連載『AIエージェントがいる3年後』第6章

答えを全部知っているAIがいる時代、学校では何を教えるのか

宿題、試験、教師の役割が変わるとき、「学ぶこと」の意味はどこに残るのか

※本稿は2026年7月時点の技術、教育研究、制度動向をもとにした未来分析である。AI家庭教師が必ず学習成果を高める、あるいは必ず子どもの能力を低下させると断言するものではない。AIの使い方と教育設計によって、正反対の結果が生まれる可能性を考える。

2029年。

中学生に、地域の猛暑対策について考える課題が出される。

生徒がAIエージェントへ質問する。

「僕の住んでいる地域で、夏の熱中症を減らすにはどうしたらいい？」

AIは、地域の気温、人口構成、緑地、公共施設、過去の救急搬送データを調べる。

木陰を増やす。
学校の体育館へ冷房を設置する。
高齢者向けに涼しい公共施設を開放する。
危険な時間帯を知らせる。
道路の舗装を見直す。

数秒で、もっともらしい政策案が完成する。

文章の構成も整っている。
グラフもある。
参考資料も付いている。

これだけなら、2026年時点でもかなり近いことができる。

ただし、2029年の教師は、完成したレポートだけを提出させない。

生徒へこう尋ねる。

「AIが出した提案の中で、一番疑わしいものはどれ？」
「限られた予算で一つしか選べないなら、何を優先する？」
「高齢者と子どもでは、どちらを先に守る？」
「この政策によって、不利益を受ける人はいない？」
「AIとのやり取りで、自分の考えが変わった部分を説明して」

最後に、生徒はAIを閉じ、クラスメイトの前で自分の判断を説明する。

同じAIを使っていても、学びはまったく違う。

一人はAIが作った答えを提出する。

もう一人は、AIの答えを材料にして、自分の考えを作る。

ここに、AI時代の教育を分ける境界がある。

AIが答えを出したかどうかではない。
答えが出たあと、人間の中に何が残ったか。

子どもたちは、学校が方針を決める前からAIを使っている

AIを教育へ入れるべきか。

この問いは、すでに少し現実から遅れている。

多くの子どもは、学校が導入を決める前から、家庭でAIを使い始めている。

UNICEFが2026年に公表した10か国の調査では、インターネットを利用する12〜17歳のうち、国によって18〜50％が生成AIを使った経験を持っていた。AI利用経験のある子どもの平均60％が宿題に使っており、対象10か国では推計約1,300万人に相当する。

ただし、これは世界全体や日本の利用率を示す調査ではない。対象国とインターネット利用者に限られ、AIの普及速度に研究が追いついていないこともUNICEF自身が強調している。それでも、子どもにとってAIが、すでに学習道具の一つになっていることは分かる。

日本でも文部科学省は、生成AIを一律に禁止したり、すべての学校へ利用を義務付けたりする方針を取っていない。

2024年12月に公表されたガイドラインVer.2.0では、人間中心の利用と情報活用能力の育成を基本に置き、学校ごとの状況や発達段階に応じた利用を求めている。生成AIパイロット校も、2024年度の66校から2025年度には協力校を含む281校へ拡大された。

つまり、教育における本当の問いは、

AIを使わせるか、使わせないか

ではない。

子どもが必ずAIを使う社会で、学びが残る使い方をどう設計するか

である。

AIは、すべての子どもに家庭教師を届けられる

AI教育に最も期待されているのは、一人ひとりに合わせた指導だ。

一つの教室には、理解の速い子もいれば、前の単元でつまずいている子もいる。

文章で理解しやすい子。
図で理解しやすい子。
一度聞けば分かる子。
同じ説明を何度も必要とする子。

教師一人が、30人や40人へ同時に異なる説明を続けることには限界がある。

AI家庭教師なら、

分からない言葉をその場で説明する
生徒の理解度に合わせて難易度を変える
同じ内容を別の例で説明する
間違えた原因に合わせて問題を出す
深夜でも休日でも質問へ答える
周囲を気にせず、何度でも聞き直せる

といったことができる。

2025年に発表されたハーバード大学の物理学講座におけるランダム化比較試験では、194人の大学生が、対面でのアクティブラーニングと、教育学的に設計されたAI家庭教師の両方を経験した。

