Tipstere mod AI, algoritmer og fællesskaber: Hvem tjente penge?

Vi sorterede 155 af de 172 fodboldforudsigelsestjenester i Tips.GG Accuracy Index efter, hvem der foretager valgene: mennesker, AI, algoritmer eller brugerne. To ud af fem af de menneskedrevne tjenester endte med overskud, mens færre end én ud af ti af de algoritmebaserede tjenester gjorde det.

35 af de algoritmedrevne tjenester offentliggjorde hver mere end 1.000 forudsigelser mellem januar og september 2026. Ingen af dem endte med et positivt resultat.

Toppen af tabellen tilhører primært mennesker. Fire af de fem tjenester, der gav mere end 10 %, drives af menneskelige tipstere.

Samlet er andelen med overskud: mennesker 41.3 %, AI 16.0 %, brugerne 15.4 % og algoritmer 7.1 %.

Denne artikel bruger tre mål: andelen af tjenester med overskud (hvor mange inden for en type der endte med et positivt resultat), median-ROI (hvordan den typiske tjeneste inden for en type klarede sig) og ROI pr. indsats (hvad det ville have givet at følge hver forudsigelse fra en type).

Det er hovedpointen. Resten af artiklen handler om, hvorfor det er mindre enkelt, end det ser ud.

Hvem foretager valgene

I vores første gennemgang af fodboldforudsigelsestjenester rangerede vi dem efter resultater. Her sorterer vi det samme indeks efter, hvem der foretager valgene.

Der er fire typer.

Menneske: en navngiven ekspert, et redaktionelt team eller en enkelt tipster, som hos bets.co.za og wettfreunde.net.

AI: tjenesten siger, at kunstig intelligens, maskinlæring eller neurale netværk producerer dens forudsigelser, som StaTips og betideas.com gør.

Algoritme: tjenesten beskriver en statistisk model eller algoritme og hævder ikke, at der bruges AI, som betimate.com og TheyScored gør.

Brugere: forudsigelserne samles fra brugere gennem afstemninger, som på sofascore.com, eller community-ligaer for tipstere som olbg.com og bettingexpert.com.

Reglen er enkel. En tjeneste klassificeres efter, hvad den siger om sig selv dér, hvor dens forudsigelser offentliggøres: på dens website, Om os-side, appbutikside eller profilbeskrivelse. Vi registrerede et citat og et link for hver række. Det placerede 160 af de 172 tjenester.

12 tjenester siger intet om, hvem eller hvad der foretager de forudsigelser, vi følger. For disse er typen en redaktionel beslutning: tre blev klassificeret som Menneske og ni som Algoritme, markeret med en stjerne i tabellen nedenfor. Ingen af de 12 endte med overskud, og de ændrer ikke resultatet. Hvis man udelader dem, forbliver rækkefølgen den samme: menneskedrevne tjenester stiger til 43.1 % med overskud og algoritmetjenester til 9.1 %.

17 tjenester indgår ikke i sammenligningen. De beskriver en blanding af metoder og vises som Mixed i tabellen nedenfor. At tvinge dem ind i én type ville betyde, at man opfinder en metode, de ikke selv hævder at bruge.

Forskellen vokser blandt små tjenester

Forskellen mellem mennesker og algoritmer er reel. Den er også en forskel i output.

Den mediane algoritmetjeneste offentliggjorde omkring 5.500 forudsigelser i løbet af de ni måneder. Den mediane menneskedrevne tjeneste offentliggjorde 423. 35 af de 42 algoritmetjenester nåede over 1.000 forudsigelser; det samme gjorde 20 af de 75 menneskedrevne tjenester.

Rentabiliteten falder, når volumen vokser. Hvis hver gruppe opdeles ved 1.000 forudsigelser, lukker forskellen sig i toppen, men forbliver åben nedenunder.

Over 1.000 forudsigelser tjener næsten ingen penge, uanset hvem eller hvad der foretager valgene: 5 af de 73 sammenlignede tjenester, og ikke én af dem var en algoritmetjeneste. Tre af de fem var menneskedrevne, og ingen af de tre endte mere end 0.85 % foran. Under 1.000 fører mennesker. Blandt de menneskedrevne tjenester endte 50.9 % med overskud mod 3 af 7 algoritmetjenester, 3 af 15 AI-tjenester og 1 af 5 brugerfeeds. Disse grupper er små, så læs det som, hvad dette datasæt viser, ikke som en lov.

