プロ雀士が対局の振り返りをAIで深める｜勝率を上げる研究法 2026

2026年1月21日

朝比奈蒼

この記事のポイント

✓プロ雀士 AI 対局分析をテーマに
✓NAGAやMortal
✓KIRINなど麻雀AIの仕組みと使い方

「プロ雀士 AI 対局分析」と検索してこのページにたどり着いた方の多くは、麻雀AIを使って自分の打牌を振り返りたい、あるいはプロがどうAIを研究に取り入れているのか具体的に知りたいはずです。結論から言うと、現在の麻雀AI分析は「感覚」を「数値」に変換する作業であり、プロ・アマ問わず打牌の再現性を高める手段として急速に定着しています。本記事では代表的なAI対局分析ツールの仕組みから、プロが直面する限界、そしてこの種の解析スキルが副業・フリーランスの仕事につながる可能性まで、順を追って整理します。

AI対局分析が麻雀界に広がっている背景

麻雀AIによる対局分析は、ここ数年で一部のマニアの遊びから、プロ雀士の日常的な研究手法へと変化しました。背景にあるのは大きく2つの流れです。

1つ目は、ディープラーニングを用いた麻雀AIの精度が飛躍的に向上したことです。従来の麻雀戦術書は「先人の経験則」を言語化したものが中心でしたが、AIは何十万局という牌譜データから統計的に最適な打牌を導き出します。感覚と経験に頼っていた部分を、期待値という共通言語で議論できるようになったのは大きな転換点です。

2つ目は、オンライン麻雀の普及です。雀魂や天鳳のようなオンライン対局サービスでは、対局のログ（牌譜）がすべてデータとして残ります。この牌譜をAIに読み込ませるだけで、誰でも自分の打牌をAIの評価と比較できる環境が整いました。かつては強豪プロに直接見てもらうしかなかった「感想戦」が、AIとの対話で代替できるようになったわけです。

実際、麻雀AIを使った牌譜解析の記事や体験談はここ数年で急増しており、プロ団体主催の研修会でもAI解析ツールが教材として使われるケースが増えています。麻雀というコンテンツ自体の競技人口や視聴者数が拡大する中で、「なぜその牌を切ったのか」を数値で説明できる選手ほど、配信や解説の場でも評価されやすくなっているという傾向も見られます。

プロ雀士が使うAI対局分析ツールの種類と特徴

一口に「麻雀AI」と言っても、性質の異なる複数のツールが存在します。ここでは代表的な3つを紹介します。

NAGA｜牌譜解析特化型のサブスクリプション型AI

NAGAは牌譜解析に特化したサービスで、雀魂や天鳳の牌譜をアップロードすると、各局面での推奨打牌と自分の打牌の期待値差分を可視化してくれます。月額課金制のサブスクリプションで提供されており、プロ雀士の間でも自主練習の定番ツールとして使われています。特徴的なのは「この局面でAIが何を切るか」だけでなく、局全体を通じた期待値の推移をグラフで確認できる点です。1局の中でどのタイミングで放銃リスクが高まったか、押し引きの判断が甘かったのはどこかを、後から客観的に検証できます。

Mortal｜オープンソースで公開されている麻雀AIモデル

Mortalは有志のエンジニアによって開発され、モデル自体がオープンソースとして公開されている麻雀AIです。誰でも自分のPC環境で動かして牌譜を解析できるため、費用をかけずに研究したいアマチュア強豪や、AIモデルの中身に興味がある技術志向のプレイヤーに支持されています。商用サービスと比べると環境構築にある程度の技術知識が必要になりますが、ライセンスの制約が緩く、研究目的での二次利用がしやすい点は大きな魅力です。実際に麻雀AIの解析結果をブログやnoteで公開している人の多くが、Mortalベースの独自集計を行っています。

KIRIN｜プロ雀士とのコラボレーションで開発が進むAI

KIRINは麻雀プロを交えた実証実験を重ねながら開発が進められているAIで、プロ雀士本人が体験会でAIの提案する打牌に対してコメントする、という形で情報発信されるケースが目立ちます。単なる解析ツールというより、プロの経験知とAIの統計的判断をすり合わせる「対話の場」としての側面が強いのが特徴です。

これら3つのツールに共通しているのは、いずれも「牌譜」という共通フォーマットを入力すれば、誰でも同じ土俵で自分の打牌を評価できるという点です。プロとアマチュアの情報格差が、AIによって急速に縮まっていると言えるでしょう。