AI家庭教師を使った回では、学習時間の中央値が49分だったにもかかわらず、60分の対面授業より学習成果が大きく、学習効果は対面授業の2倍を超えた。生徒の自己申告でも、AI利用時の方が意欲と集中度が高かった。

ただし、この結果を「AIは教師より優秀」と読むべきではない。

使用されたのは一般的なチャットAIではなく、正しい解答、問題の順番、段階的な支援、認知負荷への配慮を組み込んだ専用システムだった。対象も一つの大学物理講座であり、あらゆる年齢、教科、教育環境で同じ結果になることを示した研究ではない。

ここが重要だ。

AIだから学習効果が高かったのではない。
優れた教育方法を、一人ひとりへ届けられるよう設計されたAIだったから効果が出た。

AIは、教師の代わりより「教師の能力を広げる存在」として強い

AIが直接生徒を教えるだけでなく、教師や家庭教師を支援する使い方もある。

2025年版のTutor CoPilot研究では、米国の低所得地域を中心とする1,000人以上の児童生徒と、700人以上のオンライン家庭教師を対象に、授業中の教師へAIがリアルタイムで指導案を提案した。

AIの支援を使える教師が担当した生徒は、数学の単元を習得する確率が4ポイント上昇した。

特に、事前評価が低かった教師では9ポイントの改善が見られた。AIは単に答えを提示するのではなく、生徒へ問い返す、考え方を説明させる、一般的な称賛だけで終わらせないといった、より効果的な指導方法を教師へ提案していた。

これは査読済みの最終結論ではなく、事前登録された実地試験をまとめたワーキングペーパーであり、対象地域やオンライン数学指導以外へそのまま一般化はできない。それでも、AIが優秀な教師の思考法を、経験の浅い指導者へ届ける可能性を示している。

教育におけるAIの強みは、教師を教室から追い出すことではない。

一人の優れた教師が持っていた指導の型を、多くの教師と生徒へ広げられること

にある。

同じAIが、学習を壊すこともある

AI家庭教師には、大きな可能性がある。

しかし、使い方を少し変えるだけで、正反対の結果も生まれる。

約1,000人の高校生を対象に数学学習を調べた研究では、生徒を三つのグループに分けた。

一つは、AIを使わないグループ。

一つは、一般的なチャットAIに近く、答えを直接教えられる「GPT Base」を使うグループ。

もう一つは、答えをすぐに渡さず、段階的なヒントを出すよう設計された「GPT Tutor」を使うグループだ。

練習中の成績は、GPT Baseで48％、GPT Tutorで127％改善した。

ところが、その後AIを使わずに試験を受けると、GPT Baseを使っていた生徒は、最初からAIを使わなかった生徒より17％成績が低かった。

段階的な支援を行うGPT Tutorでは、この悪影響はほぼ解消された。ただし、AIなし試験で、対照群を明確に上回るまでには至らなかった。

同じ基盤モデルを使っていても、

答えを渡すAI

と、

考える過程を支えるAI

では、学習効果が異なる。

これは、AI教育の本質をかなりきれいに示している。

「問題が解けた」と「問題を解けるようになった」は違う

AI時代の教育では、三つの状態を分ける必要がある。

状態	何が起きているか
成果が出た	AIを使って、正しい答えや作品が完成した
理解した	なぜその答えになるかを説明できる
能力が身についた	AIがなくても、別の問題へ知識を応用できる

