Yapay zekâ futbol maçlarını tahmin edebilir mi? Araştırmalar ve sonuçlarımız ne söylüyor?

Kısa cevap

Yapay zekâ dahil hiçbir yöntem kazananı güvenilir biçimde tahmin edemez. Otuz yıllık araştırma, bir maç için kamuya açık en isabetli tahminin bahis piyasasında, özellikle de en keskin sitelerin kapanış oranlarında bulunduğunu gösteriyor. Yapay zekâ modelleri tek başlarına bu piyasayı nadiren geçebiliyor. Yine de dikkatli bir sistem, piyasanın adil oranından daha iyi fiyatları arayabilir ve ardından yapay zekâyı bu seçimlerden uzak durmak için bir neden olup olmadığını kontrol etmekte kullanabilir. Kuponcu’nun çalışma şekli bu; bu sayfada dayandığımız araştırmaları anlatıyoruz.

Piyasa güçlü bir tahminci

Martin Spann ve Bernd Skiera, 2009’da Almanya Bundesliga maçları için üç tahmin yöntemini karşılaştırdı. Bahis oranları maçların %53.7’sinde doğru sonucu tahmin etti; bu oran tahmin piyasasına çok yakındı. Gazete yorumcularının oranı yalnızca %42.6’da kaldı, basit bir kuralın (%50.9) bile gerisinde. Sonraki birçok çalışma da benzer sonuca ulaştı: yayımlanmış oranları tahmin olarak geçmek kolay değil.

Piyasa elbette kusursuz değil. Mark Dixon ve Stuart Coles, 1997’de futbol skorları için istatistiksel bir model geliştirdi ve o dönemin bahis oranlarına karşı pozitif getirili seçimler bulabildiğini gösterdi. Kuponcu’nunki de dahil olmak üzere birçok futbol modelinin temelinde hâlâ bu çalışma var. Ancak bahis piyasaları 1990’lardan bu yana çok daha keskin hâle geldi.

Bahis sitesine karşı makine öğrenmesi

Sonraki araştırmalar, bir modelin ne sıklıkla doğru tahmin yaptığından çok nasıl kullanıldığının önemli olduğunu gösterdi. Ondřej Hubáček ve çalışma arkadaşları (2019), bir modelin ancak bahis sitesinin görüşünden doğru noktalarda ayrıldığında para kazandırabildiğini ortaya koydu. Oranları yakından kopyalayan bir model isabetli olabilir ama bahis açısından bir avantaj sağlamaz.

Conor Walsh ve Alok Joshi (2024) bu fikri basketbol bahislerinde denedi. İhtimalleri iyi kalibre edilmiş modeller — örneğin %60 ihtimal verdiği bahislerin yaklaşık %60’ını kazananlar — ortalama +%34.7 getiri sağladı. En çok kazananı bulmaya göre seçilen modellerin getirisi ise −%35.2 oldu. Bahiste yüksek isabet oranından çok, doğru hesaplanmış ihtimaller önemlidir.

Lisandro Kaunitz, Shenjun Zhong ve Javier Kreiner (2017) farklı bir yöntem kullandı. Maç sonucu tahmin etmek yerine bütün bahis sitelerinin ortalama oranını adil fiyat kabul ettiler ve yalnızca bir site bunun belirgin biçimde üstünde oran verdiğinde bahis oynadılar. Yöntem, on yıllık geçmiş veride ve gerçek parayla uygulandığında kâr etti; siteler hesapları sınırlayana kadar. Kuponcu da benzer bir yaklaşım izliyor, ancak ortalama yerine en keskin siteleri referans alıyor.

Peki ChatGPT ve Claude?

Büyük dil modelleri, gerçek dünyadaki olayları tahmin etme konusunda birkaç yıl öncesine göre çok daha iyi. Danny Halawi ve UC Berkeley’deki çalışma arkadaşları (2024), haberleri tarayan ve sorular üzerine akıl yürüten bir sistem geliştirdi. Sistemin tahminleri, rekabetçi tahmin platformlarındaki insan topluluklarının sonuçlarına yaklaştı. Bu, aşılması kolay olmayan bir seviye.

Futbolda çıta daha yüksek, çünkü bahis piyasası zaten güçlü bir tahmin aracı. 2026 Dünya Kupası, modellerin eğitim sırasında göremediği maçlarla temiz bir test sundu. Bir araştırmada Claude, ChatGPT, Gemini ve Grok olmak üzere dört gelişmiş model, 104 maçın tamamında araştırma ajanı olarak kullanıldı. Maçların %92’sinde aynı favoriyi seçtiler; hiçbiri bahis piyasasından daha iyi tahmin yapamadı. Yalnızca piyasanın favorisine bahis yapmak bile dört modelin her birinden daha fazla kazandırdı. WorldCupArena adlı başka bir karşılaştırmada ise en iyi yapay zekâ sistemlerinin maç sonucunu ve tam skoru tahmin etmede bahis piyasasından yalnızca biraz daha iyi olduğu görüldü.

