ラオスの教育×AI — TVET・大学でAIリテラシーを定着させるには

「AIの使い方を教えてほしい」——ラオスの大学やTVET（職業技術教育訓練校）で、この要望が急速に増えている。しかし、教える側の教員自身がAIを業務に使った経験がないというケースが大半だ。

当社は企業向けのAI人材育成プログラムを通じて、非エンジニアにAIリテラシーを定着させる手法を実践してきた。その過程で見えてきたのは、企業研修と教育機関では「前提条件」が大きく異なるということだ。企業研修は「明日の業務で使える」即効性が求められるが、教育機関では「卒業後5年間使える基礎力」の養成が目標になる。

本記事では、企業研修の現場で得た知見をもとに、TVETと大学それぞれの文脈でAIリテラシーをカリキュラムに組み込むための設計指針を提案する。

ラオスの教育機関がAIに向き合う際、まず現状を正確に把握する必要がある。

ASEAN域内の高等教育におけるAI教育の導入度は、国によって大きな差がある。シンガポール、マレーシア、タイではすでにAI専門学科が設立され、全学部向けのAIリテラシー科目が必修化されている。

ラオスの状況は以下の通りだ。

• ラオス国立大学（NUOL）： 情報工学部にプログラミング科目はあるが、AI・機械学習の専門科目は限定的
• TVET校： ICT関連のカリキュラムはあるが、内容はPC操作・Office ソフトが中心
• 私立大学： 一部でデータサイエンスコースが開講されているが、教材は英語で学生のアクセスハードルが高い

このギャップは脅威であると同時に機会でもある。他国が数年かけて積み上げてきたAI教育のベストプラクティスを参考にしながら、ラオスの文脈に合わせて「ショートカット」できるからだ。

AIリテラシーは「プログラミングができること」ではない。AIの基本的な仕組みを理解し、自分の業務や生活でAIツールを適切に使い、AIの出力を批判的に評価できる能力だ。

ラオスの経済構造（農業15%、サービス業42%、工業43%）を考えると、AIリテラシーが必要なのはエンジニアだけではない。

• 農業従事者： 衛星データの読み方、需要予測の活用（→ 農業×AI）
• 金融業務担当者： AI-OCRによる書類処理、不正検知の仕組み（→ 金融DX）
• 観光業の接客スタッフ： AIチャットボットの運用、多言語対応の設計（→ 観光業DX）
• 経理担当者： 会計自動化の導入、AIの出力レビュー（→ 会計AI自動化）

教育機関の役割は、この「AIを使える人」をあらゆる職種で輩出することだ。

企業向けAI研修の手法を教育機関に応用する場合、3つの重要な違いを考慮する必要がある。

企業研修では「今日学んだことを明日使う」サイクルが回るが、教育機関では「学んだことが活きるのは卒業後」というタイムラグがある。このギャップを埋めるのがインターンシップと産学連携プロジェクトだ。

企業研修では「テストの点数」よりも「業務で使えるか」で評価する。一方、教育機関では成績評価が必須だ。

AIリテラシーの評価には、従来の筆記試験ではなく以下を推奨する。

• プロジェクト型評価（40%）： チームでAIを使った課題解決プロジェクトを実施し、成果物と発表で評価
• ポートフォリオ評価（30%）： 学期を通じてAIを使った作業記録を蓄積し、成長の軌跡で評価
• 知識テスト（20%）： AIの基本概念、倫理、限界に関する理解度テスト
• ピアレビュー（10%）： チームメンバー同士の貢献度評価

この評価方式は、「AIの知識がある」ことと「AIを使える」ことを区別できる。

教育機関のなかでも、職業技術教育訓練校（TVET）のようにカリキュラムが実務と直結する現場では、「学術的な理解」より「実務で使える技能」が優先される。企業研修で効果を上げている実務直結型のアプローチは、こうした教育機関のカリキュラム設計にも応用できる。