従来の宿題では、成果物が本人の能力をある程度反映していた。

数学の答えが正しければ、本人が解いた可能性が高い。

作文が書けていれば、本人が少なくとも文章を組み立てた。

プログラムが動けば、本人がコードを書いた。

AIがいると、この関係が崩れる。

本人が理解していなくても、完成度の高い成果物を提出できる。

教師は、完成品だけを見ていると、生徒が何を学んだのか分からなくなる。

本人自身も危ない。

AIを使って問題が解けると、「自分は理解できた」と感じやすい。

しかし、AIを閉じた瞬間、何も再現できないことがある。

AIは、できない人をできるように見せる。
そのまま、本人にまでできるようになったと思わせる。

これが、AI教育における最も静かな危険だ。

学習には、あえて答えが出ない時間が必要になる

一般的なAIサービスは、利用者を助けるように作られている。

質問されれば答える。
分からないと言われれば説明する。
文章を頼まれれば完成させる。

仕事では、それが正しい。

しかし教育では、すぐに助けることが、いつも正しいとは限らない。

分からない。
一度間違える。
別の方法を試す。
なぜ失敗したか考える。
自分の言葉で説明する。

こうした過程は、短期的には非効率だ。

それでも、その摩擦の中で知識がつながり、判断の型が育つ。

AI教育に必要なのは、何でも即答できるAIではない。

答えを知っていても、今は教えないと判断できるAI

である。

たとえば、

「まず自分の考えを一つ書いてみて」
「どこまで分かっている？」
「答えではなく、次に見るべき点だけ伝えるね」
「その結論に反対する立場を考えてみよう」
「別の問題でも使える考え方はどれ？」

と問い返す。

教育では、AIの能力を最大限使うことが目的ではない。

生徒の能力が最大限育つように、AIの能力をあえて制限することが必要になる。

AIがいるから、基礎知識はいらなくなるのか

AIが何でも答えてくれるなら、暗記する必要はない。

歴史の年号も、英単語も、数式も、プログラミングの文法も、必要なときに聞けばいい。

そう考えることもできる。

確かに、すべてを記憶する価値は下がる。

辞書や資料集で調べれば済む知識を、大量に覚えることへ学習時間の大部分を使う必要はなくなる。

しかし、だからといって、基礎知識が不要になるわけではない。

知識がなければ、何を質問すべきか分からない。

AIの回答に含まれる不自然さに気づけない。

二つの説明が矛盾していても、どちらを疑うべきか判断できない。

さらに、頭の中にある程度の知識がなければ、新しい情報と過去の情報をつなげられない。

毎回AIへ聞けば答えは得られる。

しかし、知識がすべて外部にある状態では、目の前の問題を別の問題と結び付けることが難しくなる。

AI時代に必要なのは、

知識か、思考力か

という二択ではない。

考えるために必要な知識を、どこまで人間の中へ持っておくか

を選び直すことだ。

基礎的な読み書き、数的感覚、歴史、科学、社会制度は残る。

一方、細かな知識を大量に再現するだけの学習は減り、その知識を使って説明し、比較し、応用する時間が増える。

教える内容より、「何ができれば学んだと呼ぶか」が変わる

UNESCOは、生徒向けAI能力を、単なるツール操作として整理していない。

人間中心の考え方、AIの倫理、AI技術と応用、AIシステム設計という四つの領域にわたる12の能力を示し、「理解する」「使う」「作る」という三段階で育成することを提案している。

これは、かなり重要な視点だ。

AIの使い方を教えるというと、

「良いプロンプトを書く」
「欲しい答えを引き出す」

ことへ偏りやすい。

しかし、それだけなら、AIサービスの操作講座にすぎない。

学校で育てるべき能力は、もっと広い。

従来、重視されてきたこと	AI時代に追加で重要になること
正しい答えを出す	答えの前提と限界を説明する
情報を覚える	信頼できる情報を選び、結び付ける
問われた問題を解く	何を問題として設定するか決める
一つの文章を書く	複数案を比較し、自分の判断で選ぶ
個人で完成させる	人間とAIと他者を使って成果を作る
間違えない	間違いを発見し、修正過程を説明する
知識を再現する	未知の状況へ知識を移す
AIを操作する	AIを疑い、止め、使わない判断をする

これから学校で必要になるのは、少なくとも次の能力だと思う。

問いを立てる
問題を小さく分解する
情報源を確認する
不確実性を残したまま考える
AIの回答へ反例を出す
異なる価値観を比較する
自分の判断理由を説明する
他者と議論し、考えを変える
AIとの分担を設計する
結果の責任を引き受ける

