競馬は、過去の膨大な数字や記録をどう読み解くかが勝負の分かれ目です。しかし、競馬新聞やネット上の膨大なデータをすべて個人で整理し、冷静に分析し続けるのは至難の業といえます。
そこで注目したいのが、GoogleのAIリサーチツール「NotebookLM」です。自分が集めた特定の競馬データだけをAIに学習させ、自分専用の「データ分析官」として活用する方法を解説します。
競馬予想にNotebookLMを使うメリット
競馬予想においてNotebookLMを使う最大の利点は、情報の「絞り込み」と「根拠の明確化」にあります。一般的なチャットAIはネット上の不確かな情報を拾ってくることがありますが、NotebookLMはあなたが渡した資料の中だけで答えを出してくれます。
この章では、なぜNotebookLMが競馬ファンにとって強力な武器になるのか、その仕組みと魅力を整理しましょう。膨大なデータを扱う際のストレスを減らし、納得感のある買い目を導き出すための土台となります。
過去の戦績や血統表を「自分専用の脳」にする
NotebookLMに過去のレース結果や血統データをアップロードすると、AIがその内容を完全に把握した状態になります。いわば、あなただけの「競馬データベース」がAIの中に構築されるイメージです。
例えば、過去10年分のG1レースの結果を読み込ませておけば、「過去に1番人気が飛んだ時の共通点は？」といった質問に即座に答えてくれます。人間が手作業で表をめくって探す必要はありません。
ただし、AIに渡すデータの精度がそのまま予想の質に直結します。古いデータや間違った数字を混ぜてしまうと、AIも間違った分析をしてしまう恐れがあります。まずは信頼できるソースを厳選して読み込ませることが、自分専用の脳を賢く育てる第一歩です。
一般的なAIとは違う「根拠ある回答」
NotebookLMが他のAIと決定的に違うのは、回答のすべてに「引用元」が表示される点です。AIが「この馬が有力です」と答えた際、その根拠となったレースや数値を資料の中から示してくれます。
競馬予想において「なぜその馬を選んだのか」という根拠は、外れた時の反省や、的中した時の自信に繋がります。AIが勝手に作り出した嘘（ハルシネーション）に惑わされる心配がほとんどないため、数字に基づいた冷静な判断が可能になります。
例えば、複数の競馬評論家のコラムを読み込ませた場合、「A氏は展開面を重視し、B氏は血統面からこの馬を評価している」といった比較も容易です。情報の出所がはっきりしているからこそ、私たちはAIの分析を信頼して馬券の戦略を立てられます。
膨大な資料から一瞬で必要なデータを探し出す
競馬新聞や専門誌を何冊も広げて、特定の馬の「重馬場での成績」を探すのは時間がかかります。NotebookLMを使えば、チャット欄に打ち込むだけで、すべての資料から該当する情報を一瞬で抜き出してくれます。
複数の資料を横断して検索できるため、情報の見落としが激減します。
「このコースで、前走3着以内だった馬はどれ？」といった複雑な条件でも、AIが瞬時にリストアップしてくれます。
時間を短縮できる分、浮いた時間をパドックの確認や最終的な買い目の構成に充てることができます。特にレース直前の忙しい時間帯には、この検索スピードが大きな助けになるでしょう。
| 分析項目 | 人間が行う場合 | NotebookLMを活用する場合 |
| データ検索 | ページをめくって探す | チャットで即座に回答 |
| 条件の絞り込み | 手書きやExcelで管理 | 複雑な条件も一瞬でリスト化 |
| 根拠の確認 | 記憶やメモを頼りにする | 引用元へのリンクで即確認 |
| 音声での確認 | 不可能 | AIによる対談形式で聴ける |
分析の準備！競馬データをソースとして読み込ませる手順
NotebookLMの分析精度を高めるには、AIに与える「材料」であるソースの準備が命です。何を、どのような形で読み込ませるかによって、AIが導き出す答えの鋭さが変わってきます。
