モスクワのある学校で、情報科の教師が既存のモジュールを組み合わせて、生徒の代数の誤答を分析し個別課題を提案するAIエージェントをわずか1週間で構築しました。特筆すべきは、その過程でプログラミングコードが一行も書かれなかったことです。
この手法は、A・N・レオンチェフとユーリエ・エンゲストロームが提唱した「活動理論」に基づいています。arXiv（abs/2605.12934）の研究者らは、主体、客体、道具、共同体、ルール、分業というシステムの6つの構成要素を活用することで、教育者がAIエージェント作成という抽象的な課題を具体的な行動手順へと変換できる仕組みを解説しています。
まず、教師は「テスト採点の負担軽減」といった客体を定義します。次に、Teachable MachineやLangChainのような既存のプラットフォームを道具として選択します。続いて、「生徒のデータは校内に留める」「教師の確認なしにエージェントが決定を下さない」といったルールを確定させます。同僚の共同体で活用シナリオを議論し、分業によって「データ担当」「倫理チェック担当」「授業への導入担当」といった役割を分担します。このような枠組みによって、教師にとってAIは「ブラックボックス」ではなく、制御可能なシステムへと変わるのです。
ロシアの3地域で行われたパイロット調査の暫定データによると、24時間の講習を受けた参加者の78％が、自身の専門教科に合わせたエージェントを自力で展開することに成功しました。ただし、サンプル数が少なく対照群も設定されていないほか、生徒の学業成績に対する長期的な影響はまだ測定されていません。専門家からは、アルゴリズムを深く理解していない教師が、エージェントの出力結果を盲信してしまうリスクを指摘する声も上がっています。
このアプローチは、AIツールの普及が進む一方で、教師たちがその習得に割ける時間が依然として不足しているという摩擦を浮き彫りにしています。エージェント作成が独立したプロジェクトではなく日常業務の一部となれば、導入のハードルは下がりますが、同時に外部プラットフォームやそのプライバシーポリシーに対する学校側の依存度が高まることになります。
今や重要なのは、教師がAIエージェントを作れるかどうかではなく、教育プロセスの主導権を維持するために、これらのツールの周囲にいかなるルールや共同体を構築できるかという点にあります。
