あなたのコンプライアンス研修は『全員合格』と言う。私は、そうではないと知るモデルを作った。
ある銀行のコンプライアンス担当者が、以前、彼女の年次のマネーロンダリング対策（AML）再認定研修について私に一通り説明してくれた。コンプライアンス部門の500人、4時間のモジュール1本、全員に同じ内容が割り当てられていた——顧客デューデリジェンス、疑わしい取引の届出、仕組み取引の検知、貿易ベースのマネーロンダリング、制裁措置スクリーニング。最後に、彼女の学習システムは500個の緑のチェックマークを生成した。彼女はそれを、まるでレシートを見せるかのように私に見せた。
それから彼女は、以来ずっと頭から離れないことを口にした——その500人のうち、誰が実際に疑わしい取引の届出書を作成する方法を知っているのか、彼女にはまったくわからない、と。
そのギャップ——「完了した」と「わかっている」の間のギャップ——こそが、私が今、時間を費やして構築している企業研修向けの適応学習AIの理由のすべてだ。次に受講すべき講座を提案する推薦エンジン型ではない。診断型であり、知識トレーシングと呼ばれる技術に基づいて、各従業員が実際に何を——概念ごとに——理解しているかをモデル化し、彼らが問いに答えるたびにその推定を更新する。彼女のLMSは完了を追跡していた。彼女に必要だったのは、能力（コンピテンス）を追跡するシステムだった。私たちはその能力レイヤーを構築しており、それこそが、私のチームが日々取り組んでいるソリューションだ。
緑のチェックマークは、監査人に対して動画が最後まで再生されたことを伝える。だが、誰かが実際に仕事のやり方を身につけたかどうかについては、何も語らない。
「完了」と「わかっている」の間にある1,028億ドルのギャップ
米国企業は2025年に研修に1,028億ドルを費やした。前年の980億ドルからの増加だ——これはTraining Magazine誌の数字で、学習者1人あたり約874ドルに相当する。その資金の大半が買っているのは、完了データだ。企業向け講座の大多数がいまだに採用しているファイル形式であるSCORMは、合格・不合格・完了を記録する1.2仕様を軸に設計された。それだけだ。制作の質が高いだけの出席簿にすぎない。
じっくり考えてみると、私はこれを心底奇妙に感じる。私たちは20年間、研修の配信の最適化に費やしてきた——より洗練された動画、モバイル、マイクロラーニング——だが、その労力のほとんどは、研修が人の実践力を変えたかどうかを測定することには向けられなかった。Josh Bersin Companyは2026年2月に、AIが4,000億ドル規模の企業学習を一変させようとしていると論じる記事を発表したが、私の印象に残った統計はこれだ——AIネイティブな学習技術を実際に導入している企業は5%未満である、と。誰もがLMSを持っている。だが、その中に知能を備えている企業はほとんどいない。
そして、そのギャップのコストはもはや抽象的なものではない。Bersinのデータによれば、AIネイティブな学習を活用している企業は、財務目標を上回る可能性が6倍高い。その一方で、74%の企業が新しいスキルへの需要に追いつけていないと答えており、専門スキルの半減期は、2000年の約10年から、今日では5年未満にまで縮んでいる。私は、L&D（人材開発）チームがこの崩壊に対して、自分たちのツールが許す唯一の方法——より多くのコンテンツを、より速く送り出すこと——で対応する様子を見てきた。その衝動は理解できる。20年間、コンテンツを増やすことこそが、システムが私たちに与えてくれた唯一のレバーだったのだから。問題だったのはレバーではない。それらのどれかが機能したかどうかを測定するために私たちが使っている計器のほうだ。
私が最初に作ったバージョンは間違っていた——しかも、見た目は素晴らしかった
ここからは、私があまり誇れない部分だ。これを作り始めたばかりの頃、私はいちばん分かりやすいモデルに手を伸ばした。知識トレーシングの文献には、Deep Knowledge Tracing——DKT——と呼ばれるよく知られた手法があり、これは再帰型ニューラルネットワークの一種であるLSTMを使って、学習者が次の設問に正解するかどうかを予測する。定番の出発点だ。私たちはそれを組み上げ、インタラクションデータを与えた。すると、ダッシュボードは美しかった。上昇していく習熟度曲線、まずまず見栄えのする予測精度。
