AI予測結果アイドルの将来予測

AIによる「asfi」の解散時期予測と要因の考察！

AI予測結果

「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

今回対象とするグループは、「asfi」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「2028年1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方向で影響が大きい要素は、「地域密着型の活動とファンとの強固な絆」

asfiは2011年に結成された長寿アイドルグループであり、活動拠点である渋谷を中心とした地域密着型のスタイルが大きな特徴となっています。結成当初から、ライブハウス「SHIBUYA DESEO」での定期公演を続け、またNHKオンデマンドの地元アイドルキャンペーンで東京都代表に選ばれるなど、地域と密接に結びついた活動を積み重ねてきました。これにより、現場主義を好む熱心なファンとの間に強い信頼関係が築かれています。メンバーはたびたび入れ替わりながらも、グループの理念とスタイルは変わらず受け継がれており、ファンも新旧メンバーを問わず応援し続けている点は注目に値します。さらに、周年イベントなどの記念ライブを重ね、ファンと直接交流する機会を継続的に設けていることで、関係性が薄れることなく維持されているのも大きなポイントです。加えて、asfiは他のアイドルグループとの合同イベントやフェスへの出演も積極的であり、狭いコミュニティ内だけでなく新たなファン層との接点作りにも注力しています。こうした「現場重視」と「地域文化との共存」は、地下アイドルとしての理想的な形ともいえ、極端に活動を縮小しない限り、即座に解散に直結するリスクを抑える力を持っています。活動スタイルが地域と一体化していることは、メディア露出が少ない時期でもグループが存続できる大きな支えとなるのです。

■　テーマ２：解散リスクを高める方向で影響が大きい要素は、「メンバー流動性の高さと話題性の低下による競争力の弱化」

一方で、asfiの構造的な弱点となっているのは、長年の活動の中で続いてきた**メンバーの流動性の高さ**と、それに伴う**グループの一体感やブランド力の低下**です。これまで多くのメンバーが加入と卒業を繰り返しており、2025年時点でも在籍メンバーはわずか3名とかなり少数になっています。メンバーの入れ替えが多いことは新陳代謝と捉えることもできますが、asfiの場合、推しの卒業によってファンが離脱するケースも目立ち、結果としてファンベースの拡大に苦戦する構図が続いています。また、活動初期はNHKなどで一定のメディア露出がありましたが、近年では全国区のテレビ出演や大規模なリリースがほとんど行われておらず、グループの知名度や話題性は相対的に低下しています。特に、SNSのフォロワー数の伸び悩みやYouTubeなど動画コンテンツの不足は、今の時代のアイドルグループとしては大きな弱点です。これに加えて、アイドル市場全体では毎年新しいグループが次々と登場しており、ライブシーンの競争は年々厳しくなっています。asfiのように活動歴が長くても、他グループに比べて話題性や訴求力が劣る場合、ファンや運営のモチベーションが下がり、解散や活動終了の選択肢が現実味を帯びてくる可能性があります。これらの要素が複合的に作用し、今後解散リスクを押し上げる大きな懸念材料となっているのは間違いありません。

最後に、「芹澤優の卒業」は単なる一人の脱退ではなく、**“象徴的な節目”としてファンの心理に影を落とした可能性**があります。このような感情的転換点が続くことで、“次は誰か”という不安が蓄積し、ファン心理とメンバー心理の両面で「終わり」が現実味を帯びる――それが、AI予測の核心的根拠といえるのです。

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

■データソース

asfi公式サイト: http://asfi-shibuya.com/
Wikipedia: https://ja.wikipedia.org/wiki/Asfi
YouTubeライブ映像: https://www.youtube.com/watch?v=tN09pbkElic

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/

タイトルとURLをコピーしました