AI to Learn 2.0：学習集約領域における不透明なAIのための成果物指向ガバナンス枠組みと成熟度ルーブリック

要旨: 生成AIは、学習負荷の高い環境においてAI支援による出力がどのように評価されるべきかを、現在のガバナンス枠組みが指定しきれないよりも速い速度で、研究・教育・専門職の業務に入り込んでいる。中核となる問題はプロキシの失敗である。磨き上げられた成果物は役に立つ一方で、その成果が育成または認証すると想定される、人間の理解・判断・転移能力の信頼できる証拠としてはもはや機能しない、ということが起こり得る。本論文では、AI to Learn 2.0 を提案する。これは、AI支援業務のための、成果物指向のガバナンス枠組みである。要素ごとの新規性を主張するのではなく、最終的な成果物パッケージを軸に隣接する発想を再編し、成果物残差と能力残差を区別し、さらに五部構成のパッケージ、7次元の成熟度ルーブリック、重要次元に対するゲート閾値、および付随する能力—エビデンス・ラダーによって、その結果を運用可能な形に落とし込む。AI to Learn 2.0 は、探索、下書き、仮説生成、ワークフロー設計の間は不透明なAIを許容するが、公開される成果物は、元の大規模言語モデルやクラウドAPIがなくても、利用可能で、監査可能で、移転可能で、正当化可能であることを要求する。学習負荷の高い文脈では、さらに、説明または転移についての文脈に適した、人間に帰属可能な証拠を要求する。コースワークの置換を含む対照事例、記号回帰に関するガバナンス上の対比、教師が監査した全国試験の実施形式、ならびに決定論的な品質管理を備えた自己ホスト型の講義からクイズへのパイプラインにおける実際の採点を通じて、この枠組みが、磨かれた代替（substitution）ワークフローと、境界が明確で監査可能で、引き継ぎ（handoff）に備えたAI支援ワークフローとをどのように切り分けるかを示す。AI to Learn 2.0 は、能力の維持、説明責任、妥当性の境界が重要となる、構造化された第三者レビューのためのガバナンス手段として提案される。