AI業界が基盤モデルや企業向けコパイロットの開発にしのぎを削る一方で、世界の生徒のうち読解の最低習熟度に達しているのは約60%、算数・数学では約50%にとどまっている。この背景にはさまざまな要因があるが、私は、教育を変革するために構築されているAIシステムがそもそも彼らのために設計されていないこと、そしてそれを変えようとする者がほとんどいないことが問題の一つだと考えている。
低・中所得国にはおよそ12億人の子どもと若者がいるが、その多くはAI教育革命から取り残される危険にあると私は考えている。スタートアップやプロダクトチームのAI戦略を検証することを生業にしている立場から見ると、これは単なる人道上のギャップではない。私の見立てでは、現在のAI業界で最大の未開拓プロダクト機会である。
崩れた前提
多くのAI教育ツールには共通する根本的な前提がある。すなわち、学習者は安定したインターネット環境、個人所有のデバイス、母国語のコンテンツを持っている、というものだ。しかしその前提が成り立つのは世界の生徒のごく一部にすぎない。それ以外の生徒にとっては、この前提は崩れてしまう。
ユニセフと国際電気通信連合（ITU）が2020年に発表した報告書によれば、世界の学齢期の子どものおよそ3分の2は家庭にインターネット環境がない。加えて、主に英語データセットで訓練されたコンテンツは、バングラデシュのダッカ、ケニアのナイロビ、あるいはグアテマラの農村部にいる学習者の言語的・教育的な現実に対応できない。さらに、世界中のすべての生徒に初等・中等教育を提供するためには、2030年までに4400万人の教員が追加で必要だと推計されている。つまり、多くの市場ではテクノロジーが機能しないとき、頼れる人間の代替手段が存在しないのだ。
私が以前書いたプレッシャーテスト──可視性、持続性、撤退の柔軟性──に、大半の教育テクノロジー（エドテック）AIプロダクトをかけると、最初の問いで破綻する。すなわち、「これに対して誰かが追加でお金を払うのか」という問いだ。理由は単純である。すでに良い代替手段を持つユーザー向けに作られているため、価値は本質的ではなく、限定的なものにとどまる。そして、代替手段をまったく持たないユーザーは、方程式から完全に排除されている。
これは慈善ではなく戦略である
私は資金潤沢なチームが、飽和した欧米市場向けにAI教育プロダクトを構築し、より多くのデータと潤沢な資金を持つ十数社の既存企業と競合する光景を数えきれないほど見てきた。実際に私が目にしたパターンを紹介しよう。あるシリーズBのエドテック企業が、米国の高校生向けAIチューターの開発に18カ月と1200万ドル（約19億6000万円）を費やした。しかしその市場は、独自のトレーニングデータを何年も蓄積してきた既存企業に対する7番目の参入者となる場所だった。一方で、エドテックにおける大きな未開拓機会、すなわちAIが現状に対して漸進的ではなく10倍の改善をもたらし得る学習者にサービスを提供するという機会は、創業者がその経済性をモデル化する方法を知らないために見過ごされている。
経済的な条件は変わりつつある。たとえば、サハラ以南アフリカのモバイルインターネット普及率は25%を超えた。インドのインターネット利用者は9億人を超え、スマートフォンユーザーは6億5000万人に達している。さらに、アプリストアとは異なる形態の配信チャネル──WhatsAppを介した知識共有、SMSベースのチューターシステムなど──も台頭している。
持続性テストを適用してみよう。独自の多言語学習モデルを構築し、地域に即したカリキュラムで訓練し、オフラインファーストのアーキテクチャに組み込む企業は、いかなる基盤モデル提供事業者も18カ月では複製できない堀を築ける。データはあまりにローカルで、ワークフローはあまりに文脈依存で、信頼関係はあまりに深く根付いているためだ。
ここが多くの創業者が見落としている点だと私は思う。基盤モデル企業はトレーニングデータに飢えているが、カルナータカ州の農村部やラゴス近郊の教室で得られるラストマイルの教育的フィードバックループへのアクセスは持っていない。そのローカルなデータループを所有する企業は、シリコンバレーが持ち得ない、ゼロから構築されたデータ主権の一形態を手にすることになる。
スケール可能な3つの設計原則
この市場に本気で取り組むプロダクトリーダーのために、私がこれをうまくやり遂げているチームから得た3つの原則を紹介しよう。
最悪の接続環境を前提に設計する
断続的な2G接続で機能するプロダクトであれば、おそらくどこでも機能する。これは制約ではなく、より良いアーキテクチャを生み出す強制的な機能である。KolibriやRumieといったプロダクトは、このモデルが機能することをすでに示している。
タイミングも良い。小型言語モデル（MicrosoftのPhiやGoogleのGemmaなど）の登場によって、AIは低コストのデバイス上でも推論を実行できるようになった。ここで撤退テストが効いてくる。もしその価格帯でモデルが機能するなら、市場が簡単にコモディティ化できないものを構築したことになる。
まず教師のために、次に生徒のために作る
リソースが不足している教育システムでは、教師こそが流通チャネルであり、信頼の層であり、品質管理の仕組みである。勝ち残るAIプロダクトは教師を置き換えるものではない。自動化された授業計画、リアルタイムの形成的評価、習熟度の異なる40人の生徒に同時に適応するコンテンツによって、1人の教師の効果を劇的に高めるものだ。
これは持続性の戦略でもある。教師の業務に組み込まれたワークフローは、競合する基盤モデルが単に価格を下げるだけでは再現できないスイッチングコストを生む。
エンゲージメント指標ではなく学習成果を測定する
エドテックには、実際の学習ではなく画面利用時間を最適化する悪い習慣がある。アクセスが貴重な市場では、デバイス上の1分1分が意味を持つ必要がある。可視性テストを適用しよう。単にデイリーアクティブユーザーの増加ではなく、測定可能な識字力・数的能力の向上を示せるプロダクトこそが、政府やNGOがプレミアム価格を支払う可能性の高いものだ。それは多くのエドテック企業が決して達成できない類の価格決定力である。
本当の試金石
AI教育業界全体に対して私が適用したいプレッシャーテストはこうだ。今日構築されている最も洗練された学習ツールが、すでに良い学校、安定したインターネット、母国語のコンテンツを持つ生徒のみに役立つのなら、私たちは変革的なテクノロジーを構築したことにはならない。贅沢な機能を構築したにすぎない。
最も困難な環境、すなわちオフライン、多言語、教師不足を前提に設計する方法を見いだす企業は、重要な仕事をしているだけではない。私の考えでは、そのカテゴリーで最も防御力の高い製品の一部を構築することになる。厳しい制約を解決することは、より優れたテクノロジーを生む。そして少数ではなく多数のために設計されたより優れたテクノロジーこそ、長く残るものだ。
1億5000万人ではなく12億人の学習者のために設計するとしたら、あなたのAI戦略はどのようなものになるだろうか。
