2019年、私立大学として日本で初めての「データサイエンス学科」を設置し、AI・データサイエンス教育のフロントランナーとして注目を集める武蔵野大学。同大学では、文理の垣根を越えて全学部の学生がAIを学べる「副専攻（AI活用エキスパートコース）（以下、AI副専攻）」や、通信教育課程におけるユニークな「AI先輩」プロジェクトなど、先進的な取り組みを次々と打ち出しています。今回は、これらの取り組みを牽引する武蔵野大学 スマートインテリジェンスセンター（MUSIC）センター長の林 浩一教授に、その教育と実践の裏側について詳しくお話を伺いました。
「誰のために作るのか」から始める。文理の垣根を越えた超実践的AI教育
Q. まず、多くの学生が履修しているというAI副専攻についてお伺いします。どのような特徴を持つプログラムなのでしょうか？
林さん: この副専攻の最大の特徴は、工学部やデータサイエンス学部の学生だけでなく、経済学部や人間科学部、さらには看護学部の学生まで、あらゆる専門分野の学生がAIやデータサイエンスを学べる点にあります。目的は、単にAIの技術を学ぶことではありません。それぞれの主専攻の知識とAIを活用するための知識・スキルを融合することで、社会課題をどう解決していくかを考えることに重きを置いています。
AI副専攻の履修生は、ゼミや卒業研究が本格化する３年生の前期までに、コースの総仕上げとして各自が考案したAI活用テーマを教員の指導の下で追究し、成果物を組み立てる「人工知能実践プロジェクト」に取り組みます。
例えば、昨年度は「セルフ・コンパッション（自分への思いやり）」をテーマにアプリ開発に取り組んだ学生がいます。彼女は人間科学科で心理学を学んでおり、その知識を活かして「自分への思いやり」を育むためのアプリ「BlooMe（ブルーミー）」を制作しました。そして、作ったサービスを他者に使ってもらい、その結果を分析して発表するところまで授業内で行っています。このように、学生自身の主専攻を起点に、自分のできる範囲でテーマを設定し、サービス開発の第一歩を踏み出してもらうのです。
私たちが最も重視しているのが、「誰のために作るのか」という視点です。私たちはこれを「ペルソナ」と呼んでいますが、どんな人が、どのような状況で、どのようにそのサービスを使うのかを徹底的に設計させます。技術的な話以前に、まず利用者の視点に立ち、その人に何を伝えたいのか、どんな行動を促したいのかを考える。半期という短い制作期間ですが、社会に出てから企業で行うようなサービス開発のプロセスを、ミニマムな形で一通り体験してもらうことを目指しています。
Q. 非常に実践的な内容ですね。専門が多岐にわたる学生たちを指導するのは大変ではないですか？
林さん: 確かに、学生の興味関心は本当に様々です。だからこそ、手厚い指導体制を整えています。常勤の教員に加え、ほぼ同数の非常勤の先生方にも協力いただき、全体で10名以上の体制で指導にあたっています。これにより、一人ひとりのテーマに寄り添ったきめ細やかなサポートが可能になっています。
AIエキスパートコース（副専攻）のカリキュラム概要
| 時期 | フェーズ | 主な科目・内容 | 学習のポイント |
| 1年生後期 | 基盤 | 情報技法基礎、プログラミング基礎 | １年生前期（全学必修）の「データサイエンス基礎」「人工知能基礎」の発展として本格的な情報活用とプログラミングの基礎を学ぶ。 |
| 2年生前期 | 基盤 | 情報技法発展（データ分析力、DX提案力、企画構想力、論理リテラシー）、プログラミング発展（Python、JavaScript） | 実世界のデータ（文房具店のPOSデータ等）を使い、Tableauやkintoneを用いた分析・DX提案を体験。PythonやJavaScriptを用いたプロトタイプ開発の基礎を学ぶ。 |
| 2年生後期〜3年生前期 | 専門・実践 | 人工知能技術と社会、メディアデザイン、サービスデザイン、機械学習活用、データサイエンス活用、人工知能実践プロジェクト | 外部の実務家（IT・AIコンサルタント・システム開発会社の経営者、事業会社のDX部門・開発部門等）から最新事例を学ぶ。利用者視点を徹底的に養い、各自のテーマでサービス開発を行いポスター発表で成果をまとめる。 |
Q. カリキュラムの中で、特に「これは面白い」と感じる特徴的な授業はありますか？
林さん: すべての科目が実践的ですが、いくつか挙げるとすれば、まず２年生の前期に履修する「情報技法発展」の授業ですね。ここでは、実在する高級文房具店の直近の数万件の売上（POS）データを学生に共有します。その膨大な売上データをTableauを使って分析し、そこから何をすべきかを考えさせるのです。また、kintoneのようなビジネスツールを実際に使って業務フローを設計し、DX提案書を作成させるといった、極めて実務に近い課題にも取り組ませています。
