← コラム一覧

A · チームを導く · 2026-09-07

AI はますます強くなるのに、学校はなぜ逆に利用を制限するのか

As AI Grows Stronger, Why Are Schools Restricting Its Use Instead?

Illustration · not a service record: Workshop in session: participants working with AI toolsIllustration · not a service record

[ AI がますます強くなるなか、ニューヨークとロサンゼルスはなぜ逆に生徒の AI 利用を制限するのか ]

先週、米国の AI の世界に、まったく異なる二つの光景が現れた。

一方では、OpenAI が GPT-6 Astra を発表し、Anthropic が Claude Fable 5.1 を投入した。AI はまた大きく一歩前へ進み、より複雑なタスクをこなせるようになり、自分で仕事を進められる助手にますます近づいている。

もう一方では、米国の東海岸と西海岸の大規模な公立学区が、同時にブレーキを踏んだ。

ニューヨークは、幼児教育から8年生までの子どもが生成 AI を直接使うことを禁止し、高校では限定的で監督下の利用だけを残した。ロサンゼルス統一学区は、学区が配布した端末での生成 AI の利用を、全学年の生徒について一時停止した。教育目的の AI をすべて禁じたわけではないが、「生徒に AI を直接使わせること」を大幅に引き締めたのは確かである。

AI は強くなったのに、学校はかえって使うのをためらうようになった。なぜなのか。

これは、前回の文章での私の主張とちょうど重なると思う。

強力な AI は、人を強くする AI と同じではない。

前者はあなたの代わりに仕事をし、後者はあなたに力をつけさせる。

▍私たちが心配しているのは、子どもが助けを得ることではなく、子どもが練習の機会を失うことだ

子どものそばに、何でも知っていて、呼べばいつでも来てくれる大人が立っているところを想像してほしい。

子どもがまだ考えないうちに、その大人は答えを出す。子どもが少しつまずくと、代わりに全部やってしまう。作文はより見事に仕上がり、数学の宿題も全問正解になる。しかし、子ども自身が考え、判断し、修正する練習の機会は、どんどん減っていくかもしれない。

この大人が有能であればあるほど、子どもも必ず有能になるのだろうか。

そうとは限らない。大人の能力が、子どもにまだ育っていない能力をかえって覆い隠してしまうこともある。

だからといって、子どものそばで助けになれる人をすべて遠ざけることが最良の教育だ、と私たちが考えるわけでもない。

私たちが本当に必要としているのは、いつ手本を見せ、いつヒントを出し、いつ待ち、いつ手を放すかを心得た支援である。

AI も同じだ。

もちろん、AI は本物の教師や人間関係に取って代わることはできない。しかし AI を教育に関わらせるのであれば、「生徒の代わりにどれだけできるか」だけを問うべきではない。さらにこう問うべきだ。

「AI が助けたあと、生徒にはどんな力が増えたのか」

これは、学習は苦しければ苦しいほどよいと主張しているのではない。減らすべきは不必要な負担であり、残すべきは力を育てる思考である。

だから私は、教育 AI――より正確に言えば、教えることと学ぶことのために設計された Pedagogical AI――は、一般的なチャットボットを教室に持ち込むだけのものであってはならないと考える。

その優先目標は「人を強くする」ことであるべきで、「物事を終わらせる」ことだけであってはならない。

▍学習科学を、AI が最初から行うことに変える

先週、私はフランクフルトで、神経科学、心理学、教育学、AI の各分野の専門家と議論した。

その場にただ二人しかいなかった教育テクノロジーの実務家の一人として、私には強く気にかかることがあった。これらの研究は最終的に、教師が実際に使え、子どもが本当に恩恵を受けるプロダクト設計になり得るのか、ということだ。

私たちは、さまざまな程度の学習科学のエビデンスに支えられた三十余りの原則について議論した。私はさらに、三つの最先端 AI モデルの助けを借りて照合・整理し、添付の図(コメント欄を参照)にある九つの共通の方向性に絞り込んだ。

ただし、三つの AI がそろって同じ整理をしたからといって、科学がお墨付きを与えたことにはならない。

図の第一項目は生成 AI の学習実験を直接引用しており、ほかの項目は主に既存の学習科学研究を挙げている。これらは試す価値のある方向を示しているが、新しいツール、異なる年齢、異なる教室に置かれたときには、あらためて検証する必要がある。

たとえば、ある高校数学の研究では、汎用型の GPT ツールを使った生徒は練習時の成績が上がったが、AI を外したあとの独力でのテストの成績は、使わなかった生徒より逆に約17%低かった。同じ研究で、学習を守る設計を加えたバージョンは、この負の効果を大幅に和らげた。