この章では、競馬予想に役立つデータの具体的な集め方と、AIが処理しやすい形に整理する手順を紹介します。50件というソースの上限を活かし、多角的な視点でレースを分析できる環境を整えましょう。
JRA公式サイトのPDFやWebページをソースにする
最も信頼できる一次情報は、JRA（日本中央競馬会）の公式サイトにあります。レース結果、出走表、過去10年の傾向などがPDF形式で公開されているため、これをそのままNotebookLMに取り込みましょう。
PDFをアップロードするだけで、AIはそのレースの着順、タイム、上がり3ハロンの数字などをすべて理解します。
例えば、「過去10年の有馬記念の出走馬データ」をすべて読み込ませれば、傾向の分析が格段に楽になります。
注意点として、画像だけのPDF（文字情報が含まれていないもの）はAIが読めないことがあります。文字を選択してコピーできる形式のPDFであることを確認してから取り込みましょう。公式サイトのデータは基本的にテキスト情報が含まれているため、安心して活用できます。
競馬新聞や専門誌の情報をテキスト化して取り込む
自分が普段参考にしている競馬新聞や専門誌の独自情報も、ソースとして活用できます。気になるコラムや、特定の記者の予想印などをテキストデータにして読み込ませることで、AIに「特定の視点」を持たせることが可能です。
スマートフォンのスキャン機能やOCR（文字認識）ツールを使って、気になる記事をテキスト化してみましょう。
これをノートブックに追加すれば、AIが「A記者はこの血統に注目している」といった背景まで踏まえた回答をしてくれるようになります。
ただし、著作権で守られた情報を扱う際は、あくまで自分自身の個人利用の範囲に留める必要があります。SNSなどでAIの回答を公開する際には、引用のルールを守り、情報の扱いに気を配りましょう。
YouTubeの解説動画を文字起こしデータで活用
最近では、YouTubeで専門家がレース解説や血統分析を公開していることも多いです。NotebookLMにはYouTubeの動画URLをそのまま読み込ませる機能があり、動画内の音声を文字起こししてデータとして扱えます。
1時間を超えるような長い検討動画でも、AIに読み込ませれば「結局どの馬がおすすめなの？」と聞くだけで要点をまとめてくれます。動画を最初から最後まで見直す手間が省けるため、効率よくプロの視点を取り入れられます。
全ての動画が読み込めるわけではなく、文字起こしデータが存在しない動画などはエラーになることがあります。読み込めない場合は、概要欄のテキストや、重要な部分だけをメモして取り込むといった工夫が必要です。
ソースを競馬場や距離ごとに整理するコツ
読み込ませる資料が増えてくると、AIも情報の処理が複雑になります。ノートブックを作成する際は、競馬場別やレースの格付け（G1、G2など）ごとにフォルダを分けるイメージで整理すると、回答の精度が上がります。
例えば、「中山競馬場・芝2500m」に特化したノートブックを作れば、AIはそのコース特有の傾向だけを集中して分析できます。
情報のノイズが減り、より鋭い絞り込みが可能になります。
- ノートブック名に日付やレース名を入れる
- 1つのノートブックには関連する資料だけを絞る
- ソース名に「血統データ」「過去10年成績」などのタグを付ける
このように、AIが「どこに何が書いてあるか」を把握しやすいように整えてあげましょう。資料の整理整頓が、最終的な予想の的中率を支える基盤となります。
「勝める馬」を見つける具体的な質問術
資料を読み込ませたら、いよいよAIに質問を投げかけます。ここでのコツは、AIに丸投げするのではなく、「条件を細かく指定して考えさせる」ことです。
この章では、NotebookLMから的中へのヒントを引き出すための具体的な聞き方を紹介します。質問の出し方を変えるだけで、同じデータからでも全く違う角度の答えが返ってくるようになります。
