Tekoäly haastoi vedonlyöntimarkkinan MM-kisoissa – yksikään malli ei ollut markkinaa tarkempi

Voiko tekoäly löytää jalkapallo-otteluista jotain sellaista, mitä vedonlyöntimarkkina ei ole jo huomioinut kertoimissa? Tuore tutkimus etsi kysymykseen vastausta antamalla neljän johtavan kielimallin ennustaa kaikki vuoden 2026 jalkapallon MM-kisojen 104 ottelua ja tehdä ennusteidensa perusteella virtuaalisia vetoja.

Testiin osallistuivat Claude Opus 4.8, ChatGPT GPT-5.5, Gemini 3.1 Pro ja Grokin Expert Mode. Tekoälyjen vastustajana oli vedonvälittäjien kertoimista muodostettu markkinaennuste. Lopputulos oli vedonlyöjän kannalta kiinnostava: yksikään tekoäly ei ollut todennäköisyysarvioissaan markkinaa parempi, vaikka kolme mallia neljästä teki omilla panostuspäätöksillään voitollisen tuloksen.

Tekoälyt ennustivat ottelut ennen tulosten selviämistä

WC2026-Agents-nimisen tutkimusaineiston vahvuus on sen reaaliaikainen toteutustapa. Jokainen ennuste lukittiin ennen ottelun alkamista, jolloin oikeaa lopputulosta ei vielä ollut olemassa internetissä tai mallien koulutusaineistoissa. Tutkijat kutsuvat asetelmaa kontaminaatiovapaaksi: tekoäly ei voinut muistaa vastausta aikaisemmin näkemästään materiaalista.

Ennen jokaista ottelua mallit saivat käyttää verkkohakua ja kerätä tietoa esimerkiksi joukkueiden vireestä, kokoonpanoista, loukkaantumisista ja kertoimista. Sen jälkeen niiden piti ilmoittaa todennäköisyydet kotivoitolle, tasapelille ja vierasvoitolle sekä tehdä virtuaalinen veto todellisilla ottelua edeltäneillä 1X2-kertoimilla.

Ottelun päätyttyä tekoäly arvioi vielä omaa ennustettaan. Tutkimukseen kertyi yhteensä 416 ennustetta ja 414 jälkianalyysia. Näin malleja voitiin vertailla paitsi osumatarkkuuden ja tuoton myös sen perusteella, tunnistivatko ne jälkikäteen omat virheensä.

Markkina säilytti etumatkansa ennusteiden laadussa

Pelkällä oikein–väärin-mittarilla ChatGPT ja Grok päätyivät 68,3 prosentin osumatarkkuuteen. Sama lukema kirjattiin myös vedonlyöntimarkkinalle. Claude osui 66,4 ja Gemini 65,4 prosentissa otteluista. Erot olivat siis pieniä, eikä tavallinen osumatarkkuus yksin kertonut koko kuvaa.

Tutkijat arvioivat ennusteita myös Brier-luvulla, joka mittaa kaikkien annettujen todennäköisyyksien laatua. Mitä pienempi luku on, sitä paremmin ennustajan ilmoittamat prosentit vastaavat toteutuneita tuloksia. Markkinan Brier-luku oli 0,4688, kun paras tekoälytulos oli Clauden 0,4705. Grok jäi vain yhden kymmenestuhannesosan Claudesta.

Tuloksen perusteella tekoälyt pystyivät käytännössä palauttamaan suuren osan samasta informaatiosta, jonka vedonlyöntikertoimet jo sisälsivät. Ne eivät kuitenkaan löytäneet järjestelmällistä etua markkinoiden hinnoitteluun nähden.

Kolme tekoälyä teki voittoa – miksei se tarkoita markkinan voittamista?

Vedonlyöntituloksissa mallien välille syntyi huomattavasti suurempia eroja. Grok saavutti 10,3 prosentin ROI:n ja 650 dollarin virtuaalisen nettovoiton. ChatGPT:n ROI oli 8,0 prosenttia ja nettotulos 118 dollaria, kun taas Gemini päätyi 3,7 prosentin tuottoon ja 322 dollarin voittoon. Claude jäi 275 dollaria tappiolle, ja sen ROI oli –18,1 prosenttia.

Tuloksia ei silti pidä tulkita niin, että Grok olisi löytänyt varman tavan voittaa vedonlyönnissä. MM-turnaus oli tutkimuksen mukaan tavallista suosiollisempi ennakkosuosikeille. Yksinkertainen strategia, jossa jokaiseen markkinan suosikkiin panostettiin tasan 100 dollaria, tuotti yhteensä 1 041 dollaria – enemmän kuin yksikään tekoäly.

Lisäksi tekoälyt käyttivät hyvin erilaisia panoksia. Gemini panosti turnauksen aikana peräti 8 660 dollaria, kun ChatGPT:n kokonaispanos oli 1 471 dollaria. Siksi nettovoittoja ei voi verrata suoraan ilman sijoitetun pääoman huomioimista. Positiivinen tulos yhdessä turnauksessa voi myös syntyä sattuman ja suosikkien poikkeuksellisen menestyksen avulla.

Tekoälyt olivat yllättävän samanmielisiä

Yksi tutkimuksen kiinnostavimmista havainnoista oli mallien voimakas yksimielisyys. Kaikki neljä tekoälyä valitsivat saman todennäköisimmän lopputuloksen noin 92 prosentissa otteluista. ChatGPT ja Grok päätyivät keskenään samaan ykkösvalintaan jokaisessa ottelussa.