これは、すべての AI が学習を損なうことの証明にはならないし、指導用のプロンプトを数行加えさえすれば必ず生徒が強くなることの証明にもならない。

しかしこの研究は、「AI を使った」というのは単一の学習経験ではないことを思い出させてくれる。ツールがどう設計され、生徒がどう使うかによって、結果は大きく変わり得る。

均一(Junyi Academy)にとって、この九つの原則は宣伝に使う認証リストではなく、プロダクト設計と研究のための作業リストである。

私たちはこの方向でプロダクトを調整している。AI がより速く答えるだけでなく、適切なタイミングで問い返し、ちょうどよいヒントを出し、練習を組み立て、生徒に力がついたら少しずつ退いていけるようにするのだ。

そして私たちが問い続けなければならないのは、「利用者が気に入っているかどうか」だけではなく、「本当に身についたのかどうか」でもある。

▍台湾は「全面禁止」と「全力疾走」の二者択一をしなくてよい

では、台湾の教室は結局のところ AI を使うべきなのか。追随して禁止する必要はあるのか。

私の考えはこうだ。探究は奨励するが、乗車は強制しない。選択の余地を残し、同時に守るべき一線も定める。

一時停止が必ずしも後れを意味するとは思わない。ツールの安全性、年齢への適切さ、教育上の効果がまだはっきりしないとき、一時停止は責任ある選択になり得る。

しかし、政策に「禁」の一字しか残らず、どんな条件なら試してよいのか、どんなエビデンスを積み上げるのか、いつ見直すのかを明確にしないのであれば、価値ある探究まで一緒に門の外に締め出してしまうかもしれない。

同じように、AI が強力だからといって、すべての教師、すべての教室にただちについてくるよう求めることもできない。

見極めのない全面開放も、見極めのない全面封鎖も、教育の本当の問いに答えてはいない。

私が期待するやり方は、基本的な安全性と教育面の審査を経た多様なツールを提供し、準備と意欲のある教師が、適切な年齢、課程、監督の条件のもとで先に試せるようにすることだ。まだ準備のできていない教師には、時間と支援があり、使わないという選択肢も残される。

「意欲のある人から先に走ってもらう」とは、子どもに防護のないリスクを負わせることではないし、ましてや、まだ準備のできていない人まで一緒に未知へ押し出すことでもない。

しかも、自主性が、資源の豊かな学校だけに選択肢があるという状態になってはならない。研修、研究、ツールの支援は、資源の乏しい現場にも行き届くべきである。

さらに重要なのは、試行では利用率だけでなく、学習のエビデンスも提出しなければならないということだ。

生徒は自分の考えをよりよく説明できるようになったか。しばらく時間がたっても覚えているか。問題を変えても応用できるか。独力でやり遂げなければならないとき、それでもできるか。

韓国の AI デジタル教科書は、強力な推進から一転し、2025年には選択して使える教育資料へと位置づけが改められた。これは私たちが警戒すべきことだ。この政策転換そのものを「AI 教育は効果がない」ことの証明と見なすことはできない。ただ、私の解釈はこうだ。制度を推し進める速度は、現場の準備とエビデンスの蓄積の速度を超えるべきではない。

台湾は、もう少し実務的な道を歩むことができる。まず試してから広げ、進むことも退くこともできるようにして、プロダクトに調整の機会を、エビデンスに語る機会を与えるのだ。

▍ツールがまだ成熟していないとき、教師には何ができるか

完璧な教育 AI が現れるのを待たなければ、正しいことを始められないわけではない。

添付の図のいちばん右の列は、九つの原則を、教師が自分で扱える指導方法に置き換えたものだ。これらの方法は、すべてを生徒が AI を直接操作する形で行う必要もない。教師がまず AI で教材を準備し、それから生徒を活動に導けばよい。

1. AI には生徒を試させ、生徒に問いかけさせる。生徒の代わりに答えさせるのではない。

AI を使って問題を出し、理由を問い返し、考えに挑む。生徒がヒントを求め続けるなら、いったん止めて、いま自分が何を理解しているのかを説明してもらう。

2. 支援にはリズムをつけ、少しずつ退いていく。

いつ手本を見せ、いつヒントを出し、いつ支援を減らすかは、教師が握る。手すりの目的は、生徒がしっかり立てるよう助けることであり、いつまでも寄りかからせることではない。

