閾値まで投資する — AXが事件ではない理由
2026-04-29 · 戦略企画事務局長 申致勳
80人中2人 — 講座はなぜ最後まで行かないのか
英陽郡で一回限りのAIワークショップに参加した80人中、1ヶ月後に自分の手でAI道具を再び開いた人は2人でした。保有率2.5%。
この数字が衝撃に聞こえる理由は、我々が講座を事件だと仮定しているからです。事件なら1回の露出で十分なはずです。しかし結果はそうではありません。そしてこの結果は英陽郡だけの問題ではありません。世界のMOOC(大規模オンライン公開講座)の平均完了率は7~10%、中央値12.6%です(Jordan 2014、その後のメタ分析2024)。1行で整理すると、講座はどこでも最後まで行きません。
問題は講座自体ではありません。講座を事件と見なす我々の仮定です。 事件モデルの上では、どんなに良い講座を作っても保有率は一桁に止まります。一桁保有率を持つ政策に毎年予算を注ぎ込むことが、韓国のAI教育風景です。
AXは事件ではなく、関数です
行動デザイン分野のBJ Foggは2009年に1行の公式を提案しました。B = M × A × P. ある人がある行動をするためには、動機(Motivation)、能力(Ability)、信号(Prompt)の3つが同時に一定レベル以上で出会う必要があるということです。
ここで決定的なのはかけ算の記号です。足し算ではなくかけ算。3つのうちの1つでも0に近ければ、結果は0になります。動機がどんなに高くても能力がなければ行動は起きません。動機と能力が両方高くても、その瞬間信号がなければ行動は起きません。
AX(AI変換)をこの公式に代入すると、風景が一度に変わります。AXは一度起こる事件ではなく、毎週3つが一緒に臨界値を超える関数の結果です。 インパクト講座は動機を埋めます。しかし能力と信号が0に近ければ、かけ算は0に止まります。英陽郡80人中78人が1ヶ月後AIを再び開かなかった理由は、動機不足ではありません — その日講義室みんなが「やらなきゃ」と思いました。しかし翌週火曜日午前9時に、自分の机の前で、能力不足と信号欠如が掛けられて0になってしまったのです。
関数として見たその瞬間、政策全体が別に見えます。事件モデルは講座費を測定しますが、関数モデルは変数別の限界費用と限界効果を測定します。 2つは異なる行政です。
66日の曲線と田舎の高齢者の恥じらい
人々はよく、新しい行動は21日で習慣になると言います。これは1960年代のある外科医の臨床観察をだれかが事実のように移したもので、学術データではありません。本当のデータはどこか別にあります。
ロンドン大学(UCL)のPhillippa Lallyの研究チームは2010年、96人を12週間追跡しました(European Journal of Social Psychology, vol. 40, pp. 998-1009)。毎日同じ文脈で新しい行動をするようにして、その行動が自動化するまでの日数を記録しました。平均は66日。しかし範囲は18日から254日まで広がりました。 ある人は18日で臨界値を超え、ある人は254日かかりました。14倍の違いです。
心理学者Wendy WoodとDavid Nealが2007年にPsychological Reviewに発表した分析(114巻4号, 843-863ページ)は、この偏差の原因をまとめました。習慣は「文脈-反応連合」として形成されており、同じ場所・同じ時間・同じ手がかりに繰り返し露出するほど、臨界値までの時間が短くなります。 単に意志が強い人が早かったのではありません。環境が一貫して手がかりを提供した人が早かったのです。
Lallyのデータは水を飲むこと、散歩といった単純な身体行動の曲線です。AI道具の使用はより複雑です。プロンプトを書いて、結果を解釈して、自分の仕事に合わせる必要があります。曲線はより長く、より深くなります。そこにさらに一層あります — 田舎の高齢者には、曲線が始まる前に止まる障壁があります。
OECDが2024年に発表したシニアのデジタル学習研究(Digital Skills for Seniors)と多国比較研究が一貫して指摘する障壁は2つです。恥じらいと失敗への恐怖。 「自分ができないことが隣の人に見えることへの恐怖」。「ボタンを間違って押して機械を壊したら」という恐怖。この2つの恐怖が能力変数(A)を0近くに引き下げます。動機をどんなに埋めても、かけ算は0です。
英陽郡のあるお年寄りがNotebookLMに自分の健康記録を入れて最初の質問を出したとき、画面に答えが出ました。「こんなことができるの?」という一言。その一言が出るまで8日かかりました。そしてそのお年寄りが1人で再びNotebookLMを開いたのはその10日後です。18日です。 Lally曲線の最速のゴールと同じ時間です。何が18日を作ったのか — 毎日同じ場所、同じ講師、同じ仲間、そして「もう一度押してみてください」と言ってくれる人。
関数の3つの変数 — 動機・能力・信号の分担
関数が作動するには3つの変数が同時に生きていなければなりません。しかし3つの限界費用は異なります。変数別の費用構造を分離して見ると、政策設計が初めて可能になります。
動機変数(M) — インパクト講座. 限界費用が最も低い。外部の専門家1人が1回来て50人に講座すれば、1人当たりの感情的刻印費用は数万ウォン単位です。そして効果は即発的です。講座が終わる瞬間に観衆の動機は頂点にあります。問題は、動機が最も早く落ちる変数だということです。1週間後には半分、1ヶ月後には0に近い。
能力変数(A) — 非同期学習. 限界費用が0に収束します。協会YouTube チャンネルの1つの動画は100人が見ても10,000人が見ても追加費用がほぼありません。AIチューター チャットボットを1回作ってしまえば、真夜中に誰が質問しても答えます。しかし非同期は信号がなければ作動しません。自分で先に動画をクリックして始める必要があります。自力学習者はここで臨界値を超えます。しかし自力学習者は分布の右端、10~15%です。 残りの85%は次の変数が必要です。
信号変数(P) — 同じ場所・同じ時間・同じ人. 限界費用が最も高い。毎週同じ時間に同じ講師が同じ仲間の前に現れなければならないからです。人の時間を買います。しかし保有率は最も高い。Wood & Nealがまとめた文脈-反応連合が最も強く形成される変数だからです。
