁にあります。

控除率とは、ファン（参加者）が購入した馬券の総売上から、主催者（JRAなど）が差し引く運営経費などの割合を指します。これは俗に「テラ銭」とも呼ばれるものです。

この差し引かれた資金は、レースの賞金、競馬場の維持管理費、人件費、そして国庫納付金（JRAが国に納めるお金）などに充当されます。つまり、競馬という興行を安全かつ公正に成立させ、継続していくための必要経費として設定されているのです。

具体的にJRAの仕組みを見てみましょう。馬券の種類によってこの割合は異なりますが、例えば3連単や馬連といった、比較的配当が大きくなりやすい馬券では約25%（あるいはそれ以上）が控除されます。

ただし、データベースの情報（Source 2-1）によれば、単勝（1着を当てる）および複勝（3着以内に入る）の馬券については、ファンへの還元を厚くするという目的から、控除率が約20%（払戻率約80%）に設定されています。

この仕組みが、AIを含む全参加者の収益性に決定的な影響を与えます。

例えば、あるレースで控除率が25%だったと仮定しましょう。もし、AIと人間を合わせた全参加者が、そのレースに合計1億円を投じたとします。

主催者はまず、総売上1億円から控除分（25%）である2,500万円を差し引きます。

そして、残った7,500万円だけが、的中者へ払い戻される「原資（払戻原資）」となります。

参加者全員が1億円を投じたのに対し、的中・不的中にかかわらず、参加者全体に払い戻されるお金の総額は7,500万円しか存在しません。これは、全参加者の回収率の「平均値」が、長期的には必ず75%に収束することを数学的に意味しています。

これが「回収率75%の壁」（単複の場合は「80%の壁」）と呼ばれる現象の正体です。

AIであれ、長年の経験を持つベテラン予想家であれ、競馬に参加するすべてのプレイヤーは、馬券を購入した瞬間に「マイナス25%」（単複なら-20%）のビハインドを背負った状態からスタートすることになります。

したがって、多くの競馬AIが回収率100%を超えられないのは、必ずしもそのAIの予測能力が低いから（＝馬鹿だから）ではありません。この圧倒的な構造的ビハインドを乗り越え、平均75%のラインからプラス25ポイント以上を稼ぎ出すことが、統計的に極めて困難な「デフォルト（初期状態）」だからです。

AIの真の課題は、単に勝馬を当てることではなく、このマイナス分を上回るほどの「市場の歪み（＝他の参加者が見落としている、オッズが美味しい馬）」を、レースのたびに見つけ出し続けることにあるのです。

オッズパーク AI予想的中率の実例

この「当たる」のに「儲からない」構造は、理論上の話だけではありません。地方競馬の投票サービスであるオッズパークが提供するAI予想の公式データは、この現実を明確に示しています。

オッズパークAIは、予想の自信度を「☆（星）」マークで示します。データベース（集計期間：8月8日～11月6日）から、そのパフォーマンスを見てみましょう。

自信度	賭式	的中率	回収率	分析
★★★	全体	58.5%	69.2%	的中率は高いが、回収率は75%の壁を大きく下回る
★★★	複勝	54.0%	77.9%	控除率が低い(20%)複勝でも、80%の壁を超えられない
★★	全体	53.4%	57.2%	自信度が下がると、回収率も著しく低下する
★	全体	43.1%	56.9%	期待値が極めて低い

このデータから衝撃的な事実が分かります。

AIが「最も自信がある（★★★）」と推奨するレースの的中率は58.5%に達します。「2回に1回以上当たる」ため、ユーザーは「AIがよく当たる」と強く体感するはずです。

しかし、その一方で回収率はわずか69.2%です。これは「回収率75%の壁」すら大きく下回る数値であり、このAIの推奨に「丸乗り」し続けると、投資金額の約30%が失われ続けることを示しています。

この結果は、オッズパークAI（特に自信度★★★）が、極端にオッズの低い人気馬を推奨していることを強く示唆しています。これはAIが「儲からない」理由を明確に体現した実例と言えます。