重馬場や坂に強い馬をリストアップ
天候が悪い日や、中山・阪神のような急坂があるコースでは、馬の「適性」が重要になります。過去の戦績から、特定の条件でパフォーマンスを上げている馬をAIに探させましょう。
「前走が良馬場で凡走しているが、過去に重馬場で勝利経験がある馬は？」といった聞き方が有効です。
人間だと見落としがちな、数年前の雨の日の記録も、AIは見逃さずに拾い上げてくれます。
例えば、雨予報が出た際にこの質問をすることで、人気薄の「道悪（みちわる）巧者」を見つけ出し、高配当を狙うチャンスが生まれます。ただし、AIはあくまで過去の数字から判断するため、現在の馬の状態（デキ）までは考慮できない点に注意が必要です。
過去5走の上がりタイムから注目馬を特定
現代競馬において、最後の直線でどれだけ速く走れたか（上がり3ハロン）は非常に重要な指標です。前走で着順は悪くても、実はすごい脚を使っていた「負けて強し」の馬をAIに特定させましょう。
「近5走で上がり3ハロンが1位だった回数が多い馬は？」
「前走で着順は5着以下だが、上がりタイムが1位だった馬は？」
このような質問をすることで、次のレースで人気が落ちているにもかかわらず、激走する可能性を秘めた馬を浮き彫りにできます。着順という数字の裏に隠れた、馬の潜在能力を可視化できるのがAI活用の醍醐味といえます。
騎手とコースの相性をデータで導き出す
馬の能力と同じくらい大切なのが、騎手との相性です。特定のコースや距離で、明らかに成績が良い騎手の組み合わせをAIに分析させましょう。
「このコースにおいて、過去3年で勝率が20%を超えている騎手と厩舎の組み合わせを教えて」
こうした専門的な切り口でも、NotebookLMならソースから確実な数字を導き出してくれます。
自分のひいきにしている騎手が、その日の舞台でどれだけ期待できるのか。客観的な数字で裏付けを取ることで、迷いのある予想から卒業できます。感情に流されず、勝てる確率が高い組み合わせを淡々と選ぶ強さが手に入ります。
予想精度を上げるプロンプトの例
NotebookLMのチャット欄で使える、実践的な指示文の例を紹介します。以下の文章をコピーして、内容を書き換えて使ってみてください。
Plaintext
あなたは競馬のデータ分析官です。
アップロードした過去10年のレース結果を分析し、今回のレースで以下の条件に当てはまる「穴馬」の候補を3頭挙げてください。
1. 近3走で5着以下だが、前走の上がりタイムがメンバー中3位以内
2. 過去に同じ距離・コースで3着以内に入った経験がある
3. 今回の斤量が前走より1kg以上軽くなっている
回答の際は、どのレースのどの数値を根拠にしたか、引用元を明示してください。
血統や馬場傾向から穴馬を探すテクニック
競馬の格言に「夏は牝馬」や「父の血が騒ぐ」といった言葉があるように、血統や季節的な傾向は馬券戦略に欠かせません。NotebookLMを使えば、こうした抽象的に見える「傾向」も、膨大な数字によって具体化できます。
この章では、血統データや長期的なトレンドから、一般のファンが見落としている穴馬（人気のない有力馬）を見つけ出すための応用術を解説します。
特定の種牡馬が得意な条件を抽出
血統表を1頭ずつ調べるのは気が遠くなる作業ですが、AIなら一瞬です。ノートブックに血統データを読み込ませておけば、特定のコースでどの系統が走っているかを分析できます。
「この競馬場、この距離で最も連対率（2着以内に入る確率）が高い種牡馬は？」
このような質問で、その舞台に最も適した血がどれなのかを特定しましょう。
例えば、新馬戦や未勝利戦のようにデータが少ないレースでも、父や母の父の成績から期待値を算出できます。
「人気の馬は短距離向きの血統だが、この穴馬はスタミナのある血統だから、距離が伸びる今回はチャンスがある」といった、論理的な予想が可能になります。
過去10年の同じレースから好走パターンを探す
