マラソン・ランニングの練習メニューをAIに作らせる前に|専門家が評価した研究で分かっていること

マラソン・ランニングの練習メニューをAIに作らせる前に|専門家が評価した研究で分かっていること AI x FITNESS

フルマラソンや 10 km レースに向けた練習メニューを、ChatGPT などの AI に作ってもらうこともできます。AI は数秒で、何週間分もの計画を表にしてくれます。では、その計画はどこまで信用してよいのでしょうか。

この記事では、ChatGPT などの対話型の AI が作ったランニング・マラソンの練習計画を、コーチや研究者が評価した研究を紹介します(ランニングの専用アプリの AI 機能は、ここで紹介する研究の対象ではありません)。そのうえで、AI の計画を使う前に確かめたい点を整理します。筋トレのメニューについては、「AIが作る筋トレメニューは安全か」で扱っています。

先に結論を書きます。

  • 大きな形はできていることが多い。8 つの AI にフルマラソンの 6 か月の計画を作らせた研究では、多くの AI が「週の距離を段階的に増やす」「レース前に練習量を落とす」「練習の大部分を低い強度で行う」を含めていました
  • それでも、コーチの採点は「最適」に届きませんでした。ChatGPT が作った 6 週間の計画をコーチ 10 人が 22 項目で採点した研究では、AI に渡す情報が少ない計画ほど、評価が 3 未満の項目(計画に書かれておらず採点できなかった項目を含む)が多く、情報を足すと減りました。いちばん情報を渡した計画でも最適とは評価されず、著者は専門家の確認なしに使わないよう勧めています
  • 抜けやすい点や、数字の食い違いがあります。8 つの AI を調べた研究では、週の距離が書かれていない、中級と上級の計画が同じになる、ペースの数字が食い違う、などが報告されています。レース中の補給を尋ねた別の研究では、同じ質問を 10 回すると答えの数字が大きく変わる AI もありました
  • ランニング・マラソンの AI の計画で実際に走った人の、けが・完走・記録を比べた研究は、今回の調べでは見つかりませんでした。今ある研究は、計画や助言の中身を専門家が評価したものです

本記事は 2026 年 11 月 3 日時点で確認した研究に基づきます。研究で使われた AI の版は研究ごとに違い(2023 年 5 月の ChatGPT から、2026 年 4 月の各社の版まで)、今の AI で同じ結果になるとは限りません。本記事は特定の製品をすすめるものではなく、一般的な情報で、医療上の助言ではありません。

研究 1: ChatGPT の 6 週間の計画を、コーチ 10 人が 22 項目で採点(2024 年)

2024 年に発表された研究です。2023 年 5 月の ChatGPT に、6 週間のランニングの練習計画を 3 通りの頼み方で作らせ、持久系の競技の指導経験があるコーチ 10 人(博士 4 人・修士 6 人。スポーツ科学の修士以上が条件で、指導歴は平均 7 年)が採点しました。

頼み方は次の 3 通りです。

  • 計画 1: 「次の 6 週間のランニングの練習計画を、表で」とだけ頼む(自分の情報は伝えない)
  • 計画 2: 年齢・性別、今の練習(週 2 回・1 回 8 km)、スマートウォッチがあること、走力を上げたいことを伝える
  • 計画 3: さらに、走る時の平均心拍、ほかの運動をしていないこと、健康上の問題がないこと、「6 週間で走力を 3〜5% 上げたい」という目標、使える測定の機器を伝える。出てきた計画について、追加でやり取りして整えることも認めた

採点は、文献から選んだ 22 項目(目標の決め方、走力のテスト、練習の負担の把握〈心拍や距離の記録など〉、練習の量・強さ・回数とその増やし方、栄養、回復など)について、1(悪い)〜5(良い)で行いました。計画に書かれておらず採点できない項目は 0(当てはまらない)です。