3. 「分かった?」と聞くだけでなく、生徒に話し返してもらう。

生徒に自分の言葉で説明させ、ほかの人に教えさせ、あるいは問題を解くときの思考の過程を口に出させる。

4. 繰り返し読み返すことを少し減らし、自分から思い出すことを少し増やす。

プレッシャーの低い小テストを用意し、答えを見ながらうなずき続けるのではなく、生徒がまず記憶のなかから答えを探してみるようにする。

5. 練習を分散させ、以前の知識も呼び戻す。

練習をすべて同じ日に詰め込まない。新しい単元は先へ進めながら、累積的な復習も継続して組み込む。

6. ひととおり慣れたら、異なる種類の問題を混ぜる。

「この問題にはどの方法を使うべきか」を判断する練習をさせ、あらかじめこう伝えておく。混合練習は難しく感じるかもしれないが、それは自分ができなくなったということではない、と。

7. AI のフィードバックは議論のたたき台として扱い、判決文とはしない。

どの提案が妥当で、どれに修正が必要かを教師と生徒が一緒に確かめ、AI が言ったからといって丸ごと受け入れない。

8. 長い内容は短く区切り、間を残す。

生徒が一時停止し、消化し、見直せるようにする。画面いっぱいの文字や止まらずに流れ続けるコンテンツで、学習者を溺れさせない。

9. 手がかりは一貫させ、画面に注意を奪わせない。

明確な構造と決まった手がかりで理解を助け、学習と関係のない装飾や妨げを減らす。

これらはいずれも、年齢や習熟度を問わない鉄則ではない。とくに初心者にとっては、まず手本を見て理解することのほうが、最初から自分で考えるよう求められることより大切かもしれない。

教師の判断は依然として鍵である。しかし、すべての責任を教師に押しつけることもできない。よいプロダクトは、こうした教育上の配慮を設計に組み込むべきであり、すべての教師に毎日ツールの既定の挙動と格闘するよう求めるべきではない。

▍台湾が貢献できるのは、もう一つの AI プロダクトだけではない

だからこそ、私はいまも台湾の教育 AI に大きな期待を抱いている。

しかしこの期待を、ほかの国はやらないだろうという仮定の上に築く必要はない。

シンガポールが今年打ち出した四つの国家 AI ミッションは、先進製造、交通・物流のコネクティビティ、金融、医療に焦点を当てており、教育は単独では挙げられていない。しかしシンガポール教育省は、生徒向け学習プラットフォーム SLS で、教育的な設計と安全上の規範を備えた AI 機能をすでに進めている。したがって、この四つのミッションに入っていないことは、教育 AI に取り組んでいないことを意味しない。

米国にもカーンアカデミーなどの組織があり、学習を中心に据えた AI を探究し続けている。中国であれどの国であれ、そのプロダクトが世界に出ていけるかどうかは、国籍だけで結論を出すのではなく、言語、カリキュラム、文化、信頼というハードルを越えられるかどうかで見るべきだと私は考える。

台湾の機会は、他者の不在を待つことではなく、一つの重要なことを深くやり抜くと選ぶことにある。

私が本当に見ている余地はこうだ。商業的なリターンを最も得やすい AI が、教育が最も力を注ぐに値する AI だとは限らない。

子どもが基礎を築くのを助ける、学習が遅れている子に寄り添う、長期的な成果を追跡する、どの方法に効果がないのかを公表する――こうした仕事を、市場が自動的に肩代わりしてくれると期待するだけではいけない。

これこそ、公教育、研究機関、公益団体がともに担うに値する任務である。

もし台湾が、教師、研究者、プロダクトチームを共に働かせ、実際の教室にある問題を設計に変え、さらにその設計を信頼できるエビデンスに変えることができれば、私たちが輸出できるのはプロダクトだけではなく、次のものになる。

さまざまな国が使い、検証し、改良できる教育 AI の方法。

今回ドイツで開かれた五十人の国際会議には、台湾からの参加者が四人いて、ほかに台湾出身の参加者家族にも一人出会った。もちろんこれは何らかの世界ランキングの証明ではない。しかし、台湾の人がこの分野横断の対話のなかで人口比を超える役割を果たせることを、私はとても具体的に実感した。

だから、私たちが「教育 AI に世界で最も貢献する国になる」ことを一つの目標とし、さらに「の一つ」という言葉をひとまず外すとしても、それは私たちがすでに勝ったからではなく、このことが真剣に担うに値するからである。

世界は、とりわけ中国と米国は、誰が AI をより強くできるかを競っている。

台湾は同時に、もう一つの問いを追うことができる。AI を使う人を本当に強くできるのは誰なのか。

私たちは AI を教育に持ち込むだけでなく、教育を AI に持ち込まなければならない。

教育 AI が最も追求すべきブレークスルーは、次の世代が考える必要を減らすことではなく、次の世代がより考えられるようにすることである。