【完全公開】Gemini Notebook（NotebookLM）に「スポーツ戦術分析の論文」を読ませたらAIがプロのアナリストになった話｜戦術分析レポートを量産する全ワークフロー

当メディアでは、プロのアナリストが分析したような試合の戦術分析レポートを随時、公開しています。

サッカー、バレー、バスケ、などジャンルを問わず、注目の試合や選手をスタッツと戦術の両面から掘り下げる。

そう聞くと「元アナリストか、スポーツ業界の人が書いているんだろう」と思われるかもしれません。

でも、私はスポーツの専門家でも何でもありません。すべて生成AIとの協業でレポートを作っているのです。

しかも、使っているのは特別なツールではありません。Gemini Notebook（NotebookLM）と Geminiの2つ、どちらも誰でも今日から使えるものです。

では、なぜ同じツールを使っても、多くの人のAI出力は「ありきたりな感想文」で終わり、私のは分析レポートになるのか？

その答えは、ひとつの工夫にあります。

それは、競技ごとに専用のノートブックを作り、その競技の戦術分析関連の論文をAIに読ませていること、なんです。

バレーにはバレーの、バスケにはバスケの分析フレームワークがある。それを競技別にAIへ仕込んでおく。ただそれだけで、出力は別次元に変わります。

この記事では、その全工程を公開します。何を読み込ませ、どう指示し、どう仕上げているのか、それを隠さず、まるごと公開していますので、ご興味ある方は、ぜひ最後までお読みください。

この記事を読み終わる頃には、「これなら自分にもできそう」と思ってもらえるはずです。

1. まず、AIが作った「完成物」を見てください

AIツールのノウハウの前に、まずゴールを共有させてください。下記は、当メディアが実際に公開している試合分析レポートの一例です。

セット別の戦術変遷、統計に基づくキープレイヤー分析、勝敗を分けた配球設計の考察、など、実際に読んでいただくと分かりますが、これは単なる試合の感想レビューではなく、プロの分析レポートに近い構造と密度を持っているレポートです。

しかも、これを書いたのは私ではなく、私が「設計した（設定した）」AIです。私の役割は、AIに正しい知識と素材を与え、正しい問いを投げかけ、出力された成果物を検証すること。いわば編集長の役割です。

ここから先は、その「編集長の仕事」を全部見せる内容になりますので、ぜひ最後までお読みください。

2. 全体像：レポートは5ステップで完成する

複雑に見える制作も、分解すればシンプルです。

STEP0  AIの「教育」  … 競技別ノートブックに論文を読ませる ★ここが差
STEP1  情報収集     … NotebookLMに一次情報をそのままストック
STEP2  分析・構造化  … 論文の知識を土台にAIが試合を読み解く
STEP3  執筆         … Geminiでレポート化。図解もここで生成
STEP4  検証・公開    … 事実確認をして、noteへ

一般的なAI活用との決定的な違いは、STEP0が存在することです。多くの人はここを飛ばして「試合を分析して」とAIにいきなり頼む。だから凡庸な出力しか返ってきません。

それでは各ステップを順に見ていきます。

STEP0｜AIに「分析の手法」を教え込む（最重要）

これが本記事で最も伝えたい部分です。

生成AIは、スポーツの一般知識に関する情報は持っています。しかし「アナリストがどういう枠組みで試合を読むのか」という専門的な手法は知りません。ここを埋めない限り、出力は素人の感想の域を出ません。

そこで私は、Gemini Notebook（NotebookLM） にスポーツ戦術分析に関する学術論文や研究資料を読み込ませています。

これが何を意味するのか。

Gemini Notebook（NotebookLM）は、読み込ませた資料だけを根拠に回答する設計になっています。つまり論文を入れておけば、AIは「一般論」ではなく「論文で確立された分析フレームワークに沿って」試合を読み解くようになるのです。