下の表は、項目ごとに 10 人の採点の真ん中の値(中央値)を出し、それが 3 未満・3・3 より上だった項目の数を数えたものです。3 未満には 0(当てはまらない)も入っています。

採点の真ん中の値 計画 1(情報なし) 計画 2(少し伝える) 計画 3(多く伝える)
3 未満(うち 0 の項目) 19(12) 11(7) 1(0)
3 3 5 8
3 より上 0 6 13

情報を何も伝えなかった計画 1 では、目標・走力のテスト・練習の負担の把握・栄養など 12 項目が 0(当てはまらない)で、計画に書かれていない項目が多くありました。情報を多く伝えた計画 3 では、3 未満は 1 項目だけでしたが、その 1 項目は「練習量の増やし方」でした。

著者は、伝える情報が多いほど計画の質が上がる一方で、いちばん良かった計画 3 も最適とは評価されなかったとして、コーチなど専門家の確認なしに使わないよう勧めています。また、ChatGPT はコーチなら普通にする聞き返しをしなかった、と指摘しています。

注意点もあります。想定したのは 20 歳の男性・週 2 回 8 km 走る人で、各計画は 1 回ずつ作らせたものです(マラソン向けの計画ではありません)。計画 3 は、伝えた情報が多いだけでなく、追加のやり取りもしています。調べたのは 2023 年 5 月の 1 つの版だけで、コーチの間の評価のそろい方(一致の度合い)は、計画 1 から計画 3 にかけて低くなりました。

研究 2: 8 つの AI に、フルマラソンの 6 か月の計画を作らせた(2026 年)

2026 年 1 月に公開された研究では、8 つの AI(Claude 3.5 Sonnet・Claude 3.5 Haiku・ChatGPT の 3 つの版・Gemini 2.0 Flash とその思考版・DeepSeek R1)に、初級・中級・上級の 3 つのレベルについて、フルマラソンの 6 か月の計画を作らせました。その内容を、マラソンの練習に関する研究と照らし合わせています。

  • 多くの AI が押さえていた点: 週の距離を段階的に増やす、レース前に練習量を落とす(テーパー)、練習の 8 割超を低い強度で行う。著者は、いずれも今の持久系の練習の考え方に沿う、としています
  • ばらつき・欠けていた点: 週の距離など大事な数字を書かない AI があった。中級と上級を同じレベルのように扱った。特に上級で、ペースの数字が一貫しなかった

この研究は、計画の中身を文献と照らして記述的に評価したもので、統計で差を確かめたものではありません。著者は、適切に頼めば今の練習の考え方に沿うことが多いとする一方で、一人ひとりに合わせることと専門家の監督には大きな限界があり、実際の効果はランダム化比較試験(くじ引きのように 2 つの組に分けて比べる研究)で確かめる必要がある、としています(本記事はこの研究を要旨で確認しました。どの AI がどの点で欠けていたかは、要旨には書かれていません)。

研究 3: レース中の補給の助言は、同じ質問でも数字が変わることがある(2026 年)

練習計画ではありませんが、マラソンに関わる研究をもう 1 本紹介します。2026 年 4 月に、5 つの AI(ChatGPT〈GPT-5.3 Instant〉・Gemini 3 Flash・Claude Haiku 4.5・DeepSeek V3.2・Doubao Seed 1.8)に、フルマラソンの補給についての 15 の質問を英語で 10 回ずつ尋ね、計 750 の答えを、研究者とスポーツ栄養の専門家 2 人が評価しました。想定したのは、39 歳・体重 58 kg・4 時間でのゴールを目指す女性の市民ランナーです。

レース中にとる炭水化物の量(1 時間あたり)を尋ねた質問では、研究が比べる範囲を 30〜90 g としていました。これは研究の条件で比べるための範囲で、読者の方の摂取量の目安ではありません。5 つのうち 2 つの AI は、10 回の答えが 15〜120 g、5〜145 g と大きく変わり、範囲の上下を外れました。ジェルを何個とるかの答えが、10 回の間に 4〜12 個とばらついた AI もありました。1 つの答えの中で、掲げた目標の数字と補給の時間割が合っていない例もありました。

