教育とICTセミナー 2025 大阪 Summer これからの学びを支えるICT活用教育 協賛講演

　生成AIは一部の先進的なユーザー層が積極的に利用する初期段階（イノベーター、アーリーアダプター）を越え、実用性を重視する大多数（アーリーマジョリティ）へと普及する直前の段階にある。数年前は「技術が落ち着いてから」と導入を見送っていた教育現場も、本格的にAI導入を再検討すべき時期に来ている。

　一般的に、生成AIの導入は決定から本稼働まで1年半ほどの期間を見ておく必要がある。まず3カ月程度のPoC（概念実証）がある。組織が保有するデータがAIの学習に適しているか、期待通りの精度が出るかを確認する上で不可欠な工程だ。PoCで生成AI導入の有効性が確認されてから、システム開発やデータ連携が完了するまでには約14カ月かかる計算になる。

　さらに、AIが学習するデータの質と量が、成功を左右する。文章データの場合、PoC段階で300件、検証レベルで1000件、本格導入には5000件以上が必要になる。PoCで必要なデータはCSVやJSON、Markdown形式のテキストファイルだ。AIの学習に適した形式のデータでなければ、整形や修正作業にさらに3カ月を要するケースもある。導入までの道のりは決して短くないのが現実であると認識しておくべきだ。

教育現場で最適なAIは
クラウドかローカルか

　生成AIの活用を考えた時、多くの人はまず米OpenAIの「ChatGPT」のようなクラウドサービスを思い浮かべるだろう。そこにはコストと性能、セキュリティの課題が潜んでいる。

　クラウドのAIサービスは、AIとやり取りをする回数や内容によって費用が決まる。円安やインフレによる影響で、サービス利用料は上昇しており、多数のユーザーが同時にアクセスすることでレスポンスが著しく低下したり、回答精度が下がったり、利用回数の制限に達してすぐに利用できなくなったりする事態も起こり得る。

　最も深刻なのはデータプライバシーの問題だ。クラウドサービスのAIでは、入力した指示（プロンプト）やデータがAIサービスの提供企業のサーバーに送信・保存されるため、機密情報の流出リスクをゼロにすることは難しい。児童や生徒の成績や内申書、健康情報といった極めてセンシティブなデータを扱う教育現場にとって看過できない点である。

　データプライバシーの観点から考えると、ローカル生成AIに軍配が上がる。生成AIの中核技術であるLLM（大規模言語モデル）をインターネットから遮断された場所に置かれたサーバーなどに導入した「ローカルLLM」であれば、データ保護の課題は解決できる。インターネットに接続せず処理が完結するため、情報漏えいのリスクを根本から断つことができるのだ。

　高性能のワークステーションなどを用いて組織内の閉じたネットワーク上でAIを動かす「ローカル生成AI」での運用は有力な選択肢になる。すでにローカル生成AIの性能や精度はクラウドAIに追いつきつつある。

　ワークステーション導入は初期投資が必要だが、数年単位で見ればコストパフォーマンスは高い。例えば、高性能なGPUサーバーが約2600万円（納期6カ月、200V電源工事が必要）であるのに対し、同等性能のHPのAIワークステーション「Z8 Fury G5」は、半額以下の約1200万円程度で導入できて性能は遜色なく、家庭用と同じ100V電源で稼働して設置も容易だ。使いたい時に安定した性能で利用でき、日々の校務で活用する上で大きな利点となる。

ハルシネーションが起きない
「嘘をつかせないAI」が重要

　生成AIの課題として指摘されるのが「ハルシネーション」と呼ばれる現象だ。学習データにない事柄について、AIがもっともらしい嘘を回答する問題である。この課題を解決するのが「RAG（検索拡張生成）」と呼ばれる技術だ。

　RAGは、AIに質問が与えられた際、まず組織内のデータベースや文書ファイルといった信頼できる情報源を検索し、その内容に基づいて回答を生成する仕組みだ。AIは「知らないことは知らない」と正直に答え、事実に基づかない回答を抑制できる、「嘘をつかせない」技術といえる。

　この技術はすでに、機密情報を扱う現場で実用化が進んでいる。例えば、防衛省の自衛隊基地では、PDF化された膨大な規定文書の内容を隊員が自然言語で検索・要約するためにRAGシステムを導入している。医療現場では、患者の個人情報や病状が含まれる看護日誌の分析・検索に活用されているほか、不動産広告の不適切情報検知などにも応用されている。回答の正確性が求められる校務などの業務においては極めて重要になるだろう。

　複数のモデルを組み合わせる「説明可能なAI」（XAI）の研究でも、ローカル環境での高速な処理が活用されている。XAIは、機械学習のアルゴリズムで生成された結果とアウトプットを、なぜそうなったのか人間が理解できるようにする一連のプロセスや方法だ。

　RAGを搭載したローカル生成AIは、「内申書や調査書の作成支援」「外国人保護者向けの翻訳メール作成」「膨大な校務文書からの情報検索」といったデータ利活用を安全かつ効率的に進めるための強力なツールとなり得るだろう。ほかにもデジタル教科書の内容や学習指導要領を生成AIに学習させれば、教員の授業準備の支援にも役立つはずだ。

　生成AIの導入は、もはや技術的な興味の対象ではなく、実務的な課題解決の手段として捉えるべき段階にある。特にローカル生成AIは、教育現場が守るべき「データ主権」を確保しつつ、校務改善を推し進めるための現実的な解だ。計画的なデータ整備と段階的な導入が成否を分ける鍵になる。