性能面での競馬AI 当たらない理由

構造的な壁に加え、AIの「性能」そのものにも、ユーザーが「当たらない」と感じる理由が潜んでいます。ここでは、AIの技術的な限界と、市場に出回るAIの実態について解説します。

スポニチ競馬予想AIの回収率データ
AIの技術的な「死角」とは
競馬AI 回収率ランキングの実態
競馬AI 回収率100超えは可能か
競馬AI 最強が市場に出ない理由
結論：本質的な競馬AI 当たらない理由

スポニチ競馬予想AIの回収率データ

スポニチが提供するAI競馬予想「SIVA」は、市場で高く評価されているAIの一つです。しかし、そのパフォーマンスデータを分析すると、注意すべき点が見えてきます。

SIVAの性能に関しては、分析上、二つの異なる情報が存在します。

あるメディアでは、開発者が「単勝の的中率50%、回収率130%」と主張していると紹介されています。

一方で、別のウェブサイト（johnhancockcenterchicago.comより引用）では、SIVAの長期的な予想成績として「単勝：回収率 89.4%」「ワイド：回収率 92.4%」といった数値が示されています。

この「130%」と「92.4%」という乖離は、何を意味するのでしょうか。

最も合理的な解釈は、「回収率130%」という数値が、プロモーション目的で意図的に切り取られた、非常に短期間の「幸運が続いた期間」の成績である可能性が高いということです。

対照的に、「回収率92.4%」といった数値は、2019年からとされる長期間の運用で蓄積された、より現実的な平均値と考えられます。

この分析から言えるのは、SIVAは「回収率75%の壁」を遥かに上回る90%前後の水準を維持する「極めて優秀なAI」であるということです。しかし、同時に「儲かるAI（＝回収率100%超）」ではない、ということも示されています。

AIの技術的な「死角」とは

AIが「儲からない」構造的な理由とは別に、純粋な「予測の不的中」によって、ユーザーが「当たらない」と感じるケースも多々あります。その理由は、AIの技術的な「死角」にあります。

AIの最大の強みは、膨大な「過去」のデータを客観的に分析できる点です。血統、過去のレース数、コース情報、騎手の情報などを、人間の感情（バイアス）を排除して解析します。

しかし、AIの予測は、あくまで「レース前日までに収集された過去データ」に基づいた「静的」なものです。競馬の勝敗は、レース発走直前の「動的」な変数によって、しばしば覆されます。

AIが「当たらない」技術的な理由は、このリアルタイムの「動的」かつ「定性的」なデータを、AIが読み取れない、あるいは適切に解釈できないことにあります。

AIが苦手とする「死角」の具体例

パドックの気配レース直前に馬が周回するパドックでの様子（入れ込み、発汗の量、歩き方の力強さ）は、馬の当日のコンディションを判断する上で重要ですが、数値化が困難なためAIの分析対象外となりがちです。
直前の馬体重当日に発表される馬体重の増減（例：プラス10kg）が、成長によるもの（好材料）か、調整失敗（悪材料）かの判断は、パドックでの馬体と合わせて評価する必要があり、AIには困難です。
馬場の急変レース直前にわか雨が降り、馬場状態が急変した場合、その「変化の瞬間」がどの馬に有利・不利に働くかをリアルタイムで補正することはAIの不得意分野です。

これらの領域は、AIの計算能力よりも、人間の「経験」と「直感」がいまだ優位性を持っている部分であり、AIの予測が外れる一因となります。

競馬AI 回収率ランキングの実態

「最強のAI」を探すために、netkeibaが主催する「AI競馬予想マスターズ」のようなコンペティションのランキングを参考にする人もいるかもしれません。しかし、そのランキングデータを詳細に分析すると、冷厳な現実が浮かび上がります。

2024年の同大会の総合ランキング（データベース引用）では、ランキングの基準が「回収率」ではなく、「払戻額」で決定されている点に注意が必要です。

払戻額で上位にランクインしているAIのパフォーマンスを見ると、1位のAI（Yabusame）の回収率は48.32%、2位のAI（スXSS）に至っては29.84%となっています。

