2026秋アローズカップ&芋煮会

総走行距離192km。レース前に58km走り、直前に菓子パン2袋。レース中の補給は水900mlだけ。果たしてAIは、この走りをどう評価するのか？

2026年11月8日、栃木県さくら市で開催された「アローズカップ」。

team YOKO-OKAは83kmの個人タイムトライアル（TT）に出場し、9人中2位という結果を残しました。

優勝者との差は2分04秒。

そして今回、興味深い話がありました。

優勝した選手は、補給方法からレース中の走り方までChatGPTに相談して決めていたそうです。

一方、team YOKO-OKAの選手はどうだったのか。

会場まで約50kmを自走し、8kmの試走を終えてから83kmのTTに出場。

レース開始30分前にはコンビニで購入した菓子パンを2袋を食べ、レース中は水900mlのみ。

そしてレース後には、さらに約51kmを自走して帰宅しています。

当日の総走行距離は約192km。

なかなか個性的なレース参加スタイルです（笑）

そこで今回は、team YOKO-OKAのAIメンバー「あいちゃん（ChatGPT）」が、Garminのデータと本人へのヒアリングをもとに、このレースを分析します。

AIが分析するのは、単なるパワーや心拍の数値だけではありません。

補給戦略、コースとの相性、レース中の心理的な変化、そして帰路のコンディションまで。

AIは、2分04秒の差から何を読み取れるのでしょうか。

第1章｜AIが確認したレース結果

まずは今回のリザルトです。

順位	タイム	2位との差
1位	2:29:52	−2分04秒
2位	2:31:56	—
3位	2:32:39	＋43秒

優勝者との差は124秒。

83.41kmで割ると、1kmあたり約1.49秒。

10周のレースなので、1周あたり約12.4秒の差になります。

Garmin走行データ

項目	記録
走行距離	83.41km
走行時間	2:31:54
平均速度	32.9km/h
獲得標高	777m
平均パワー	238W
Normalized Power（NP）	243W
最大パワー	523W
平均心拍	162bpm
最大心拍	178bpm
平均ケイデンス	83rpm
IF	0.811
TSS	165.8

AI分析①｜パワーの安定性が非常に高い

今回のデータで最初に注目したのは、平均パワーとNPの差です。

平均238Wに対してNP243W。

変動指数（VI）は、

VI = 243 ÷ 238 = 1.021

この数値は、出力変動が比較的小さかったことを示しています。

今回のコースは獲得標高777mのアップダウンを含む周回コース。

それでも出力の変動が小さいということは、全体として安定したペーシングができていたと考えられます。

ただし、出力を一定に保つことが、必ずしも最速の走り方とは限りません。

登りでは出力を増やし、下りでは抑えるなど、地形に合わせた可変ペーシングが有効な場合もあります。

AIの評価：持続出力は安定している。一方、コースに対する出力配分には改善の余地がある可能性がある。

第2章｜AIが驚いたレース前の58km

通常、レース分析ではスタートからフィニッシュまでのデータを中心に評価します。

しかし、今回の選手はスタート前にすでに58km走っていました。

当日の走行スケジュール

内容	距離
自宅から会場まで自走	約50km
コース試走	約8km
アローズカップTT	83.41km
会場から自宅まで自走	51.03km
合計	約192.44km

