听雨、凹非寺にて
量子位｜公式アカウントQbitAI
11月に入ると、科目選択の準備を始めた新学期高校1年生の家庭にとって、一連の悩みも一緒にやってくる。
科目選択は点数で見るべきか、それとも順位で見るべきか？ 賦分（換算点）はどう計算され、物理と化学は一緒に選ぶべきか？
折悪しく子どもの様子は、必ずしも親の決断材料になるとは限らない。生物の授業はつらいのにテストの成績は良く、地理の授業はよく分かるのに点数は高くない、といった具合だ。
さらに大学の専攻の要件や、学校が実際に開設している組み合わせも考慮すると、高校1年生の科目選択は、多くの家庭にとって取り組むべき課題となっている。
この問題は、科目選択の確定前に考えておく必要がある。異なる組み合わせはその後に応募できる専攻の範囲に影響し、子どもの将来の職業の方向性とも関わってくる。
志望校の志願を記入する段階になって、選考科目が希望する専攻の要件を満たしていないと気づいたら、当面の選択肢が制限されてしまう。
今、親は相談できる相手をもう一つ得た：AIキャリアプランナーだ。
まず子どもの学習状況と興味を把握し、さらに家庭の育成目標を確認した上で、教育知識と地域の政策を踏まえて、さまざまな選択肢の要件と準備事項を整理する。
さらに成長档案（成長記録）も備えており、キャリアプランニングサービスが子どもの継続的な成長に寄り添うことを可能にしている。
子どもの学業成績や興味に変化が生じた際には、システムが過去の記録を踏まえて再分析し、プランニングの提案を調整できる。
サービス範囲は科目選択をカバーするだけでなく、興味の育成や進学プランニングにも及ぶ。基本プランニングサービスは無料。
この製品はe生涯サービスプラットフォームで、OpenSpan生涯大規模モデルを基盤に構築され、海亮科服が提供している。
現在、海亮科服はAIを通じて、こうした専門的なコンサルティングをより多くの家庭に届けようとしている。
AIキャリアプランナーは、どこが専門的なのか？
市場でよく見かける汎用AIを使えば、子どもの科目選択の問題も解決できるのではないか、と思うかもしれない。
汎用AIも確かに参考を提供できるが、e生涯サービスプラットフォームは学生一人ひとりの具体的な状況に即して、より細かく、より的確なプランニングの提案を提供できる。
まずいくつかの具体例を見てみよう：
1つ目の質問：「子どもは小学5年生で、科学の授業にとても興味がある。これは何を意味するのか？」
この対話では、汎用AIがまず好奇心や学習方法などの観点から説明し、さらに子どもが科学の授業のどの部分が好きなのかを問い返した。
ユーザーは、どの部分にも興味があると補足した。その後、AIはいくつかの提案を行ったが、全体的にやや抽象的な内容だった。
次にe生涯を見てみよう。同じ質問を、今回は「特技発展専門家」が担当した。
まず実験・探究の観点からこの興味を解釈し、子どもは手を動かすこと、観察すること、検証することが好きで、「なぜ」と問い続けることもいとわないのではないかと分析した。
小学5年生という年齢段階に合わせて、探索できる方向性をいくつか挙げた。例えば、ドローンで手作業による組み立てを体験し、科学の知識を実際の操作に活かすこと。プログラミングでコードによってアイデアを実現すること。ロボットは手作業とプログラミングを組み合わせたものである。
続いて、我々は補足した：子どもは以前、書道とピアノを学んだが、どちらもあまり興味が持てなかったと。
e生涯はこの経験を分析に取り入れ、活動形式の面から原因を探ろうとし、さらに子どものその他の好みと家庭の予算を問い返した。
我々はさらに条件を提示した：年間予算は約1万元で、子どもは運動も比較的好きであると。
今回、e生涯は活動をどのように組み合わせ、投入をどのように配分するかをさらに掘り下げて議論した。
1万元の予算内では、まず科学の実践系の一分野、例えばドローンかロボットに集中して投資し、その上でコストが低く続きやすいスポーツを1つ選び、日常の補完とするよう提案した。
具体的にはドローンについて、入門用の機材と講習への投資にも言及しており、スポーツについては施設利用料と日常練習のしやすさを考慮に入れるよう助言している。
