読了時間 約9分
「負けた試合をAIに見てもらって、何が悪かったか教えてほしい」── これは正しい上達の方向性だ。 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。
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：画像認識は数字の取り違えやアイコンの誤認識を起こす。CS 187 を 167 と読めば、その先の分析は丸ごと的外れになる。
幻覚（ハルシネーション）を誘発する：データが曖昧だと、AIは「それっぽい一般論」で隙間を埋める。これが「ワードを置きましょう」「集団戦の位置取りを意識しましょう」といった、誰にでも当てはまる無価値なアドバイスの正体だ。
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。
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。
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点を満たすだけで、返答の質は劇的に変わる。汎用テンプレートはこうだ。
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。
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]
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]
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。
(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。