Det, opdelingen ikke viser, er, at mennesker forudsiger fodbold bedre end modeller. En tipster, der offentliggør 200 forudsigelser, har langt større mulighed for en heldig stime end en model, der offentliggør 9.000. De fleste algoritmetjenester vælger at offentliggøre i en skala, hvor heldet udjævnes, og bookmakerens margin gør resten.

Tips.GG’s egne forudsigelser kommer fra et redaktionelt team, så vores række tæller som Menneske. Den viser 5,836 forudsigelser, 53.9 % nøjagtighed og −4.05 % ROI.

Det placerer os blandt de 20 menneskedrevne tjenester med høj volumen. Tre af dem endte foran, ingen med mere end 0.85 %. Det er ved offentliggørelse i stor skala, at menneskelige tipstere ligner alle andre mest.

AI er et bredt væddemål, ikke et bedre

25 tjenester beskriver deres forudsigelser som AI-drevne. Fire af dem endte med overskud, eller 16.0 %, hvilket er under indekset som helhed og kun lige foran brugerne.

Gruppens resultater går i begge retninger. StaTips siger, at deres team udvikler AI-forudsigelser. Tjenesten gav +10.11 % på 582 forudsigelser. I den anden ende tabte Scorebet24, som beskriver sine tips som AI-drevne, 17.66 % på 473.

Selve betegnelsen er en dårlig rettesnor. Syv tjenester i tabellen har »AI« i navnet. Kun én endte foran: Football Predictions AI med +3.18 %. footballpredictions.ai, som har AI i navnet, og hvor vi ikke kunne finde nogen metodebeskrivelse, tabte 15.10 %, hvilket var det næstdårligste resultat i gruppen.

AI-tjenester er heller ikke mere nøjagtige end menneskedrevne tjenester. Den mediane AI-tjeneste ramte 51.0 % af sine forudsigelser korrekt mod 54.5 % for menneskedrevne tjenester og 50.0 % for algoritmetjenester.

Brugerne taber langsomt

Brugerfeeds opfører sig anderledes end både mennesker og modeller. De bevæger sig sjældent langt i nogen af retningerne.

13 tjenester samler brugernes valg. Deres resultater går fra −5.02 % for Football Predictions Community Voting til +5.20 % for betblog.com, og ingen anden type holder sig inden for så snævert et interval. Kun to endte foran: betblog.com og BetExplorer med +2.22 %.

Det snævre interval bliver tydeligt, når hver forudsigelse tælles med. Samlet gav brugerforudsigelser −3.27 % pr. indsats, det mindste tab af de fire typer. Det er stadig et tab: at følge hele brugergruppen ville have kostet penge.

De største brugergrupper tabte alle. sofascore.com, betclan.com og olbg.com står tilsammen for mere end 35.000 forudsigelser, og ingen af dem endte foran. En afstemning blandt tusindvis af brugere er et gennemsnit, og gennemsnit afviger sjældent langt fra oddset i nogen retning.

Om dataene og deres begrænsninger

Tips.GG-trackeren registrerer forudsigelser af fodboldkampes resultater (1X2), som offentliggøres af websites, tipsterorganisationer og individuelle kanaler. Denne undersøgelse dækker 1. januar til 30. september 2026. Hver forudsigelse afregnes med en fast indsats på $10 til det odds, Tips.GG registrerer for kampen, inklusive bookmakerens margin (8.33 % i gennemsnit), så en tjeneste skal slå marginen for at ende foran.

Nøjagtighed er andelen af forudsigelser, der gik hjem. ROI er overskud som en procentdel af de samlede indsatser, og en tjeneste tæller som rentabel, når dens ROI er over nul. For at kvalificere sig skal et website have 50 vurderede forudsigelser, og en konto, der er opført under en platform, skal have 200. Navne, der drives af én udgiver, samles i én række. Det efterlader 172 tjenester, hvoraf 43 tjente penge. Den fulde metodebeskrivelse er offentliggjort på Tips.GG Accuracy Index: Metode.