この結果が意味することは何でしょうか。

彼らは高い払戻額を得てランキング上位には入ったものの、その過程で投じた総額があまりにも大きすぎ、結果として「大赤字」に陥っていることを示しています。

したがって、このコンペティションのランキングは、「儲かるAI」を決める大会ではなく、「大きな払い戻しを当てたAI（その結果、多大な赤字を出している可能性のあるAI）」を決める大会であると言えます。この結果は、回収率100%を超えるAIを見つけるのがいかに難しいかを示す強力な証拠となっています。

競馬AI 回収率100超えは可能か

前章までで解説した「控除率（回収率75%の壁）」という、競馬システム固有の圧倒的なビハインドを踏まえると、AIの予測能力を使っても回収率100%を超える（＝儲かる）ことは原理的に不可能なのでしょうか。

技術的な可能性だけで言えば、答えは「不可能ではない」と考えられます。ただし、それを達成するには極めて高いハードルが存在します。

近年のAI技術、特に深層学習（ディープラーニング）といった高度な分析手法（アルゴリズム）は一般化が進み、高性能な分析ツール自体は多くの開発者が利用可能になりました。AI競馬予想の最前線において、勝敗を分ける決定的な要因は、もはや「どのAIアルゴリズムを使うか」という「道具」の優劣ではなくなってきています。

データベース（Source 6-1）で専門家（ヤナシ社長）が指摘するように、勝負の分岐点は「AIに何を学習させるか（食わせるか）」という、「データ（材料）の質と独自性」に完全にシフトしています。

勝てないデータ（標準データ）とその理由

ここで言う「勝てないデータ」とは、競馬新聞やJRAが公式に提供するデータ、あるいは一般的な予想サイトに掲載されている情報（標準データ）を指します。具体的には、過去のレースの着順、タイム、騎手、血統、厩舎といった、誰もが簡単にアクセスできる情報です。

なぜ、これらの標準データだけを学習させたAIでは勝てない（＝回収率100%を超えられない）のでしょうか。

その理由は、AIが出す予測が「オッズ（市場評価）」に勝てないためです。

前述の通り、オッズは競馬に参加する全プレイヤーの「評価（馬券の売上比率）」が反映されたものです。標準データを見て「この馬は前走のタイムが優秀だ」「この血統はこのコースに強い」と判断できる情報は、すでにAIだけでなく、ベテランの競馬ファンも全員が分析しています。

もし標準データだけで「明らかに強い」と判断できる馬がいれば、その馬は当然「1番人気」になり、オッズは極端に低く設定されます。

標準データだけを学習したAIが導き出す結論は、結局のところ「市場の平均的な評価（＝人気）」を高い精度で追認するものになりがちです。

人気馬ばかりを推奨するAIは、的中率は上がりますが、配当が低いため回収率は上がりません。AIが発見した「強み」は、すでにオッズに織り込み済みであり、そこに「儲け（配当的な妙味）」は残されていないのです。

このため、標準データのみに依存するAIの回収率は、市場の平均である75%〜80%の壁（控除率の壁）に収束していくことになります。

勝てるデータ（非標準データ）の重要性

一方で、回収率100%超を目指す「勝てるAI」は、まったく異なるアプローチを取ります。

それは、一般的な競馬新聞には載っていない、あるいは他の参加者がまだその価値に気づいていない、独自に収集・生成された「非標準データ（特徴量）」を学習させている点です。

AIの真価は、この「非標準データ」と「レース結果（勝敗や着順）」の間に、人間では到底気づけないような微細な、しかし統計的に有意な相関関係を見つけ出す能力にあります。