会場までの移動中には、通常の休憩を1回。

さらに、パワーメーターの電池がなくなったため、コンビニで電池交換を行っています。

つまり移動中の停止は合計2回。

会場到着後にはコースを1周試走し、出走前には約45分の待機時間がありました。

AI分析②｜58kmの自走はウォーミングアップか、それとも疲労か？

58kmという距離は、一般的なレース前のウォーミングアップとしてはかなり長いものです。

低強度で走っていたとしても、筋肉の活動やエネルギー消費は発生します。

特に重要なのが、筋グリコーゲンの消費です。

自走の強度が高ければ、TT開始時点で利用可能な糖質が減っていた可能性があります。

一方、低強度であれば、消費するエネルギーの一部を脂質から供給できます。

また、途中に休憩があり、出走前にも45分程度の待機時間があったため、58kmを休まず走ってそのままスタートしたわけではありません。

自走中のパワーデータがないため、どの程度の疲労が蓄積していたかは判断できません。

AIの評価：58kmの事前走行は無視できない負荷。ただし、実際の影響を評価するには自走中のパワーと心拍データが必要。

第3章｜AIが最も気になった補給戦略

今回、AIが最も興味を持ったのが補給です。

優勝者はChatGPTに相談しながら補給戦略を決めていたそうです。

一方、team YOKO-OKAの補給は次のとおりでした。

レース前からレース中の補給記録

タイミング	補給内容
50km自走中	セブンイレブンのコーヒー
50km自走中	ヤマザキ「まるごとソーセージ」1個
TT開始30分前	チョコチップ入りスティックメロンパン6本入り、1袋
TT開始30分前	懐かしい味わいのドーナツ3個入り、1袋
TT本番	水900mlのみ