AIが答えを出せるほど、何を問い、どの答えを採用するかが教育の中心へ移る。

宿題は、完成品を提出するだけでは成立しなくなる

これまでの宿題は、家で一人で解き、翌日提出することを前提にしてきた。

AIが家庭にいると、その前提は崩れる。

作文。
読書感想文。
レポート。
翻訳。
プログラミング。
計算問題。

完成品だけでは、どこまで本人が考えたのか分からない。

だからといって、すべての宿題からAIを禁止しても、学校外の利用を完全には把握できない。

AIを使ったかどうかを見破るゲームを続けるより、課題の設計を変える必要がある。

文部科学省のガイドラインでも、提出物を評価する場合には、本人の経験や授業での活動が反映されているかを確認すること、口頭発表で理解を確かめること、AIとのやり取りやプロンプト、出力を添付させることなどが提案されている。

今後の評価は、少なくとも五つに分かれていくと思う。

評価方法	測るもの
AIなしの基礎確認	基本知識、計算、読解、再現能力
AIありの実践課題	AIを含む道具を使って成果を出す力
作業過程の記録	何を考え、何をAIへ任せ、どこを修正したか
口頭試問・発表	本人が内容を理解し、その場で応答できるか
実演・共同作業	未知の状況、他者との協働、現場対応

OECDも、AI時代の学術的な真正性を守る方法として、対話形式の口頭評価を挙げている。

口頭試問は標準化や大規模運用が難しい一方、即興で説明し、反論へ応答する必要があるため、現在のAIによる代理が難しく、論理的思考や伝達能力も同時に評価できる。

これから学校は、

AIなしで何ができるか

だけではなく、

AIと一緒に何ができるか
AIへ何を任せたか
AIの結果をどこまで理解しているか

を別々に測らなければならない。

「AIを使ってよい試験」と「使ってはいけない試験」が共存する

AI時代だから、すべての試験でAI利用を認めるべきだ。

あるいは、不正を防ぐため、すべて禁止すべきだ。

どちらも極端だと思う。

社会へ出ればAIを使う。

だから、AIを使って成果を出す能力は評価した方がいい。

一方、AIが間違えたときに判断するためには、人間自身の基礎能力も必要になる。

そのため、試験は二層になる。

AIを使わない評価

読み書き
数的感覚
基本概念
重要な語彙
その場での説明
AIの出力を検証するための基礎

AIを使う評価

問題設定
情報収集
AIへの指示と分担
複数案の比較
ファクトチェック
最終判断
成果物の品質
AI利用過程の説明

電卓を使える試験と、暗算や計算過程を見る試験が共存しているように、AIの有無も目的に応じて分ける。

重要なのは、生徒を捕まえることではない。

何の能力を測っている試験なのか、最初から明確にすること

である。

教師は、知識を説明する人から何へ変わるのか

AIは、説明することが得意だ。

同じ質問へ何度でも答える。
生徒の年齢に合わせて言い換える。
例題を作る。
確認問題を出す。
外国語でも説明する。

それなら、教師は不要になるのだろうか。

文部科学省のガイドラインは逆に、AIが社会基盤になる時代ほど、教師による学習環境の設定、丁寧な見取り、人格的な関わりが重要になるとしている。

僕も、教師の役割は減るより、変わると思う。

これまでの教師の役割	AI時代に比重が増す役割
知識を一斉に説明する	一人ひとりの理解と状態を見取る
同じ課題を全員へ出す	学習経路を設計する
答案を採点する	思考過程と成長を評価する
正解を教える	良い問いと適切な摩擦を作る
教室を管理する	対話、協働、心理的安全性を作る
教材を作る	AIが作った教材を選び、修正する
知識の権威になる	判断、倫理、学び方のモデルになる
ミスを直す	なぜ間違えたかを一緒に言語化する

AIは、生徒が何問間違えたかを記録できる。

しかし、家庭で何か起きて集中できていないのか。

失敗するのが怖くて答えを書けないのか。

クラスの中で孤立しているのか。

本当は理解できているが、人前で話せないのか。

そうした状態は、数値だけでは分からない。

教師は、正しい情報を最も速く話す人ではなくなる。

この子が今、何につまずき、どんな支援なら前へ進めるかを判断する人

になる。

AIで校務を減らし、教師を子どもの前へ戻せるか

教師は、授業だけをしているわけではない。

教材作成。
確認テスト。
通知文。
保護者対応。
成績処理。
会議。
部活動。
行事。
各種記録。

文部科学省は、授業教材やテスト問題のたたき台、通知文、面談日程の調整などで生成AIを活用し、校務の効率化と質の向上につなげることを想定している。重要な成績情報や個人情報を安全でない環境へ入力しないこと、最終的な採否は教師が判断することも求めている。

