インタビュー

ウェストクリフ大学の学長兼CEO、アンソニー・リー博士 — インタビュー

Antoine Tardif
Unite.AI を Google の優先ソースに追加
要点現在、労働力の準備には、AIの出力に対する人間の監視と説明責任を伴う判断が求められています。
もっと見る
  • 現在、労働力の準備には、AIの出力に対する人間の監視と説明責任を伴う判断が求められています。
  • AIリテラシーは、追加的な要素として扱われるのではなく、あらゆる分野のカリキュラムに織り込まれる必要があります。
  • 評価は、単なる自動化された生産だけでなく、本物の推論力と応用力を測るものでなければなりません。

アンソニー・M・リー博士は、カリフォルニア州アーバインにあるウェストクリフ大学の学長です。ウェストクリフ大学は、アメリカで最も急成長している大学の1つで、過去10年間で学生数を数百人に満たない規模から3,000人以上に増やしています。リー博士は、アメリカおよび国際的なさまざまな大学や学校でリーダーシップの役割を果たしてきました。革新的なハイブリッドおよびオンラインプログラムの専門家であるリー博士は、従来のキャンパスベースの授業にテクノロジーを融合させ、学習体験を強化する新しいプログラムを立ち上げました。彼は、大学およびK-12レベルの認定プロセスを通じて学校を率いてきました。これまでの経験を通じて、リー博士はマーケティング、財務、運営、コンプライアンス、認定など、高等教育の重要な分野で指導力を実証してきました。

生成AIと自動化の時代に、就業準備の定義はどのように進化していますか。

就業準備とは、従来、技術的な能力と、定義された役割内で直ちに貢献できる能力を意味しました。生成AIの時代に、その定義は、仕事そのものの性質が変化しているため、十分ではありません。

今日の就業準備とは、人間と機械の間で知能が分散され、ツールが継続的に進化し、作業の遂行がますます技術によって支援される環境で効果的に機能することを意味します。競争上の優位性は、単にタスクを実行する方法を知っていることだけではありません。問題を定義する方法、AIの出力を監督する方法、仮定を疑う方法、現実の制約下で判断を適用する方法を知っていることです。

タスクの実行から認知的監督への移行を目撃しています。初級作業は再定義されています。ルーチン生産は自動化できますが、責任は自動化できません。そのため、批判的思考、倫理的推論、文脈認識、AIの出力を説明責任の伴う意思決定につなげる力が、いっそう重視されます。

ウェストクリフでは、就業準備を、ドメインの専門知識、AIを使いこなす力、規律ある人間の判断の統合と見なしています。学生は、生成システムがどのように機能するか、どこで効果を高められるか、どこでリスクをもたらすかを理解する必要があります。何よりも、学生は知的責任を外部に委ねずに、これらのシステムと協働する方法を学ぶ必要があります。

私たちの応用学習モデルは、実際の状況で新しいテクノロジーに体系的に取り組むことを中心に設計されています。目標は、ツールの熟練だけではありません。適応可能な能力、ツールが変わるにつれて効果的に機能し続ける能力です。

この時代に、AIと競争するのではなく、AIを思慮深く導き、厳しく疑い、AIが影響を与える結果に対して責任を負うことができる専門家が際立つでしょう。これが、現在の就業準備に求められることです。

AIを付加機能として扱うのではなく、カリキュラムと組織全体で真剣に受け止めるとは、どういうことですか。

AIは単なる教育ツールではなく、教育の構造そのものを変えます。

真剣な対応は再設計から始まります。各分野は生成システムが職業上の期待をどう変えるかを検討し、AIで強化された熟達とは何かを定義しなければなりません。評価も成果物だけでなく、推論と応用能力を測る必要があります。

同時に組織の一貫性が必要です。AIリテラシーを孤立した授業へ閉じ込めず、教員育成、ガバナンス、評価戦略、ベンダー監督を「技術は学術の質を弱めず強化する」という原則のもとで揃えます。

そこでAIは大学の知的インフラの一部となり、学習の構成、習熟の証明、人間の判断と機械の能力が並存する職場での大学の信頼性を形作ります。Westcliffはこの考えで前へ進んでいます。

基礎的な人間の技能と、AIと効果的に働く教育をどう両立しますか。

これはトレードオフではありません。生成AIはむしろ人間の基礎能力の価値を高めます。

日常的な知的生産が安価になるほど、差を生むのは高次の推論です。批判的思考とは良い問いを立て、機械の出力を吟味すること。判断とはシステムを信頼する場面と立ち止まる場面を見分けること。倫理は、知的システムを大規模に使う結果を理解する実践的課題になります。

