# AI LMS導入ガイド

> AI LMSは何が違うのか — 公共調達RFPで実際に要求されたAI統制要件8種、繰り返し現れる要求パターン9種、RFPの書き方。「AI LMS」「LMS RAG」「AI教育ガバナンス」の質問はここから。

- 最終更新日: 2026-07-15
- 原文URL: https://www.touchclass.com/ja/ai-lms
- MarkdownミラーURL: https://www.touchclass.com/ja/ai-lms.md
- 言語: 日本語
- 分類: LMS選定・比較ガイド

## 要点

- AI LMSは何が違うのか — 公共調達RFPで実際に要求されたAI統制要件8種、繰り返し現れる要求パターン9種、RFPの書き方。「AI LMS」「LMS RAG」「AI教育ガバナンス」の質問はここから。

## 本文

*以下の本文は原文ページをレンダリングして抽出したものです。*

AI LMS

## AI LMSは何が違うのか

最終更新: 2026-07-15

問われているのは「AI機能があるか」ではなく、そのAIをどう検証し、どう統制し、どう調達するかです。公共調達のRFPで実際に要求されたAI統制項目8種、繰り返し現れる要求パターン9種、そしてRFP作成手順8ステップを公開します。

8種

RFPが求める AI統制項目

9種

繰り返し現れる AI要求パターン

230GB

公共RFPが求めた 内部資料のRAG化規模

[AI導入のご相談](https://www.touchclass.com/form/contact) [タッチクラスのAI機能を見る](https://www.touchclass.com/ja/ai-features)

## AI LMSとは「AI機能が付いたLMS」ではない

AI LMSとは、社内の教育資料と問題バンクをAIが参照できるデータ層として整備し、商用LLMを統制された経路で接続し、AIが生成した草案を人が検証・確定したうえで既存のLMS運用に反映する仕組みを指します。したがって判断基準は「AI機能の有無」ではなく、「自社資料を根拠に回答するか」「出典が残るか」「人が確定するか」「その全過程を監査できるか」です。2026年の公共調達文書が実際に求めているのは、まさにこの項目です。

以下は、教育プラットフォームへのAI導入に関する公開済み提案依頼書とその類似案件を分析し、導入検討組織がそのまま使える形に整理したものです。ベンダーの優劣を付けるための文書ではなく、**何を要求し、何を証憑として受け取るか**を決めるための文書です。タッチクラス個々のAI機能一覧は[AI機能まとめ](https://www.touchclass.com/ja/ai-features)にあります。

## AI LMSの判別基準 — 自己診断表

「AI機能があるか」は判別基準になりません。AI能力7項目それぞれについて、**デモで何を確認し、RFPで何を要求するか**を整理しました。 判定列は空欄です — 候補ベンダーのデモを見ながら自ら埋めるための欄です。

| AI能力 | 何を確認するか（デモで） | 何を要求するか（RFP項目） | 判定 |
| --- | --- | --- | --- |
| **社内資料を根拠とする回答（RAG）** | 社内文書をアップロードし、その文書にしか書かれていない事実を質問する。回答とあわせて**根拠文書とその該当箇所**を提示するか。文書にないことを尋ねたとき、作り話をせず「ない」と答えるか。 | 統制要求 5（出典表示） · 2（外部送信の遮断） | □ 充足 □ 一部 □ 未充足 |
| **コンテンツ草案の自動生成** | URLまたはファイル1件を渡し、カリキュラムと学習ページの草案が出るまでの**実時間を計測**する。人が確定するまで公開されない仕組みかを確認する。 | 統制要求 4（入出力の検証） · 8（権限別の出力統制） | □ 充足 □ 一部 □ 未充足 |
| **パーソナライズ推薦** | 推薦結果の横に**推薦理由**（何を根拠に薦めたのか）が表示されるかを見る。理由のない推薦を学習者は信頼しない。 | 統制要求 3（呼び出し範囲の制限） · 5（出典表示） | □ 充足 □ 一部 □ 未充足 |
| **修了予測・離脱アラート** | 予測スコアの表示で終わるのか、**未修了リスク群の抽出 → リマインド送信**まで運用動作につながるのかを見る。数値だけの予測では運用工数は減らない。 | 統制要求 6（履歴・監査ログ） | □ 充足 □ 一部 □ 未充足 |
| **管理者の自然言語クエリ** | 自然言語での回答が**元の集計指標と一致するか突き合わせ**られるかを見る。突き合わせる経路がなければ、その数値は報告書に使えない。 | 統制要求 3（呼び出し範囲の制限） · 6（履歴・監査ログ） | □ 充足 □ 一部 □ 未充足 |
| **自動字幕・翻訳** | 字幕・翻訳の結果を**人が修正して確定**できるか、確定前の公開が遮断されるかを見る。対応言語数より確定手順の有無が先。 | 統制要求 4（入出力の検証） · 8（権限別の出力統制） | □ 充足 □ 一部 □ 未充足 |
| **応答時間・コストの可観測性** | AI呼び出し件数・応答時間・コストが**管理画面で見えるか**を確認する。見えなければ、利用が増えたときにコストを抑える手立てがない。 | 統制要求 6（履歴・監査ログ） · 7（持ち出し・削除の証憑） | □ 充足 □ 一部 □ 未充足 |