Tekoälyjen arviot seurasivat myös erittäin läheisesti markkinoiden todennäköisyyksiä. Mallista riippuen korrelaatio markkinan kanssa oli 0,97–0,99. Vaikka niiden perustelut näyttivät erilaisilta, lopulliset ennusteet olivat useimmiten vain hieman eri tavoin ilmaistuja versioita kertoimien sisältämästä tiedosta.

Markkinaa vastaan pelaaminen ei yleensä kannattanut. Claude poikkesi suosikista kaikkein useimmin ja jäi ainoana mallina kokonaisuutena tappiolle. Tutkimuksen mukaan tulokset heikkenivät sitä mukaa, mitä useammin malli sivuutti markkinan näkemyksen. Grokin viidestä vastavirtaan tehdystä vedosta muodostama positiivinen tulos oli liian pieni otos vahvojen päätelmien tekemiseen.

Mallien perusteluissa oli silti selviä eroja. Claude mainitsi markkinan tai kertoimet jokaisessa ennusteessaan ja ChatGPT noin 92 prosentissa ennusteistaan. Gemini viittasi niihin vain 12 prosentissa tapauksista ja rakensi perustelunsa useammin joukkueiden hyökkäysvoiman, puolustuksen ja viimeaikaisen vireen varaan. Grok painotti erityisen usein materiaalin leveyttä, kuntokäyrää ja FIFA-rankingia.

Erilaisista perusteluista huolimatta ennusteet päätyivät lähes aina samaan lopputulokseen. Tämä viittaa siihen, että ajantasaiset jalkapallotiedot ja markkinahinta ohjasivat malleja kohti samaa konsensusta. Tekoäly saattoi siis näyttää tekevän itsenäistä analyysia, vaikka sen lopullinen arvio poikkesi kertoimien kertomasta näkemyksestä vain vähän.

Tutkimuksessa tarkasteltiin myös mallien kykyä tunnistaa omat virheensä otteluiden jälkeen. Väärin menneiden ennusteiden itsearvioinnissa virheen myöntämisen osuus vaihteli noin 36 prosentista 86 prosenttiin. Hyvältä kuulostava jälkianalyysi ei siis aina tarkoittanut sitä, että malli ymmärsi alkuperäisen valintansa olleen väärä.

Yksi turnaus ei ratkaise tekoälyn paremmuutta

Tuloksia arvioitaessa on huomioitava tutkimuksen rajat. Vaikka 104 ottelua muodostaa kiinnostavan kokonaisuuden, se on vedonlyöntitutkimuksessa edelleen melko pieni otos. Yksittäinen yllätys, rangaistuspotkukilpailu tai suosikkien tavallista vahvempi menestys voi vaikuttaa lopulliseen tuottoon huomattavasti.

Myös panostustavat erosivat toisistaan, joten vertailu ei vastaa täysin tilannetta, jossa kaikille malleille annettaisiin identtinen panos jokaiseen otteluun. Tutkimus ei siksi todista, että jokin malleista olisi pysyvästi muita parempi vedonlyöjä. Se tarjoaa ennen kaikkea avoimen aineiston, jonka avulla ennustamista, panostamista ja tekoälyjen päätöksentekoa voidaan tutkia lisää.

Kannattaako tekoälyltä pyytää vedonlyöntivihjeitä?

Tutkimuksen perusteella tekoäly voi olla hyödyllinen tiedon kokoamisessa ja ottelun taustojen jäsentämisessä. Se pystyy käymään nopeasti läpi uutisia, tilastoja, kokoonpanotietoja ja markkinahintoja sekä kokoamaan niistä ymmärrettävän yhteenvedon. Tästä voi olla apua myös live-vedonlyöntiä tai ottelun ennakkoanalyysiä tekevälle pelaajalle.

Tekoälyn antamaa vihjettä ei kuitenkaan kannata käsitellä riippumattomana varmana tietona. Malli voi käytännössä vain toistaa markkinoiden suosikin, käyttää vanhentunutta lähdettä tai antaa vakuuttavalta kuulostavan perustelun, joka ei tuo kertoimeen todellista etua. Käyttäjän on edelleen tarkistettava lähtötiedot ja arvioitava, onko tarjolla oleva kerroin riittävän korkea suhteessa todelliseen todennäköisyyteen.

Yhteenveto: tekoäly pääsi lähelle mutta ei markkinan ohi

Neljän tekoälymallin MM-koe osoitti, että nykyiset kielimallit pystyvät muodostamaan varsin kilpailukykyisiä jalkapalloennusteita. Parhaat mallit ylsivät samaan tulosvalintojen osumatarkkuuteen kuin vedonlyöntimarkkina, ja kolme niistä teki virtuaalisilla vedoillaan voittoa.

Markkinoiden kertoimista muodostettu ennuste oli silti kokonaisuutena tarkin, eikä yksikään tekoäly osoittanut löytäneensä pysyvää hinnoitteluvirhettä. Tutkimuksen tärkein opetus vedonlyöjälle onkin tuttu: tiedon nopea käsittely auttaa, mutta markkinan voittaminen vaatii enemmän kuin vakuuttavan otteluanalyysin ja oikean suosikin valitsemisen.