塾の小テストAI、内製か外注か—現役が示す3軸の判断とROI試算

「単元ごとの小テストを毎週作り直しているうちに、講師の準備時間が授業時間より長くなっている」——個別指導や少人数集団授業を運営している経営者から、繰り返し聞こえてくる悩みです。生徒一人ひとりの理解度に合わせて小テストを量産しようとすると、講師の作業負荷は青天井になります。だからといってAIに丸投げすれば、出題の質や指導方針との一貫性が崩れる恐れがある。経営者として、この「内製か外注か」の判断は塾の収益と教務品質を同時に揺らす重い決断です。

この記事では、塾オリジナルの小テストを生成AIで量産する仕組みについて、内製と外注の判断軸、運用設計、ROI試算、Before/Afterの現場像までを一気通貫で解説します。経営判断に必要な3軸（コスト・運用・品質）と、講師工数を圧迫しないための運用フロー、AIで作る小テストが「塾の指導方針を体現する教材」になるための設計ポイントを、現役で中小企業の生成AI導入を支援している立場から整理します。

なぜ塾の小テスト作成は「内製AI」が経営判断の俎上に乗るのか

本記事のテーマに関連するサービスとして、BoostXでは教育業界の支援を提供しています。

小テストは、塾の指導品質を1週間単位で生徒に「見せる」教材です。授業で扱った単元が定着しているかを確認し、次の授業の指導方針を決める起点になります。にもかかわらず、現場では「直前まで作っていない」「去年のものを使い回している」「講師ごとに難易度がバラバラ」という状態が珍しくありません。指導方針と教材が一致しないと、生徒の成績変化は「教え方」ではなく「テストの当たり外れ」で揺れてしまいます。

講師工数を圧迫する3つの構造要因

小テスト作成が重い仕事になる構造的な理由は3つあります。1つ目は、単元ごとに難易度を3〜4段階で揃える必要があり、5科目×3難易度なら毎週15パターンを更新しなければならないこと。2つ目は、講師1人あたり10〜30名の生徒を担当しており、一人ひとりの理解度に合わせて出題を変えると作問数が増えること。3つ目は、講師アルバイトが入れ替わるたびに、テスト作成の「型」が引き継がれず、毎年ゼロから作り直しに近い状況になることです。個別指導塾では大学生アルバイト講師の入れ替わりが年間30〜50%に達するという業界データもあり、属人化したテスト作成は中長期的な経営リスクになります。

生成AIで「量産」できるが「塾色」は別物

ChatGPTやClaudeを使えば、英単語テストや漢字テスト、計算問題は数分で大量生成できます。ただし、それは「一般的な問題」であって、塾の指導方針・志望校層・生徒の理解度に合わせた「塾オリジナル」ではありません。私の経験では、AIで量産した小テストをそのまま配ると、保護者から「塾でやっている内容と問題のレベルが噛み合っていない」というクレームが入りやすく、結果的に講師が再修正して配り直す羽目になります。AIに丸投げではなく、塾の指導方針をプロンプトに反映する「型」を作ることが、経営として最初に投資すべき設計領域です。

経営として判断すべき3つの問い

経営者として整理しておきたい問いは3つです。1つ目は「来年も同じ講師体制で小テスト作成が回るのか」。2つ目は「現在の作成工数を金額換算したら、月いくらの人件費を投じているのか」。3つ目は「内製AIで作る場合に、誰が型を維持し続けるのか」。この3問に明確に答えられないうちは、ツール導入の前に運用設計の議論が先です。

内製AIと外注、3軸で見る判断基準（コスト・運用・品質）

内製AIと外注のどちらが塾にとって正解かは、規模と運営体制で変わります。判断を曖昧にしないために、コスト・運用・品質の3軸で具体的な数字とリスクを並べて比較してから決めるのが基本です。

この領域でつまずきやすいのは、ツール選定よりも「業務の中のどこに組み込むか」の設計です。BoostXの生成AI伴走顧問は、業務ヒアリングから設計・定着支援までをサービス対応範囲としてカバーできる領域です。