組み合わせの方針も次第に明確になってきた：科学的な手作業系の活動に予算の大部分を配分し、スポーツは日常の補完として、子どもの科学と運動への関心の両方に対応する。
数回のやり取りを経て、最初の「子どもが科学の授業が好き」という一言が、より具体的な育成の議論へと展開していった。保護者はこれを受けて、まずどの方向を試すか、お金を主にどこに使うかを検討し、実際の体験を通じて子どもが続けたいかどうかを観察することができる。
私たちは2つ目の質問も実際に試した：「490点でどうすれば本科（学部）に入れるのか？」
ユーザーの子どもは高校2年生で、歴史・政治・生物を選択している。
まず汎用AIの回答を見てみると、同AIは「どうすれば学部に入れるか」という相談の焦点を、「どうすれば点数を上げられるか」へと移した。
いくつかの大学と進学ルートを列挙してはいるものの、家庭の予算や受け入れ可能な大学の範囲といった条件をさらに確認せず、また異なるルートの出願要件を十分に照らし合わせないまま、各教科の点数アップ課題を割り当て始めた。
ユーザーは学習アドバイスを得たものの、まだ分からない点が残る：成績が中下位にとどまる場合、どの学部進学ルートをさらに調べる価値があるのか、またどの準備を高校2年生の時点から始めるべきなのか。これらはいずれも学生の具体的な条件に基づいた判断が必要だ。
e生涯はまず国内進学を軸に回答を展開し、能力向上や志望校選択について論じ、浙江省の「三位一体」総合評価募集など、さらに調べる余地のある方向にも言及した。
（注：「三位一体」とは浙江省の大学入試方式の一つ。大学は受験生の統一高考（全国共通試験）の成績、高校学业水平考试（学力水準試験）の成績、総合素質評価の成績を一定の割合で換算し、総合成績によって優秀者を選んで合格させる）
選択の範囲をさらに広げたらどうなるだろうか？
私たちはさらに質問を重ねた：「海外留学を考慮する場合はどうか？」
このとき、画面上の対応ロールは「進学指導専門家」から「留学カウンセラー」に変わり、回答も留学準備の方向へと転換した。
まず国内の高考と留学の初步的な比較を行い、出願準備や費用などの違いを示した上で、さらに家庭の具体的な条件を尋ねた。
その中で、予算は比較的前の位置に置かれていた：家族は年間どれほどの費用を負担できるか？ 特に行きたい国や、学びたい専攻の方向はあるか？
こうした質問は、その後どの国について話し合い、どの出願ルートを比較するかに影響し、今後さらに補足すべき情報も決定する。
その後の回答では、e生涯は異なるルートごとに内容を整理し、それぞれのマッチングの根拠と準備事項を説明するとともに、その年の試験院および募集大学の公式規定を基準とするようユーザーに注意を促した。
保護者はそのうちの一つの方向を選び、相談をさらに展開することもできる。
ここでの汎用AIとの違いは、e生涯が点数に関する質問を、家庭の状況と結びつけて一項目ずつ確認すべき計画の問題へとさらに分解した点にある。。
もちろん、相談が専門的かどうかの判断には、より体系的な評価基準が必要だ。
海亮科服によると、e生涯チームはこのために、キャリアプランニングのシーンに向けた評価基準を独自に策定したという。
評価では、プロフィール情報が完全に収集されているか、ユーザーの真のニーズを理解しているかをチェックし、専門知識の正確さ、プランニングの推論と結論の合理性、そしてコミュニケーションとサービスの能力を評価する。各次元は0から3点のスケールで採点し、重み付けが行われる。
そのうち、r43バージョンの一回の内部評価では89件の対話を対象に、結果の得点が2点に達することを利用可能の基準とし、全体の可用率は92.1%だった。。
この指標が測るのは内部テストにおける相談のパフォーマンスだ。キャリアプランニングにおいて、評価で注目すべき具体的な問題はいくつかある：重要な条件の抜け漏れがないか、推薦の根拠を明確に説明できるか、提案が子どもの実際の状況に合致しているか。