3つの変数が分離されていると、政策が生きます。MはスケールとKPI、Aは日別アクティブユーザー(DAU)と動画再生時間、PはKPIを6週連続参加率と自分で使用に転換する率で測定します。変数別KPIがあってこそ、関数型予算が作られます。
信頼の毛細血管 — 最も高い変数
3つの変数の中で最も高い信号変数は、その本質が信頼です。毎週同じ場所に同じ人が現れるということは、すなわち「この時間にここで失敗しても大丈夫だ」という信頼のインフラです。田舎の高齢者にとって、この信頼は時間が相当蓄積した後に作られます。
この信頼を市場は作りません。市場は広告費をかけて加入を増やすだけで、毎週同じ場所に人を送りません。政府の平均的な政策も作りません。平均は都市の30代を仮定しているからです。英陽郡の70代にとって、信頼の毛細血管は地域単位で、人間の手によって作られるべきです。
Wood & Nealが学術言語で整理した「同じ人」の意味は田舎でより重くなります。英陽邑のあるお年寄りにとって「AIを教えたその人が誰か」が決定的です。講義室での権威ではなく、面事務所で会ったことがある人、農協で見た人、自分の町に住む人。その人が同じ場所に再び現れるという事実自体が能力変数を0から引き上げます。
これが毛細血管です。大きな動脈(中央政府予算)と大きな静脈(国家デジタル政策)の間に細い毛細血管がなければ、酸素は到達しません。関数の最も高い変数は、最も狭い場所で、最も近い人によってのみ作られます。
関数型予算設計 — 英陽郡100人モデル
関数が正しくても行政が従わなければ理論に止まります。変数別限界費用を分離した100人臨界達成1年分の予算はこのように作ることができます。
| 変数 | 項目 | 年間費用 | 1人当たり |
|---|---|---|---|
| 動機(M) | 外部インパクト講座3回 | 300万ウォン | 3万 |
| 能力(A) | 非同期コンテンツ・AIチューター運営 | 200万ウォン | 2万 |
| 信号(P) | 地域促進者5名養成・運営 | 1,000万ウォン | 10万 |
| 合計 | 1,500万ウォン | 15万 |
費用の67%が信号変数に入ります。これが関数モデルの真の メッセージです。人間の手が最も高く、最も決定的です。
評価も関数型で行います。MのKPIは講座直後の行動意図と4週後の自分で使用率の差。AのKPIは非同期コンテンツDAUと累積学習時間。PのKPIは促進者会議6週連続参加率と同じ会議1年後の自力使用転換率。3つの累積が関数の解を作ります。
既存のAI教育補助金は動機変数にのみ集中します。講座費、講師費、教材費。だから保有率5~10%が出ます。関数型予算は1つの変数に集中しません。3つを一緒に考え、3つを一緒に測定します。
結論 — 事件の時間を終わらせよう
事件モデルの上で、韓国のAI教育政策は毎年講座を発注して、毎年5~10%の保有率を記録して、毎年同じレポートを書きます。この循環が止まらない理由は、事件という仮定が止まらないからです。
関数モデルは違う時間を買います。1.5年から3年単位で1つのグループが臨界値を超えていくのを見て、そのグループが次のグループの信号変数になります。英陽郡のお年寄り1人が18日で臨界値を超えたなら、そのお年寄りが次のグループの同じ場所に座る同じ人になります。関数は自己複製します。
この文が政策担当者に届くなら、講座補助金の項目を分離してください。1行の「AI教育費」ではなく、M・A・Pの3行に分離した関数型項目として。教育機関に届くなら、講座終了30日後の自分で使用率をKPIとして測定してください。AI講師本人に届くなら — 自分の講座は関数の1つの変数に過ぎないことを認めることから始まります。
英陽郡AI協会はこの関数の信号変数になろうとしています。私たちだけができるからではなく、同じ場所に同じ人が毎週現れることを市場も政府もしないからです。事件の時間は十分に長かった。関数の時間を始めるときです。
参考文献:
- Lally, P., van Jaarsveld, C. H. M., Potts, H. W. W., & Wardle, J. (2010). How are habits formed: Modelling habit formation in the real world. European Journal of Social Psychology, 40(6), 998-1009. doi:10.1002/ejsp.674
- Wood, W., & Neal, D. T. (2007). A new look at habits and the habit-goal interface. Psychological Review, 114(4), 843-863.
- Fogg, B. J. (2009). A Behavior Model for Persuasive Design. Persuasive '09: Proceedings of the 4th International Conference on Persuasive Technology.
- Jordan, K. (2014). MOOC Completion Rates: The Data — その後のメタ分析(2023-2024)で平均7~10%、中央値12.6%が再確認されました。
- OECD (2024). Digital Skills for Seniors. — シニアのデジタル学習の主要な障壁として、恥じらいと失敗への恐怖を指摘。
- Frontiers in Psychology (2025). Influencing factors of digital health technology anxiety in the elderly. — メタ分析で社会的支援が技術採用の決定的な媒介変数であることを確認。
- 英陽郡AI協会内部ワークショップデータ(2026.03)。80人参加 → 4週後に自力使用2人(2.5%)
この記事に含まれる画像はAI画像生成モデル(Gemini 3 Pro Image)で制作されており、編集査読を経ています。
この記事は明星心齋の深層思考エンジン
Simthink Engine (深 Think)により執筆されました。