何が起きたか
ACM(米国計算機学会)のGenerative AI and Programming Assessmentタスクフォースが、2025年5月〜10月に世界49カ国の763人の教員を対象に実施した調査結果を公開しました。回答者の77%が大学所属で、地域は北米(227)と欧州(106)に偏っています。
結論はシンプルです。多くの教員が、AIを理由にすでに教え方も評価方法も変えていました。64%が「白紙からコードを書く」課題を減らし、コード理解・デバッグ・問題解決へ軸足を移しています。68%は試験方法を調整し、対面の監督付き試験(56件)、宿題の配点引き下げ(38件)、口頭試問・コード弁明セッション(36件)、紙の試験(35件)、プロジェクト型評価(34件)が挙がりました。
背景には、ChatGPTやGitHub Copilotが入門コースの典型課題を「平均的な学生と同等の点数」で解けてしまう現実があります。教員の懸念は、技術への依存の深まり(87%)、次いでカンニング・剽窃(72%)でした。
なぜ重要か
これは「教育の内輪話」ではありません。69%の教員が「AIによってソフト開発に必要なスキルが変わった」と答えています。つまり、数年後に採用市場へ出てくる人材の中身が、いま定義し直されているということです。
オハイオ州立大学のSteven Gordon氏は「学生は就職後、AIツールで開発することになる。重要なのは、プログラミングに習熟し、かつAIの能力と限界の両方を理解した卒業生を輩出することだ」と述べています。評価軸が「書けるか」から「AIの出力を評価・修正できるか」へ移りつつあるわけです。
揺れる現場──指針もベストプラクティスも不足
ただし現場は手探りです。最大の障壁は「実証されたベストプラクティスの不在」(48%)で、回答者の約半数がAIを授業に組み込む確かな事例を持っていません。所属機関にAI利用の指針があるのは45%、ないのが39%。方針は全面禁止から、記録さえ残せば奨励まで幅があります。AI利用の申告と対話ログの提出を義務づける教員も出てきました。
「効率」と「理解」のトレードオフ
AIが学習の深さを損なう兆候も積み上がっています。Anthropicの研究では、AI補助で新しいPythonライブラリを学んだ開発者は、後日の知識テストで対照群より17%低い点数でした。コーディングを完全にAIへ委ねた層は最速で終えた一方、知識テストの平均は39%にとどまりました。中国の2万6千人超を追跡した縦断研究では、AI利用で宿題の成績が18%上がり所要時間が30%減った反面、半年後の閉本試験は20%低下しています。UCバークレーの50万件超の成績分析でも、監督なし宿題の配点が高い科目でChatGPT登場後に高評価が急増していました。
💼 事業会社視点：これは自社にどう効くか
注目すべきは「評価の設計が全面的に見直されている」という一点です。日本の事業会社、とくにSaaSや受託開発で新卒エンジニアを採る企業は、採用面接や技術試験の前提を疑う必要があります。オンライン課題や持ち帰りコーディングテストは、AIが「平均的学生並み」に解けてしまう以上、応募者の地力を測れません。監督付きの対面試験、口頭でのコード弁明、既存コードのデバッグ・レビュー課題へ切り替えるべきです。
育成側の含意はさらに重い。Anthropicや中国の研究が示すのは「AIで速くなるが理解は浅くなる」トレードオフです。受託開発では、若手がCopilotで書いたコードの品質を自分で判断できないまま納品するリスクが現実化します。経営者・技術責任者は、生成の速さではなく「AI出力を評価・修正できる力」を評価指標に据え、記録付きでのAI利用を前提にした社内ガイドライン(利用ログの提出含む)を整備すべき局面です。