これは、かなり大きな可能性だ。

AIによって教師の仕事が減ったとき、その時間を、

生徒との対話
個別のフィードバック
授業の改善
保護者との関係
教師自身の学習
教員同士の協働

へ戻せる。

ただし、別の未来もある。

校務が減った分、担当する生徒数を増やす。

教師を減らす。

AIが作った教材や評価を、少数の教師が確認するだけにする。

これでは、AIが教師を子どもの前へ戻すのではなく、教師そのものを教室から減らす。

AI教育の価値を、

何人の教師を削減できたか

で測れば、人間関係が失われる。

教師が、生徒を見るために使える時間を何時間増やせたか

で測る必要がある。

学校は、知識を受け取る場所から「他者と学ぶ場所」へ変わる

一人で知識を学ぶだけなら、AI家庭教師の方が効率的な場面は増える。

自分の速度で進められる。

分からないところだけ説明を受けられる。

周囲に合わせて待つ必要もない。

では、学校へ行く意味はなくなるのだろうか。

むしろ、学校に残る価値がはっきりすると思う。

人と意見が合わない。
役割分担がうまくいかない。
相手の説明が分からない。
自分の考えを言葉にしなければならない。
失敗を見られる。
仲直りする。
共同で何かを完成させる。

こうした経験は、効率的ではない。

AIなら、自分に最適な言葉で、自分の速度に合わせて説明してくれる。

人間はそうではない。

しかし、社会は自分だけに最適化されていない人々と一緒に生きる場所だ。

学校には、

議論する
演奏する
実験する
身体を動かす
共同制作する
異なる背景の人と関わる
責任を分け合う
公共のルールを作る

という役割が残る。

2029年の学校は、

AIから一人で知識を得る場所

ではなく、

得た知識を、他者との関係の中で試す場所

へ近づくかもしれない。

学習の個別最適化は、孤立の個別最適化にもなり得る

一人ひとりに最適な教材を出す。

理解度に合わせて問題を変える。

興味に合う題材を選ぶ。

個別最適化は、教育の理想のように聞こえる。

しかし、全員が異なる教材、異なる順番、異なる説明だけを受けると、クラスで共有する経験が減る。

同じ作品を読み、異なる感想を話す。

同じ問題へ挑み、違う解き方を比べる。

同じ失敗を笑い、助け合う。

そうした共通体験がなくなる。

さらに、AIが過去の成績から、

「この生徒には難しい」
「この分野への関心が低い」
「このレベルが適切」

と判断し続ければ、生徒は少しずつ狭い学習経路へ誘導される。

本当は成長できるかもしれない。

新しい興味を持つかもしれない。

それでも、過去のデータから作られた「あなたらしさ」が、未来の選択肢を制限する。

個別最適化には、

今の自分に合う学習

だけでなく、

今の自分から外へ出る学習

を残す必要がある。

AIは教育格差を縮めるのか、広げるのか

AI家庭教師は、本来なら教育格差を縮められる。

高額な塾や家庭教師を利用できなかった子どもにも、いつでも質問できる相手が届く。

自分のペースで学べる。

教師が少ない地域でも、専門的な説明を受けられる。

一方で、AIは新しい格差も作る。

条件	恵まれた子ども	不利な子ども
AIサービス	高性能な有料AI	無料で制限の多いAI
利用環境	専用端末、高速通信、静かな部屋	共用端末、不安定な通信
学習設計	親や教師が使い方を指導	答えを得るために単独利用
データ	正確な教材と学校データに接続	一般的なネット情報だけ
目的	理解を深める	宿題を終わらせる
支援	AIの誤りを確認できる大人がいる	誤りに気づく人がいない

