「しろもん」の解散時期をAI予測！

「Everyday-AI 」は、AIと日常の交差点

本サイトは、AIやデータの世界をより身近に感じられる視点で紹介するメディアです。
専門的な話ばかりでなく、ちょっと立ち止まって「へえ、そんなこともできるんだ」と思えるような気づきや、毎日の生活や会話の中で自然とAIの話題が入り込んでくるようなきっかけを、お届けしていきたいと思います。

「アイドルの運命予測AI」企画と本記事について

配信を追い、SNSで応援し、現場に通い、たくさんのグッズを買う。
今日も推しを全力で支えるファンの熱量は、まさに“魂”そのものに見えます。
けれど、ふとよぎるのはーー
「全力で時間やお金を注いだ推しも、いつか必ず終わりがあるという現実がむなしくならないのか？」
「もし、終わりのタイミングが予測できて、推しが近い将来に活動を終える可能性が高いと知ったら、ファンは同じ熱量でいることができるのか？」
という疑問です。

活動休止やグループ解散の発表はいつも突然のように見えますが、本当はその前に何かしらの“兆し”があると考え、データを基にした予測を試してみたくなりました。

ただ、このテーマに真正面から向き合おうとすると、どうしても人の主観が入り込んでしまいます。特にファンであればあるほど、冷静な判断は難しくなり、意見も大きく分かれます。
だからこそ本企画では、
あえて、人間の意見や感情を一切挟まず、生成AIを含む複数のAI技術だけで、
アイドルグループを対象とした「解散時期の予測」と「解散に影響を与える要因の考察」に挑戦してみました。

さらに視点を広げれば、
「参考データの収集⇒解散時期予測・要因考察⇒結果を紹介する記事の作成」の流れすべてを自動化することも可能だと考えられます。
その第一歩として本記事では、上記の流れの中でも定型化しづらく人のバイアスがかかりやすい、解散時期予測・要因考察の部分をAIを活用し自動化した結果をご紹介します。

AI出力結果
1. 「解散時期の予測」のAI出力結果
2. 「解散に影響を与える要因の考察」のAI出力結果
AI出力のアプローチ
1. 「解散時期の予測」のAI出力のアプローチ
2. 「解散に影響を与える要因の考察」のAI出力のアプローチ
ご参考

AI出力結果

今回対象とするグループは、「しろもん」です！

「解散時期の予測」のAI出力結果

■　解散する可能性が最も高い時期は「2027年6月」

※AI予測結果はあくまで可能性です。

「解散に影響を与える要因の考察」のAI出力結果

■　テーマ１：解散リスクを下げる要素は、「メンバー間の関係性とクリエイティブ統一感の高さ」

しろもんの大きな魅力の一つは、メンバー同士の連携と統一された世界観の形成にあります。公式SNSやライブパフォーマンスを通じて見られる彼女たちの表現は、一人ひとりの個性が際立つ中にも、「しろもんらしさ」として共通したビジュアル・コンセプトが保たれています。これは、運営側のプロデュース力が機能している証であり、ファンに対して安心感と一貫性を提供しています。

また、メンバー間の関係性が良好であることも、継続的な活動の土台となっています。ライブMCや裏側映像、YouTubeの定期更新などでは、自然体のやりとりやチームワークが垣間見られ、「見ていてほっこりする」とのファンの声も多く確認できます。このような人間関係の良好さは、卒業や脱退の抑制につながり、解散リスクを下げる構造的要因になります。

さらに、クリエイティブ面における一体感も注目に値します。衣装や楽曲、アートワークなどが、ポップで透明感のある「しろもんらしさ」で統一されており、アイドルオタク層だけでなく一般層にも届く魅力を放っています。この「世界観の維持と進化」は、グループ全体の魅力を高め、結果として長期的な活動への信頼感を築く要素となっています。