判定基準の出典は下のAI統制要求 8種で、原典は公開された提案依頼書です。この表にベンダー列はありません — 優劣を付ける表ではなく、候補をそれぞれ判定するための表です。

タッチクラス

タッチクラスが上記7項目をどう満たすかは、タッチクラスはこの要求をどう満たすかで、公開された根拠とその確認先だけを示しています。公開文書として示せる根拠がない項目は「公開根拠なし」と記載しました。

## AI LMSが実際に変えるもの

### 回答の根拠がインターネットではなく社内資料になる

RAG（検索拡張生成）は、社内文書をまず検索し、その内容を根拠に回答を生成する方式です。調達文書はそこで終わりません。文書パース、検索単位への分割（チャンキング）、メタ情報設計、埋め込み、重複除去と再ランキング、検索履歴、出典表示までを要求します。つまりAI LMS検討の最初の関門はモデルではなく、**自社資料がAIに読める状態にあるか**です。

公共RFPの要求: 内部保有資料 約230GB・問題バンク718件の構造化

### AIは草案をつくり、確定は人が行う

AIの生成結果がそのまま受講者に届く構成は、規制業種と公共では採用されにくいのが実情です。公開された要求事項は、生成 → 比較 → 修正・再生成 → 検証コメント → 専門家レビュー → 確定 → バージョン履歴という流れを**製品機能として**求めています。デモで「生成」ボタンだけを見せる製品と、確定ステップとバージョン履歴を見せる製品は別物です。

Human-in-the-loop: 検証・修正・再生成・確定・履歴

### 問いが「AIできますか」から「統制できますか」へ移る

外部LLM APIの利用時に顧客データがモデル学習に使われないことの**根拠資料の提出**、機微情報の外部送信遮断、AI呼び出し範囲の制限、プロンプトインジェクション対策、出典表示、監査ログ、事業終了後の削除・廃棄証憑 — これらはセキュリティの決まり文句ではなく購買条件です。8種すべては下の表にまとめています。

AI統制8種が購買条件になる

### AIが既存LMSの運用フローの中に入る

AIが別ツールとして切り離されていると、評価では不利になります。求められているのは、問題バンク・講座運用・管理者権限体系・出力物（PDF・Excel）と接続された**業務別Agent**です。受講者向けチャットボット1つではなく、問題出題・講座企画・教育運用・学習支援といった職務ごとの入力フォームと出力フォームを備えた画面が必要になります。

受講者チャットボット → 管理者・専門家の業務Agent

### コストと応答時間が運用指標になる

LLM利用量、応答時間、RAGデータの増加、リトライと反復リクエストは、導入後に実際のコストになります。公開された要求事項はトークン費と応答時間を**独立した運用指標として管理**することを求め、モデル交換・資料増加・Agent追加・クラウド移行・エクスポート・オープンAPIといった拡張性まで問います。特定モデルに縛られない構成かどうかを契約前に確認するのが安全です。