私はそれを披露する準備ができていた。それから私はあのAMLのユースケースに立ち返り、コンプライアンス担当者の本当の問いに答えようとした——この特定のアナリストは、どの概念をわかっていないのか？——だが、モデルはそれを教えてくれなかった。ある人が全般的に「うまくやっている」かどうかは教えてくれた。だが、「彼女は顧客デューデリジェンスは盤石だが、貿易ベースのマネーロンダリングは危うい」と、すっきり言い切ることはできなかった。
その理由を理解するのに、必要以上に時間がかかった。教育データマイニングのコミュニティによる2025年の論文が、静かに手厳しい指摘をしている——素のDKTが学習するのは能力であって、知識ではない——スキル単位で見れば、だ。それは概念レベルの習熟ではなく、「この人はテストが得意だ」という一般的なシグナルをモデル化している。さらに悪いことに、研究者たちは、訓練されていないRNN——ランダムな重みを持つネットワーク——が、一部のベンチマークで訓練済みのDKTモデルに匹敵しうることを示している。私の美しいダッシュボードは、ある意味で、雰囲気（ノリ）を測定していたのだ。
私が作り上げたのは、自信に満ち、精度が高そうに見えながら、プロジェクト全体がそもそも答えるために存在していた、たった一つの問いには答えられないモデルだった。
その月は行き詰まりのように感じられた。私は能力（コンピテンス）の証拠を約束しておきながら、自分が何について自信を持っているのかを知らない自信メーターを作ってしまったのだ。
なぜ私たちはメモリではなくアテンションの上に作り直したのか
突破口は、より新しい世代の知識トレーシングモデル——自己アテンション型のもの——からもたらされた。私たちはSAKT（Self-Attentive Knowledge Tracing）へ、次いで文脈を考慮したアテンション型の派生であるAKTへと移行した。これらのモデルは、学習者の全履歴を一つの再帰的メモリに詰め込むのではなく、アテンションを用いて、新しい設問ごとにこう問いかける——あなたの過去の解答のうち、今このスキルに本当に関係するのはどれか？AKTはさらに踏み込み、教育測定理論の考え方を取り込んで、進行に応じて難易度を調整する。
私が気にかけていたのは、実務上の見返りだった。SAKTはこれを約70万個のパラメータとAUC約0.80で実現する——効率的に動かせるほど小さく、信頼できるほど正確で、そして決定的に重要なのは、一つのぼやけた能力スコアではなく、概念ごとの習熟確率を出力する点だ。AKTは、シナリオが本当に個別化された指導を必要とする場合——コンプライアンス再認定研修はまさにそれだ——により適していることがわかった。企業データには、これらのモデルが構築された学術的ベンチマークに対して、ひそかな優位性がある。コンプライアンスのシーケンスは短く、かつ重大だ——長いシーケンスの予測を文献上の難しい未解決問題にしている、数千回のインタラクションから成る個別指導ログではない。論文が最も苦戦している点は、私たちにとってはたいてい問題ではないのだ。
そのとき初めて、AMLの例が本来あるべき形で描き出された。ヒートマップを思い浮かべてほしい——行は従業員、列は5つのAML概念、各セルはその人がその概念を習得している確率だ。この職務に8年就くベテランのBSAアナリストは、顧客デューデリジェンス、疑わしい取引の届出、制裁措置にわたって緑に光る——だが、貿易ベースのマネーロンダリングでは黄色（アンバー）に表示される。就任6か月の支店長は、どこも緑ではなく、SARの届出とTBMLでは真っ赤だ。同じモジュール、まったく異なるニーズ。
ベテランのアナリストは、明らかにわかっていることを再証明するために4時間も座っているべきではない。習得済みの概念を手早く確認し、その時間を唯一の弱点に費やすべきだ。新任の支店長には、確率が最も低いまさにその箇所で、足場（スキャフォールド）を組んだ、よりゆっくりとした経路が必要だ。私たちは、監査人に対して弁明できるしきい値を設定した——おおよそ0.75を超えれば、その概念は習得済みとみなして手短に確認する。中間の帯は、実際に学習が起こる、生産的な奮闘のゾーンだ。0.35を下回れば、いったん止めて、支援付きで補習する。モデルは、応答があるたびに、あらゆるセルを更新する。