学生はAIが存在する環境で考える必要があります。プロンプトは入口にすぎず、認知的な監督こそ深い技能です。卒業生は知的システムから情報を得ても、それに決定されない結論を説明し、擁護できなければなりません。

ウェストクリフではAIを使いこなす力を、基礎技能を強めるものとして扱います。学生は知的なツールを使いながら、明確さ、信頼性、結果に対する責任を持ち続けます。長期的に際立つのは、知的な深さと技術への柔軟な対応力を兼ね備えた専門家です。速度と規模はAIが提供し、見極め、責任、リーダーシップは人が担います。

高等教育のどこがAIによる破壊に最も弱く、どこが意外に強いのでしょうか。

最も弱いのは情報伝達と標準化された成果物に依存する領域です。講義の配信や制作物だけを測る評価が中心なら、AIによってすぐに見直しを迫られます。

一方、体系的な成長、指導、応用実践、チームワーク、臨床学習、職業的アイデンティティ形成を中心とする教育は強い。AIは支援できますが、フィードバックと説明責任を通じた成長を置き換えられません。

分かれ目は設計です。自らをコンテンツ提供者とみなす大学は脆弱ですが、推論、応用能力、測定可能な成長を中心とする意図的な学習システムは高い価値を保ちます。AIは資格が何を表すべきかの基準を引き上げています。

AIが技能習得までの時間と参入障壁を下げる中、学位はどう再設計すべきですか。

技術技能の習得が速まるほど、大学は学位がどこで価値を加えるかを明確にする必要があります。道具が作業能力を加速するなら、高等教育は概念的な深さ、体系的な問題解決、倫理的判断、制約下で持続する実行力など自動化しにくいものへ集中すべきです。

学位はモジュール型かつ応用的でありながら、一貫していなければなりません。技術的流暢さ、推論、適応力を積み重ねて統合することが目的です。AIが入口を広げるなら、大学は統合、判断、実証能力の基準を高める必要があります。学位は単に学んだ経験ではなく、長く通用する能力を示すものでなければなりません。

Westcliffは学位を固定された直線経路ではなく動的な生態系と考えます。積み上げ可能な資格と段階的な進路により、産業が変わるたび学習へ戻りながら一貫性と厳密さを保てます。柔軟性は重要ですが、知的な進歩はさらに重要です。

評価と資格認定でAIはどんな役割を担いますか。

AIは、従来の評価の多くが理解ではなく制作を測っていた事実を露呈させます。最小限の労力で自動化できる課題なら、そもそも推論を測っていたのか問う必要があります。

評価は口頭での説明・擁護、状況別問題解決、反復的な改善、応用シミュレーション、思考過程が見えるポートフォリオなど、本物の能力実証へ移るべきです。重要なのは成果物だけでなく、その背後の認知過程です。

Westcliffでは学生がリアルタイムに推論を説明し擁護する口頭・反復型評価へ移行しました。AIは適応的な問いや大規模フィードバックを支援できますが、設計責任は人に残ります。大学はモデル出力ではなく学習者の認知を評価しなければなりません。

資格認定は在席時間の累積より検証された能力へ移っています。雇用主は応用力と責任ある判断の証拠を求めており、評価を先回りして再設計する大学ほど学位の信頼性を高められます。

慎重に導入すれば、AIは学術基準を引き上げるべき箇所を明らかにします。

教育と運営へAIを導入するとき、ガバナンスと監督をどう考えますか。

学術の質と組織の信頼性へ大きく影響する他のシステムと同じように扱います。目的、境界、責任線を明確にすることが出発点です。

監督は革新が信頼を損なわず強めるようにします。厳格なデータプライバシーとセキュリティ、学生の結果に影響するシステムの偏り・公平性審査、使用ツールとデータ処理の透明性が必要です。

昔の前提ではなく現在の現実に合わせて学術倫理の枠組みも更新し、導入が断片的・反応的にならず、意図的に学習目標と整合するよう教員育成を行います。WestcliffのAI支援評価では監督を設計に組み込み、教員が実装を見守り、影響を評価し、証拠に基づいて改善しました。ベンダー評価も一度きりではなく継続的です。大学は学術基準と学生の保護に適合しているかを定期的に再評価しなければなりません。目的は責任ある革新です。