OECDは、AIが個別指導を提供して格差を縮める可能性を認める一方、指導なしの利用では、特に不利な背景を持つ生徒がAIへ思考を外部化し、依存する危険があると指摘している。通信環境の差や、現在無料のサービスが将来有料化する可能性も格差要因になる。

UNICEFの2026年調査でも、子どものAI利用には国や家庭による差があり、子どもは親や保護者の3倍以上AIを利用していた。

子どもだけがAIを使い、親がその仕組みや危険を理解していなければ、家庭内で学習を支えることも難しくなる。

AIを配るだけでは、格差は縮まらない。

良いAI、良い教材、良い使い方、支えてくれる人間

まで届けなければならない。

子どもの学習データは、成績表よりはるかに詳しくなる

AI家庭教師は、生徒について多くを知る。

どの問題を間違えたか。
何秒考えたか。
どこで諦めたか。
どんな説明なら理解できたか。
何時に学習したか。
何に興味を持っているか。
どんな言葉で自信を失うか。

成績表よりも、はるかに細かな学習履歴になる。

それを使えば、良い個別指導ができる。

同時に、そのデータが、

進学先の推薦
能力の早期選別
広告
保険
採用
性格や感情の推測

へ使われれば、子どもの人生を長く追い続ける記録になる。

UNICEFは、子ども向けAIについて、データとプライバシーの保護、説明可能性、安全性、公平性、子どもの最善の利益を中心に置くことを求めている。

教育AIには、少なくとも次のルールが必要になる。

必要以上のデータを集めない
広告や販売へ利用しない
教師、生徒、保護者が利用目的を知る
記録の削除と訂正ができる
別のサービスへ学習履歴を移せる
AIによる評価へ人間が異議を申し立てられる
子どもの将来を固定する分類を作らない
学校卒業後まで無期限に残さない

