スポーツ記事の執筆に、生成AIをそのまま予想エンジンとして使う事例が増えています。

この記事では、USA TODAY SportsがMicrosoft Copilotで2026年NBAドラフトの全30順位を予想した取り組みを解説します。プロンプトの設計、予想結果の変化、そして編集者が補正した精度の限界まで、メディア現場でのAI活用の実態がわかります。

この記事でわかること

  • USA TODAYがCopilotに依頼した予想の条件と入力データ
  • AIが1位に据え置いた選手と、順位が動いた選手
  • チームへの指名順を誤ったCopilotを編集者が修正した経緯
  • スポーツ予想にAIを使うときの注意点

ドラフト直前、予想のブレがAIにも表れた

2026年NBAドラフトは6月23日に開催されます。開催まで2週間を切った時点でも、全米のモックドラフト（模擬指名予想）の間には大きな一致がありませんでした。上位4人——BYUのAJ・ダイバンサ、カンザスのダリン・ピーターソン、デュークのキャメロン・ブーザー、ノースカロライナのケイレブ・ウィルソン——以外は、どの順位に誰が来るか意見が分かれています。

この不確実性を、USA TODAY SportsはMicrosoft Copilotに分析させました。Yahoo Sportsに掲載された最新版では、前回の実行からわずか1週間で、AIの予想が大きく書き換わっています。イリノイのキートン・ワグラー、ミシガンのエイデイ・マーラ、ベイラーのキャメロン・カーが順位を上げ、一方でアリゾナのコア・ピートとヒューストンのクリス・セナックJr.は評価を下げられました。

Copilotへの依頼内容

https://copilot.microsoft.com/

Microsoft Copilotは、Microsoftが提供する対話型の生成AIです。USA TODAY Sportsは、大学選手のドラフト辞退期限を過ぎた時点で今年度に出場可能な選手だけを対象に、第1ラウンド全30順位のモックドラフトを生成するよう依頼しました。

入力として指定したのは次の5点です。

  • 信頼できるサイトの最新モックドラフト
  • 各チームの補強ニーズ
  • プロスペクト分析
  • プレドラフトワークアウトの情報
  • ドラフト辞退に関する最新ニュース

さらに、各選手について全米13サイトのモックドラフトから算出した平均指名順位を併記し、AIの判断と人間の予想を並べて比較できる形にしています。

Copilotの最新予想（上位10順位）

AIが指名した上位10人は次のとおりです。

順位 チーム 選手 平均指名順位
1 ワシントン・ウィザーズ AJ・ダイバンサ（BYU） 1
2 ユタ・ジャズ ダリン・ピーターソン（カンザス） 2
3 メンフィス・グリズリーズ キャメロン・ブーザー（デューク） 3
4 シカゴ・ブルズ ケイレブ・ウィルソン（ノースカロライナ） 4
5 LA・クリッパーズ ダリウス・アカフJr.（アーカンソー） 6
6 ブルックリン・ネッツ マイケル・ブラウンJr.（ルイビル） 7
7 サクラメント・キングス キングストン・フレミングス（ヒューストン） 8
8 アトランタ・ホークス エイデイ・マーラ（ミシガン） 11
9 ダラス・マーベリックス ブレイデン・バリーズ（アリゾナ） 9
10 ミルウォーキー・バックス キートン・ワグラー（イリノイ） 5

1位のダイバンサは、全13サイトの平均でも1位です。Copilotは「エリートなサイズとショット創出力を持つフランチャイズ級の得点力ウィングが、ウィザーズに欠けていた攻撃の核になる」と分析しています。ワグラーは平均5位なのにAIは10位、マーラは平均11位なのに8位と、人間の予想とずれた指名も複数あります。

各指名に添えられたAIの根拠

USA TODAYの記事の特徴は、単に順位を並べるだけでなく、Copilotが各指名の理由を文章で返している点です。例えば2位のピーターソンについては「3レベルで得点できる洗練されたスコアラーが、ジャズの長期的なバックコートの核になる」と説明しています。ブーザーには「生産性・球感・フィジカルのバランスが、メンフィスの次の時代を支える最も安全なスター候補になる」と評価を付けています。

この形式は、読者にとって予想の根拠が追いやすい反面、AIが既存記事や分析を要約して言い換えただけの可能性もあります。USA TODAY自身も記事内で「AIモデルには精度の問題が残る」と明記しており、単独の予想源として使うには慎重さが必要です。

編集者が修正した精度の限界

最も重要な注意点は、チームへの指名順の誤りです。NBAドラフトではトレードにより指名権が移動しており、どのチームが何番目を指名するかは単純な成績順では決まりません。Copilotは複数の指名で誤ったチームに選手を割り当て、USA TODAYの編集者が追加のプロンプトを送って修正しました。

つまり、このモックドラフトは「Copilotの一発出力」ではなく、「AIの草案を人間が検証・修正した成果物」です。スポーツ予想にAIを導入する現場では、事実関係の検証がそのまま品質管理になります。ドラフト順やトレード条件のような構造化データは、LLM（大規模言語モデル）が苦手とする領域の典型例です。

メディアがAI予想を公開する意味

USA TODAYがCopilotを使う狙いは、編集者個人の偏見を排した「データに基づく予想」として提示することにあります。全13サイトのモックドラフト、チームニーズ、ワークアウト情報を一度に処理し、30順位すべてに根拠文を付ける作業は、人間だけでは時間がかかります。

一方で、1週間で予想が大きく変わった事実は、AIが「最新情報を反映して予想を更新できる」利点と、「入力データが変われば結論も簡単に変わる」不安定さの両面を示しています。実際の指名結果は6月23日まで誰にもわかりません。USA TODAYの記事も「真の答えはドラフト当日まで謎のままだ」と締めくくっています（参考）。

他分野に応用するときの示唆

この事例から読み取れるのは、AIを予想ツールとして使うときの実践的なパターンです。まず複数の信頼できる情報源を入力に含める。次に構造化された事実（日程、順位、ルール）を人間が検証する。最後にAIの出力をそのまま公開せず、編集プロセスを挟む。

スポーツに限らず、市場予測や採用判断など「不確実性が高く、複数ソースを統合する」場面では同じ構造が当てはまります。Copilotのような汎用チャットボットは分析の下書きを高速に作れますが、最終判断の責任はあくまで人間側に残ります。