コスト軸：初期投資と月次ランニングの構造

外注の場合、1科目あたり1回の小テスト作成に2,000〜5,000円が相場感としてあり、5科目×4週なら月8万〜10万円規模の固定費になります。内製AIは、ChatGPT TeamやClaudeの法人プランで月3,000〜10,000円程度、プロンプトの設計と運用設計に初期で20〜40万円の投資が必要です。月次のランニングだけで見ると、内製AIは外注の1/10程度に収まる計算になります。ただし、これは「型が崩れず運用が回り続ける前提」の数字です。型が崩れると、講師が手戻り修正する隠れコストが発生します。

運用軸：講師工数と引き継ぎリスク

外注の運用負荷は低い反面、講師が出題内容を「自分の指導と接続して説明する」場面で、出題意図の把握に時間がかかります。一方、内製AIは、最初に教務リーダーが20〜40時間かけて「塾の出題型」をプロンプトとテンプレートで定義し、講師は5〜10分で当日の小テストを生成できる状態にします。私自身も、業務をAIで自動化する場合は「最初の型作りに最大の工数を集中させる」運用設計を取っており、その後の月次工数は1/4〜1/5に下がるケースが多いです。引き継ぎリスクを下げるには、プロンプトとチェックリストをドキュメント化し、新人講師が30分で運用に乗れる状態を目指します。

品質軸：塾の指導方針との一致度

品質で最も差が出るのは「塾の指導方針との一貫性」です。外注は、最初の打ち合わせで方針をすり合わせれば一定の品質を保てますが、毎週の単元ニュアンスや志望校層の変化を反映するのは難しい側面があります。内製AIは、教務リーダーが指導方針の変化をプロンプトに反映できるため、生徒の理解度や学年進行に合わせて出題ロジックを微調整できます。実務では、塾の出題型をAIで再現できるかが品質判断の要点です。型が緩いと、AIは平均的な問題集に寄っていきます。

塾オリジナル小テストAIの運用設計（プロンプト・テンプレート・チェック体制）

内製AIで小テストを量産する場合、運用設計の中核は「プロンプト」「テンプレート」「チェック体制」の3点セットです。この3点が揃わないと、AI出力のばらつきが大きく、結局講師が手直しして配るという従来の構造に戻ります。

プロンプトに埋め込むべき5つの情報

塾オリジナル小テストAIのプロンプトには、最低5つの情報を埋め込みます。1つ目は学年と単元名、2つ目は志望校層（公立難関／私立中堅／基礎徹底層など）、3つ目は出題形式（記述／選択／穴埋め）の比率、4つ目は1テストあたりの問題数と想定解答時間、5つ目は前回授業で扱った例題のキーワードです。この5項目を毎週更新するだけで、AIは塾の指導方針に沿った問題を出してくれます。

テンプレートで「塾色」を固定する

テンプレートは、PDF出力時のフォーマット（塾名・配点・解答欄）と、難易度ラベル（基礎／標準／応用／発展）の定義書、過去の良問例を蓄積するライブラリの3層で設計します。AIには「このテンプレートに従って」「このライブラリの良問パターンを参考に」と毎回指示を出すことで、生成結果の質が安定します。実務では、テンプレートが定着すると、AI出力の8割はそのまま使え、講師の確認は5〜10分で済むようになります。

チェック体制：教務リーダーの「30秒レビュー」

AIに丸投げしないためのチェック体制は、教務リーダーによる「30秒レビュー」を毎週運用に組み込みます。確認項目は3つだけです。①単元の主要論点が出題に含まれているか、②難易度が想定生徒層と合っているか、③前回の小テストと出題形式が偏っていないか。1テストあたり30秒で済む設計にしておくことで、5科目×3難易度＝15テストでも7〜8分で完了します。実例として、5科目×3難易度＝15パターンを用意した塾では、プリント作成時間が1日2時間から25分に減ったという現場データもあります。