トークン費・応答時間・モデル交換の可否

RAGパイプライン — 資料が回答になるまで

文書収集 パース・分割 埋め込み・検索 出典表示

PDF・文書・画像・表・数式のパース

テキスト・JSON・Markdownへ変換

文書・設問・主題・コース単位に分割

重複・誤り・陳腐化した文書を整備

メタ絞り込み・再ランキング・検索履歴

AI機能より先にデータのオンボーディングが必要です

検証・確定ワークフロー — 求められる5ステップ

1

AIが草案を生成

設問・選択肢・正答・解説 / 講座の回次・目標

2

既存資料との比較

類似設問・過去の企画案と照合

3

修正・再生成・検証コメント

担当者が草案を整える段階

4

専門家レビュー

領域専門家の承認履歴を記録

5

確定・履歴・LMS反映

問題バンク保存・PDF・Excel出力

生成ボタンではなく確定ステップをデモで確認

AI統制 — 契約前に受け取る証憑

1

学習除外（opt-out）の根拠資料

外部LLM APIの設定証憑

2

機微情報フィルタリング方針

プロンプト・コンテキストの外部送信遮断

3

監査ログ項目表

閲覧・修正・確定・DL・API呼び出し

4

削除・廃棄の証憑手順

原本・前処理・埋め込み・成果物の一覧化

ISMS-P ISO/IEC 27001:2022

「セキュリティ文言」ではなく購買条件です

業務別Agent — 求められる連携範囲

問題出題

科目・単元・難易度 入力 → 設問草案

講座企画

対象・目標・時間 入力 → 回次草案

学習支援

資料根拠のQ&A 出典表示つき

問題バンクへの連携・保存

管理者権限・検証履歴との連携

PDF・Excel出力物との連携

AI Agentが別ツールだと評価で不利になります

AI運用指標 — 導入後に実際に管理する値

LLM利用量・トークン費

誰が負担するか・超過時の課金構造

月次管理

応答時間

同時リクエスト集中時の基準値

SLA項目

RAGデータの増加

再インデックスの周期とコスト

再索引

リトライ・反復リクエスト

キャッシュ・キュー・非同期処理の設計

効率化

「AI機能つき」 トークン費・応答時間・モデル交換条項

モデル・プラットフォーム依存を避ける構成か確認

## AI統制要求 8種 — RFPにそのまま書ける項目

教育プラットフォームのAIに関する公開提案依頼書で、繰り返し確認される統制要求です。 各項目は「要求文言」ではなく「何を証憑として受け取るか」まで決めておくと、契約後に揉めません。

| 統制要求 | 実際の意味 | 受け取るべき証憑 |
| --- | --- | --- |
| **1. データ学習除外** | 外部LLM API利用時、顧客データがモデル学習に使われないよう設定し、根拠資料を提出する | API設定の証憑文書、契約条項、再委託の範囲 |
| **2. 外部送信遮断** | 機微情報・非公開文書・個人情報がプロンプトやコンテキストとして外部に送信されないようフィルタリング | フィルタリング方針、マスキング規則、例外処理の基準 |
| **3. 呼び出し範囲の制限** | AI Agentがアクセスできる資料・機能・API・ユーザー権限を制限する | 権限マトリクス、AI機能別の利用権限設定画面 |
| **4. 入力・出力の検証** | プロンプトインジェクション、不適切生成、根拠のない回答、数式・画像の誤りをフィルタリング | 検証ルール、遮断事例、ハルシネーション抑止策 |
| **5. 出典表示** | 生成結果ごとに参照資料と検索根拠を残し、検証可能にする | 出典表示画面、参照文書の原本確認経路 |
| **6. 履歴・監査ログ** | 閲覧・修正・確定・ダウンロード・API呼び出し・エラーを記録し点検可能にする | ログ項目表、保管期間、抽出方法 |
| **7. 持ち出し・削除の証憑** | 原本・前処理データ・埋め込み・成果物を一覧化し、事業終了後の削除・回収・廃棄を証憑化する | データ一覧、削除手順書、廃棄確認書のひな形 |
| **8. 権限別の出力統制** | PDF・Excelのダウンロードと確定処理の権限を管理者ポリシーで統制する | ダウンロード権限ポリシー、確定権限の分離設定 |