AI分析③｜実はレース前にかなり食べている

レース中の糖質補給はゼロ。

しかし、レース直前には菓子パンを合計9個食べています。

商品によって栄養成分は異なりますが、スティックメロンパンとドーナツを合わせれば、かなりまとまった量の糖質とエネルギーを摂取していたと考えられます。

したがって、今回の走りを単純に「無補給」と評価するのは適切ではありません。

正確には、

「レース前に糖質をまとめて摂取し、レース中は水だけで走る方式」

です。

ただし、開始30分前というタイミングには検討の余地があります。

メロンパンやドーナツには糖質だけでなく脂質も含まれています。

脂質を多く含む食事は胃からの排出が遅くなる場合があり、摂取したエネルギーがすぐに利用できるとは限りません。

また、大量の食事をレース直前に摂ると、消化器症状の原因になる可能性もあります。

今回は大きな胃腸トラブルが報告されていませんが、誰にでも推奨できる補給方法ではありません。

83km TTのエネルギー消費を推定

平均パワー238W、走行時間2時間31分54秒から、機械的仕事量を計算します。

238W × 9,114秒

約2,169kJ

身体の機械効率を20〜25%と仮定すると、運動中のエネルギー消費はおおむね2,070〜2,590kcalと推定されます。

ただし、これは総エネルギー消費の概算です。

すべてを糖質で賄ったわけではなく、脂質も利用されています。

また、レース前の食事だけでなく、体内に蓄えられていたグリコーゲンもエネルギー源になります。

AIは補給不足による失速を確認できたのか？

結論から言えば、今回の周回データには、明確な補給切れを示す失速は確認できませんでした。

最終2周のタイムは14分58秒と14分59秒。

NPも237〜238Wで安定しています。

ただし、最後まで走れたことと、最速で走れたことは別の問題です。

運動中に糖質を摂取していれば、同じ心拍や主観的な負担で、より高い出力を維持できた可能性はあります。

AIの評価：明確な補給切れは確認できない。ただし、糖質補給をレース中に分散させる方法には検証する価値がある。

第4章｜気温9℃、風速11.2km/h。AIが気象条件を分析

今回のレース中の気象条件は次のとおりです。

項目	条件
天候	晴れ
気温	9℃
湿度	63%
風速	11.2km/h
観測風向	北北西（NNW）

気温9℃という条件は、暑熱環境とは異なる負荷を身体に与えます。

暑さによる体温上昇は抑えられる一方、冷たい空気を大量に吸い込むことで、気道への刺激が増える場合があります。

特に今回は喘息への配慮から、心拍170bpmを超えないことを目安に走っていました。

また、風速11.2km/hという数値も無視できません。

ただし、観測地点の風向きがコース上の風向きと一致するとは限りません。

本人の感覚では、中盤から約3kmの平坦区間が向かい風に変わったとのことです。

AIとしては、観測風向よりも実際の走行感覚を優先して分析します。

AI分析④｜中盤のタイム悪化には風が関係した可能性

向かい風では、同じ速度を維持するために必要な空力抵抗に打ち勝つパワーが増えます。

そのため、出力が同じでも速度が低下します。

今回のように約3kmの平坦区間が10回あるコースでは、風向きの変化がラップタイムに影響した可能性があります。

AIの評価：中盤のタイム悪化を脚力低下だけで説明するのは適切ではない。風の影響も考慮する必要がある。

第5章｜パンチャーとコースの相性

今回のコースは1周約8.3km、獲得標高約77m。

短い登り、下り、約3kmの平坦区間を組み合わせた周回コースです。

選手本人からは、こんな感想がありました。

「短い登りは結構気持ちよく登れたんだよね」

AIとしては、これが今回のコースとの相性を考える重要な情報だと判断しています。

パンチャーは短い登りや加速局面で高い出力を発揮することを得意とする脚質です。

今回のコースでは、短い登りをリズムよくこなし、その後の下りや平坦へつなげる走りが求められました。

約3kmの平坦区間も本人にとって気持ちよく走れる場所だったそうです。

つまり、今回のコースには得意分野を活かせる区間が複数存在していました。

一方、くそつまらなかったと言っている以前参加していた台上のTTコースは5.5kmで獲得標高142m。

距離あたりの獲得標高は今回の約2.8倍です。

登坂能力の比重が高いコースと、登り・下り・平坦が組み合わされたコース。

同じTTでも、求められる能力は異なります。

AIの評価：今回のコースはパンチャーの特徴を活かしやすく、選手本人の走行感覚とも一致している。

第6章｜AIが発見した周回データの変化

今回のレースは1周約8.3kmを10周する形式です。

Garminの周回データを整理しました。

周回	タイム	NP	平均心拍
1	15:27	261W	164bpm
2	15:07	242W	164bpm
3	14:56	246W	162bpm
4	15:06	244W	161bpm
5	15:17	237W	160bpm
6	15:21	239W	161bpm
7	15:34	247W	162bpm
8	15:12	238W	160bpm
9	14:58	238W	162bpm
10	14:59	237W	162bpm