AIを取り巻く誤解について、教育者が最も一般的に持っているものは何ですか。また、どのような心構えの転換が必要ですか。

2つの誤解が繰り返し表面化します。1つは、AIは主に不正行為の問題であるというものです。2つ目は、AIは単に生産性ツールであるというものです。どちらか一方だけでは捉えられません。より基本的に、それは知識が生成され、評価され、適用される方法の変化を反映しています。

機関がAIを不正行為の問題としてのみとらえるとき、それらは制限に頼ります。機関がAIを単に効率ツールとしてのみとらえるとき、それらはその影響を過小評価します。より重要な質問は、AIが存在する環境で推論が可視化され、説明責任を伴う状態を保つには学習をどう設計すべきかということです。

必要な心構えの転換は、コントロールから設計への転換です。これにより、教員は、判断、統合、応用力を強調する学習体験のアーキテクトになることができます。

大学の支援、共通の実践、一貫したガバナンスがあれば、教員は、AIによって十分に考えられた教育実践の水準が上がり、教育設計がこれまで以上に重要になる状況へ進んでいけます。

大学は、AIがエントリーレベルの仕事を再定義し、役割が流動的になる労働市場で学生をどのように準備させるべきですか。

エントリーレベルの役割は、従来、ルーチン作業タスクのトレーニングの場として機能してきました。多くの分野で、AIは現在、初期段階の仕事の多くを吸収しています。したがって、卒業生は、より高いレベルでより早く機能することが期待されています。

準備は、問題の定義、コミュニケーション、意思決定、知的システムの責任ある監督などの、自動化が困難な能力に焦点を当てる必要があります。学生は、ツールが進化し、役割が流動的な、曖昧さのある環境でも無理なく働けるようになる必要があります。

大学は、狭い専門化のみではなく、文脈を超えた適応可能な能力を強調する必要があります。現実の制約の下で行う体系的なプロジェクト型学習は不可欠です。学生が複雑な問題を解決し、提案を擁護するとき、彼らは、雇用主がますます重視する責任ある思考の実践をしています。

AIリテラシーの基準化は不可欠です。全員がモデルを構築する必要はありませんが、全員が知的システムがその職業内で意思決定に与える影響を理解する必要があります。

労働市場は引き続き変化します。高等教育の責任は、すべての役割を予測することではなく、役割を超えて移動し、継続的に学び、進歩が加速するテクノロジーによって形作られる環境で有意義に貢献する個人が卒業することです。

大学がAIによる変化を単に生き延びたのではなく、うまく適応したと判断できる兆候は何ですか。

成功は、対外的なアピールや見栄えだけの指標ではなく、実際の成果で測られます。大学のカリキュラムと評価モデルが、コンテンツの配信ではなく、実社会での能力を中心に再設計されているときに、大学は真正に適応しています。教員は新技術の導入が遅れた存在ではなく、十分に考えられた学習設計を示せます。学生は、その場の要求だけで生成できるものとは異なる形で、自らの推論を明確に説明し、擁護できます。

機関の適応は、ガバナンスでも見られます。AIの使用は透明性があり、監督は組み込まれており、学術的成果に対する信頼が損なわれるのではなく、強まることを示せます。

最も信頼できる指標は、外部からの評価です。雇用主が、卒業生が熟練した判断力、応用力、意思決定、AIを活用した環境における流暢さを示していることを認めるようになることです。

適応とは、基準を犠牲にせず機敏に変化することです。機関は、テクノロジーの進歩とともに進化しながら、厳格な基準と倫理的明晰さを維持します。ウェストクリフでは、AIが教育を取り巻く環境を変え続ける中で、信頼性の高い、変化に強く、価値のある学習モデルを生み出していることを信じています。

素晴らしいインタビューをありがとうございました。この教育機関について詳しく知りたい読者は、ウェストクリフ大学を訪問してください。

アントワーヌは、先見の明を持つリーダーであり、Unite.AIの創業パートナーです。AIとロボティクスの未来を形作り、その発展を促すことに揺るぎない情熱を注いでいます。複数の企業を立ち上げてきた起業家として、AIは電気と同じほど社会を大きく変えると考えており、革新的な技術や汎用人工知能(AGI)の可能性について熱く語ることがよくあります。

未来を展望するフューチャリストとして、こうした革新が世界をどのように形作るかを探究しています。また、未来を再定義し、業界全体を変革する最先端技術への投資に焦点を当てたプラットフォーム、Securities.ioの創設者でもあります。