概要

• お客様： ベトナム国内で最も成功したEdTech企業の一社。100万人以上のユーザーを擁するオンライン学習プラットフォームを運営し、AIを活用した個別最適化学習およびIELTS試験対策を提供。
• 課題： IELTSの採点バンドに準拠した高品質な英作文評価とフィードバックを、スケーラブルかつ即時に提供できる仕組みが存在しなかった。
• ソリューション： Transformer（深層学習アーキテクチャ）およびLLMをベースとしたカスタムNLPモデルを複数開発し、自社プロダクト「バーチャル・プラクティス・ルーム」へ実装。
• 成果： AI機能リリース後の月次収益が約3倍に成長。採点・コメント作成コストを約50%削減。ゼロベースの開発から本番導入まで、わずか12週間で完了。

お客様について

お客様は、ベトナムにおいて最も成功したEdTech企業の一社として知られ、100万人を超えるユーザーが利用するオンライン学習プラットフォームを運営されています。AIを活用した個別最適化された学習機能や、IELTSをはじめとする英語試験対策コンテンツを軸に、急速な事業成長を続けてこられました。学習者一人ひとりに合わせた質の高い学習体験の提供を、サービスの根幹に据えていらっしゃいます。

導入背景・抱えていた課題

IELTSは、厳格な採点バンドに基づき評価が行われる国際的な英語試験です。お客様のサービスでは、学習者から提出された英作文を、

• 合格レベルに達しているか
• どの部分が基準を満たしておらず書き直すべきか
• どのように改善すれば、より高い評価につながる文章になるか

といった観点から、採点バンドに沿って一貫した品質で判断する必要がありました。

しかし、これを従来の体制で実現するには、いくつもの構造的な課題が存在していました。

• 採点者ごとの判断のばらつきにより、フィードバック品質が安定しない
• 提出物1件あたりの採点・コメント作成に多大な工数とコストが発生
• 学習者が求める「即時フィードバック」を継続的に提供することが困難
• ユーザー数の急増に対し、採点リソースの拡張がボトルネック化
• これまで複数のソリューションを検討するも、実用に耐える解決策には至らず

採点品質、コスト、スピード、スケーラビリティという複数の要件を同時に満たす仕組みの構築が、事業継続上の重要なテーマとなっていました。

求められた要件

お客様のビジネス要件をAMELAにて整理した結果、本プロジェクトでは以下の要件が定義されました。

• IELTSの採点バンドに準拠した、人手レベルに近い評価精度
• 学習者の提出から採点・フィードバック表示までの即時性
• 100万人規模、さらにその先の成長を見据えたスケーラビリティ
• お客様自身で運用・継続改善が可能な、自社所有可能なAIモデル
• 既存の学習プラットフォームへの円滑な統合と、運用負荷の最小化

AMELAのご提案・ソリューション

AMELAでは、要件分析からモデル開発、本番システムへの統合・リリースまでを一気通貫でご支援し、わずか12週間でフルカスタムのAIソリューションをお届けしました。AMELAが提供しているAI開発をはじめとするカスタム開発サービスの全体像については、サービス紹介ページをご覧ください。

1. 業務分析と要件定義

• IELTS採点バンドおよび評価基準を詳細に読み解き、AIで自動化可能な評価項目と、人間の判断を残すべき項目を切り分け
• お客様の既存学習データを精査し、モデル学習に活用可能なデータセット構造を設計
• 採点品質・処理速度・運用コストのバランスを定量的に検討し、技術選定の判断軸を明確化

2. カスタムNLPモデルの設計・開発

• Transformerアーキテクチャと最新のLLMフレームワークを基盤に、用途別の複数のNLPモデルをゼロベースで構築
• そのうちの一つとして、学習者の提出物から特定のトピックに関連する単語を自動的に識別するモデルを開発。これはIELTS評価における重要な観点の一つを機械的に再現するもの
• お客様自身がモデルを保有し、継続的にチューニングできるアーキテクチャ設計とすることで、外部ライセンスへの依存を排除

3. 「バーチャル・プラクティス・ルーム」への実装

• 学習者が模擬試験形式で英作文課題を提出
• AIが即時に採点を行い、点数とともに具体的な改善ポイントをフィードバック
• 単なるスコア表示にとどまらず、「どこを、どう書き直せば良くなるか」までを提示
• 競合他社のサービスにはない学習体験として、明確な差別化要素を実現

4. テスト・本番リリース・運用支援

• 実データを用いた精度検証と、フィードバック品質の継続的なチューニング
• お客様の既存学習プラットフォームとのシームレスな統合
• リリース後も効果測定・モデル再学習を継続できる運用基盤を整備

導入後の効果

定量的な成果

• 月次収益 約3倍 ― AI機能のリリース後、サービス収益が大幅に拡大
• 採点・コメント作成コスト 約50%削減 ― 学習者の提出物に対する評価業務を大幅に効率化
• 12週間で本番導入 ― ゼロからのカスタムAIモデル開発・既存システムへの統合まで、短期間で実現

定性的な成果

• 学習者がリアルタイムに高品質なフィードバックを得られる学習体験を確立
• AIモデルを自社資産として保有することで、外部依存を排除し、継続改善のための基盤を獲得
• 採点リソースのスケール課題を、人員ではなく技術によって根本的に解決
• 競合サービスとの差別化により、市場における事業ポジションをさらに強化

まとめ

本プロジェクトは、教育サービスにおける「採点」という極めて重要な業務領域を、AIで一貫して支援可能な仕組みへと再設計した事例です。お客様のビジネスにおいてコアとなるべきAI技術を自社資産として保有し、適切なパートナーと共に短期間で実装することが、収益・コスト・体験という複数の事業指標に直結することを示す結果となりました。

AMELAは、業務理解に裏付けられた要件定義力と、Transformer・LLMをはじめとする先進技術の実装力を組み合わせ、お客様のビジネス成長に貢献するソリューションをこれからも提供してまいります。

教育業界に限らず、AI・NLPを活用したカスタムソリューションの開発、または既存サービスへのAI機能組み込みをご検討中のお客様は、こちらよりお気軽にお問い合わせください。