ツール選びで比較すべきポイント

複数のAI対局分析ツールを比較検討する際に見ておきたいポイントは、大きく3つあります。1つ目は料金体系です。サブスクリプション型のサービスは月額課金で継続的に利用できる反面、無料で使えるオープンソース型は環境構築の手間がかかります。継続的に使うのであれば月額数千円程度の予算感を見込んでおくのが一般的で、単発の検証だけで済ませたいのであれば無料ツールから試すのが合理的です。

2つ目は対応している牌譜フォーマットです。雀魂形式の牌譜しか読み込めないツールもあれば、天鳳形式や他の対局サービス形式にも対応しているツールもあります。普段どのプラットフォームで打っているかによって、使えるツールが絞り込まれる点は事前に確認しておく必要があります。

3つ目は可視化のわかりやすさです。数値だけを羅列するツールもあれば、局全体の期待値推移をグラフ化してくれるツールもあります。特に麻雀AIに触れたばかりの初心者にとっては、数値の羅列よりも視覚的に傾向をつかめるツールのほうが挫折しにくい傾向があります。目的が「勝率を上げるための本格的な研究」なのか「趣味として気軽に振り返りたい」のかによって、選ぶべきツールの性格も変わってくるでしょう。

AI対局分析で具体的に何がわかるのか

麻雀AIの分析結果を見ると、大きく分けて2種類の情報が得られます。

期待値と打牌評価のズレ

もっとも基本的なのは、各局面でAIが推奨する打牌と、実際に自分が切った牌との期待値差分です。0.05程度の小さな差分であればほぼ誤差の範囲ですが、0.3を超えるような大きな差分が繰り返し出ている局面があれば、そこに自分の判断のクセや弱点が潜んでいる可能性が高いと考えられます。特に押し引きの判断、つまり「ここは危険牌でも押すべきか、それとも降りるべきか」の局面でAIとの評価差が大きく出やすい傾向があります。

傾向分析とクセの発見

もう1つは、複数局分のデータを集計したときに見えてくる打ち手の傾向です。例えば「早い巡目でのリーチ判断が甘い」「終盤の安全牌選択で損をしやすい」といった、単発の対局では気づきにくいクセが、数十局〜数百局単位で集計すると明確な数値として浮かび上がってきます。あるnoteの投稿では、オンライン対局とAI解析を交互に繰り返すことで打牌の迷いが徐々に減っていったという実感が語られています。

振り返ってみると、「雀魂で段位戦を打つ」⇔「AIで牌譜検討」というサイクルを回すことで、徐々に徐々に打牌に迷いがなくなっていったように思います。（ただ、AIは打牌の意図までは教えてくれないので、そこはプロ雀士の配信を見たりして知識を増やし、AIの意図を理解しようとしていました）出典: note.com

この体験談が示すように、AI解析だけで麻雀が強くなるわけではありません。あくまで「数値としての答え合わせ」であり、その数値の背景にある理屈を理解する作業は人間側に残ります。この点は次のセクションで詳しく見ていきます。

プロ雀士がAI分析を取り入れる際の課題

AI対局分析はプロの研究環境を大きく変えましたが、万能というわけではありません。実際に取り入れているプロ雀士の発信を追うと、いくつか共通した課題が見えてきます。

AIは「意図」までは教えてくれない

AIが提示するのはあくまで「この局面ではこの牌を切るのが期待値上最善」という結論だけです。なぜその牌が最善なのか、どういう思考プロセスでそこに至るのかという「意図」の部分は、AI自身の出力からはほとんど読み取れません。そのためプロ雀士の間では、AI解析の結果を鵜呑みにするのではなく、なぜその結論になったのかを人間側で仮説を立てて検証する作業が欠かせないとされています。先ほどの引用にもあった通り、AIの意図を理解するために配信や解説を並行して視聴するという学習スタイルは、実践者の間でよく見られる工夫です。

感覚と数値のギャップにどう向き合うか

もう1つの課題は、長年の経験で培った「読み」や「場の流れ」といった感覚的な判断とAIの数値評価が食い違うケースです。正直なところ、これはAI万能論に対する健全な違和感だと感じます。麻雀は相手との駆け引きが介在するゲームであり、AIの評価は基本的に「相手も最適に打つ前提」でのシミュレーションです。実戦では相手が明らかに攻め急いでいる、あるいは点数状況から必ず押してくる、といった心理的な読みが有効に働く局面も少なくありません。AIの数値と自分の読みが食い違ったとき、どちらを優先すべきかを自分の頭で判断できる選手ほど、最終的な勝率が安定しやすいという指摘もあります。