500人の従業員全体で見れば、それは2,000時間の画一的な受講時間と、その半分程度の時間との違いになる——しかも最後には、より強力な証拠が得られるのであって、弱い証拠ではない。学習者1人あたり874ドルで計算すると、500人規模のコンプライアンス部門一つで回収される生産性は、年間で数十万ドルの下限あたりに達する。これは私が作り上げた予測ではない。Fulcrum LabsとAllegiant Airlinesは、研修時間が51日から23日へと——55%の削減——短縮され、事故と機器の損傷が60%減少したことを記録している。そして、これは銀行や航空会社だけの話ではない。同じ適応型アプローチを導入したあるグローバルな医療技術企業は、11万3,000人の学習者にわたって1万6,000時間を超える研修時間を節約し、ある医療機関はオンボーディングの時間を22%短縮した。テーマは変わる——患者データの取り扱い、機器のプロトコル、AMLの類型——が、診断上の問題は変わらない。米国トップ10のある銀行は、7万人を超える従業員にわたって適応型コンプライアンスを実施し、必須講座へのトラフィックが75%増加した。受講時間の削減は現実であり、それは私以外の人々によって証明されてきたのだ。
「Cornerstoneはもうこれをやっているのでは？」
これは毎回、私が最初に受ける質問であり、もっともな問いだ。2026年3月、Cornerstoneは、同社のGalaxy AIシステム内で「Adaptive Learning Agent（適応学習エージェント）」と呼ぶものを立ち上げた。Doceboは、スキル評価を付け足すために365 Talentsを買収した。業界全体が、箱に「AI搭載の適応学習」の印を押している。では、なぜわざわざカスタムで何かを作るのか？
というのも、「適応型」として売られているものの大半は、協調フィルタリングであって、知識トレーシングではない——そして、その違いこそが勝負のすべてだ。協調フィルタリングとはNetflix的な手口だ——講座Aを修了した人は次に講座Bを受講する傾向があった、だから講座Bをどうぞ、というわけだ。それはあなたの同僚が何をしたかに基づいて推薦する。知識トレーシングは、質的にまったく異なることをする——それがモデル化するのは、あなたが具体的に何を習得し、何を習得していないかであり、そのギャップを狙い撃ちする。一方は推薦エンジンだ。他方は診断エンジンだ。Cornerstoneのエージェントは次に何を学ぶべきかを推薦する——概念レベルの習熟は測定しない。Doceboのスキル追跡は、主として申告ベースか完了ベースだ——従業員が「知っている」と言うか、講座を修了したか、であって、実際に教材とどう関わったかから測定したものではない。
知識トレーシングを本当にうまくやっているベンダーも存在する。Fulcrum Labsは独自のエンジンと、それを裏づけるケーススタディを持っている。EdTech勢——2億5,600万ドルを調達したRiiidのような企業——は、本物の知識トレーシングモデルを持っている。だが、Fulcrumはあなたのコンテンツを自社プラットフォームへ移行することを求めるし、EdTechのモデルは標準化テストやK-12向けに作られたものであって、AMLのワークフローや監査証拠のためのものではない。では、Big Four（4大会計事務所）は？ DeloitteやPwCは、50万ドルから500万ドルの人材変革プロジェクトを回し、CornerstoneやSAPを見事に導入してくれるだろう。彼らはベンダーのプラットフォームを設定する。だが、適応型の知能は、依然としてあなたではなくベンダーのものだ。
大半の企業は、LMSを引き剥がす必要はない。彼らが必要としているのは、すでに持っているLMSに差し込める知能レイヤーだ。
それこそが、私たちが入り込んで作り上げるギャップだ——あなたの既存の学習システムの上に載り、オープンな標準規格を通じてそれと対話する知識トレーシングエンジン。粒度の細かいインタラクションデータを取得するためのxAPI、学習者を相互に受け渡すためのLTI。あなたはLMSをそのまま使い続ける。私たちは頭脳を付け加える。
本当のリスクはモデルではない——タグ付けだ
デモが決して口にしないことをお話ししよう。なぜなら、それこそが、この種のプロジェクトが成功するかどうかを実際に左右するものだからだ。適応学習の構築で最も難しい部分は、ニューラルネットワークではない。コンテンツのタグ付けだ。
知識トレーシングモデルがトレースできるのは、見える知識だけだ。あなたのコンプライアンスモジュールのすべての設問は、ある概念に対応付けられていなければならない——この項目は貿易ベースのマネーロンダリングを試し、あの項目は制裁措置スクリーニングを試す、というように——さもなければ、モデルには更新するものが何もない。企業コンテンツの大半は、単一の完了フラグを発するだけで概念構造をまったく持たない、SCORM 1.2パッケージの山として届く。xAPIへ移行するということは、Learning Record Store（学習記録ストア）を立ち上げ、データガバナンスとネットワークアーキテクチャを考え直し、そしてしばしばコンテンツを設問ごとにタグ付けし直すことを意味する。地味な作業であり、本当の労力が宿る場所であり、そして、適応学習はスイッチ一つで切り替えられるものだと言ってくる相手を私が警戒する理由でもある。