ただし、こうした相談プロセスを科目選択に活用するには、子どもの情報と専攻の要件、地域の政策をさらに関連付ける必要がある。
そこで、e生涯の背後にある知識体系とワークフローについて語らなければならない～
科目選択という問題から、AIがいかにプランニングを行うかを見る
高校1年生の科目選択に戻ると、ある組み合わせが適しているかどうかの判断は、子どもの現在の学習状況を見るだけでなく、それがどの専攻の選択に対応するか、そして子どもがその方向に沿って学び続けたいと思うかどうかも考慮しなければならない。
OpenSpanはこれらの関連をまとめ、一枚の自主的意思決定パノラマ図に整理した。
学習への向き合い方や特技の育成を出发点として、図の中の経路は異なる学習段階に沿って展開し、上へと進学方式につながり、さらに大学の専攻と職業の方向へと延伸していく。
すでに目標を持っている生徒は、学びたい専攻から逆にたどり、関連する科目選択の要件や、現段階で必要な準備を知ることができる。まだ明確な方向性を持っていない生徒は、得意科目や興味から出発して、可能性のある発展経路を探ることができる。
こうすることで、目の前の科目選択にはより完全な参照基準が得られる。保護者はさらに議論を深めることができる:ある組み合わせが子どものどのような特徴に合致するのか、そしてその後のどのような選択に影響を及ぼすのか。
この図も、OpenSpanナレッジグラフの可視化表現である。
e生涯チームの説明によると、図中の関連構造と自律的意思決定ポイントは、プランナー（キャリアコンサルタント）の方法論の長年にわたる蓄積によるものだという。チームはこれらの経験を、システムが検索・推論できる関係として整理し、専門知識ベースも併せて構築した。
ただし、これらの知識を具体的な一人の子どもに適用するには、コンサルティングのプロセスを適切に組織する必要がある。
e生涯チームの説明によると、システムは会話から事実情報を抽出し、学生プロファイルを形成する。たとえば、所在する省は適用される政策に関わり、学習のパフォーマンスは現在の強みを分析する際の参考となる。ユーザーが情報を追加するにつれ、プロファイルも更新される。
その後、システムはコンサルティングの意図を識別し、質問を対応する専門エージェントに割り当て、専門スキル、すなわちSkillを呼び出して後続のステップを組織する。
プランナーの経験は、ここでさらに実行可能なコンサルティングルールへと分解されている。
各Skillには対応するトリガー条件があり、どの事実を収集し、どの知識を使用するかを定め、推論の制約と出力要件を設定している。科目選択、特技の育成、進学経路の推奨は、それぞれの専門プロセスに沿って展開できる。
前述の事例で、システムがなぜ家庭の予算をさらに尋ねたのか、なぜ育成目標の確認が必要だったのかは、裏にこうしたプロセス設計が関係している。これらの情報は、その後の経路の適合性を判断する条件となる。
政策情報は継続的なメンテナンスが必要だ。e生涯チームの説明によると、システムは試験院や大学の admissions 事務室などの公開データに接続し、更新メカニズムと専門家による審査プロセスを設けている。検索時には、構造化された知識関係と政策文書が組み合わされ、提案に検証可能な根拠を提供する。
政策が変化した後は、関連する知識とルールもそれに応じて更新でき、期限切れの情報がコンサルティングに与える影響を減らせる。
科目選択には、見落とされやすいもう一つの問題がある：子どもの状況は変化する。
高1上学期の数回の試験だけでは、子どもの長期的な学業成績を必ずしも反映できるとは限らない。学習が深まるにつれ、子どもは新たな興味を見つけることもあれば、元の専攻目標を考え直すこともある。その後のコンサルティングでは、これらの変化を踏まえて議論を続ける必要がある。
これこそが、e生涯が成長档案を設けた理由である。
档案（ファイル）は子どもの学業状況を継続的に記録し、興味のテストや家庭の意向と組み合わせて、パーソナライズされた回答の参考を提供する。製品設計では、会話中の関連情報も抽出されてプロファイルに更新され、その後のセッションで利用できるようになっている。