AIのようなプレイヤーとの遭遇という副作用

余談ですが、AI解析が普及する一方で、オンライン対局そのものにAI（あるいはそれに近い自動化されたプレイヤー）が紛れ込んでいるのではないかという疑念を持つユーザーの声も見られます。

雀魂でAIみたいなプレイヤーと同卓しました。玉の間段位戦を打っていたら、鳴きと牌を切る動作が自動ツモ切りくらい速いプレイヤーと同卓しました。不審に思い牌譜屋でデータを見たところ、3日間で149半荘打っており、玉の間1日の鬼打ちランキングでは1位でした。また、玉の間での安定段位は聖21で人間ではないと感じました。もし段位戦にこんなに強いAIがいるとしたら、勝てるわけもなく打つ気がなく...

この投稿の真偽自体は確認しようがありませんが、「AI解析ツール」と「対局中のAI」が混同されて語られやすいという点は、AI対局分析というテーマを扱ううえで押さえておきたいポイントです。あくまで本記事で扱っているのは、対局後に牌譜を読み込んで振り返るための解析ツールであり、対局中に自動で打牌するボットとは別物です。

アマチュア・愛好家がAI対局分析を学ぶ意義

プロ雀士だけでなく、アマチュアの愛好家にとってもAI対局分析を学ぶ意義は大きいと考えられます。理由は2つあります。

1つ目は、独学の限界を補えることです。麻雀は対局相手や観戦者からのフィードバックを得にくいゲームです。友人同士で打っていても「その牌、危なくない?」程度の感覚的な指摘はあっても、期待値ベースでの体系的なフィードバックはなかなか得られません。AI解析はこの空白を埋める役割を果たします。

2つ目は、データを扱う思考法そのものが訓練できることです。牌譜という生データから傾向を読み取り、仮説を立てて次の対局で検証する、というサイクルは、麻雀に限らずビジネスの意思決定プロセスと本質的に近いものがあります。この点は次のセクションで詳しく掘り下げます。

段位や成績が伸び悩む人ほどAI解析との相性が良い理由

段位戦で成績が頭打ちになっている人ほど、AI対局分析との相性が良い傾向があります。理由は単純で、成績が伸び悩んでいる局面には必ず何らかの「クセ」が存在するにもかかわらず、本人はそのクセに気づいていないケースがほとんどだからです。感覚的には「運が悪かった」「相手が強かった」で片付けてしまいがちな敗着も、AI解析にかけてみると、実は同じような局面で毎回似た判断ミスを繰り返していたことが数値として浮かび上がってくることが少なくありません。

特に中級者からさらに上を目指す段階では、独学だけで壁を突破するのは難しくなります。コーチや先輩に見てもらう機会が限られている環境であればなおさら、AIという「いつでも相談できる第三者」の存在は貴重です。もちろんAIの評価がすべて正しいわけではありませんが、少なくとも「自分では気づけなかった選択肢」を提示してくれる点に価値があります。

ゲームAI解析スキルはビジネスのデータ活用スキルに転用できるか

ここまで麻雀AIの仕組みと使い方を見てきましたが、視点を少し広げてみます。麻雀AIを使いこなす過程で身につくスキルには、データを読み解く力、AIツールの出力を批判的に検証する力、そして自分の判断とAIの判断の差分から改善点を言語化する力があります。これらは実は、ビジネスの現場でAIを業務に活用する際に求められるスキルセットとほぼ重なります。

近年、企業が生成AIやデータ分析AIを業務に導入する動きが加速しており、AIツールを使いこなせる人材への需要は着実に増えています。単にAIにプロンプトを投げるだけでなく、出力結果を業務文脈に照らして検証し、改善案を提示できる人材は、フリーランス市場でも重宝される傾向があります。実際、AIを活用した業務改善の相談や、AIチャットボットの導入支援といった仕事の相場情報を調べてみると、専門知識を持つ人材への発注が増えていることがうかがえます。