Kuponcu yapay zekâyı nasıl ve neden kullanıyor

Araştırmalarla kendi testlerimiz aynı noktaya işaret ediyor. Kapsadığımız her ligde gol modelimiz keskin piyasadan daha az isabetli. Modelin tahminlerini adil orana kattığımızda eklenen bahisler zarar ettirdi. Bu yüzden Kuponcu yapay zekâdan ya da modelden piyasayı yenmesini beklemiyor. Adil oranı piyasa belirliyor; sistem bunun üzerinde fiyat veren siteleri arıyor. Yapay zekâ ise formu, modelin görüşünü ve takım haberlerini inceleyip her iki tarafın gerekçelerini yazıyor, ardından uzak durmak için açık bir neden bulunan seçimleri eliyor.

İkinci bir yapay zekâ da her seçimin karşısında yer alıp aleyhteki gerekçeleri arıyor. İki modele de kendi hafızaları yerine yalnızca sağlanan verileri kullanmaları söyleniyor ve her tahminde iki görüş de gösteriliyor.

Şimdiye kadarki sicilimiz

Bir yöntem yalnızca en iyi tahminlerine bakılarak değil, yayımladığı bütün seçimler üzerinden değerlendirilmelidir. Yayına başladıktan üç hafta sonra, 4 Kasım 2026 itibarıyla Kuponcu’nun 176 tahmini sonuçlanmıştı:

• Genel sonuç: 88 kazanç, 88 kayıp; ortalama 2.27 oranla +6.3 birim (tahmin başına +%3.6). Adil oranlar %49 kazanma bekliyordu; gerçekleşen oran %50 oldu.
• Yüksek tutma ihtimali (%55 ve üzeri): 60 tahmin; beklenen kazanma oranı %61, gerçekleşen %60.
• Orta tutma ihtimali (%35–55): 87 tahmin; beklenen oran %46, gerçekleşen %55. Sonuçlar beklentiden daha şanslıydı.
• Düşük tutma ihtimali (%35’in altı): 29 tahmin; beklenen oran %29, gerçekleşen yalnızca %14. Sonuçlar beklentiden daha şanssızdı.
• Kapanış oranı farkı: tahminlerin %85’i kapanış oranını geçti; ortalama fark +%1.7 oldu.
• Örneklem hâlâ küçük. Birkaç haftalık sonuçlar şans nedeniyle iki yönde de değişebilir; kapanış oranı farkı erken aşamada daha anlamlı bir göstergedir. Güncel rakamları Sonuçlar sayfasında görebilirsiniz.

Bir yapay zekâ tahmincisini nasıl değerlendirmeli

• Her seçim, kayıplar da dahil olmak üzere yayımlanıp kayıt altında tutuluyor mu? Paylaşıldığı andaki oran gösteriliyor mu?
• Performans birkaç büyük kazançla değil, yüzlerce bahis boyunca sabit tutar ve birim hesabıyla mı raporlanıyor?
• Açıklanan ihtimaller, seçimlerin gerçekte kazanma sıklığıyla örtüşüyor mu (kalibrasyon)?
• Yöntem kapanış oranını geçiyor mu? Taklit edilmesi en zor göstergelerden biri budur.
• Kesin kazanç, şike maç veya "garantili" kâr mı vaat ediyor? Uzak durun. Dürüst hiçbir yöntem böyle bir söz veremez.

Kaynaklar

Bu sayfada bahsi geçen araştırmalar:

• Spann & Skiera (2009), Sports forecasting: a comparison of the forecast accuracy of prediction markets, betting odds and tipsters, Journal of Forecasting 28(1)
• Dixon & Coles (1997), Modelling association football scores and inefficiencies in the football betting market, Journal of the Royal Statistical Society C 46(2)
• Hubáček, Šourek & Železný (2019), Exploiting sports-betting market using machine learning, International Journal of Forecasting 35(2)
• Walsh & Joshi (2024), Machine learning for sports betting: should model selection be based on accuracy or calibration?, Machine Learning with Applications 16
• Kaunitz, Zhong & Kreiner (2017), Beating the bookies with their own numbers, and how the online sports betting market is rigged
• Halawi, Zhang, Chen & Steinhardt (2024), Approaching human-level forecasting with language models
• FIFA World Cup 2026 as a contamination-free benchmark for LLM forecasting agents: four models, a bookmaker and 104 matches (2026)
• WorldCupArena: fine-grained evaluation of language models and deep-research agents on football forecasting (2026)