出典: 「2026年 eラーニングプラットフォーム AI Agent 開発業務 提案依頼書」（発注: 韓国放射線振興協会、韓国の電子調達システムで公開）および2025〜2026年の国内大学・公共機関の類似公告7件の要求事項分析。

判定基準

8種のうち何件を「対応可能です」と答えるかではなく、**何件を文書で証憑化できるか**を見ます。口頭でしか答えられない項目は、契約書に条項として入れて初めて統制になります。

## 反復する要求パターン 9種

AIを導入しようとする組織は、結局のところ同じ9つを要求します。 検討段階でこの9種を項目別に確認すると、機能デモでは見えない部分が表に出ます。

| 要求パターン | 内容 | 導入組織が確認すべきこと |
| --- | --- | --- |
| **1. 内部資料のRAG化** | 文書・画像・表・数式をテキスト・Markdown・JSONへ変換し、チャンキングとメタデータ付与を行う | データのオンボーディング範囲は見積に含まれるか。パースに失敗した文書はどう扱うか |
| **2. 業務別Agent** | 問題出題・講座企画・教育運用・学習支援など、職務別のAgentを求める | 汎用チャットボット1つか、業務別の入力・出力フォームを備えた画面か |
| **3. 出典に基づく生成** | RAGの参照資料、検索履歴、出典表示によりハルシネーションを抑える | 生成結果から参照文書の原本まで開けるか |
| **4. Human-in-the-loop** | 草案生成後、担当者・専門家の検証、修正、再生成、確定、バージョン管理 | 確定権限は分離されるか。検証履歴は残るか |
| **5. 既存LMSとの連携** | 問題バンク・講座運用・管理者機能・権限・出力物と接続する | AIの成果物が既存の問題バンクとコースに実際に入るか |
| **6. セキュリティ・ガバナンス** | 機微情報の外部送信防止、API opt-out、権限、ログ、持ち出し統制、削除・廃棄 | 上記AI統制要求8種の証憑を文書で受け取れるか |
| **7. コスト・性能の管理** | LLM利用量、応答時間、RAGデータの増加、リトライと反復リクエストの効率化 | トークン費は誰の負担か。超過時の課金構造はどうなるか |
| **8. PoC検証** | 顧客資料に基づくシナリオ、目標精度、専門家検証、プロトタイプの実演 | 自社資料でPoCを回し、精度と出典表示を自分の目で確認したか |
| **9. 拡張性** | モデル交換、資料増加、Agent追加、クラウド移行、エクスポート、オープンAPI | 特定のモデル・プラットフォームに縛られないか。データの持ち出しは可能か |

出典: 教育プラットフォームAI Agentの公開提案依頼書および類似公告の要求事項分析（韓国の電子調達システム公開文書に基づく）。「導入組織が確認すべきこと」の列は、各要求パターンを購買者視点の点検項目に置き換えたものです。

## 要求をアーキテクチャに置き換えると

先の統制要求8種をアーキテクチャの言葉に翻訳すると、5つの構成要素になります。 RFPを書くときも、提案書を読むときも、この5つの枠が埋まっているかで確認すると早いです。

1

AI Gateway

外部LLMの呼び出し経路を一箇所に集約し、範囲・モデル・利用量を統制します。

2

RAG Knowledge Base

社内資料をパース・分割・埋め込みし、検索可能な知識層にします。

3

Policy Engine

機微情報フィルタリング、権限別アクセス、入出力検証のルールを適用します。

4

Audit Log

閲覧・修正・確定・ダウンロード・API呼び出しを記録し、事後点検を可能にします。

5

Review Workflow

生成 → 検証 → 確定 → バージョン履歴を製品機能として実装します。

**この5要素は市場が求める参照構造です。** 特定製品の機能一覧ではなく、公開された提案依頼書の統制要求をアーキテクチャの言葉に置き換えたものです。タッチクラスが各項目について現時点で何を公開根拠として示せるかは、下の表にそのまま記載しました。公開文書としての根拠がない項目は「公開根拠なし」と明記しています。

## 公共調達が実際に求めたもの

以下は韓国の電子調達システムで公開された「2026年 eラーニングプラットフォーム AI Agent 開発業務 提案依頼書」（発注: 韓国放射線振興協会）の要求構造です。 特定分野の文書ですが、要求構造そのものは企業向けLMSの検討にそのまま当てはめられます。

