この資料の概要

• 、「教育装置の構築」を受託開発をするなり、「教育装置型の商品」を売っていく類を考える場合の基礎知識のまとめ。
• 議論というよりは知識レイヤーですれ違っている感覚を得たので言語化しておきます。
• やりにくい！とかでは全くなくて、「教育装置を作れるSaaS」みたいなのは会社のビジョンともあってそう＆売れそう＆提案機会増えそうだと思っての言語化です！！！！

せんこーでのまとめ

AIによる教育という領域自体について

• 10年以上前から存在している動きなので、AI活用の目的としての考え方自体は結構メジャーです。領域によってはすでにプロダクト化なり、共同研究や共同開発に上ることも多いテーマ。
• 雑なまとめだとこんな感じ

AIが教育を担うことへの市況感や前例の多さ

（画一教育＝全く同じ内容・課題・正解を全員へ提供。個別教育＝いずれも個別化）

どういうAIを作るのかの幅

• ワードの問題というよりは、どういう存在を作るのかで難易度がかなり違うので認識してもらえるとありがたいです。
• 例えばだと以下のような区分で整理ができる

AI化の成立条件

※一旦AIを作るスキルが低いせいでスタックするということがない前提で整理してます。

条件A：どこまでAIが担うとしても超必須

• 1.教材やルールがデータ化（AIへinput）できる。
  • ネットにすでに公開されまくってる類は学習自体不要。
  • そうでないものはデータとして利活用できる状態にできるのであればいけます。
    • だいたいのニッチドメインな教育ビジネスが存在する領域は教材の利権を特定法人が占有しているので、そこの確認が必要。
    • または人間で教材から作成が必要。
• 2.アウトプットがデータ化（AIへinput）できる。
  • 人間による提出物がアナログなやつは基本的に無理です。
    • 発音とかのAI判定はLLMとかではなく専用AIや音声比較によるIT技術なので全く異なる。

条件B：実践的な問題生成やFBを行う場合はあったら質がだいぶあがる

• 3.ケース・実例がデータ化（AIへinput）できる。
  • 詳細であればあるほど良い。
  • 多少なりとも何か取得できるだけでもだいぶ変わる。
• 4.過去の指導や事故などのやりとり履歴がデータ化（AIへinput）できる。
  • 詳細であればあるほど良い。
  • 多少なりとも何か取得できるだけでもだいぶ変わる。

条件C：伴走や先輩のような働きをさせる場合は必須

• 5.必須参照情報がデータ化（AIへinput）できること。
  • 英会話で言えば、その手前の会話文脈。開発でいえばそのソースコードが属するソースコードや要件定義書。
  • これが取得できない実践シーンがほとんど。
  • DOJTではプログラミング領域でもAIメンターが成立させやすいのはめっちゃここ要素がやりやすいからです。
    • 実際の会社の事業のソースコードは無限に広い＆汚い＆内部用語（内部的な概念名称や処理機能名称）まみれで読めないのでAIで把握はかなり難しい。
• 6.伴走対象となる個人との履歴や状況がデータ化（AIへinput）できること。
  • どこまで学習しているのか、どういった過去の失敗をしているのか。
  • 過去の伴走対象からのくれーむややりとりなど。

AI教育装置を作るコスト

その教育テーマにおけるAI処理自体

• 上記のABCがデータ揃い切っていれば
  • がちってプロトタイプは3日くらい。のんびりやれば2週間
  • 実用レベルにする場合は出力とかを評価してもらうあっちの工数とかを除けば、2週間〜1ヶ月くらい。
• でも、大体の場合データが揃うまでがクッソ遅いです。

教育テーマ横断で使えるデータとAI処理のアーキテクチャーを考えられた何か

• ここはどこまでもやれるテーマですが、2ヶ月弱くらいあれば一定汎用的な装置になると思います。

AI以外のシステム領域

• ここはどこまでやるか次第ですね。装置をシステムごと個別開発する場合はAIよりこっちの方がコスト（人工）高いかと思います。
  • 投げ込んだら帰ってくる。みたいなやつは開発コストゼロです。

QA・質問