AI Labs：学習コースのパーソナライゼーションを新たなレベルへ
- DISCE
- 5 日前
- 読了時間: 7分
AI Labsで取り上げられている内容はすべて実験的であり、現在開発中のものです。また、これらがDegreedの製品群に組み込まれることは保証されません。
学習コースが完全にパーソナライズされることなど、あり得ない……ですか？
私たちは長い間、パーソナライズされた学習について議論してきました。しかし、今日、ほとんどの人がコースにログインすると、職務内容や部署、知識レベルに関係なく、他の参加者と同じコンテンツを提示されています。初心者であろうと、高度なトレーニングを受けた専門家であれ、その違いは関係ありません。
パーソナライゼーションの能力開発において、私たちが語る内容と実際に提供しているものとの間に生じるこのギャップこそが、私をこの特定の「ウサギの穴」へと導いたのです。「もし、受講者であるあなたを最優先に考えて、コースが瞬時に設計されたらどうなるでしょうか？もし、あなたがどのような人物か、すでに何を知っているか、そしてどこを目指しているかに基づいて、コースがリアルタイムで自動的に構築されたらどうなるでしょうか？」
私たちは、AI Labsの実験でこれを試してみたいと考えました。
固定型のコースが機能しなくなる理由
すでに知っている内容の復習ばかりだったコースを、苦労して最後まで受講しなければならなかった時のことを思い出してみてください。あるいは、いきなり難しい内容から始まり、始める前に重要な基礎知識を学んでいないような感覚に陥ったコースはどうでしょうか。どちらも、貴重な学習時間の無駄に感じられます。一方は、ジョギングの準備ができているのにゆっくり歩くようなもので、もう一方は、ランニングシューズを履こうとしている最中に、相手が走り去ってしまうようなものです。
あらかじめ作成されたコースは、架空の「平均的な学習者」を想定して設計されていますが、率直に言って、それはおそらくあなたのことではないでしょう。
長年にわたり、パーソナライゼーションはこの問題に対する理論上の解決策とされてきました。アダプティブラーニング（適応型学習）、分岐シナリオ、厳選されたパスウェイ ―― これらはすべて、同じ問題を解決しようとする試みです。しかし、それらは依然として、どこかの誰かが事前に決定した固定された基盤の上に構築されています。
この実験では、あらかじめ作成されたコースではありません。
その場のニーズに合わせてコースを構築する
では、あらかじめ作成されたコンテンツモジュールがない場合、どこから始めればよいのでしょうか？AIとの学習対話に参加します。AIキャラクターが、ダイナミックラーニングの確立された領域である、話し合うことができるトピックの選択肢を提供します。そして、あなたは自分だけの冒険を選ぶことができます。
その対話が展開されるにつれて、コースはあなたを中心に構築されていきます。ビジュアル、クイズ、テキスト、振り返りの質問 ―― これらはすべて、対話の進捗状況や、あなたが実際に学ぶ必要がある内容に基づいて、リアルタイムで生成されます。
さらに、その場その場で、コースを構築しながら柔軟に調整することも可能です。特定のセクションをスキップしたり、特定の分野に重点を置いたりするよう依頼できます。もし混乱している場合は、アプローチを変更してくれます。何かについてさらに深く掘り下げたい場合は、その方向へと導いてくれます。復習が必要な場合は、概念を定着させるための質問が生成されます。このコースは、単なる「到達点」というよりは、継続的な対話のようなものです。
ある意味、これは学習の新たなサイクルを模倣しており、アップスキリングが断続的なものではなく、継続的なものであることを反映しています。
実際の例：その場で学ぶ「モデルコンテキストプロトコル（MCP）」
具体的なイメージを持っていただけるよう、私が実際に利用した際の様子をご説明いたします。
私は、Degreedが直接開発を進めている「モデルコンテキストプロトコル（MCP）」について探求するために、この機能を利用することにしました。当社には独自のDegreed MCPサーバーがあるため、背景や文脈は理解していますが、この技術が今後どのような方向へ向かうのか、純粋に気になっています。また、MCPは複雑で理解すべき層が多いため、良いテストケースにもなります。
