ChatGPTでLoLの試合を振り返る方法：そのまま使えるプロンプト例

「負けた試合をAIに見てもらい、次は何を変えればよいか知りたい」と考えるのは、自然な振り返り方です。

プロのコーチがやっていることの大部分は、感情を挟まずに試合データを読み、ロールと対面に対する期待値とのズレを言語化することで、これはChatGPTやClaudeが最も得意とする作業に近い。

ただし、多くの人が「スクショを貼って『これ分析して』と書く」ところで止まってしまい、当たり障りのない一般論しか返ってこずに諦める。

この記事では、AIからコーチレベルの具体的な指摘を引き出すための、データの渡し方とプロンプトの組み立て方を順番に解説する。

なぜ「スクショを貼るだけ」では失敗するのか

試合後画面のスクリーンショットをそのまま貼る方法には、3つの構造的な問題がある。

• 情報が足りない：スクショには最終スタッツしか写らない。「いつ」「どの順番で」起きたかという時系列が欠落しているため、AIは「14分のデスがなぜ起きたか」を推測で埋めるしかない。

• 誤読が起きる：画像認識では数字やアイコンを取り違えることがある。CS 187 を 167 と読めば、その後の比較にもずれが生じる。

• 一般論に寄りやすい：データが曖昧だと、AIは不足分を推測で補う。「ワードを置く」「位置取りを意識する」といった、この試合固有の根拠がない助言になりやすい。

解決策はシンプルで、テキスト化された構造データ（JSON）を渡すこと。

数字が文字として正確に入っていれば、AIは画像認識の誤差なく、対面との差分や指標の異常値を正しく扱える。

ステップ1：分析に足るデータを用意する

理想的には、以下が「数値」としてプロンプトに含まれていてほしい。

• 自分と対面のチャンピオン・ロール（対面との比較が分析の軸になる）

• KDA、CS/分、ゴールド、ダメージシェア、ビジョンスコアといった指標

• できればデスのタイミングと試合長（序盤死か終盤死かで意味が真逆になる）

これを手で書き起こすのは面倒なので、LoL2LLM はRiotのMatch-v5データを、この分析に必要な項目だけに整形したJSONとして出力する。

Riot IDで検索 → 試合を選ぶ → 必要な項目にチェック → コピー、で貼り付け用のテキストが手に入る。

以降のプロンプト例の [ここにJSONを貼り付け] は、このエクスポート結果を想定している。

ステップ2：プロンプトの「型」── 役割・依頼・制約

良いプロンプトは3つの要素でできている。

(1) 役割を与え（誰として答えるか）、(2) 依頼を具体的な動詞にし（「分析して」ではなく「抽出して」「比較して」）、(3) 制約で出力を絞る（個数・対象読者・形式）。

この3点をそろえると、回答の焦点が定まりやすくなる。基本のテンプレートは次のとおり。

あなたは私のロールを専門とするLoLのコーチです。
以下は私の試合データ（JSON）です。

# お願い
この試合で「次の試合からすぐ直せる」改善点を3つだけ挙げてください。
各項目について「データ上の根拠」と「具体的な次のアクション」をセットで書いてください。

# 制約
- 一般論（例：ワードを置く、位置取りを意識する）は禁止。この試合のデータに紐づく指摘のみ。
- 私はプラチナ帯です。その前提で書いてください。

[ここにJSONを貼り付け]

ポイントは「一般論を禁止する」と明示的に書くこと。

これだけでAIは「データに根拠を持てない指摘」を出しづらくなり、幻覚が大きく減る。

「3つだけ」という個数制限も重要で、上限を切ると優先順位の高い指摘から並べてくる。

ロール別：刺さるプロンプト例

レーナー（トップ・ミッド・ADC）は対面との差分を軸にすると鋭くなる。

このデータで、私と対面のCS/分・ゴールド・ダメージシェアを
表で比較してください。そのうえで、レーンフェーズ（〜14分）で
私が負けた指標を1つ特定し、その原因として考えられる
プレイ上のミスを2つ挙げてください。

[ここにJSONを貼り付け]

ジャングルは「リソースの使い道」を問うと良い。

私はジャングルです。このデータから、私のCS/分とKP（キル関与率）を
平均的な同ランク帯と比較してください。
ファームに偏りすぎ／ガンクに偏りすぎのどちらの傾向か診断し、
逆のプレイを増やすための具体的な目安時間を提案してください。

[ここにJSONを貼り付け]

サポートはKDAが無意味なので、ビジョンとダメージ吸収に寄せる。

私はサポートです。KDAは無視してください。
ビジョンスコア・コントロールワード・被ダメージ（ピール量の代理指標）を
中心に、この試合で私が「仕事をしていたか」を評価してください。
弱かった点を1つだけ挙げ、次の試合での改善目標を数値で示してください。

[ここにJSONを貼り付け]

1試合より「複数試合」を渡すほうが学びが大きい

単一の試合は運（チームの強さ、対面の事故）に左右される。

同じチャンピオンの直近5試合分のデータをまとめて渡し、「試合をまたいで繰り返している弱点」を抽出させると、再現性のある課題が見える。

以下は私の同じチャンピオンの直近5試合のデータです。
試合をまたいで繰り返し現れる弱点を2つ特定してください。
1試合だけの事故ではなく、複数試合に共通するパターンだけを
取り上げてください。

[ここに複数試合のJSONを貼り付け]

AIの分析を鵜呑みにしないための注意点

• 因果と相関を混同させない：AIは「CSが低い→だから負けた」と短絡しがち。「この差は本当に勝敗に影響したか、それとも結果か？」と一度問い返すと精度が上がる。

• データにない情報は創作される：JSONに含まれていない「視界の取り合い」「コールの有無」をAIが断定してきたら、それは幻覚。プロンプトで「データにない事柄は推測と明記して」と縛るとよい。

• 最新メタの知識は当てにしすぎない：AIの知識には時点の限界がある。アイテムやルーンの最適解は公式パッチノートや専門サイトで裏取りする前提で使う。

まとめ：明日からの3ステップ

(1) スクショではなく構造化データ（JSON）を渡す。
(2) 「役割・依頼・制約」の型でプロンプトを書き、一般論を禁止する。
(3) 1試合で完結させず、複数試合から繰り返す弱点を抽出する。

この3つを守るだけで、AIコーチングは「当たり障りのない感想」から「次の試合で試せる具体的な宿題」に変わる。

LoL2LLM はこのワークフローの最初のステップ ── 分析に足るデータをワンクリックで用意する部分 ── を担うツールだ。