伝統のある重賞レースには、不思議と同じようなタイプの馬が勝つ「パターン」が存在することがあります。ステップレースの着順や、枠順の傾向、あるいは当日の天候など、過去10年分の共通点をAIに洗い出させましょう。
「過去10年の優勝馬のうち、前走がG2だった馬は何頭いるか？」
「内枠（1〜3枠）に入った馬の3着内率は？」
こうした統計的なデータを知っているだけで、無謀な勝負を避けることができます。
歴史が繰り返されることを前提に、最も確率の高いパターンに当てはまる馬を抽出しましょう。ただし、馬場の改修やルールの変更があった年は、AIにその影響を考慮させるための補足情報も必要です。
前走負けていても「次は買い」な馬を見つける
前走の着順が悪い馬は、次走で人気を落とします。しかし、負けた理由が「出遅れ」や「進路が塞がった（どん詰まり）」だった場合、次走では一変する可能性があります。
競馬専門記者のコメントや、レース後の談話をテキストとして読み込ませ、「前走で不利があったと記述されている馬は？」と聞いてみましょう。
単なる数字（着順）だけを見ているファンには見えない、馬の「不完全燃焼」をAIがキャッチしてくれます。
前走の敗因が能力不足ではなく、運の悪さだった場合、次走は絶好の狙い目になります。
こうした「隠れた実力馬」を拾い上げることが、高配当を手にするための近道です。
| 分析の切り口 | 注目すべきデータ | AIへの指示の出し方 |
| 血統 | 父・母父のコース成績 | 「相性の良い系統を5つ挙げて」 |
| リピーター | 同舞台での過去の実績 | 「このコースでの連対経験を抽出」 |
| 敗因分析 | レース後の騎手コメント | 「不利があった馬をリストアップ」 |
| 鮮度 | 休み明けの成績 | 「鉄砲（休み明け）での勝率を確認」 |
音声概説（Audio Overview）の活用方法
NotebookLMの非常にユニークな機能が、データを元にした「音声概説」です。2人のAIが、まるでラジオの競馬番組のように、資料の内容を議論し合います。
この章では、この音声を活用して、自分では気づけなかった視点を取り入れる方法を解説します。目で追う活字のデータとは別に、耳から入る情報が、予想の最終確認にどう役立つかを見ていきましょう。
予想討論を自動生成する手順
ノートブックガイドのメニューから「生成」ボタンを押すと、数十秒から数分で音声が作られます。AIたちは、読み込ませた資料の中にある重要なポイントをピックアップし、会話を広げます。
この音声は、あなたが読み込ませた「特定のデータ」だけをベースにしています。
そのため、一般的な競馬ニュースとは違い、あなたが注目している馬についての深い議論が展開されます。
家事をしながら、あるいは競馬場へ向かう電車の中で、自分の作成したデータ集を「聴く」ことができます。
活字で読んだときはスルーしていた情報が、会話として耳に入ってくることで「あ、そういえばそんな数字もあったな」と再発見に繋がることがあります。
トーンをカスタマイズして聴く方法
2026年現在のNotebookLMでは、音声の内容をある程度コントロールできるようになりました。「カスタマイズ」機能を使って、どのような雰囲気で話してほしいか指示を出しましょう。
「プロの解説者風に、批判的な視点で馬の弱点を指摘し合って」
「初心者にも分かるように、専門用語を噛み砕いて今週の重賞を語って」
このように指示を出すことで、自分の好みの「競馬ラジオ」が出来上がります。
特に批判的な視点での議論を依頼すると、自分が本命にしている馬の「不安要素」をAIが冷静に指摘してくれるため、過信を防ぐいいブレーキになります。
自分では気づけなかった視点に気づく
AIの対談を聴いていると、資料の中にある「意外な共通点」をAI同士が指摘し合う場面があります。
「Aという馬とBという馬は、血統が全然違うけれど、実は前走のラップタイムが酷似しているよね」といった具合です。