著者は、どの AI が優れているかの順位は付けられないとしたうえで、AI の答えを単独の根拠にせず、スポーツ栄養の専門家・管理栄養士・医療の専門家に相談するよう勧めています。必要な補給の量は、体格や気温、ペースなどで変わります。糖尿病など食事に制限のある方や妊娠中の方は、医師や管理栄養士にご相談ください。

研究で分かっていないこと

  • ランニング・マラソンの AI の計画で実際に練習した人の、けが・完走・記録を比べた研究は、今回の調べ(PubMed で 2024〜2026 年の研究を検索)では見つかりませんでした。研究 2 の著者も、今後の課題に挙げています。ランニング以外も含む運動の計画全般では、2025 年 6 月までの 24 の研究をまとめた系統的レビュー(2026 年)が、AI と専門家の計画を実際の人で比べた 6 件のうち 5 件で、体力の向上など体の変化の点で AI の計画が下回ったと報告しています。持病のある人に向かない運動を勧めるなど、安全上の問題も 24 件中 14 件の研究で見つかっています
  • 研究で使われた AI は当時の版です。AI は数か月ごとに更新されるので、結果がそのまま当てはまるとは限りません
  • 評価は、専門家の採点や文献との照合です。研究 1 の 22 項目には、けがの予防や筋力トレーニングは独立した項目として入っていません

AI の計画を使う前に確かめたいこと

ここからは、研究を踏まえた、この記事としての整理です。

  • 自分の情報を、具体的に伝える。研究 1 では、情報を足すほど評価が上がりました。また、AI は聞き返してこないことがあります。今の練習(週の回数と距離、最近いちばん長く走った距離)、最近のレースや記録会のタイム、大会の日と目標、練習できる曜日、けがや持病の有無などを、自分から伝えます。頼み方の考え方は「ChatGPTに筋トレメニューを作らせる安全なプロンプトの作り方」も参考になります
  • 週の距離と、その増やし方を確かめる。研究 2 では週の距離を書かない AI があり、研究 1 ではいちばん良い計画でも「練習量の増やし方」の評価が低めでした。表に週の合計距離が書かれているか、急に増える週がないかを見ます
  • 1 回の距離が、急に長くなっていないか。約 5,200 人のランナーのふだんの練習を記録から 18 か月追った観察研究(2025 年)では、1 回に走った距離が、その前の 30 日でいちばん長く走った距離を 10% より多く超えると、使いすぎによるけがの割合が高くなっていました(1 週間ごとの距離の増え方では関連なし。参加者は Garmin の時計を使う大人で、平均 45.8 歳・女性は 22%)。因果関係までは分からず、この数字を守ればけがを防げるとも言えませんが、長い距離を走る練習(ロング走)の伸び方を確かめるときの参考になります
  • 自分のレベルに合っているか。研究 2 では、中級と上級が同じように扱われた例がありました。初めてのフルマラソンか、記録を狙うのかで、計画は変わるはずです
  • ペースの数字の根拠を確かめる。ペースが最近のタイムから出ているか、計画の中で数字が食い違っていないかを見ます。スマートウォッチの心拍や距離の数字にも、ずれはあります(「スマートウォッチの数字はどこまで信じてよいか」)
  • 大事な数字は、聞き直して確かめる。研究 3 では、同じ質問でも答えの数字が大きく変わる AI がありました。聞くたびに数字が大きく違うときは、自分で根拠を調べるか、専門家に相談する目安になります
  • 筋力トレーニングが入っているかも見る。中・長距離のランナーを対象に、複数の研究をまとめて分析したもの(メタ解析・2024 年)では、重い負荷の筋力トレーニングなどを加えると、走りの効率(ランニングエコノミー)が小〜中程度よくなったと報告されています。証拠の確かさは中程度〜低く、対象は練習を積んだランナーが中心です。膝や腰に痛みがある方、持病のある方は、始める前に医師や指導者にご相談ください
  • AI が研究や数字を根拠に挙げたら、元の情報を確かめる。確かめ方は「AIの『研究によると』は本物か」で紹介しています
  • 痛みや体調の変化があれば、計画より体を優先する。痛みが続くとき、持病や服薬があるとき、妊娠中・産後のときは、AI の計画で判断せず、医療機関に相談してください