教育の個別化が、子どもの常時監視になってはいけない。

AIは、生徒を評価するだけでなく、感情まで管理し始める可能性がある

AI家庭教師は、声の調子、表情、入力速度、言葉遣いから、生徒の状態を推測できるようになる。

集中していない。
不安が強い。
退屈している。
理解できていない。

適切に使えば、教師が見逃していた支援の必要性を見つけられる。

しかし、その推測が正しいとは限らない。

無表情だから意欲がない。
入力が遅いから理解していない。
発言が少ないから協調性がない。

AIがそう分類し、それが成績や進路へ影響すれば、誤った評価が本人の現実になっていく。

さらに、学習意欲を高めるために、

褒める。
競争させる。
ポイントを与える。
不安を刺激する。
連続学習記録を途切れさせないよう促す。

といった介入もできる。

AIが生徒を学ばせることと、生徒の感情を操作することの境界は曖昧だ。

学習を最適化するという理由で、子どもの内面まで数値化してよいのか。

教育AIは、正解率だけでなく、人間の尊厳と自律性を守る設計を必要とする。

日本では「AIを使う授業」と「AIを使えない入試」のずれが起きる

日本の学校では、生成AIを使った英会話、グループ議論の論点追加、プログラミング、情報の真偽を確かめる授業など、すでに複数の実践例が生まれている。

一方、入試や定期試験の多くは、限られた時間内に、本人だけで正しい答えを出すことを求める。

学校ではAIを使って学びを深める。

しかし、入試ではAIを使えない。

この二つは必ずしも矛盾しない。

基礎能力を測るには、AIなし試験が必要だからだ。

ただし、評価のほぼすべてがAIなしの再現能力に偏れば、学校も最終的には試験対策へ戻る。

逆に、すべてをAIありにすれば、本人の基礎能力が分からない。

日本の教育で最も難しいのは、AIを授業へ導入することではない。

入試、評定、宿題、授業を、同じ学習観でつなぎ直すこと

になる。

2029年までに、すべての入試が変わる可能性は低い。

それでも、

AI利用歴を提出する課題
口頭試問
探究活動の過程評価
作品への質疑応答
AIを使って問題を解き、その判断を説明する試験

は徐々に増えていくと思う。

2029年までの教育は、三段階で変わる

2026〜2027年：ルール整備と教師利用

最初に広がるのは、生徒の完全自律利用より、教師による利用だ。

教材のたたき台。
問題作成。
授業案。
通知文。
個別支援案。
校務の整理。

学校は、個人情報、年齢制限、著作権、AI利用の開示方法を定める。

生徒には、AIの仕組み、誤り、引用、ファクトチェックを教える。

2027〜2028年：教科別AI家庭教師の普及

一般的なチャットAIではなく、教科書、学校のカリキュラム、正しい解答、学習履歴へ接続されたAIが増える。

AIは、すぐに答えを出すのではなく、ヒント、質問、振り返りを中心に設計される。

教師は、AIとのやり取りを見ながら、つまずきを把握する。

2028〜2029年：評価方法の再設計

完成品だけを提出する宿題の価値が低下する。

AIなしの基礎試験、AIありの実践課題、口頭試問、過程記録が組み合わされる。

学校間の差も大きくなる。

AIを単なる文章生成ツールとして使う学校。

教師とAIで学習設計を作り直す学校。

利用を禁止したまま、家庭での利用だけが進む学校。

同じ国の中でも、異なる教育が並存する。

2029年、教育は四つの未来に分岐する

未来	学校で起きること	子どもへの影響
AI徒弟教育	AIが個別指導し、教師が動機、対話、判断、共同学習を支える	習熟が速まり、深い理解と社会性が育つ
見かけの高学力社会	AIで宿題や作品の質は上がるが、本人の能力を別に測らない	成果物は立派だが、AIなしでは説明できない
二層化した教育市場	高所得層は高品質なAIと人間教師、低所得層は無料AIだけを使う	個別教育が格差を縮めず、むしろ固定する
最適化された監視学校	AIが行動、感情、成績を常時記録し、学習経路を決める	効率は上がるが、自由、偶然、異議申し立てが失われる

最も期待したいのは、AI徒弟教育だ。

すべての子どもが、いつでも質問できる。

分からないまま授業が進まない。

教師は説明の繰り返しから解放され、生徒の状態、対話、共同学習へ時間を使う。

一方、最も起きやすく、気づきにくいのは「見かけの高学力社会」だと思う。

提出物は良くなる。

平均点も上がる。

生徒も教師も、学習が進んでいると感じる。

しかし、AIを使わずに説明させると、理解が残っていない。

教育統計上は成功しているのに、本人の中に能力が蓄積されていない。

最悪なのは、監視学校だ。

AIが一人ひとりをよく理解し、最適な学習を与える。

その代わり、生徒の行動と感情が常に観測され、過去のデータから進路と可能性が決められる。

失敗する自由や、教師の予想を裏切る自由が失われる。

教育AIを設計する八つの原則

AIが学習を支える存在になるためには、便利さだけでは足りない。

原則	必要な設計
教育目的を先に決める	AIを使うこと自体ではなく、何を身につける授業かを明確にする
最初の思考を人間に残す	AIへ聞く前に、仮説、途中式、初稿を作らせる
答えよりヒントを優先する	理解度に応じて支援し、完成解答をすぐ渡さない
過程を残す	プロンプト、修正、判断理由、参照情報を確認可能にする
AIありとAIなしを分けて測る	道具を使う能力と、本人の基礎能力を混同しない
教師に最終権限を残す	AIの推薦、評価、教材を教師が修正・拒否できる
子どものデータを最小化する	広告利用、過剰な保存、将来の選別を防ぐ
他者と学ぶ時間を守る	個別最適化だけでなく、議論、協働、身体的体験を残す

この八つがなければ、AI家庭教師は学習を支える存在ではなく、宿題を終わらせる装置になる。

確度が高いこと、まだ分からないこと

分類	予測
確度が高い	生徒が宿題、調査、文章作成、外国語、プログラミングでAIを使う機会が増える
確度が高い	教師が教材、問題、文書、個別支援案の作成にAIを使う
確度が高い	完成した提出物だけでは、本人の理解と能力を判断しにくくなる
確度が高い	口頭試問、実演、過程記録、AI利用開示の重要性が上がる
確度が高い	AIを安全に疑い、検証し、使わない判断をする能力が教育内容へ入る
変数が大きい	AI家庭教師が長期的な学力をどこまで高めるか
変数が大きい	教師の時間が生徒との関係へ戻るか、教師の削減に使われるか
変数が大きい	AIが教育格差を縮めるか、有料サービスと家庭環境によって広げるか
変数が大きい	入試や公的な評価制度が、どの速度でAI前提へ変わるか
期待したい未来	すべての子どもが質の高い個別指導を受け、教師は人間的な支援へ集中する
最悪の未来	答えと成果物は増える一方、理解、自律性、社会性、プライバシーが失われる

