何が起きたか
ESPNは2026年のWSOPメインイベント中継に、AIによる「テル（tells＝無意識のクセ）検知」ツールを導入しました。7月上旬の序盤数日間、放送中に断続的に表示され、画面上のテキストオーバーレイで選手の動きに関するライブ指標と、想定される手役の内訳を示す「ハンドストレングス・モデル」のチャートを提示しています。
開発したのは米空軍のAIエンジニアであるLuke Geel氏。視線の動き、まばたきの頻度、姿勢、チップの扱い方、手の落ち着きのなさ（hand fidget）といった入力を集め、実際のハンド結果と突き合わせて「強い完成手」「ドロー」「ブラフ」などの確率を推定する仕組みです。カメラに映る全ハンドを監視し、選手ごとのテル・データベースを構築するという設計でした。
なぜプロは冷めているのか
批判の中心は精度ではなく、学習データの土台そのものにあります。2026年のメインイベントには9,000を超えるエントリーがありましたが、カメラで収録されるテーブルは3卓のみ。大半の選手はそもそも一度も撮影されていません。しかも、AIの学習に使われた映像は放送用のカメラフィードと同じもので、独立した観測データが増えているわけではないのです。
17年のキャリアを持つプロで、今年ファイナルテーブルに残り8番手のチップスタックから1,000万ドルの優勝賞金を争うMichael Gagliano氏は、7月中旬に決勝卓が確定してからの2週間半の休止期間に、ESPNのライブ配信を一秒残らず見返して残る対戦相手のテルを探しました。その結論は「配信のバリエーションが広く、同じ選手が頻繁には映らない」「見たものから実際に行動に移せる情報がどれだけあるか分からない」というもの。人間が全力で映像を漁っても足りないのなら、同じ映像を見るAIも同じ壁に当たります。
2度のWSOP Player of the Yearに輝き今年15位で終えたShaun Deeb氏は、より根本的な指摘をします。物理的なテルには脚のテル、チェックの仕方、発話、呼吸、脈拍まで含まれ、その多くはカメラでは拾えない。1998年の映画『ラウンダーズ』でMatt Damon演じるMike McDermottが、John Malkovich演じるTeddy KGBのオレオの食べ方から強烈な手をフォールドする——あの分かりやすい図式より、現実は「もっと抽象的」だというわけです。同氏は「別のスポーツのように見せる何かを探し当てただけで、空振りだった」と切り捨て、「自分のチーム対AIなら、自分に賭ける」とまで言い切っています。
本当の限界は「意図」を読めないこと
専門家が共通して挙げるのは、AIは視覚・音声のパターンを追えても意図を推定できない、という一線です。自信ありげな挙動が手の強さと一対一で対応する保証はありません。Gagliano氏の例えが的確です——ツーペアの強さは相手や状況によって変わる。カジュアルなトーナメントならツーペアは強い手だが、メインイベントでは高額賞金がかかっているぶん緊張が残る。つまり体の反応は「手の強さ」ではなく「状況の重さ」を映しているかもしれない。相関を検出する装置に、因果の解釈を任せている構図です。
開発者のGeel氏自身は、サンプルを増やせば精度は上がると率直に認め、他のポーカー大会でのブラインドテストの結果は「まちまち」だったとWIREDにメールで回答しています。そして本番の山場である決勝卓では、Omaha Productionsが理由を説明しないまま不使用を決めました。
素材が揃う領域は別にある
ただし、この技術が原理的に無意味だという話ではありません。ハイローラー系のトーナメントは参加費が6桁ドルに達し、顔ぶれの限られたプロが放送される大会に何度も出場するため、同一人物について数百〜数千時間規模の映像が蓄積し得ます。選手側もすでに、常連相手の情報を集めるために配信や放送を研究するのが当たり前になっています。データ量が集まる場所と、精度が要求される場所が今回はズレていた、というのが実態に近いでしょう。
なお、この種のツールを実際のテーブルで使うことは認められていません。イカサマ防止のため、卓上の電子機器を制限・禁止する大会やハイステークスのキャッシュゲームもあり、Deeb氏はMetaのスマートグラス類も遠からず禁止されると予測しています。加えて、仮に相手のテル一覧を完璧に手に入れたとしても、自分の情報を隠しながらテーブル上でそれを見抜く必要は残ります。
💼 事業会社視点：これは自社にどう効くか
経営者が持ち帰るべきは「ポーカーAIの話」ではなく、代理指標で人間の内心を推定するAIの検収基準です。今回失敗と見なされた原因は、アルゴリズムではなくデータ設計にあります。9,000人超の大会で撮影は3卓のみ、しかも学習に使ったのは放送用と同じ映像。母集団の代表性がないまま、観測できた行動を「手の強さ」というラベルに結び付けた——この構造は、オンライン商談の表情・音声から受注確度を出すセールスAI、AI面接の適性スコア、コールセンターの感情分析、勤怠に紐づく従業員エンゲージメント推定と、まったく同型です。SaaSベンダーのデモが自社データで再現しない典型的な理由でもあります。
事業責任者が今週やるべきことは3つ。第一に、導入検討中の「人の状態を推定する」プロダクトに対し、学習データの母集団・件数・取得経路を書面で出させること。Geel氏がサンプル不足を自認しブラインドテストの結果が「まちまち」だったと明かしたのは誠実な水準で、これを開示できないベンダーは同等以下と見るべきです。第二に、スコアが何を測っているのかを問う。Gagliano氏の「体の反応は手の強さではなく状況の重さを映す」という指摘は、緊張しやすい候補者を低評価する面接AIそのものです。日本では属性による差別的取り扱いや個人情報保護法上の要配慮情報への波及リスクが直撃します。第三に、Omaha Productionsが決勝卓で使用を取りやめた判断を見習う。PoCで面白くても、意思決定の本番からは外すという撤退線を稟議の時点で書いておくことです。受託開発側にとっても、精度保証ではなく「参考値」としてのUI設計と免責の握りが、そのまま案件の生死を分けます。