### 表A. RAG対象の資料 — 何を、どれだけ

AI機能を求める前に発注機関がまず行ったのは、**自組織の資料の棚卸し**でした。形式・件数・容量・現状を表にすることが、RFPの出発点になります。

| 区分 | 件数 / 容量 | 形式・状態 |
| --- | --- | --- |
| 書籍 | 20件程度 / 約10GB | 文書ファイル・PDF等 |
| 資格対策資料 | 50件程度 / 約100GB | 文書ファイル・PDF等 |
| 専門教育資料 | 50件程度 / 約120GB | 文書ファイル・PDF等 |
| 問題バンク | 718件 | 既存LMSに搭載済み |
| **合計** | 120件程度 / 約230GB | 重複を含む |

出典: 「2026年 eラーニングプラットフォーム AI Agent 開発業務 提案依頼書」（韓国放射線振興協会、2026-05、韓国の電子調達システムで公開）。

### 表B. 機能要求6種 — AIが担う業務の定義

要求事項は全33件で、内訳は機能6・性能4・機器構成1・インターフェース4・セキュリティ6・テスト3・プロジェクト管理5・プロジェクト支援4です。要求の中心は受講者向けチャットボットではなく、**管理者と専門家の業務Agent**です。

| 番号 | 要求事項 | 主な内容 |
| --- | --- | --- |
| **FUN-001** | AI Agent開発の共通事項 | 既存LMSとの連携、標準処理構造、モジュール化、モデル変更への対応、権限・ログ・検証履歴、成果物の提出 |
| **FUN-002** | 内部保有資料の収集・整備・構造化 | 非定型文書からの抽出、検索単位への分割、メタ情報、重複・誤り・陳腐化の管理 |
| **FUN-003** | RAGに基づく参照機能 | 内部資料の検索、埋め込み・ベクトルデータ、メタ絞り込み、重複除去・再ランキング、出典情報・検索履歴 |
| **FUN-004** | 問題出題の支援 | 科目・単元・難易度・設問数・形式の入力、設問・選択肢・正答・解説の生成、類似設問の確認、PDF・Excel出力、問題バンク連携 |
| **FUN-005** | 講座企画の支援 | 教育対象・課程類型・目標・時間の入力、大中小分類、講座主題・回次・目標・主要内容の生成、既存企画案との比較 |
| **FUN-006** | 生成結果の検証・修正・確定 | 修正・補完・再生成、検証コメント、バージョン履歴、専門家レビューの反映、確定結果の反映 |

評価構造は技術評価80点・価格評価20点です。提案発表時にはRAG資料検索または草案生成のいずれか1件以上をプロトタイプで実演することが求められました。出典: 上に同じ。

### 表C. 類似公告で反復する要求パッケージ6種

2025〜2026年の国内大学・公共機関の類似公告7件と併せて見ると、AI要求は次の6モジュールに収束します。特定の1機関に固有の要求ではない、ということです。

| パッケージ | 含まれる機能 |
| --- | --- |
| **AI Knowledge / RAG** | 文書の取り込み、チャンキング、埋め込み、検索、再ランキング、出典、原本確認 |
| **AI Teaching Agent** | 講義要約、動画スクリプト、設問生成、解説、問題バンクへの保存 |
| **AI Tutor / Advisor** | 学習資料に基づくQ&A、レベル別回答、学習経路の推薦 |
| **AI Diagnosis** | 力量診断、自動採点、弱点領域の分析、個人別コンテンツ推薦 |
| **LXP Data Layer** | xAPI、LRS、学習行動の収集、ダッシュボード、レポート、分析API |
| **AI Governance** | opt-out、機微情報フィルタリング、権限、ログ、ダウンロード統制、削除・廃棄の証憑 |