もう一つは、２年生の後期に開講している「サービスデザイン」という科目です。これは対面授業で行うのですが、「ゴミ箱で人を幸せにするには？」といった、一見すると無茶な課題を学生に投げかけます。本学のブランドステートメントである「世界の幸せをカタチにする。」という理念を、身近な「ゴミ箱」というテーマでどう実現するか。学生たちは楽しみながらペルソナを設定し、ストーリーボードを作成して提案します。このプロセスを通じて、徹底的に利用者視点を身につけてもらうことが狙いです。
生成AIは「先生」にはなれない。孤独な学びを支える「AI先輩」という発明
Q. 次に、通信教育課程で導入されている「AI先輩」についてお伺いします。非常にユニークな取り組みですが、どのような経緯で始まったのでしょうか？
林さん: きっかけは、あるコンサルタントから「今話題の生成AIを使って、AIが教えるコースを作ってはどうか」と提案されたことでした。しかし、私は即座に「先生役は無理でしょう」と答えました。なぜなら、生成AIは人間より物知りで説明も上手いかもしれませんが、その内容が間違っている可能性を常に孕んでいて、責任も持ちません。そんな不確かな存在に「先生」という指導に責任が伴う役割を担わせることはできない、と考えたのです。
では、生成AIが担える役割は何か。そう考えた時に思いついたのが「先輩」でした。先輩であれば、少々間違ったことを言っても「まあ、先輩だしな」と許してもらえそうですし、教えてくれた内容に責任を持つことを期待しません。それでも、孤独になりがちな通信教育課程の学生にとっては、気軽に話せる相手がいることは学習継続の助けになるのではないか、という考えもありました。
Q. 「AI先輩」は具体的にどのように機能し、学生からはどのような反響がありましたか？
林さん: 最初のバージョンは、ChatGPTをカスタマイズして構築しました。通信教育部の学生が利用している縁（えん）バースキャンバス（メタバースキャンパス）の中にAI先輩のアバターを配置し、学生がクリックするとチャット画面が開く仕組みです。チャット画面には「間違えちゃったらごめんね」とあらかじめ表示してあります。個人的には、この一言が一番のブレークスルーだったと思っています。
AI先輩は、指定された教科書の内容について質問に答えてくれます。その際、教科書に書かれている客観的な内容と、「これは僕の考えだけど」と語られる個人的な意見を分けて提示するように設計しました。これはAI先輩を信頼しすぎないように意図的なバイアスを与えることによって、「間違っていたらごめんね」というスタンスを貫くための工夫です。
学生からのフィードバックは非常に良好で、「一人で学習していて分からない時にすぐ聞けるのがありがたい」「非常に役に立った」といった声が多く寄せられました。一方で、やはり間違いもあります。特に、武蔵野大学特有のスクーリング情報のように、学習データが極端に少ないテーマについては、誤った回答を生成してしまいました。これは生成AIの特性上、仕方がないことです。こうした経験から、やはりAIに「絶対に正しいこと」を教える先生役は無理だという確信を深めましたね。現在はPoC（概念実証）の段階を終え、学生に受け入れられるという確信が持てたので、今後はより親しみやすいUIを開発するなど、本格的な実装に向けて動いているところです。
大学時代のつながりがキャリアを拓く。副専攻教育がもたらす未来
Q. 最後に、これらの先進的な教育を受けた学生たちの、その後に何か変化はありましたか？
林さん: 副専攻の1期生が社会に出て２年目になりますが、早くも同窓会のような組織が作られ、卒業後も続く強固なつながりが生まれつつあります。これからの時代、一度就職した会社でキャリアを終える学生は少ないでしょう。10年以内に2社目、3社目へと移っていく中で、専門分野の垣根を越えて大学時代に築いたこのつながりは、彼らにとって非常に重要な財産になるはずです。私たちはそこまで見据えて、この副専攻を運営しています。
就職活動においても具体的な成果が出ています。例えば経済学部の学生たちはこれまでIT系の企業への就職実績があまりなかったのですが、副専攻を修了した1期生、2期生の経済学部生は、約半数がIT関連企業に進むといった事例も生まれており、大変嬉しく思っています。AIをツールとして使いこなし、常にお客様の視点に立つという学びが、彼らのキャリアを力強く後押ししているのだと実感しています。