単元復習用の量産フロー（5段階で定着までつなぐ運用）

小テストを「作って終わり」にせず、生徒の定着までつなぐには、量産フローを5段階で設計します。AIは①と②と③の作業を高速化し、講師は④と⑤に集中する分業構造にすることで、教務品質と工数を両立します。

段階1：単元マップと出題スケジュールを年初に固定

年初または学期初めに、単元マップと出題スケジュールを固定します。学年×科目×4週分の出題テーマを表で並べ、AIに「この単元で来週の小テストを作って」と指示できる粒度まで分解しておきます。これが土台にあると、毎週の作問作業が「単元を考える」から「単元に合わせて生成する」に変わります。

段階2：当日授業の振り返りメモを5分でAIに渡す

授業終了後、講師が5分で「今日の重要論点」「生徒がつまずいたポイント」をメモし、AIに渡します。AIはこのメモを起点に、翌週の小テストの出題候補を出力します。メモがあるだけで、AIの出力は「単元一般の問題」から「今週の授業内容に直結した問題」に切り替わります。

段階3：AIで初稿を量産し、教務リーダーが30秒レビュー

前述のチェック体制で、AI初稿を教務リーダーが30秒レビューします。修正が必要な場合は、AIに「もう少し基礎寄りに」「記述問題を1問増やして」と追加指示を出します。1テストあたり3〜5分で修正版が出てくるため、月の作問工数は従来の1/4〜1/5になります。

段階4：生徒に配布し、解答後に解説まで一気通貫

配布された小テストは、解答後に講師が解説します。解説スクリプトもAIに作らせ、講師が補足する分業に変えると、解説準備の工数も半減します。生徒には、解説後に「自分が間違えた問題と類題」をAIで生成して個別配布する仕組みを組むと、定着率が大きく上がります。

段階5：誤答データを蓄積し、翌月の出題に反映

解答後の誤答データは、生徒名・問題ID・誤答理由（概念理解／計算ミス／時間不足など）を表に残します。AIに「先月の誤答傾向を踏まえて今月の出題を設計して」と指示すれば、塾全体の弱点に合わせた出題が自動的に組まれます。これが内製AIの最大の価値で、外注では実現が難しい領域です。

ビフォーアフター：塾の運営がここまで変わる

小テストAIの内製化は、塾の運営をどう変えるのか。実際に運用設計を組んだ場合のBefore/Afterを、現場の1週間で描いてみます。

Before：現状の苦しい1週間

月曜は前週の小テスト採点と保護者連絡で半日。火曜と水曜の夜は、翌週の小テストを5科目×3難易度で15パターン作成。1テスト30〜40分かかるため、1日2〜3時間の作問作業が発生します。木曜は授業準備、金曜は新人講師の指導と引き継ぎ、土曜は通常授業、日曜は教室掃除と保護者面談。教務リーダーの作業時間は週60〜70時間に膨らみ、教材改善や新規生徒の体験対応に手が回らない状態が続きます。

After：導入後の楽な1週間

月曜は採点をAI支援で半分の時間に短縮。火曜と水曜は、当日授業の振り返りメモを5分入力するだけで、AIが翌週の小テスト初稿を出力。教務リーダーは30秒レビュー×15回＝7〜8分で確認を済ませ、修正は3〜5分で対応。1日2時間の作問が、合計25分前後に収まります。空いた時間で、新人講師の指導、教材ライブラリの整備、保護者面談の質向上、新規生徒の体験対応に投資できます。教務リーダーの週次稼働は55〜60時間に下がり、月15〜20時間レベルの時間が「未来に投資できる時間」に変わります。

違いを生んでいるのはツールではなく運用設計

BeforeとAfterの差は、ChatGPTを使うかどうかではなく、塾の指導方針をAIに翻訳する「型」と、講師・教務リーダー・AIの分業設計の有無で生まれます。生成AIの導入は、ツール選定ではなく運用設計の選定です。「うちはまだBefore寄り」「Afterに近づきたい」と感じた方は、次セクションで具体的な相談導線を案内します。

よくある質問

公開日：2026年5月