データベース（Source 6-2）で挙げられている「勝てるデータ」の具体例には、以下のようなものがあります。

馬具の変更履歴単に「今回ブリンカーを装着」という事実だけでなく、「A厩舎がブリンカーを装着してきて、過去にそれで好走したパターン」や「前走大敗後にシャドーロールを外した時の成績」といった、より詳細な文脈を含んだデータパターンです。
放牧先（牧場）のデータレース間の休養で、どの牧場（例：ノーザンファーム天栄、山元トレーニングセンターなど）を利用したか、という情報です。牧場ごとの調整（仕上げ）の質や傾向が、帰厩（きゅうきゅう：厩舎に戻ること）後の初戦の成績に影響を与える可能性をAIが分析します。
詳細な調教パターン単なる調教タイムだけでなく、「坂路調教の本数とウッドチップ調教の組み合わせパターン」や「レース1週間前の調教強度と当日の馬体重の増減」といった、複数の要素を組み合わせた複雑なデータです。
代理変数（市場の歪みを測る指標）例えば、競馬場への「来場者数」のデータです。これは一見レース結果と無関係に見えますが、「来場者数が多い日＝初心者のファンが多く馬券を買っている日」という仮説が立てられます。初心者が多い日は、実力以上に人気馬にオッズが集中しやすく、「市場が歪みやすい」可能性があります。AIがその「歪み」を検知し、不当に人気のない実力馬（＝美味しいオッズの馬）を見つけ出すために使う、といった高度な分析です。

このように、回収率100%を超える「儲かるAI」とは、単に「勝つ馬を予測するAI」ではありません。それは、「市場（オッズ）が、その馬の実力に対して不当に低く評価している（＝オッズが美味しい）馬」を高精度で見つけ出すAIです。

そして、それを可能にするのは、他の誰も持っていない「独自の武器（非標準データ）」をAIに学習させているからに他なりません。

競馬AI 最強が市場に出ない理由

前述の通り、もし本当に回収率100%を安定して超えるAIが開発されたら、どうなるでしょうか。ユーザーが探し求める「最強のAI」は、なぜ私たちの前に現れないのでしょうか。

その答えは、経済合理性を考えれば明らかです。

もし貴方が、膨大なコストと労力をかけて収集した「独自の非標準データ」を学習させ、安定的に利益を生み出す「最強のAI」を開発したとします。

その「金の卵を産むガチョウ」を、月額数千円や無料で、不特定多数の他人に公開するでしょうか。

答えは「否」です。開発者はそのAIの存在を秘匿し、自分自身（あるいは限られた仲間内）だけで利益を独占するはずです。

もしその「儲かるAI」を一般公開してしまえば、多くのユーザーがそのAIの予測に乗るため、その馬のオッズは瞬時に下落します。AIが突いていたはずの「市場の非効率性（＝美味しいオッズ）」は即座に消失し、そのAIは（市場の平均である）回収率75%へと引き戻され、「儲からないAI」へと変貌してしまいます。

この論理的帰結から、「一般に公開されている、最強で儲かるAI」というものは、経済の原理から考えて存在し得ない、ということになります。

結論：本質的な競馬AI 当たらない理由

この記事の分析をまとめます。「競馬AI 当たらない理由」と検索した読者が知るべき本質的な理由は、以下の点に集約されます。

競馬AIが「当たらない」と感じる理由は2種類ある
一つは「的中率は高いが儲からない（回収率の問題）」
もう一つは「純粋に予測が外れる（的中率の問題）」
「儲からない」最大の理由は「控除率（回収率75%の壁）」という構造
馬券購入時点で参加者はビハインドを負う
的中率と回収率はイコールではないことを理解する
オッズパークAIは的中率58.5%だが回収率69.2%という実例がある
スポニチSIVAは優秀だが回収率100%には届かない（約92%）
AIは「過去の静的データ」の分析は得意
AIには「現在の動的データ」に対応できない技術的死角がある
パドックの気配や馬場の急変はAIの苦手分野
これが純粋な「不的中」を生む理由の一つ
回収率ランキングは「払戻額」基準の場合があり鵜呑みにできない
本当に勝てるAIは「独自の非標準データ」を学習している
最強のAIがオッズの原理から一般公開されることはない
AIの予測に「丸乗り」する戦略は長期的には勝てない
AIは「ツール」として使い、人間が「死角」を補う戦略が推奨される