自分一人でデータを見ていると、どうしても自分の「好み」や「偏見」で情報を選別してしまいがちですが、AIの客観的な対話はそれを中和してくれます。
対談を聴いて「その視点はなかった」と思ったら、すぐにその部分を詳しくチャットで深掘りしてみましょう。
耳と目の両方を使うことで、データの理解度はさらに深まり、予想の精度も一段階アップします。
競馬予想でAIを使う際の注意点と限界
AIは魔法の杖ではありません。特に競馬という、生き物が関わり、天候や馬場状態が刻一刻と変化する競技においては、データの限界を知っておくことが非常に重要です。
この章では、NotebookLMを競馬予想に使う際に、絶対に忘れてはいけない注意点について解説します。AIの強みを活かしつつ、落とし穴にはまらないための「使いこなし」のコツを確認しましょう。
引用機能で根拠を必ず確認
AIがどれほど自信満々に答えても、必ず「引用元」の数字を自分で確認する癖をつけましょう。AIが数字を読み間違えたり、異なるレースのデータを混同したりする可能性はゼロではないからです。
回答の横にある数字（引用ボタン）をクリックすれば、資料のどの部分を読んだのかがすぐ分かります。
「この勝率は、全期間のものか、それとも最近3年のものか？」といった細かい部分を自分の目で確かめることが大切です。
AIはあくまで「提案者」であり、最終的な責任を持つのは「あなた自身」です。
引用を確認するひと手間が、根拠のない予想に全額を投じるようなリスクを回避してくれます。
当日の馬体重やパドック情報の補足
NotebookLMが扱えるのは、あくまで「過去のデータ」です。当日の馬の状態や、大幅な馬体重の増減、直前の雨による馬場の悪化といった「生の情報」を反映させるには、人間の力が必要です。
データ上は完璧な馬でも、当日の気配が悪ければ評価を下げる必要があります。
AIが出した結論を、当日のパドックや返し馬の様子で最終調整する。この「データと現実の融合」こそが、的中への王道です。
「AIがこの馬と言ったから買う」のではなく、「AIが示したデータ的な強みを、今日の馬の状態が裏付けているから買う」という姿勢が理想です。直前の情報は、自分でメモしてソースに追加するか、自分の感覚を信じて調整しましょう。
データの質が予想の質を左右する
NotebookLMは、ゴミのようなデータを入れれば、ゴミのような答えしか出しません。これを「GIGO（Garbage In, Garbage Out）」と呼びます。古いデータや、信ぴょう性の低い個人のブログ記事ばかりを読み込ませると、予想の精度は落ちてしまいます。
できるだけ公式のデータや、実績のある専門家の分析を取り入れるようにしましょう。
また、情報を詰め込みすぎないことも大切です。あまりに関係ない情報が多いと、AIがどの数値を重視すべきか迷ってしまうことがあります。
- 信頼できる一次ソース（公式サイトなど）を使う
- 定期的にソースを最新のものに入れ替える
- 自分の予想に「不要なノイズ」は取り込まない
情報の鮮度と質を保つ管理能力が、競馬予想用AIの「知能」を決定づけます。
まとめ：過去データを武器に納得感のある競馬予想を
NotebookLMを活用した競馬予想は、単なる「当たり・外れ」を超えて、自分だけの論理的な戦略を組み立てる楽しさを教えてくれます。膨大なデータをAIというフィルターに通すことで、人間だけでは見えなかった馬の個性が浮かび上がってきます。
要点を振り返ると、以下の3点が活用の核となります。
- データの整理：信頼できるソースをAIに預け、自分専用のデータベースを作る。
- 具体的な分析：上がりタイムや血統適性など、条件を絞ってAIに質問する。
- 根拠の確認：引用機能を使い、AIの答えを必ず自分の目で裏取りする。
競馬に絶対はありませんが、根拠のある予想を繰り返すことで、負けたときも「なぜ外れたか」が明確になり、次のレースに活かすことができます。AIという力強いパートナーと共に、データに基づく新しい競馬の楽しみ方をぜひ体験してみてください。