Typen er en påstand, ikke en metode, vi har verificeret. Vi sorterede tjenester efter, hvad de siger om sig selv. Vi reviderede ikke, hvad der ligger bag. theanalyst.com beskriver en »AI-powered Opta supercomputer«, hvis forudsigelser kommer fra kampsimuleringer baseret på Opta-ratings; den tæller som AI, fordi det er sådan, den præsenterer sig selv. Den samme tjeneste kan beskrives forskelligt forskellige steder. forebet.com’s appbeskrivelse nævner kunstig intelligens, men deres website, hvor forudsigelserne offentliggøres, beskriver »mathematical algorithms and statistical models«, så den tæller som Algoritme. Vi klassificerede hver tjeneste efter de sider, dens forudsigelser kommer fra.

Nogle rækker indeholder mere end én type forudsigelser. I seks sammenlignede tjenester uden for typen Brugere er en del af feedet markeret som community-afstemning: xgscore.io 41.6 %, livetipsportal.com 41.0 %, betmines.com 37.2 %, sport.ua 13.5 %, zagranie.com 7.9 % og goal.pl 7.3 %. Yderligere tre har under 1 %. Hver tjeneste tælles som en helhed; vi adskilte ikke afstemningsandelen fra resten af feedet. Én kanal vises som to rækker. Matt SB (YouTube) driver kanalen, og Sophie SB (YouTube) giver sine egne valg i en videoserie på den; vores tracker registrerer hendes valg separat under hendes navn.

Nogle grupper er små. Brugere har 13 tjenester. Ét resultat, der flytter sig over nul, ændrer andelen med næsten otte procentpoint.

Alle forudsigelser afregnes på samme måde. Den faste indsats er et sammenligningsgrundlag, ikke en påstand om, hvordan nogen satsede, og det enkelte odds, Tips.GG registrerer for en kamp, er ikke nødvendigvis et odds, som en læser kunne have fået.

Så hvem tjente penge?

Ingen type gjorde det samlet set. Hvis man samler alle forudsigelser eller ser på den typiske tjeneste, endte alle fire typer bag bookmakeren. Det var individuelle tjenester, der tjente penge: 43 af de 172 i indekset, hvoraf de fleste var små, menneskedrevne tjenester.

De tre mål viser, hvor hver type står:

• Andel med overskud: mennesker fører med 41.3 % af de menneskedrevne tjenester foran mod 16.0 % for AI, 15.4 % for brugerne og 7.1 % for algoritmer.
• Median-ROI: mennesker fører igen, hvor den typiske menneskedrevne tjeneste ligger på −1.22 %, foran brugerne på −2.67 %, AI på −3.76 % og algoritmer på −4.89 %.
• ROI pr. indsats: brugerne ligger akkurat foran på −3.27 %, med mennesker på −3.74 %, AI på −4.35 % og algoritmer på −4.91 %.

Målene er enige i bunden: algoritmetjenester ender sidst på alle tre. I toppen deler de sig mellem mennesker og brugerne, og for ROI pr. indsats ligger de to mindre end et halvt procentpoint fra hinanden.

Svaret på hovedpointen er altså ikke en type. En tjeneste, der slog marginen, er mest sandsynligt en menneskelig tipster med nogle få hundrede forudsigelser. Men en type er ikke en historik: Før du følger en tjeneste, bør du tjekke, hvor mange forudsigelser den har offentliggjort, og hvordan den klarede sig til de odds, den fik.

Genbrug af dataene

Den fulde tabel findes nedenfor med alle 172 tjenester, hver tjenestes type, forudsigelser, nøjagtighed og ROI. Den må citeres og genbruges gratis med kreditering til Tips.GG og et link tilbage til denne undersøgelse. Typen for hver række samt det citat og link, den bygger på, fås efter anmodning, ligesom spørgsmål om metoden og data i andre formater: [email protected].

Alle 172 tjenester efter type

Alle 172 tjenester, rangeret efter ROI. Forudsigelser af fodboldkampes resultater fra 1. januar til 30. september 2026, afregnet med en fast indsats på $10. Træfsikkerhed er andelen af forudsigelser, der gik hjem. ROI er den samlede profit som en procentdel af de samlede indsatser. Typen afspejler hver tjenestes egen offentlige beskrivelse; 12 rækker blev kategoriseret redaktionelt som forklaret ovenfor. Rækker markeret som Blandet indgår ikke i typesammenligningen. * Type fastlagt af Tips.GG-redaktionen; tjenesten beskriver ikke, hvordan dens tips udarbejdes.

Du kan se al Tips.GG-forskning her.