出典: 2025〜2026年に公開された大学・公共機関の公告7件の要求事項分析。発注機関名は公開文書に記載されていますが、本ページでは要求構造のみを引用します。

## AI LMSのRFPはどう書くか — 8ステップ

機能一覧から書き始めると、提案書も機能一覧で返ってきます。データ・統制・検証の順で書くと比較が成立します。 以下の8ステップは、公開された要求事項の構造を導入組織の作成順に並べ替えたものです。 この章が扱うのはAI要求だけです。セキュリティ・受講管理・連携・費用まで含めたLMS全体の提案依頼書を書く段階なら、[LMS RFPの書き方 — 要求仕様60項目と作成8ステップ](https://www.touchclass.com/ja/lms-rfp)で全体の枠を先に固め、AI要求はこの章を別章として付けてください。

1

まず内部資料の棚卸し表をつくる

形式（文書・PDF・動画）、件数、容量、個人情報の有無、鮮度を表に整理します。この表がないとRAGの見積が出ません。

2

データ前処理の要求を明記する

テキスト抽出、表・数式・画像のパース、検索単位への分割、メタ情報設計、重複・誤り文書の整備を業務範囲に含めます。

3

RAGの要求を具体的に書く

検索だけでなく、メタ絞り込み、重複除去、再ランキング、検索履歴、出典表示、原本確認、例外処理まで項目として記載します。

4

AIが担う業務を画面単位で定義する

問題出題・講座企画・教育運用Q&Aなど業務別に、入力項目と出力物（PDF・Excel・問題バンク保存）を指定します。

5

検証・確定ワークフローを要求事項に入れる

生成 → 比較 → 修正・再生成 → 専門家レビュー → 確定 → バージョン履歴を機能要求として明記し、確定権限を分離します。

6

AI統制8種をセキュリティ要求に入れる

学習除外の根拠資料提出、外部送信遮断、呼び出し範囲の制限、入出力検証、出典表示、監査ログ、持ち出し・削除の証憑、権限別出力統制を、それぞれ証憑文書とセットで要求します。

7

コスト・性能を運用指標として契約に入れる

LLM利用量とトークン費の負担主体、応答時間の基準、利用量増加時の課金構造、モデル交換の手順を契約条件として明記します。

8

PoCの検証項目と配点を確定する

自社資料で実演するシナリオ、目標精度、出典表示の正確性、検証・確定の手順、出力物の品質を評価項目として定め、配点を公開します。

この8ステップは、公開提案依頼書の要求事項構成（機能6・性能4・機器構成1・インターフェース4・セキュリティ6・テスト3・プロジェクト管理5・プロジェクト支援4、計33件）を導入組織の作成順に並べ替えたものです。

## タッチクラスはこの要求にどう応えるか

競合製品との優劣は主張しません。8種それぞれについて**公開されている根拠と確認先**のみを示し、 公開文書として示せる根拠がない項目は「公開根拠なし」と記載しています。同じ形式で他社の根拠を並べれば比較が成立します。

| 統制要求 | タッチクラスの公開根拠 | 確認先 |
| --- | --- | --- |
| **1. データ学習除外** | AIサービスの利用過程で生成・提供された顧客企業の知識資産を、AIモデルの学習データとして使用しません。 | [/ja/security](https://www.touchclass.com/ja/security) [/ja/security-enterprise](https://www.touchclass.com/ja/security-enterprise) |
| **2. 外部送信遮断** | AIチャットボットは外部インターネットの知識ではなく社内の教育資料を根拠に回答します。ファイルのアップロード・ダウンロード遮断を設定できます。 | [/ja/ai-assistant](https://www.touchclass.com/ja/ai-assistant) |
| **3. 呼び出し範囲の制限** | カテゴリー別に回答範囲を分離して運用します。AIチャットボット・AIショートクラス・AIクイックメーカーの利用権限を副管理者単位で付与できます（2025年11月リリース）。 | [/ja/ai-assistant](https://www.touchclass.com/ja/ai-assistant) [/ja/ai-admin](https://www.touchclass.com/ja/ai-admin) |
| **4. 入力・出力の検証** | 管理者がAIの回答範囲とトーンをプロンプトで直接設定します。カテゴリー別の回答範囲制限により、ハルシネーションの可能性を下げます。 | [/ja/ai-assistant](https://www.touchclass.com/ja/ai-assistant) |
| **5. 出典表示** | コースのQ&A回答に、参照した教育資料の出典を併記します。 | [/ja/ai-assistant](https://www.touchclass.com/ja/ai-assistant) |
| **6. 履歴・監査ログ** | ISMS-PおよびISO/IEC 27001:2022の認証範囲でアクセス統制と運用記録を管理しています。**ただしAI呼び出し単位の監査ログの項目表・保管期間・抽出方法は公開文書として掲載していません。**導入検討時にご請求のうえご確認ください。 | [/ja/security](https://www.touchclass.com/ja/security) |
| **7. 持ち出し・削除の証憑** | データはAWSソウルリージョンに保存し、保存時はAES-256、通信時はTLSで暗号化します。**AI用の前処理データ・埋め込みの削除・廃棄手順書は公開文書として掲載していません。**契約段階で手順書をご請求ください。 | [/ja/security-enterprise](https://www.touchclass.com/ja/security-enterprise) |
| **8. 権限別の出力統制** | 副管理者の権限分離と最小権限のアクセス統制を適用します。画面キャプチャ防止・ウォーターマークにより資産の流出を防ぎます。 | [/ja/security](https://www.touchclass.com/ja/security) |