未来の方向を判断するには、AI利用率だけでは足りない。

見るべきなのは、

AIなし試験での理解度
AI利用後に別の問題へ応用できるか
生徒が答えを求めた回数と、ヒントを求めた回数
教師が生徒との対話へ使える時間
口頭試問や実演評価の割合
有料AIと無料AIの学習成果差
家庭環境によるAI利用格差
学習データの保存期間と利用目的
AIによる誤評価への異議申し立て件数
生徒の自己効力感と孤立感

だ。

学校が守るべきなのは、古い宿題ではなく「学ぶために必要だった機能」である

作文を人間だけで書かせ続けることが、教育の目的ではない。

計算をすべて手作業でさせることも、教師が黒板へ同じ説明を書き続けることも、それ自体が目的ではない。

それらの活動を通じて、

考える。
間違える。
修正する。
自分の言葉を見つける。
他者へ説明する。
責任を持って提出する。

という機能が生まれていた。

AIによって古い課題が成立しなくなるなら、古い形を無理に守る必要はない。

しかし、その中に含まれていた学習の機能は、新しい形で作り直さなければならない。

読書感想文をAIが書けるなら、本を読んで終わりではなく、クラスで異なる解釈を議論する。

AIがコードを書けるなら、コードの穴を見つけ、なぜ危険なのか説明させる。

AIが歴史を要約できるなら、異なる立場から同じ事件を語らせ、その違いを分析する。

AIが政策案を作れるなら、限られた条件で何を選ぶかを人間に決めさせる。

学校が守るべきなのは、人間が作業したという事実ではない。
その作業によって、人間の中に何が育っていたかである。

答えがあることと、判断できることは違う

AIは、子どもの質問へ答えられる。

学校の先生より詳しく、教科書より速く、本人に合った言葉で説明できるようになるかもしれない。

それでも、教育は不要にならない。

なぜなら、人生で本当に重要な問いには、一つの正解がないからだ。

何を学ぶのか。
何に時間を使うのか。
誰の意見を信じるのか。
他者と意見が違うとき、どうするのか。
便利さと公正さのどちらを優先するのか。
自分は何を大切にして生きるのか。

AIは、選択肢を出せる。

それぞれの利点と欠点も説明できる。

しかし、最後に何を選び、その結果を自分の人生として引き受けるかは、人間に残る。

AI時代の学校が教えるべきなのは、AIより多くの答えを覚えることではない。

自分の頭で問いを持つこと。
AIの答えを疑うこと。
他者と議論すること。
そして最後に、自分の判断として引き受けること。

答えを全部知っているAIがいる時代。

学校の価値は、答えを持っていることではなくなる。

答えが簡単に手に入る世界で、それでも人間が考える理由を作ること。

そこに残る。

次章

医者の代わりではなく、患者の隣にAIがいる社会

AIが問診、診療記録、検査結果、画像、ウェアラブルデータを継続的に読み、受診すべきタイミングや治療の選択肢を提示するようになったとき、医師、患者、介護者の関係はどう変わるのか。

次章では、医療従事者の事務負担と見落としを減らす未来と、AIの誤診、過剰診断、健康データによる選別が広がる未来について考える。

主な参考資料

Hamsa Bastaniほか「Generative AI without guardrails can harm learning」。

Greg Kestinほか「AI tutoring outperforms in-class active learning」。

Rose Wangほか「Tutor CoPilot」。

UNESCO「AI competency framework for students / teachers」。

OECD「AI adoption in the education system」。

UNICEF「Snapshot of AI Usage and Concerns Among Children and Parents」。

文部科学省「初等中等教育段階における生成AIの利活用に関するガイドライン Ver.2.0」。