ポイントは「競技ごとに専用ノートブックを作る」こと

ここが最大の工夫です。すべてを1つのノートブックに詰め込むことはしません。

理由は明快で、戦術分析のフレームワークは競技ごとにまったく別物だからです。

バレーボールならローテーションやテンポ、サイドアウト効率。バスケットボールならポゼッション効率やスペーシング。サッカーならプレッシングの強度やビルドアップの構造。指標も用語も思考の枠組みも共通しません。

これを混在させると、AIはどの枠組みで読むべきか判断できず、出力がぼやけます。だから、私はこうしています。

📓 バレーボール分析ノートブック
   └ バレーの戦術分析・パフォーマンス分析に関する論文、など

📓 バスケットボール分析ノートブック
   └ バスケの戦術分析・指標設計に関する論文、など

📓 サッカー分析ノートブック
   └ サッカーの戦術分析に関する論文、など
　　　　　　
…（競技ごとに追加）

1競技につき1つ、専門家AIを作り上げるイメージです。バレーの試合を分析するときはバレー用ノートブック、バスケならバスケ用。それぞれが、その競技の専門家として振る舞ってくれます。

新しい競技を扱いたくなったら、その競技の論文をリサーチして読み込ませ、ノートブックを1つ増やすだけ。専門家がひとり増える感覚です。

AIを賢くするのではなく、AIに「その競技の専門家の視点」をインストールする。 これが「プロレベル」の正体です。ツールの性能差ではなく、与えた知識の差なのです。

そして重要なのは、この工程は一度やれば恒久的な資産になるということ。毎週やり直す必要はありません。ノートブックが完成してしまえば、週次の作業は「その競技のノートブックに、（今日の）試合データを放り込むだけ」になります。

作れば作るほど蓄積し、運用は軽くなっていく。初期投資として、これ以上に費用対効果の高い作業はありません。

STEP1｜情報収集：一次情報を「そのまま」ストックする

ここでGemini Notebook（NotebookLM）を選んでいる理由が明確になると思います。

① 一次情報をそのまま置ける 公式スタッツ、記事、資料などを、要約せず原型のまま格納できます。人間が要約して渡すと、その時点で情報が欠落する。AIには生の情報を渡すのが鉄則です。

② YouTube動画もソースにできる これが最も大きいメリットかもしれません。試合ハイライトや解説動画をURLごと放り込めば、AIが内容を取り込んでくれます。映像情報まで分析の材料にできるのは、他の手段では代替しにくい強みです。

③ ノートブックに蓄積され続ける STEP0の論文と同じ場所に試合情報が積み上がるので、「論文の知識 × （今日の）試合データ」という掛け算がその場で成立します。

このステップの所要時間は10〜15分。資料を集めて放り込むだけです。

STEP2｜分析：論文の知識を土台に試合を読み解かせる

素材が揃ったら、Gemini Notebook（NotebookLM）上で分析させます。ここでのプロンプト設計が出力を左右します。

実際に使っている指示の骨子：

読み込ませた戦術分析の論文で示されているフレームワークに基づいて、
この試合を分析してください。

【分析の観点】
1. 試合全体のモメンタムの推移と、その転換点
2. 論文中の指標を用いた、キープレイヤーのパフォーマンス評価
3. 両チームの戦術的意図と、その成否
4. データから読み取れる課題と提言

【条件】
・必ず読み込ませた資料を根拠にすること
・数字の羅列ではなく「なぜその数字になったか」を戦術的に考察すること

ポイントは 「論文のフレームワークに基づいて」と明示的に指定すること。この一文があるかないかで、出力の質がまったく変わります。AIに分析手法を「思い出させる」指示です。

なおGemini Notebook（NotebookLM）は、この段階でインフォグラフィック（図解）やレポート形式の出力も生成できます。分析と可視化が同じ場所で完結するので、外部の作図ツールを行き来する手間が消えます。効率面ではここが非常に大きいのではないかと思われます。

STEP3｜執筆：Geminiで読み物に仕上げる

分析結果をもとに、読者が読むレポートへ整形します。ここは Gemini を使っています。理由は単純で、Gemini Notebook（NotebookLM）と同じGoogleエコシステム内で情報を引き継ぎやすく、連携がスムーズだからです。