まず、AIからいくつかのトピック候補が提示されました。私は「MCPの基礎」を選択しました。最初の概念図が表示されると、大規模言語モデルと外部ツールの連携について、私がすでにどの程度理解しているかを尋ねてきました。
これが重要なポイントです。ゼロから始めるのではなく、私の現在の理解度を把握しようとしていたのです。
私は、DegreedにおけるMCPの取り組みについて、いくつかの背景情報を共有しました。その反応は即座にそれを反映していました。私がすでに理解していることを示唆していた基礎的な内容については、改めて説明することはありませんでした。その代わりに、仕組みの説明へと移りました。MCPがどのように構造化された通信チャネルを構築し、意図と実行を分離し、生のAPI呼び出しでは実現できないような方法でスキーマを強制するかについてです。
私が具体的な質問（なぜモデルがAPIを直接呼び出すのではなく、MCPを使う必要があるのか？）を投げかけると、明確かつ具体的に答えてくれました。型の安全性。関心の分離。予測可能性。そして、私が尋ねるまでもなく、次のレベルの深みへと進んでいきました。
技術的な内容のあと、システムは確認のメッセージを表示しました。「さらに深く学びたいですか？より詳細な動画をご覧になりますか？クイズに挑戦しますか？それとも、振り返りの質問に移りますか？」
このコースは、ただ自動的に進行し続けるだけではありませんでした。私が次に進むために何が必要かを、自ら尋ねてくれたのです。
ダイナミックコースは、従来のアダプティブラーニング（適応型学習）とどう違うのか？
ほとんどのアダプティブラーニング（適応型学習）は、事前に作成されたマップに基づいて機能しています。システムはあなたの回答に基づいてどの分岐を選ぶかを決定しますが、その分岐はあらかじめ書き込まれているものです。異なる進路をたどる可能性があるという点ではパーソナライズされていますが、その進路はあなたが到着する前にすでに存在しています。
ここで私たちが模索しているものは、そのような仕組みではありません。これは、あなたへの反応としてリアルタイムで生成されるコンテンツであり、会話が進むにつれてビジュアルが自然に表示されます。質問は、あなたの具体的な思考プロセスや混乱した瞬間に合わせて作成されています。従来のアダプティブラーニング（適応型学習）では、それは不可能です。
学習にとってこれが意味すること
ここで私たちが構築したものを過大評価しないよう、慎重になりたいと思います。これは実験に過ぎません。AI Labsから生まれるものの多くは、AI Labs内に留まります。
しかし、この取り組みが重要な点を示唆しているとは思います。職場でのトレーニングに関して最もよく聞かれる不満は、コンテンツへのアクセスではありません。それは「関連性」です。従業員のほぼ80％が、自分の職務に直接関連したトレーニングを望んでいると答えています。しかし、既存のスキルや目標に即した具体的かつ個人的な文脈を持たないトレーニングでは、どうやってそれを実現できるでしょうか？トレーニング担当チーム、人材担当責任者、そしてマネージャーには、一人ひとりのためにそのギャップを手作業で埋める時間が常にあるわけではありません。
それはスケーラブルではありません。
受講者一人ひとりに合わせて自動的に構成されるコースこそが、この問題に対する一つの答えです。それは斬新だからというわけではありません（斬新さはやがて色あせてしまいます）。むしろ、迅速に有用かつ効果的な成果をもたらす可能性が高いからです。労働力は、変化し続ける世界に遅れを取らないための手段を必要としており、そのためには従来の学習方法にとらわれず、関連性が高くパーソナライズされた学習体験をより迅速に提供することを考える必要があります。
これこそが、真のパーソナライゼーションが最高の形で提供できるものです。想像するだけでワクワクする未来ですね。
私たちが開発しているものに興味をお持ちの方は、LinkedInで私Taylor Blakeまでご連絡ください。いつでも喜んでご説明いたしますし、私たちの実験の一部を実際に試していただけるよう、アクセス権をご提供することも可能です。
LENS 2026での私のセッションの全編録画は、AI experimentsページでご覧いただけます。
Taylor Blake
Tuesday, May 19th, 2026