■　テーマ２：解散リスクを高める要素は、「拡大による多軸展開とブランドの希薄化リスク」

一方で、しろもんが将来的に抱える可能性のあるリスクは、**活動の多軸化＝ブランドの希薄化**という構造的問題です。現在、メンバーそれぞれがSNS・配信・モデル・メディア露出など幅広い分野で活躍しており、表面的には成功の証であるものの、その裏には「グループとしての一体性の揺らぎ」というリスクが潜んでいます。

たとえば、特定メンバーの人気や外仕事が集中した場合、スケジュール調整の難化、グループ活動の停滞、他メンバーとの格差意識などが生じやすくなります。これは心理的負荷の増大やモチベーションの分散を招き、結果的に「グループである意味」の低下へとつながりかねません。

また、SNSにおける「個人強化」が進むほど、ファンの意識も個人に集中しやすく、推しメンの卒業＝ファン離脱というリスクが大きくなります。グループとしてのコアファンが形成されにくくなれば、ビジネス的な運営安定性も脆弱化します。2027年6月にピークを迎えるとされる解散リスクは、ちょうど各メンバーがソロ活動や進路選択に迫られるタイミングと一致しており、こうした分散・希薄化が進行することで、グループ解散への誘因が蓄積される構造と一致します。

このように、戦略的に多面的な展開をしているからこそ、かえって統制が取りづらくなるというジレンマをいかに克服するかが、しろもんの中長期的な存続において重要な鍵になるでしょう。

AI出力のアプローチ

「解散時期の予測」のAI出力のアプローチ

　過去に解散したアイドルグループの特徴や活動期間をAIで分析し、特定のパターンを見出すことで、解散時期を予測するＡＩモデルを作成しました。

■　AIが予測の基にする情報（特徴量）

活動期間データ
- 活動開始日
- 活動終了日（過去に解散したグループ）
年齢データ
- 活動開始時の平均年齢
- 予測時の平均年齢
トレンドデータ
- 予測時点から直近半年に増減傾向
- 過去の推移のばらつき（0, 100しか取らないような極端のグループの識別用）
その他、Wikipediaから抽出したグループの基本情報

■　グラフの説明

解散リスクポイント： AI分析に基づき、月ごとの解散リスクを示す。ポイントが高いほど、その月に解散する可能性が高いと予測されます。
活動開始月：グループが活動を開始した時期を表すライン。
解散予測月：最も解散リスクが高まる月を示すライン。
検索トレンド：WEB検索数の推移を示す。
予測月：このAI分析を行った時期を示すライン。

「解散に影響を与える要因の考察」のAI出力のアプローチ

■　使用ツール：ChatGPT

■　入力情報

ユーザーから提供された情報
- AI予測結果グラフ　[上記掲載の画像データ]
- AI予測結果グラフの元データ　[EXCEL]
  (各月の解散リスクポイント、解散するリスクが最も高い時期、過去の検索トレンド値、など)
- グループの基本情報　[EXCEL]
  (活動開始時期、メンバーの人数・年齢、事務所、など)
ChatGPTが自分で調査した情報
- 最新のWeb情報調査結果（活動状況・メンバー情報・ニュース記事　など）
  ※今回の考察で参考にしたWEB情報は、”データソース”に記載しています。
指示文
- ChatGPTに直接入力した指示文
  ※下記URLからダウンロード可能です
  　資料ダウンロード – Liberty Naition

■データソース

公式X（旧Twitter）：
https://x.com/shiromon_official
x.com(https://x.com/shiromon_official)  
TikTok公式：
TikTok - Make Your Day
www.tiktok.com(https://www.tiktok.com/@shiromon_idol)  
公式プロフィール（RIZEプロダクション）：
404 Not Found
www.rizepro.net(https://www.rizepro.net/shiromon)

ご参考

　上記の予測・分析は、AI含むデータ活用プラットフォーム「LibertyDSP」を使用して実現可能です。詳細はサービスサイトからご確認ください。
サービスサイト：https://www.liberty-nation.com/product/