守れない約束でプロジェクトを勝ち取るくらいなら、私はそのことを最初から正直に伝えたい。モデルは、私が数週間であなたにお渡しできる部分だ。タグ付けは、私たちが一緒に取り組む部分であり、監査に耐える習熟の証拠を生み出すシステムと、より見栄えの良いチェックマークを生み出すシステムとを分ける部分でもある。
EU AI法は、完了トラッキングを無価値にするのか？
長い間、「能力（コンピテンス）対完了」は品質をめぐる議論だった——あれば良いが、予算を付けるのは難しい、というものだ。それが、EU AI法によって変わりつつある。AIリテラシー義務である第4条は、2025年2月2日から施行されており、各国の市場監視当局による監督は2026年8月2日に始まる。同条は、スタッフがその役割に応じた適切な形でAIリテラシーの研修を受けることを求めている——そしてEU自身のガイダンスは、万能の画一的な形式など存在しないと明言している。役割ベースであること、さもなければ認められない。
それが、緑のチェックマーク・モデルに何をもたらすか考えてみてほしい。「全員が同じAI倫理の動画を観た」というのは、まさに第4条が拒絶するために作られたものであり、高リスク規定に対する制裁金は最大3,500万ユーロ、または全世界売上高の7%に及ぶ。規制当局は、隣接する領域における研修の失敗に対して巨額の小切手を切る用意があることを示してきた——TD Bankは、不十分なAMLコンプライアンス・プログラムに関連して31億ドルの制裁金を科された。研修を見せかけとして扱うことのコストは、もはや仮定の話ではない。
始めた当初には予想していなかった第二の圧力があり、それはほとんど滑稽なほどだ。従業員たちは、AIアシスタントに頼ればコンプライアンスモジュールをすいすい通過できることに気づいてしまった——小テストに答え、「完了」をクリックし、何も学ばない。HR Morningは2026年にこれを報じ、Gartnerに至っては、批判的思考力の萎縮を理由に、2026年を通じて組織の半数が「AIを使わない」スキル評価を要求するようになるだろうと予測している。あなたの従業員が大規模に完了を偽装できるようになれば、完了はもはや何の意味も持たなくなる。唯一の持続的な答えは、ある人が実際に何を知っているかを測定すること——それこそが、知識トレーシングがそもそも作られた目的なのだ。
今、あのコンプライアンス担当者に伝えたいこと
人々は私に、よりによって研修などのために、これだけの手間をかける価値が本当にあるのか、と尋ねる——誰も楽しんでいない企業の義務を、これは過剰に作り込んでいるのではないか、と。私の答えはこうだ。私たちは20年間、それを過少にしか作り込んでこなかった、そしてそのツケが、二つの方向から同時に回ってきている——5年を割り込むまで崩れ落ちたスキルの半減期と、私たちがたいてい持っていない証拠を今まさに求めようとしている規制当局だ。研修のROIを測定できると感じているリーダーは、今日でさえわずか26%にすぎない。私たちが測定しないことを選んだものこそが、期限を迎えたものだった。
私はあの、500個の緑のチェックマークが並んだバインダーを思い返す。その悲劇は、研修が悪かったことではない。組織が実際の金と実際の時間を費やした挙句、自分たちが思っていたよりも少なくしか知らない状態に陥ってしまったことだ——それも確信を持って、書面で、監査証跡付きで。ベテランのアナリストは退屈し、新任の支店長は途方に暮れていた。そして、システムはその両方を成功として報告していた。
もし私が過去に戻って彼女に一つだけ手渡せるなら、それはより良い動画ではないだろう。それはあのヒートマップだ——500行、5つの概念、各セルは彼女が実際に弁明できる数字。「全員が合格した」ではない。もっと真実に近く、はるかに有用な何か——この一人ひとりが正確に何を知っているのかがここにあり、そして残りについて私たちがこれから何をするのかがここにある。それこそが私たちが構築しているシステムであり、これを続ければ続けるほど、「完了」など、実際に誰かが抱えていた問いへの答えでは決してなかったのだと、私はますます確信するようになっている。