プロジェクト一覧
AIプロダクトエンジニアリング事例
SchoolAI
日本の学習塾で、撮影した数学の宿題を確認するためのteacher-in-the-loop型プラットフォーム。AIは提案し、最終判断は常に講師が行います。
非同期
AI処理パイプライン
Human
最終レビュー権限
Multi-tenant
学校・役割の境界
課題
紙の宿題には、最終回答だけでなく「最初にどこで間違えたか」という重要な情報があります。しかし、継続的な確認には時間がかかり、汎用チャットボットは学校の業務フローに合いません。
プロダクト仮説は「AIスクール」ではありません。実際の解答を取り込み、誤りを推定し、講師に提案し、承認された結果を次の学習行動につなげるという狭いループです。
信頼を中心にしたアーキテクチャ
モデル呼び出しの遅延や失敗が学校業務全体を止めないよう、AI処理は非同期化しています。
01解答画像
02S3 + API
03SQS FIFO
04Worker Lambda + Bedrock
05講師レビュー
06生徒への返却
- Cognitoとtenant-aware認可で学校、スタッフ、生徒の境界を分離。
- FIFOジョブ、永続化状態、WebSocket更新により、推論を観測可能なワークフローとして扱う。
- AI出力は提案であり、承認・修正・却下を明確な状態として表現。
主なプロダクト・技術判断
01
既存の学習方法を守る
学校に教材や業務システムの置き換えを求めず、紙の宿題の上に最初の価値を追加します。
02
推論と権限を分ける
モデルの確信度を講師の判断として扱わず、人によるレビューをUI上の注記ではなくアーキテクチャに組み込みます。
03
失敗とコストを設計対象にする
キュー、再試行、永続化された状態、provider境界により、遅延・失敗・推論コストを見える化します。
04
機能拡張を止める
次のマイルストーンは新機能ではなく、品質と顧客価値の検証です。
現在できていること
マルチテナントの役割、課題、画像提出、非同期AI分析、講師レビュー、フィードバック、スキル証拠、運用ビューまで実装されています。
ただし、実装量はproduct-market fitの証拠ではありません。次は対応する数学範囲を絞り、レビュー品質と時間削減を測定し、拡張前に実際のpilotを成立させます。
公開事例・非公開ソース
ソース非公開ソースリポジトリは非公開です。この事例では、認証情報、エンドポイント、児童データ、非公開画面、セキュリティを弱める実装詳細を公開せず、課題・境界・意思決定を説明します。
次の検証
- →対象とする数学範囲の評価データを作る
- →講師の承認率、安全上の見逃し、削減時間を測る
- →追加開発の前に小規模な学習塾pilotを実施する
技術スタック
.NET 8React 19TypeScriptAWS LambdaSQS FIFOWebSocketAmazon BedrockCognitoPostgreSQLS3