「塾の先生はAIに置き換えられるのか」という問いへの答えは、現時点では「一部は補えるが、置き換えはできない」です。AIチューターの研究は1970年代から続いており、2020年代の大規模言語モデル（LLM）の登場によって新たな局面を迎えています。この記事では、教育工学を研究する立場から、AIチューターの現在地と限界・可能性を整理します。
AIチューターとは何か
AIチューター（AI Tutor）とは、人工知能技術を用いて学習者の個別最適化された支援を提供するシステムの総称です。広義には、学習管理システム（LMS）上のレコメンド機能から、対話型の個別指導AIまでを含みます。
AIチューターと「AIを活用した学習ツール」の違いは、「個別最適化（Personalization）」にあります。単に問題を出すだけでなく、学習者の理解度・誤り傾向・学習速度を分析し、次に提示する内容や難易度を動的に調整する機能を持つものが、本来の意味でのAIチューターと呼べます。
Intelligent Tutoring Systemsの歴史
AIチューターの研究の出発点は、1970〜80年代に登場した Intelligent Tutoring System（ITS）です。ITS とは、学習者の知識状態をモデル化し（学習者モデル）、教科の知識体系（ドメインモデル）と照合しながら適切な指導を行うシステムです。
代表的な初期の ITS として、1970年代に開発された「SCHOLAR」（地理）、1980年代の「LISP Tutor」（プログラミング）などがあります。John Anderson ら（カーネギーメロン大学）が開発した「認知チューター（Cognitive Tutor）」は、数学教育において実験的な有効性が示され、実際の学校教育への導入が試みられました。
この流れは 2000 年代以降も続き、Bloom（1984）が提唱した「2シグマ問題」——1対1の家庭教師は集団授業より2標準偏差（約30パーセンタイル）学習効果が高い——を AI で再現できないかという問いが研究の動機になってきました。
現状：汎用LLMと教育特化AIの違い
2020年代に入り、GPT-4 などの大規模言語モデル（LLM）の登場により、AIチューターをめぐる状況は大きく変わりました。汎用 LLM は、幅広い教科の質問に即座に自然言語で回答できるため、表面上は「万能チューター」に見えます。
しかし、汎用 LLM と教育特化 AI（ITS）には本質的な違いがあります。
- 汎用 LLM の特徴：幅広い知識を持ち、質問への回答は流暢。ただし「この生徒が今どこでつまずいているか」という学習者モデルを持たない。答えを与えることに特化しており、「考えさせる」ための問いかけが不得意。
- 教育特化 AI（ITS）の特徴：特定教科・単元に絞って学習者の誤り傾向を追跡し、個別最適化された問題提示・フィードバックを行う。汎用性は低いが、深い個別最適化が可能。
教育 AI 研究のコミュニティでは、汎用 LLM の「流暢な回答」が必ずしも「教育的に望ましい」わけではない、という議論が続いています。すぐに答えを渡してしまうことが、学習者の思考を妨げる可能性があるためです。
現状の限界
現時点での AI チューターの主な限界を整理します。
動機づけとエンゲージメントの維持
学習を継続するためには「もう少し頑張ってみよう」という動機づけが不可欠です。現在の AI は、表面的な励ましの言葉は生成できても、生徒の感情状態を的確に読み取り、その生徒に合った形で内発的動機を引き出すことには限界があります。特に「勉強が苦手」「自信がない」という生徒に対して、心理的安全性を構築しながら学習を進める能力は、AI が苦手とする領域です。
誤学習リスク
汎用 LLM はハルシネーション（もっともらしい誤情報の生成）が起きることがあります。教育場面では、誤った情報を「正しい知識」として定着させてしまうリスクがあり、特に中高生の学習では注意が必要です。
「考える過程」の支援
教育の本質的な目標の一つは、答えを出す力ではなく「考える過程を辿る力」を育てることです。AI は答えへの最短ルートを示すことは得意ですが、「なぜそう考えるのか」「別の視点からはどう見えるか」という批判的思考・メタ認知を促す対話は、まだ人間の教師の方が優れています。
可能性と期待される進化
一方で、AI チューターの可能性についても正直に述べます。
- 反復演習と即時フィードバック：大量の問題を提供し、正誤を即座にフィードバックする機能は、AI が人間より圧倒的に優れています。個別指導の補完として活用できます。
- 学習記録の蓄積と分析：長期間の学習ログを蓄積し、傾向を分析することは AI が得意です。「この生徒は3週間前から分数の計算で躓きが増えている」という傾向分析は、人間の指導者への有用な情報を提供します。
- 時間・場所を問わない学習支援：生徒が深夜に疑問を持ったとき、AI なら即座に対応できます。人間の指導の補完として、24時間対応できる存在は価値があります。
塾長の研究テーマについて
私（高須賀惇也）は愛媛大学大学院 理工学研究科 博士後期課程（2025年4月〜）で、「生涯を通して関わるAIチューターの数理モデル」をテーマに研究しています。子どもが大人になり、社会人になっても、その人の学習を継続的に支援できる AI の仕組みを数理的にモデル化することが研究の中心です。現在の AI チューターの多くは特定の教科・学年・期間を対象としており、「生涯学習」の視点で設計されたモデルは少ない——という問題意識から出発しています。本記事は研究の方向性のみを示したものであり、具体的な研究成果の公開は論文発表後になります。
AIに代替されない指導の価値
「AIに代替される教師」という議論を私は研究者でありながら、毎日の個別指導でも考え続けています。現時点での答えは「教師の核心的な価値は AI では代替しにくい」です。
その核心とは何か。それは、生徒の「今この瞬間の状態」を全人的に読み取る力です。今日は気が散っている、この単元を嫌いになりかけている、実は別のことに不安を持っている——こうした非言語情報を読み取り、指導の方向を瞬時に変える能力は、現在の AI が持っていません。
松山市東雲・道後エリアの生徒たちが「考える力」を身につけるために、ソートアップでは研究の知見と実際の対話型指導を組み合わせています。学習塾コースや塾長プロフィールもあわせてご覧ください。