デイブ・タッカーは、知識、スキル、自信を高める美しくシンプルな学習ツールを作成するGenioの創業者兼CEOである。
ビジネスにおいて、私たちは投資対効果（ROI）に執着している。効率を測定し、プロセスを最適化し、ボトルネックを排除して生産量を最大化する。しかし、すべての人間の能力の基盤である「学習」に関しては、生産性や収益について同じような厳密な思考をほとんど適用していない。
この見落としはますます高くつくようになっている。世界の教育・研修への支出は2030年までに10兆ドルに達すると予測されているが、中退率は依然として高く、米国の学部生の最大40%がプログラムを離脱している。一方、現在、大学生の大多数が少なくとも1つのメンタルヘルス診断の基準を満たしていることから、現在の学習アプローチは非効率なだけでなく、持続不可能であることが示唆されている。
ここで「学習生産性」という概念が登場する：学習に投資した時間と労力と、獲得した知識の深さと定着度の関係だ。企業が投資したリソースあたりの生産量を測定するのと同様に、学習者が投資した時間から何を得ているかを検証する必要がある。そして、AI（人工知能）が情報へのアクセスと処理の方法を根本的に変えつつある今、教育投資に対する学習の見返りを理解することがこれまで以上に重要になっている。
学習生産性の問題
主な課題はもはや情報へのアクセスではない。インターネットにアクセスできる人なら誰でも、事実上すべての記録された人類の知識を利用できる。YouTubeには何百万もの教育ビデオがある。オンラインコースは無限に増殖している。AIツールは現在、説明、要約、カスタム学習教材をオンデマンドで生成できる。
しかし、ここにパラドックスがある：アクセスの増加が自動的に学習の向上につながっているわけではない。実際、情報の豊富さは独自の制約を生み出している。それを処理・評価するための適切なツールや技術がなければ、コンテンツの大量の流れから飲むことは情報過多につながる。
学生が実際に勉強時間をどのように使っているかを考えてみよう。ソーシャルメディアやテキストメッセージなどの明らかな気晴らしを超えて、無数の微妙な非効率性が学習生産性を低下させている：同じ箇所を何度も読み直す、紛失したノートを探す、どうアプローチすればいいのか理解せずに問題を見つめる、あるいは積極的に処理せずに受動的にコンテンツを消費するなど。これらは性格の欠陥ではない。テクノロジーとより良い技術で対処できるプロセスの問題だ。
AI：ショートカットか加速装置か
すべてのAIアプリケーションが学習に対してプラスの効果をもたらすわけではない。一部は実際に学習プロセス自体をショートカットし、理解を深めることなく学生が成果物を生成できるようにするが、これは壊滅的なマイナスリターンである。また、他のものは単に情報過多に追加し、理解や記憶を向上させることなく、より多くのコンテンツを通り抜けるものを作り出す。
しかし、慎重に設計されたAIツールは、2つの方法で学習生産性を劇的に向上させることができる。第一に、同じ時間でより深い理解を学習者が達成するのを助けることができる。第二に、同じ学習成果に到達するために必要な時間を短縮し、より深い探求や追加の学習のための余裕を生み出すことができる。
その違いは、テクノロジーが学習の認知作業をサポートするか置き換えるかにある。複雑な情報を管理可能な部分に分割し、理解度をテストし、ギャップを特定し、最適な間隔で記憶を強化するのを助けるツールは、学習生産性を高める。学生のために単に答えを提供したり、考えることをするツールは、それを低下させる。
学習障壁の除去
学習生産性の向上は、特定の個人が最初から学習にアクセスできない障壁を考慮すると、さらに重要になる。ディスレクシア（読字障害）を持つ学習者にとって、テキスト読み上げ技術は単なる便利な生産性向上ツールではなく、学習を可能にするものだ。非ネイティブスピーカーにとって、AI翻訳や説明ツールは、克服するためにはるかに多くの時間と労力を必要とする言語障壁を取り除くことができる。
ここがアクセシビリティと最適化に関する議論が収束する場所だ。最もアクセスしやすい設計—認知負荷を最小限に抑えるシンプルなインターフェース、検索時間を短縮する明確な構成、個人の状況に合わせた適応ツール—は、誰にとっても有益だ。ADHDを持つ学生は集中するために気が散らないツールを必要とするかもしれないが、不必要な摩擦がプロセスから取り除かれると、すべての学生の学習生産性が向上する。
学習の根本的な障壁に対処するテクノロジーは、個人の生産性向上をはるかに超える効果をもたらす。以前は全く学習にアクセスできなかった人が突然アクセスできるようになると、その見返りは無限大になる。
重要なことを測定する
教育機関はしばしば修了率、学位取得までの時間、評価スコアなどの指標に焦点を当てる。これらは重要だが、学習生産性そのものを捉えていない成果指標だ。私たちはプロセスにもっと注意を払う必要がある：学生は管理業務ではなく、集中した学習にどれだけの時間を費やしているか？彼らはどれだけ効果的に勉強時間を長期的な記憶に変換しているか？彼らの個々の学習プロセスのボトルネックはどこにあるか？
答えは人や状況によって異なる。ある人は一つの分野では効率的に学習できるが、別の分野では苦労するかもしれない。うつ病、不安、疲労は一時的に誰の学習生産性も低下させる可能性がある。異なる学習環境は異なる制約を生み出す。これが、パーソナライズされたアプローチが重要である理由であり、個々のニーズに適応するAIの能力がそのような重要な機会を表す理由だ。
今後の道筋
現在、世界中の大学に2億6400万人の学生が在籍し、さらに多くの人々が職場での学習や個人の能力開発に従事している中、学習生産性のわずかな改善でも大きな影響を生み出す。しかし、学習スキルと最適化ツールは、ほとんどの教育経験において周辺的なままであり、基本的なものというよりもオプションとして扱われている。
AIの能力が拡大するにつれて、それらをどのように展開するかについて選択に直面している。これらのツールを使用してコンテンツを生成し、出力を自動化することで、学習プロセス自体を空洞化する可能性がある。あるいは、障壁を取り除き、摩擦を減らし、学習者が投資した時間と労力でより多くを達成するのを助けるためにそれらを使用することもできる。
問題はAIが教育を変革するかどうかではない。すでに変革している。問題は、私たちが適切なリターンを測定し最適化するかどうかだ：単なるスピードや利便性ではなく、持続的な能力を構築する本物の学習生産性だ。指数関数的な情報増加の時代において、それが最も重要なROIかもしれない。