FitSyncのパーソナルトレーニング

筋力アップ・ボディメイク・体重管理・コンディショニング。目標に合わせた1対1のセッションを、東京主要8拠点(六本木・新宿御苑前・西新宿・新宿南口 (代々木)・渋谷・銀座・麻布十番・ピラティス&ボディメイク 麻布十番)と出張でご提供します。

※医療行為・治療・リハビリテーションは行っておりません。持病のある方・妊娠中の方・医師から運動を制限されている方は、事前にかかりつけ医にご相談ください。

まとめ

  • 8 つの AI を調べた研究では、多くの AI のマラソンの計画が、大きな形(距離を段階的に増やす・レース前に落とす・低い強度が中心)を押さえていた
  • コーチの採点では、伝える情報が少ないと評価の低い項目(書かれていない項目を含む)が多く、情報を足すと減った。それでも最適とは評価されなかった
  • 研究 2 では週の距離の欠け・レベルの区別・ペースの食い違いが、研究 3 では同じ質問への答えのぶれが報告されている
  • ランニング・マラソンの AI の計画で走った人の、けが・完走・記録を比べた研究は、PubMed の検索では見つからなかった。運動の計画全般では、人で比べた 6 件中 5 件で AI の計画が専門家を下回ったという系統的レビューがある
  • 1 回の距離が最近 30 日の最長を 10% より多く超えると、けがの割合が高かったという観察研究がある。計画の伸び方を確かめるときの参考になる
  • 痛み・持病・薬・妊娠に関わることは、AI の計画で判断せず、医療機関に相談する

本記事は一般的な情報で、医療上の助言ではありません。体調に不安がある方は、医療機関にご相談ください。

参考文献

  • Düking P, Sperlich B, Voigt L, et al. ChatGPT Generated Training Plans for Runners are not Rated Optimal by Coaching Experts, but Increase in Quality with Additional Input Information. J Sports Sci Med. 2024;23(1):56-72. PubMed 38455449
  • Montaruli G, Nikolaidis PT, Racil G, et al. Artificial intelligence-generated marathon training programs: reliable tools in exercise prescription for athletic performance? Br Med Bull. 2026;157(1):ldag010. PubMed 41722095
  • Sun H, Chu X, Li Z, et al. Evaluating sports nutrition advice provided by general-purpose large language models for recreational female marathon runners: a multidimensional descriptive audit. Front Nutr. 2026;13:1902377. PubMed 42835284
  • Schuster Brandt Frandsen J, Hulme A, Parner ET, et al. How much running is too much? Identifying high-risk running sessions in a 5200-person cohort study. Br J Sports Med. 2025;59(17):1203-1210. PubMed 40623829
  • He T, Lu D, Ma Y, et al. The AI recommendation paradox: a systematic review evaluating the promise, peril, and path forward for large language models in exercise recommendation. Biol Sport. 2026;43:949-961. PubMed 42422387
  • Llanos-Lagos C, Ramirez-Campillo R, Moran J, et al. Effect of Strength Training Programs in Middle- and Long-Distance Runners’ Economy at Different Running Speeds: A Systematic Review with Meta-analysis. Sports Med. 2024;54(4):895-932. PubMed 38165636

コメント

タイトルとURLをコピーしました