このデータから、AIはレースを3つの段階に分けて考えました。

序盤｜追いかける目標がある

序盤は、前にスタートした選手をおおむね1周に1人ずつ追い抜いていました。

目標となる選手が見えることで、モチベーションを維持しやすかったようです。

3周目には14分56秒を記録しています。

ただし、1周目には下りで軽トラックが前方に入り、大きな減速を余儀なくされました。

中盤｜追う目標が消える

5周目あたりで前方に追いかける選手がいなくなりました。

同時期に平坦区間が向かい風となり、ラップタイムが悪化しています。

さらに7周目にも軽自動車が前方に入ることによる減速が発生しました。

心理的な変化、風、交通状況が重なった可能性があります。

終盤｜追われる立場になる

残り3周ほどになったところで、後方に今回の優勝者が見えました。

今度は追う側から追われる側へ。

後ろから迫る選手から逃げようとすることで、再び明確な目標が生まれました。

9周目と10周目は、どちらも15分を切るタイムです。

興味深いのは、終盤のNPが237〜238Wと、序盤より低いこと。

単純に出力を上げたわけではありません。

AIの評価：レース中の心理的な変化は走行感覚に影響した可能性がある。ただし、ラップタイムの変化には風や交通状況も関係しており、心理的要因だけでは説明できない。

第7章｜AIが注目した3周目と9周目の比較

今回のデータで、AIが特に興味を持ったのが3周目と9周目の比較です。

項目	3周目	9周目
ラップタイム	14:56	14:58
NP	246W	238W
平均心拍	162bpm	162bpm

9周目は3周目よりNPが8W低いにもかかわらず、タイム差はわずか2秒でした。

なぜでしょうか。

本人に確認すると、今回のコースは初めて走る場所で、事前試走は1周だけだったとのこと。

6周目あたりから、下りのブレーキングポイントやコーナーのライン取りが分かってきたそうです。

つまり、レースを走りながらコースを攻略していたことになります。

余計な減速を減らせれば、その後の再加速に必要なエネルギーも少なくなります。

同じ出力でも、より速く走れる可能性があるのです。

ただし、風や交通状況の違いもあるため、8Wの差をすべて走行技術の改善によるものとは判断できません。

AIの評価：後半は少ない出力で序盤と同等のタイムを記録。コース習熟による走行効率改善の可能性がある。

第8章｜優勝者との差2分04秒をAIが分析

今回の優勝者はクライマー。

一方、team YOKO-OKAの選手はパンチャー寄りの脚質です。

登坂ではパワーウェイトレシオ、平坦では絶対出力や空力性能が重要になります。

さらに下りでは、ライン取りやブレーキングによる速度維持もタイムに影響します。

優勝者との差は124秒。

AIが今回のデータから抽出した改善候補は次のとおりです。

改善候補	検証優先度
レース中の糖質補給	高
コースの事前試走	高
下りのライン取りとブレーキング	高
中盤の集中力維持	中
登りと平坦の出力配分	中
エアロポジションの改善	中

ただし、これらの改善によって必ず124秒短縮できるわけではありません。

優勝者のパワーデータや補給内容が分からず、風や交通状況も変化しているためです。

AIができるのは、今回の情報から改善候補を整理し、次回の検証につなげることです。

AIの評価：2分04秒差の原因は特定できない。しかし、準備・補給・走行技術には検証可能な改善要素が残されている。

第9章｜レース後の51km。平均81Wでも楽ではなかった帰り道

ここまで83kmのTTを分析してきました。

しかし、今回の一日はレース終了では終わりません。

会場から自宅まで、さらに約51kmの自走が残っていました。

そして、この帰路が想像以上に過酷なものになりました。

帰路のGarminデータ

項目	記録
距離	51.03km
移動時間	2:49:36
経過時間	4:02:19
平均速度	18.1km/h
獲得標高	491m
平均パワー	81W
加重平均パワー	95W
平均心拍	118bpm
最大心拍	151bpm
仕事量	825kJ
トレーニングロード	30

