Fakerのソロランク実データをAI分析：CS・ダメージ・視界から見るプロの基準

「プロの数字って実際どのくらいなの？」を、推測ではなく実データで見てみよう。

この記事では、Faker の公開ソロランクアカウント（Hide on bush #KR1）の実際のランク試合データを Riot 公式 API から取得し、LoL2LLM が想定する形でAI分析にかけた結果を紹介する。 すべて試合IDを明記しているので、各自で検証できる。

ケーススタディ：Cassiopeia で「レーンを完全に破壊したのに負けた」試合

試合ID KR_8257207023（36分、結果は敗北）。 Faker は Cassiopeia で対面の Sylas を数字上ほぼ完封している。

Faker · Cassiopeia

VS

対面 · Sylas

CS差は 114（約3.1 CS/分）、ダメージは約2.9倍。レーン戦としては完勝だ。

それでも試合は負けている。 これは初心者が最も誤解しやすいポイント── 「自分はレーンで勝ったのに負けた、味方のせいだ」── の正体を、プロの試合がそのまま示している。

この試合データをAIに分析させると何が返ってくるか

上記のデータ（に試合中の時系列を加えたもの）を「初心者向けに、勝敗を分けた要因をデータから説明して」とAIに投げると、典型的にはこういう指摘が返る：

• レーンのリードは作れている：CS/分・ゴールド・ダメージのすべてで対面を圧倒。レーンフェーズの個人技術は問題なし。

• デス8は「リードの使い方」の問題を示唆：これだけ勝っていてデスが8あるのは、得たリードをサイドプッシュやオブジェクトに変換する前に、集団戦・キャッチで失っている可能性が高い。

• 視界42・コントロールワード2は伸びしろ：これだけ強い状態なら、マップを明るくして「安全に勝ち筋を押し付ける」フェーズ。リードしている側こそ視界に投資すると死ににくい。

重要なのは、AIが「KDAが良い／悪い」では止まらず、指標どうしの矛盾（大きなリード × 多いデス）から仮説を立てていること。

これがスクショ1枚を渡すだけでは得られない、構造化データならではの分析だ。

6試合まとめて見ると「本当の課題」が見える

同じ日の直近6試合（すべてミッド）を並べると、もっと面白い事実が出てくる。

チャンプ	KDA	CS/分	ダメージシェア	結果
Cassiopeia	9/8/3	9.0	33%	負け
Ahri	5/8/3	8.4	29%	負け
Yone	1/6/3	9.4	23%	負け
Yone	0/5/2	9.0	21%	負け

注目すべきは CS/分は一貫して 8.4〜9.4 と非常に高いのに、デス数が多く（6,8,5...）、6連敗していること。

世界最高クラスのプレイヤーでも、ファーム能力（CS/分）は安定して高いまま、試合結果は連敗することがある── つまり CS/分のような個人指標と勝敗は、短期的には驚くほど切り離されている。

複数試合をまたいで見ると「Fakerの課題はファームではなくデス管理（この日は）」という再現性のあるパターンが浮かび、これは1試合だけ見ても分からない。

初心者がこの実データから学べること

• レーンで勝つことと試合で勝つことは別。CS差を作るのは前提条件であって、勝因そのものではない。

• CS/分9.0はプロでも「上振れではなく標準」。逆に言えば、ここはランク帯を問わず最も再現性高く伸ばせる指標（具体的な目標数値は別ガイド「ランク帯別の目標スタッツ」を参照）。

• 連敗は実力低下ではないことがデータで分かる。CS/分が落ちていないなら、メンタルを保って継続してよい。落ちているなら一旦休む合図。

• 1試合で判断しない。複数試合を並べて初めて「繰り返す弱点」が見える。

自分のアカウントで同じことをやる方法

ここで見せた「対面との差分の表」「複数試合の横並び」は、特別なツールがなくても LoL2LLM で再現できる。

自分の Riot ID で検索し、試合を選んでデータをエクスポートし、ChatGPT や Claude に「対面との差分を軸に、複数試合で繰り返している弱点を2つ挙げて」と頼むだけだ。

プロの数字は、自分の現在地を測るベンチマークとして使うのが正しい使い方であって、いきなり真似する対象ではない。