例えば、企業のAI導入を支援する仕事にはAIコンサル・業務活用支援のお仕事のようにAIツールの選定から運用設計まで伴走するものがあり、麻雀AI解析で培った「AIの出力を検証し、業務に落とし込む」姿勢がそのまま活きる領域です。また、対局データを解析するようなロジックを組む経験は、AIチャットボット・アプリ開発のお仕事のようなAIを組み込んだシステム開発の仕事にもつながる素地になります。麻雀AIの多くがPythonベースの機械学習モデルで構築されていることを踏まえると、Python3エンジニア認定基礎試験のような基礎資格から学習を始め、実際に牌譜解析スクリプトを自作してみるのも一つの入り口になるでしょう。

さらに、AIツールを体系的に理解していることを客観的に示す手段として、生成AIパスポートのような資格取得を検討する人も増えています。麻雀AIの分析ロジックを理解する過程で得た「AIの限界と得意分野を切り分ける」感覚は、こうした資格学習にも応用しやすい土台になります。ゲームのAI解析という趣味の延長線上に、思いのほか実務的なキャリアの選択肢が広がっているのは興味深い点です。

独自データから見るAI活用人材の市場動向

麻雀AI解析のようなニッチな趣味から得たスキルを、実際に仕事や副業につなげる場合、どの程度の相場感で考えればよいのでしょうか。ここでは客観的な市場データをもとに整理します。

AI関連のスキルを持つ人材の単価は、職種によって幅があります。例えばソフトウェア作成者の年収・単価相場を見ると、AIモデルの開発や運用に携わるエンジニアの単価は経験年数やスキルセットによって大きく変動することがわかります。牌譜解析ツールのようなデータ処理ロジックを自作できるレベルまで到達していれば、こうした市場でも一定の評価を得やすいでしょう。

一方で、麻雀AI解析の結果をわかりやすく言語化してnoteやブログで発信する、というアウトプットの仕方に長けている人であれば、ライター・編集者としての道も現実的です。著述家，記者，編集者の年収・単価相場のデータからは、専門分野に強いライターほど単価が安定しやすい傾向が見て取れます。麻雀AIという専門性の高いテーマを、初心者にもわかりやすく解説できるスキルは、それ自体が希少価値のあるコンテンツ制作能力と言えます。

また、AIツールを実務に取り入れる際の具体的なテクニックについては、WebライターのChatGPT活用術｜AIと共存する書き方の新常識やフリーランスのAI活用で生産性を3倍にする方法｜職種別の実践テクニックでも整理しているので、AIとの向き合い方を職種別に比較したい方は参考にしてください。デザイン領域でも同様の動きがあり、WebデザイナーのAI活用術｜Figma AI・Midjourney実践ガイドのように、専門ツールとAIを組み合わせて生産性を上げる工夫が各分野で進んでいます。

20年近くフリーランス・在宅ワーク市場を見てきた運営者の立場から言えば、こうした「趣味で培ったAIリテラシー」を仕事につなげられる人ほど、長期的に安定した収入源を築いている印象があります。長く継続して案件を任されている人ほど、単発のスキル証明よりも「この人にAI関連の判断を任せると安心できる」という信頼関係の構築に時間を使っているように見えます。麻雀AI解析を趣味で続けている人は、AIの出力を疑い、検証し、自分の言葉で説明し直すという作業を日常的に繰り返しているわけで、この姿勢はどの業界のAI活用支援においても評価されやすい資質だと感じます。

もう一点付け加えるなら、案件を仲介会社を通さず直接契約で受注できる環境が広がっていることも見逃せません。中間マージンが発生しない直接取引であれば、同じ予算でも発注側はより多くの作業を依頼でき、受注側は手取りが厚くなります。手数料0%の直接契約という選択肢が一般化しつつある今、専門性を持つ個人が仲介コストを抜きにして評価される場面は今後さらに増えていくと考えられます。

麻雀AI解析のような専門性の高い趣味を突き詰めてきた人ほど、実は自分のスキルの市場価値に気づいていないケースが多いというのも、長く現場を見てきた立場からの実感です。趣味の世界で当たり前にやっている「データを検証し、言語化し、改善する」というプロセスが、そのままビジネスの現場で求められるAIリテラシーそのものであることに、意外と本人だけが気づいていない。そうした埋もれたスキルを仕事の形に変換できるかどうかが、今後の副業・フリーランス市場で差がつくポイントになっていくはずです。

AI対局分析を実践に落とし込むためのステップ

最後に、麻雀AI対局分析を実際に始めたい読者に向けて、具体的な取り組み方を整理しておきます。

ステップ1: 牌譜を残せる対局環境で対局数を積む

AI解析はあくまで牌譜という「材料」がなければ機能しません。雀魂や天鳳のようにログが自動で残るオンライン対局環境で、まずは一定数の対局をこなすことが前提になります。目安として、傾向が見え始めるまでには少なくとも数十局、できれば100局以上のデータを蓄積するのが望ましいとされています。