たとえば、ある生徒は最初は科学が好きだということしか分かっていなかったが、その後プログラミングを試し、次第に興味のある専攻の方向性が明確になっていった。こうした新たな経験は、次回のコンサルティングの背景となり得る。提案もそれに伴って見直す必要がある。
科目選択の後も、子どもの成績や考えは変化し得るため、プランもそれに合わせて調整しなければならない。
e生涯は過去のコンサルティング情報を保持し、親が次に問題に直面したときに会話を続けられ、子どもの新しい状況に応じて提案を調整できるようにしたいと考えている。
人生の大事な決断には、どのようなAIが必要か？
多くの資料を調べたのに、それでもどのアドバイスが自分に適しているか分からない。こうした困惑は、子どもの科目選択から、家庭の健康管理や高齢者ケアにまで及んでいる。
こうした選択は、しばしばその後数年間にわたる家庭の生活に関わり、調整にもコストがかかる。異なる意見に直面した際、ユーザーは判断の根拠を知る必要があり、自分の状況がアドバイスの適用条件に合致しているかを理解する必要もある。
経験豊富な専門家は、ユーザーがこれらの問題を整理するのを助けてくれる。しかし、サービスをより多くの人に継続的に提供しようとすると、時間とコストの制約に直面する。同じ質問でも、家庭の背景が変われば、コンサルティングのプロセスと提案も調整し直す必要がある。
AIがこれらの民生分野に入ったとき、一つの家庭の具体的な状況を理解できるかどうかが、その有用性を測る重要な基準となる。
ユーザーは、情報の照合を助けてもらい、異なる方案（プラン）の条件と代償を説明してもらい、状況が変化した後も議論を続けてもらうことを必要としている。
医療健康のシナリオでは、提案には個人の既往記録を組み込む必要があり、どの情報をさらに確認すべきかを明示しなければならない。養老（高齢者介護）のシナリオでは、家庭が実際にどのような介護を提供できるかも考慮する必要がある。
教育にも同様の要求がある。子どもの成績は変化し、興味や目標も調整されるため、その後のコンサルティングでは、これらの変化が生じた過程を把握する必要がある。
これらのシナリオは共通して、AIに専門知識と個人の状況を結び付け、継続的な交流の中で判断を更新することを求めている。
これは、垂直分野のAI製品が、信頼できる領域知識を維持し、ユーザーが提供した事実を分析に組み入れ、専門プロセスに沿って段階的にニーズを明確にする必要があることを意味する。実際のサービスで明らかになった漏れや誤解は、知識とプロセスの改善にフィードバックされる必要がある。
海亮科服の取り組みも、この背景の中で理解することができる。
従来のキャリアプランニングサービスでは、真人（実在の人物）によるコンサルティングがチームに判断方法の蓄積をもたらし、テストや照会ツールは一部の経験を再利用可能なサービスへと転換した。
今、OpenSpanとe生涯はこうした知識と方法をAI相談に組み込み、より多くの家庭が自然言語での対話を通じて、自分の選択肢を少しずつ整理できるようにしようとしている。
教育で培った蓄積の役割も、この過程で具体的になってくる。相談の際にどの質問を先にすべきか、保護者がどの条件を見落としやすいかは、いずれも製品設計やその後の改善の根拠となりうる。
こうしたサービスをより多くの家庭に届けるには、利用のハードルを下げる必要もある。
海亮科服によると、e生涯の基本プランニングサービスは無料である。継続的な専門的指導を受けにくい家庭、県域の家庭を含め、これは進路を知り、条件を確認する入り口が1つ増えたことを意味する。
高1の科目選択の話に戻ると、アドバイスの価値は最終的に、子どもと保護者が選択の根拠を理解でき、次に何を準備すべきかを知り、新しい状況が生じた際に調整を続けられるかに表れるはずだ。
こうした支援がより早く、より広く多くの家庭に届くことこそ、AIが人生の選択に関わる際に期待できる社会的価値のひとつでもある。
—完—
@量子位 · AI技術と製品の新動向を追いかける
深く共感した方は、賛同・フォロー・シェアの三連お願いしますվ’ᴗ’ ի ❤