分析（Gemini Notebook）と執筆（Gemini）をあえて分けるのもポイントです。分析に集中させたAIに文章の巧さまで求めると、どちらも中途半端になる。その工程を分けると、それぞれの精度が上がります。

執筆時の指示では「専門用語は使いつつ初見の読者にも伝わるよう補足する」「感想ではなく考察として書く」といったトーン指定を必ず入れます。

STEP4｜検証と公開：AIの弱点は人間が埋める

AIは万能ではありません。実際には起きていないプレーを事実のように書く「ハルシネーション」が起こり得ます。

Gemini Notebook（NotebookLM） は読み込ませた資料に基づいて回答し、根拠箇所を示せる仕組みがあるため、この点はかなり抑えられます。そもそも一次情報をそのまま入れているので、AIが「想像で埋める」余地が少ない。 これも一次情報ストック型を採る理由のひとつです。

とはいえ最終確認は人間の仕事です。選手名、スコア、スタッツは必ず原典と突き合わせます。「AIに書かせて、人間が保証する」、この分担が生命線です。

つまずきポイントと、その乗り越え方

① いきなり「分析して」と頼んでしまう 最大の失敗パターンです。AIに専門知識を与えないまま問えば、返ってくるのは一般論。STEP0を飛ばさないことが全てです。

② 情報を要約して渡してしまう 親切のつもりで整理して渡すと、AIが拾えたはずの示唆が消えます。情報は生のまま渡す。判断はAIにさせるのが基本です。

③ 独学だと、この設計思想にたどり着くまでが長い 正直に言うと、「競技ごとに専用ノートブックを作り、論文を読ませる」という発想に至るまで、私はかなり試行錯誤しました。ツールの使い方はすぐ覚えられます。難しいのは「AIに何を与え、どう役割設計するか」という考え方のほうです。

ここは独学だと遠回りになりやすい領域です。もし今からゼロで始めるなら、AI活用の設計思想を体系立てて学べる講座を最初に1本挟むほうが、確実に早いかもしれません。

講座を活用することで私が遠回りした時間を、あなたは短縮できます。

このスキルは、スポーツ分析だけの話ではない

ここまでスポーツを題材にしてきましたが、その本質は「AIに専門知識を与えて、専門家級のアウトプットを出させる技術」です。

この型、つまり「専門資料を読ませ、一次情報を生で渡し、フレームワークを指定して分析させ、人間が検証する」という型は、そのまま仕事や学習にも応用できます。

市場調査、業界分析、学術レビュー、企画立案など「専門家ではないが、専門家レベルの成果物が必要」な、あらゆる場面で機能します。

論文を業界レポートに、試合データを自社データに置き換えれば、それはもうビジネスの武器です。スポーツ分析は、この汎用スキルを楽しく磨くための最高の練習台なのです。

まとめ｜このワークフローの要点

最後に、本記事の核心を3点でお伝えします。

1. 競技ごとに専用ノートブックを作り、その競技の論文を読ませる（＝競技別に専門家AIを育てる）

2. 一次情報は要約せず、生のまま渡す（＝判断はAIにさせる）

3. 分析と執筆を工程で分ける（＝それぞれの精度が上がる）

使っているツール自体は、Gemini Notebook（NotebookLM）と Geminiで、誰でも今すぐ使えるものです。その差がつくのはAIの設定思想のほうです。

さらにAIを深めたい方へ

• 🎓 AI活用の設定思想を体系的に学ぶ｜👉 環境構築不要！AIエージェント開発を非エンジニアでも即実践【AI Agent Camp】

• 📚 スポーツ×データ分析／AI活用の思考法を深める書籍｜👉 AI時代のスポーツアナリティクス

当メディアでは、この方法で作った試合分析レポートを随時公開しています。「AIはスポーツをここまで分析できる」の実例集として、ぜひ他のレポートものぞいてみてください。

AIを「使いこなす側」に回れば、見える景色が変わります。この記事が、その最初の一歩になれば嬉しいです。