ステップ2: AIの推奨と自分の打牌のズレを記録する

牌譜をAIに読み込ませたら、期待値差分が大きい局面だけをピックアップしてメモに残す習慣をつけましょう。すべての局面を細かく見ていくと時間がかかりすぎるため、差分が大きい局面に絞って集中的に検証するのが効率的です。

ステップ3: なぜズレたのかを言語化する

AIの提案と自分の打牌が違った理由を、感覚ではなく言葉で説明できるようにします。「なんとなく危険だと思った」で終わらせず、「この巡目でこの牌を切ると放銃率が上がるから」といった具体的な理由まで掘り下げることが、次の対局での改善につながります。

ステップ4: 学んだ検証プロセスを他の分野に応用してみる

ここまでのプロセスに慣れてきたら、そのままの思考法を仕事や副業の場面に応用してみるのも一つの手です。AIの出力を鵜呑みにせず、根拠を検証し、自分の言葉で説明し直すという習慣は、業務でAIツールを扱うすべての場面で通用する基礎体力になります。

ステップ5: 継続的に振り返るための記録習慣をつくる

一度AI解析をやって終わりにするのではなく、定期的に振り返る習慣をつくることも重要です。月に1回など頻度を決めて直近の牌譜をまとめて解析し、前回指摘された課題が改善されているかを確認するサイクルを回すと、成長の実感を数値で確認できます。記録を蓄積していくことで、自分がどの局面に弱いのか、逆にどの局面は安定して正しい判断ができているのかという、長期的な傾向も見えてくるようになります。この「継続的に記録し、振り返り、次に活かす」というサイクル自体が、実務でAIを活用する際にもそのまま応用できる汎用的なフレームワークです。

麻雀AI対局分析は、単なる趣味の延長ではなく、AI時代における「AIとの正しい付き合い方」を体得する良い訓練になり得るテーマです。プロ雀士たちが試行錯誤しながらAIを研究に取り入れているプロセスそのものが、これからAIを仕事に取り入れようとするすべての人にとって参考になる事例だと言えるでしょう。

AI解析文化がプロ雀士のキャリア観に与える影響

AI対局分析の普及は、プロ雀士のキャリアの築き方そのものにも変化をもたらしています。かつては「勝つこと」だけが評価軸になりがちだった競技の世界に、「なぜ勝てたのか、なぜ負けたのか」を数値と言葉で説明できる能力という新しい評価軸が加わったからです。

配信やSNSでの発信が収益や知名度に直結する現代のプロ雀士にとって、AIの解析結果を引用しながら自分の打牌を解説できるかどうかは、視聴者からの信頼を左右する要素になりつつあります。単に「強い」だけでなく「わかりやすく説明できる」プロ雀士のコンテンツが支持を集めやすいのは、視聴者側もAI解析という共通言語を持つようになったことの裏返しでもあります。

この構造は、実はフリーランスとして専門スキルを提供する仕事全般にも通じるところがあります。技術力があるだけでなく、その技術をなぜその判断に至ったのか言語化して依頼者に説明できる人材ほど、継続的に仕事を任されやすい傾向があるからです。AIを使いこなす能力と、AIの判断根拠を人間の言葉に翻訳する能力は、これからの時代においてセットで求められるスキルになっていくと考えられます。

正直なところ、AIの判断根拠を丁寧に説明できる人材はまだ市場に十分供給されていないというのが実感です。多くの人がAIツールの操作方法自体は覚えても、出力結果を検証し、依頼者にわかる言葉で咀嚼して伝えるところまでは手が回っていません。麻雀AI解析のように、期待値という抽象的な数値を実感の伴う言葉に変換する訓練を積んでいる人にとって、この供給不足はむしろチャンスだと捉えることもできるでしょう。

麻雀という一見ニッチな趣味の世界で起きている変化は、AIが様々な専門分野に浸透していく過程の縮図として捉えることもできます。数値化しづらかった経験や勘の世界に、AIという客観的な物差しが持ち込まれたことで、これまで言語化されてこなかった暗黙知が形式知に変わっていく。この流れは麻雀に限らず、今後あらゆる専門分野で同時多発的に起きていく変化だと見ています。