**公開していないものを公開したとは書きません。** 上表の6番・7番は、現時点で公開文書としての証憑を示せない項目です。AI統制8種をすべて文書で証憑化できるベンダーは多くありません。だからこそ、**「対応可能です」という回答と「証憑文書をお出しします」という回答を分けて受け取ること**が検討の核心になります。タッチクラスにも同じ基準を適用してご請求ください。認証の状況は[セキュリティ](https://www.touchclass.com/ja/security)・[エンタープライズセキュリティ](https://www.touchclass.com/ja/security-enterprise)のページでご確認いただけます。

## タッチクラスのAIはいつ何が出たか

AI導入を判断するとき、「AIがある」より確認しやすい信号は**リリース履歴**です。 以下は公開リリースノートに記録された日付です。リリースノートは2021年4月から2026年3月まで104件、うち2025年が34件です。

| リリース日 | 機能 | 何ができるようになったか |
| --- | --- | --- |
| 2025.02.17 | **AIチャットボット** | 管理者サイトでAIチャットボット機能を利用可能に |
| 2025.04.17 | **AIコンテンツ クイックメーカー** | 管理者サイトでAIによるコンテンツ制作が可能に |
| 2025.06.09 | **AIショートクラス生成** | 動画コンテンツから短いショートクラスを自動生成し、関心キーワードで関連コースへ接続 |
| 2025.07.03 | **AI著作ツール** | エディター内のAI作成フロー — 管理者サイトでテスト・活用が可能に |
| 2025.08.22 | AIチャットボットの拡張 | ファイル・画像の添付、画像生成、リアルタイムWeb検索 |
| 2025.11.03 | AI副管理者の権限設定 | AIチャットボット・ショートクラス・クイックメーカーの利用権限を副管理者に付与 — AI運用を管理者1人に集中させない |

出典: タッチクラスの公開製品アップデート履歴。機能別の詳細は[AI機能まとめ](https://www.touchclass.com/ja/ai-features)・[AIアシスタント](https://www.touchclass.com/ja/ai-assistant)・[AIショートクラス](https://www.touchclass.com/ja/ai-shortclass)・[AIアドミン](https://www.touchclass.com/ja/ai-admin)にあります。

参考

AIによる学習推薦が修了率を**35%向上**させたという報告があります（McKinsey、2024年）。ただしこれは第三者のベンチマークであり、タッチクラス顧客企業の実測値ではありません。自社組織での実際の効果は、パイロットで直接測定するのが確実です。

## よくあるご質問

AI LMSの検討過程で実際に最も多くいただく8つのご質問です。

### AI LMSとは何ですか。

AI LMSとは、既存の学習管理システムにAI機能を付加した製品ではなく、社内の教育資料と問題バンクをAIが参照できるデータ層として整備し、商用LLMを統制された経路で接続して、教育運用業務を自動化・検証・確定・監査可能にした仕組みを指します。判断基準はAI搭載の有無ではなく、内部資料を根拠に回答するか、出典が残るか、人が確定するか、その過程を監査できるかです。