TVETのAIリテラシーカリキュラムは、職種別の業務シナリオに直結させる。

製造業コース（4ヶ月）：

観光業コース（3ヶ月）：

ポイントはコーディングを教えないことだ。TVETの学生に必要なのは、既存のAIツールを業務で使いこなす力であり、AIを開発する力ではない。

TVETの教員の多くは、自身がAIを使った経験がない。これはラオスに限った話ではなく、ASEAN全体で共通する課題だ。

教員向け研修の設計（先に教員を育てる）：

1. Phase 1（2週間）： 教員自身がAIチャットボットを日常業務（教案作成、成績管理、保護者連絡）で使い倒す
2. Phase 2（2週間）： AIを使った授業設計のワークショップ。他の教員と事例を共有
3. Phase 3（継続）： 月1回の教員コミュニティで、うまくいった事例・失敗した事例を共有

企業研修の現場では、非エンジニアでもAIリテラシーが定着することが実証されている。教員も同様に「AIエキスパート」になる必要はなく、「AIを授業に取り入れるファシリテーター」になればよい。

大学レベルでは、TVETよりも一段深い理解と応用力を養う。

AIリテラシーを情報工学部だけの「専門科目」にとどめてはならない。ラオス国立大学（NUOL）には経済学部、法学部、農学部、医学部がある。それぞれの学部でAIは異なる形で活用される。

学部横断AI科目の設計例（1学期・15回）：

学部混成チームの利点は、技術的な視点（情報工学）とドメイン知識（経済、法律、農業）が交差する点だ。例えば「ラオスの農業にAIを適用するプロジェクト」では、農学部の学生が課題を定義し、情報工学部の学生が技術的な実装方法を提案し、法学部の学生がデータ保護の法的要件をチェックする。

大学のAI教育で最も効果的なのは、企業の実課題をPoCとして学生に取り組ませることだ。

産学連携PoCの運用モデル：

1. 企業が課題を提示 — 例：「倉庫の在庫管理を効率化したい」「顧客問い合わせの自動分類をしたい」
2. 教員がPoCの範囲を設計 — 1学期で完結する範囲にスコープを絞る
3. 学生チーム（3〜5名）がPoC実施 — データ収集→分析→プロトタイプ構築→結果報告
4. 企業がフィードバック — 実務的な観点から評価、優秀チームにはインターンシップの機会

PoC開発の記事で解説した「概念実証の進め方」がそのまま教育プログラムとして機能する。学生にとっては実務経験、企業にとってはAI活用の検証機会になるWin-Winの仕組みだ。

ラオスのAI教育における最大のハードルの1つが、ラオス語教材の不足だ。

ゼロからラオス語教材を作るのはコストが高い。現実的なアプローチは、既存の高品質な英語教材をベースにラオス語にローカライズすることだ。

推奨する教材ソース：

• Google AI Education — AI の基礎を非エンジニア向けに解説。CC BY ライセンスで翻訳・改変可能
• Elements of AI（ヘルシンキ大学） — 非技術者向けAI入門コース。複数言語に翻訳済み
• fast.ai — Practical Deep Learning コース。実践重視で教員の自学にも最適

ローカライズの際は、ラオス語AIチャットボットの構築で培った多言語対応の知見を活用する。AIを使って英語教材のラオス語翻訳を行い、教員がレビュー・修正するフローを構築すれば、教材整備のスピードを大幅に上げられる。

ラオス固有の事例（農業、金融、観光）を追加するのも重要だ。英語教材のシリコンバレー事例をラオスの文脈に置き換えることで、学生の理解度と関心が格段に上がる。

「AIの仕組みを理解する」だけでなく「AIを触ってみる」体験が教育では不可欠だ。ラオス語で操作できるデモ環境を用意する。

最小構成のAIデモ環境：

• AIチャットボット体験： Claude や ChatGPT の無料版をラオス語で使わせる。プロンプトの書き方を教えるだけで、学生は自律的に探索を始める
• 画像認識体験： Google Teachable Machine（ブラウザベース、無料）でカメラを使った物体認識モデルを学生が自分で構築。コーディング不要
• データ分析体験： Google Sheets + Google Colaboratory で、ラオスの公開データ（気象データ、農産物価格）を可視化

