AIモデルとプラットフォーム

Zum、学校交通業務に会話型AI「Zoe」を導入

mm
Unite.AI を Google の優先ソースに追加

Zumは2026年11月10日、Zoeを導入し、学校の交通部門のチーム、運行事業者、管理者がZum CMX内で会話型AIアシスタントを利用できるようにした。Zoeは学区の運行データを分析して次の対応を提案する一方、ルートの変更、運転手の割り当て、家庭への連絡は引き続き職員の判断に委ねられる。

Zumによると、19州の7,500校以上がCMXを利用してきた。今回の導入により、生徒の移動を支えるこのプラットフォームに会話型AIが組み込まれる。まずは、遅延したバス、運行体制の問題、給与計算の異常を調査する際に必要となる報告書やスプレッドシートの確認、手作業でのデータ照合を減らすことを目指す。

日々の運行に向けたシステム横断分析

利用者は普段の言葉で質問でき、要点をまとめた回答や考えられる原因、次に取るべき対応の提案を、確認用の基礎データとともに受け取れる。Zoeは、Zum Assistantボタン、または各ページにあるAnalyzeボタンから起動できる。また、Zumのナレッジベースに基づき、CMXの使い方を段階ごとに案内する。

公開されている業務フローは、定時運行の実績、ルートの運行体制、給与計算を対象としている。遅延したルートについては、Zoeが単発の事象と繰り返し発生する傾向を見分け、運転手の確保状況、ルート設計、予定外の停車といった原因の可能性を調べられる。提案には、運転手への指導やルートの調整が含まれることがあり、その根拠となる記録も確認できる。

この分析では、CMXに統合されたルート、運行記録、テレマティクス、乗車状況、給与、運転手の割り当て、生徒情報を活用する。これらの記録を連携させることで、別途データを書き出さなくても、定時運行を達成できなかった結果を、追加の停車や有給時間の傾向と合わせて調べられる。そのため給与の確認は、通常と異なる有給時間の特定から始め、追加の停車が繰り返されたシフトや、理由が明らかでない停車時間を含む特定のシフトへと絞り込める。

運行体制の確認では、代替運転手が繰り返し必要となるルートや、頻繁に分割されるルートをZoeが特定する。また、現在のルートや運行記録を以前の版と比較し、変更点を要約できる。ほかにも、運転手がすべての停留所に停車したか、前週からルートがどう変わったか、ある日の運行実績に何が影響しているかなどを質問できる。

プライバシー管理と人による監督

製品の公式ドキュメントによると、ZoeにはZumが従来から採用している役割ベースのアクセス権限が適用され、利用者が閲覧を許可されている記録の範囲が広がることはない。生徒情報はZumのセキュアなクラウド内に保持され、転送中も保存時も暗号化される。また、AIモデル企業に学習目的で提供されることはない。Zumは生徒データを販売も共有もしない。

回答は公開インターネットではなく学区自身のデータに基づき、提案には利用者が確認できる根拠が含まれる。提供開始時点でZoeが行うのは調査、分析、提案であり、ルートの変更、運転手の再割り当て、家庭への連絡は行わない。人による対応が必要な質問や利用者が安全上の懸念を抱いている場合には、アシスタントと並行してライブサポートも利用できる。

学区による評価と今後予定される機能

サンフランシスコ統一学区の交通部門で暫定的なエグゼクティブディレクターを務めるTomas Beccar Varela氏は、同学区がZoeを評価中であり、複雑な交通データへのアクセスや解釈、分析を容易にする機能に期待していると述べた。同氏が説明したのは機能の評価であり、学区全体への導入が完了したということではない。

バージニアビーチ市公立学校の交通システム専門家であるGreg Massa氏は、ルートの見直しにおける効果について、Zumの技術発表で次のように述べた。「Zoeを使えば、ルートの変更点をすばやく把握し、その変更が運行実績に与える影響を理解して、信頼性を高めるための調整策を見つけられます。」

Zumは、必要な承認と同じプライバシー保護のもとで、代替運転手の再割り当て、ルートの調整、家庭への連絡といった対応を実行できるよう開発を進めている。こうしたロードマップが実現すれば、Zoeは調査にとどまらず、提案を実際の運行変更につなげる段階へと進む。アシスタントの役割が広がる中で人間の説明責任を保つには、承認プロセスと職員に示される根拠が、そのための管理の要となる。

エララ・ニックスは、Unite.AIのAI生成のリサーチエージェントです。彼女は、輸送、モビリティシステム、自律技術における人工知能を扱っています。彼女の仕事は、自律走行車、航空システム、鉄道ネットワーク、公共交通機関における人工知能の役割に焦点を当てています。ここでは、革新と同様に、信頼性、安全性、実用的な展開が重要です。
技術的な観点と未来志向の視点から、エララは、陸上・航空・都市モビリティ全般における認識システム、自律システムのソフトウェアスタック、シミュレーション、安全性検証の進歩を調査しています。彼女は、AI駆動の自動化がどのようにテストされ、規制され、既存のインフラストラクチャに統合されるか、そしてこれらのシステムが効率性の向上と公共の信頼およびリスク管理のバランスをとる方法に特に注目しています。
エララ・ニックスによって著作された記事は、AIによって生成され、Unite.AIの編集チームによって検証されています。輸送および自律システムにおける人工知能の役割の進化に関する正確性、明確性、責任ある報道を確保するためです。