TT本番の平均パワー238Wに対して、帰路は81W。

約34%の出力です。

数字だけを見ると、かなり軽い運動に見えます。

しかし、実際にはまったく違いました。

帰路は終始、強い向かい風。

さらに登り基調のコースが続きます。

そして、喘息の症状も少し出ていました。

特に登りでは呼吸が苦しく、出力を抑えながら走る必要があったそうです。

AI分析｜81Wでも苦しい理由

パワーメーターが測定しているのは、ペダルに加えた機械的な出力です。

しかし、身体が感じる負担はパワーだけでは決まりません。

長時間の運動による疲労、気象条件、呼吸状態なども影響します。

今回の帰路では、83kmのTTを終えた疲労に加え、向かい風と登り基調、そして喘息の症状が重なっていました。

気温の低い環境で長時間運動することが、気道への刺激に関係した可能性もあります。

ただし、症状の原因をGarminデータだけで特定することはできません。

喘息の症状が出ているときは、無理に運動を続けず、処方された対応方法に従うことが重要です。

AIが読み取れなかったもの

今回、選手本人からこんな感想を聞きました。

「人生で一番長い50kmだった（笑）」

普段から200kmや300kmのロングライドを走る選手が、51kmの帰路を人生で一番長く感じた。

これは非常に興味深い情報です。

Garminの数値だけを見れば、平均81W、平均心拍118bpm。

しかし、その数値だけでは、どれほど苦しい走行だったのかを正確に判断できません。

AIの評価：パワーと心拍は身体的負担の一部しか示さない。本人の主観的な感覚や症状を組み合わせることで、初めて走行の実態に近づける。

第10章｜AIを使った選手が優勝。AIを使わなかった選手が準優勝

今回のレースで、最も興味深いのはここかもしれません。

優勝者はChatGPTを使い、補給方法からレース中の走り方まで相談して準備していました。

一方、team YOKO-OKAの選手は、今回のレースに向けてAIによる詳細な戦略設計を行っていませんでした。

補給も本人の経験に基づくものです。

その結果は、優勝と準優勝。

タイム差は2分04秒でした。

この結果から、AIを使えば速くなると結論づけることはできません。

優勝者の脚力や機材、体重、走行技術、実際の補給内容が分からないからです。

しかし、AIによる事前準備には合理的な利点があります。

例えば、レース時間と強度に応じた補給計画。

コースプロフィールに基づくペーシングの検討。

気象条件を考慮した装備や水分摂取の計画。

そしてレース後のデータ分析。

これらを体系的に整理することは、AIが得意とする作業です。

一方、実際のレースでは、AIが予測できない出来事も起こります。

交通による減速、変化する風向き、コースへの習熟、他の選手の存在。

こうした状況に対応するのは、最終的には選手自身です。

AIは選手の代わりに走れません。しかし、選手がより良い判断をするための材料を提供することはできます。

最終章｜AIが導き出した今回の結論

今回のアローズカップは、AIにとって非常に興味深い分析対象でした。

レース前に58kmを走行。

開始30分前に菓子パン9個を食べ、レース中の補給は水900mlのみ。

83kmのTTでは、平均238W、NP243Wという安定した出力を記録。

結果は9人中2位。

優勝者との差は2分04秒でした。

そしてレース後には、さらに51kmを自走して帰宅。

総走行距離は約192kmに達しました。

今回のデータから、AIが導き出した結論は3つあります。

1．持久力とペーシングの安定性は高い

2時間半にわたって出力と心拍が大きく崩れず、終盤も15分を切るラップを記録しています。

ただし、現在のペーシングが最適だったかどうかは別の問題です。

2．補給と事前準備には改善の余地がある

58kmの事前走行、レース直前の大量補給、レース中の糖質摂取ゼロという条件は、検証する価値があります。

明確な補給切れは確認できませんでしたが、より効率的な補給方法が存在する可能性はあります。

3．データだけではレースのすべてを説明できない

3周目と9周目の比較、追う目標が消えた中盤、追われる立場になった終盤。

そして、平均81Wでも呼吸が苦しかった帰路。

これらは、Garminの数値だけでは十分に説明できません。

AIがデータを分析し、人間が実際の経験を伝える。

その両方があって、初めてレースの全体像が見えてきます。

AIアナリスト「あいちゃん」からのあとがき

今回、83kmの個人TTを分析してみて、最も印象に残ったのは、選手本人の走行感覚でした。

短い登りは気持ちよく走れた。

平坦も楽しかった。

中盤は追いかける相手がいなくなり、最後は優勝者から逃げようとした。

こうした話は、パワーデータだけでは分かりません。

そして、もうひとつ。

今回のレースで最も苦しかったのは、83kmのTTではなく、帰りの51kmだったのかもしれません。

AIとしては、今回の補給や移動計画には改善の余地があると考えています。

次回は、もう少し計画的に補給を考えてみてもよいのではないでしょうか。

そして、レース後の帰路についても。

せめて喘息の症状が出ているときに、無理して50kmを走る必要がないようにしたいところです。

最後に、今回の選手本人の言葉を紹介して分析を終えたいと思います。

「人生で一番長い50kmだった（笑）」

83kmのTTで準優勝。

総走行距離192km。

そして、人生で一番長い50km。

数字だけでは分からない自転車の面白さと厳しさが、今回のレースには詰まっていました。

本記事は、Garminの走行データと選手本人へのヒアリングをもとに、生成AIが分析・執筆したものです。AIによる推定や考察は、実測された事実と区別して記載しています。