インターネット接続が不安定な地方のTVET校では、オフラインで動く軽量モデルを教室のPCにインストールしておく対策も有効だ。クラウド移行ガイドで紹介したAWSインスタンスを教育機関向けに共有利用する方法もある。

AI教育の導入で繰り返し見られる失敗パターンを2つ紹介する。

AIの理論（ニューラルネットワークの数学的背景、機械学習のアルゴリズム分類）を教えることに時間を費やしすぎ、学生が「AIで何ができるのか」を体感しないまま学期が終わるパターンだ。

ラオスの教育機関に推奨するのは「7:3ルール」——授業時間の70%をハンズオン（実際にAIツールを使う演習）、30%を理論に充てる。理論は「なぜそうなるのか」の説明として、ハンズオンの前後に配置する。

企業向けAI研修の知見でも、座学中心のプログラムは定着率が低く、ハンズオン中心に切り替えることで定着率が大幅に改善する傾向がある。教育機関でも同様の効果が期待できる。

先進国のAI教育カリキュラムをそのまま持ち込んでも、ラオスでは機能しない。例えば：

• 大容量のデータセットを使う演習 — 教室のWi-Fiが遅くてダウンロードに1時間かかる
• GPU を使ったモデル訓練 — ラボの PC にGPUが搭載されていない
• クラウドAPIを使ったリアルタイム処理 — 停電でインターネットが切れる

カリキュラム設計時には、ラオスのIT環境の制約を前提条件として組み込む。オフラインで動く演習、軽量モデル、モバイル端末での操作を中心に設計することで、インフラの制約をカリキュラムの制約にしない。

Q1: AIリテラシーの授業にはプログラミングの前提知識が必要ですか？

不要だ。TVETレベルのAIリテラシー教育ではコーディングを一切教えない。既存のAIツール（チャットボット、画像認識、翻訳ツール）を「使いこなす」ことに焦点を当てる。大学レベルでも、学部横断科目ではノーコードツールを中心にする。Pythonなどのプログラミングは情報工学部の専門科目に限定する。

Q2: 教員のAIスキルが不足している場合、外部講師は必要ですか？

最初の導入期には外部講師のサポートが効果的だが、持続可能性の観点から「教員自身が教えられる」状態を目指すべきだ。推奨は、教員向けの集中研修（2〜4週間）を実施し、教員がAIを自分の業務で使い慣れた上で授業設計に入るアプローチだ。

Q3: JICA や ADB の教育支援プログラムでAI教育の予算を確保できますか？

ADBはラオスのTVET改革プログラムに複数の支援プロジェクトを実施しており、ICTカリキュラム強化は優先分野に含まれる。JICAも高等教育支援の枠組みでデジタル人材育成を支援している。提案書にはAIリテラシーの具体的な成果指標（修了者数、就職率、企業満足度）を盛り込むことが採択のポイントになる。

ラオスのAI教育は「遅れている」のではなく「これから設計できる」段階にある。他国の試行錯誤を学び、ラオスの文脈に最適化したカリキュラムを構築する機会がある。

教育機関が今日から始められる3つのアクション：

1. 教員がAIを使い始める — まずは教案作成や成績管理でAIチャットボットを使い、教員自身が「AIの価値」を体感する
2. 1科目だけパイロット導入 — 全カリキュラムを変えるのではなく、1科目にAIリテラシーの要素を組み込んで効果を測定する
3. 企業のAI研修ノウハウを活用する — AI導入を検討している企業や企業向けAI研修を提供する事業者と連携し、実務に即した教材や講師のサポートを得る

AI教育の目標は「AIエキスパートの大量生産」ではない。あらゆる職種で「AIを道具として使える人材」を育てることだ。企業が現場で磨いてきたAI活用の知見と、教育機関の体系的なカリキュラム設計力を掛け合わせることで、ラオスの人材育成に現実的なインパクトを生み出せる。