10連敗をデータでデバッグする—『競馬エンジニアリング』の現在地と、AIとの向き合い方

10連敗、されど「データは裏切らない」

正直に告白します。現在、私は競馬予想で10連敗中です。 「ボロボロ」という言葉がぴったりな状況ですが、不思議と悲観はしていません。なぜなら、私にとって今の競馬予想は「ギャンブル」ではなく、「エンジニアリング」そのものだからです。

連敗は単なる負けではなく、システムが市場とどうズレているかを教えてくれる、極めて貴重な「デバッグ情報」です。今日は、私が取り組んでいる「競馬 × FileMaker × AI」という掛け合わせの試行錯誤について、ありのままを綴ります。

「競馬 × FileMaker × AI」という掛け合わせ

私は数ヶ月前まで、ChatGPTを少し触る程度のAI初心者でした。しかし、「競馬の解析システムを作りたい」という一心で、Geminiを相棒にFileMakerでシステムを構築し始めました。

最初は競艇のデータ解析から入りましたが、ロジックが成立せず撤退。しかし、その時培った「FileMakerでデータをリレーショナルに管理する」という技術は、現在の競馬解析システムにおいて最大の資産になっています。

動画や情報源から「これは使える！」と直感したものを、すぐに自分のデータベースに反映させる。

この「インプットを即座にシステム化する」というプロセスこそが、今の私の最強の武器です。

予想の精度を上げる「ベース」と「トリガー」

膨大なデータの中で迷子にならないよう、最近、予想のロジックを整理しました。

• ベース（土台）： 環境条件（クッション値、含水率、コース適性など）。「そもそもこの条件で走る資格があるか？」を判定する。
• トリガー（引き金）： 調教データ（調教タイム、厩舎のパターン）。「今、最大のパフォーマンスを発揮できる状態か？」を判定する。

これまではすべてのデータを同列に扱っていましたが、この二階建て構造に変えてから、予想の迷いが格段に減りました。1レースの解析に1時間かかりますが、この「納得感」を得るための時間には、それだけの価値があります。

3. 「最先端」に踊らされない、道具を選ぶ美学

最近はClaude Codeなど、AIの最先端ツールが次々と登場しています。しかし、私はあえてそれらに手を出さないと決めました。

私のシステムは「Gemini × NotebookLM × FileMaker」という非常にシンプルな構成です。これに新しいツールを組み込むと、学習コストが発生し、肝心の「競馬のロジックを磨く」時間が削られてしまいます。

「AIを研究する」のではなく、「自分の課題を解決するためにAIを道具として使い倒す」。

エンジニアリングの本質は、複雑にすることではなく、目的を達成するための最小限の構成（シンプル・イズ・ベスト）を見極めることにあると、今の試行錯誤の中で学んでいます。

おわりに：プロセスそのものが商品になる

10連敗は痛いですが、的中率10％でも配当が11倍あれば回収率は100％に近づく。この数学的な期待値の概念がある限り、私は自分のシステムを信じて検証を続けます。

「競馬 × FileMaker × AI」の先にあるのは、ただの的中ではなく、自分だけのロジックが市場と合致した瞬間の爽快感です。

今日もまた1レース、データをデバッグしてきます。 連敗の先にある「納得」に辿り着くために。