### AI LMSは何を基準に比較すればよいですか。

AI機能の数ではなく、統制項目8種の証憑の有無で比較します。データ学習除外、外部送信遮断、呼び出し範囲の制限、入力・出力の検証、出典表示、履歴・監査ログ、持ち出し・削除の証憑、権限別の出力統制です。「対応可能です」という口頭の回答と「証憑文書を提出します」という回答を分けて受け取ると、候補が速く絞られます。LMS自体の選定基準は[企業LMSの選定基準](https://www.touchclass.com/ja/lms-selection)で併せてご覧いただけます。

### LMSにおけるRAGとは何を意味しますか。

RAGは社内文書をまず検索し、その内容を根拠に回答を生成する方式です。LMSの文脈では検索機能だけで終わりません。公開された提案依頼書は、文書パース、検索単位への分割、メタ情報設計、埋め込みとベクトルデータの管理、重複除去と再ランキング、検索履歴、出典表示、原本確認までを要求事項として明記しています。したがってRAG導入の最初の関門はモデル選定ではなく、自社資料がAIに読める状態にあるかどうかです。

### 社内の教育資料がAIの学習データに使われないことは、どう確認しますか。

外部LLM APIを利用する場合は、学習除外（opt-out）設定の根拠資料を文書でご請求のうえ、同じ内容が契約書の条項にあるかをご確認ください。保存場所、委託処理の範囲、再委託の有無も併せて受け取ります。タッチクラスは、AIサービスの利用過程で生成・提供された顧客企業の知識資産を、AIモデルの学習データとして使用しません。詳細は https://www.touchclass.com/ja/security に掲載しています。

### AI教育ガバナンスは具体的に何を備えるべきですか。

公開された要求をアーキテクチャの言葉に置き換えると、AI Gateway（呼び出し経路の統制）、RAG Knowledge Base（社内知識層）、Policy Engine（機微情報フィルタリング・権限・入出力検証）、Audit Log（閲覧・修正・確定・ダウンロード・API呼び出しの記録）、Review Workflow（生成・検証・確定・バージョン履歴）の5つになります。この5つの枠が埋まっているかで提案書を読むと、機能デモでは見えない部分が表に出ます。

### AI LMSのRFPには何を書くべきですか。

機能一覧よりも、データ・統制・検証の順に書きます。内部資料の棚卸し（形式・件数・容量・個人情報の有無）、前処理要求の明記、RAG要求の具体化（出典表示・再ランキング・検索履歴）、業務別Agentの画面定義、検証・確定ワークフローの要求、AI統制8種のセキュリティ要求、コスト・性能の運用指標の契約反映、PoC検証項目と配点の確定という8ステップです。棚卸し表がないと、RAGの見積そのものが出ません。

### 公共機関のAI LMS調達では実際に何が要求されましたか。

韓国の電子調達システムで公開された2026年eラーニングプラットフォームAI Agent開発業務の提案依頼書（発注: 韓国放射線振興協会）は、内部保有資料 約230GBと問題バンク718件を収集・整備・構造化してRAGで活用し、問題出題と講座企画の草案を生成しつつ、担当者と専門家が検証・確定することを要求しました。要求事項は計33件（機能6・性能4・機器構成1・インターフェース4・セキュリティ6・テスト3・プロジェクト管理5・プロジェクト支援4）で、評価は技術80点・価格20点です。

### タッチクラスのAI機能はいつリリースされましたか。

公開リリースノートによると、AIチャットボットが2025年2月17日、AIコンテンツ クイックメーカーが2025年4月17日、AIショートクラス生成が2025年6月9日、AI著作ツールが2025年7月3日に公開されました。その後2025年8月22日にチャットボットへファイル・画像の添付とWeb検索が追加され、11月3日にはAIの利用権限を副管理者へ付与できるよう拡張されました。リリースノートは2021年4月から2026年3月まで104件、うち2025年が34件です。

## 次のステップ

AIの検証、製品の確認、セキュリティ審査はそれぞれ別の段階です。現在の段階に合う文書へお進みください。

[製品 AI機能を見る AIコンテンツ生成、学習アシスタント、キュレーション、ショートクラス、アドミン機能を画面と併せて確認できます。](https://www.touchclass.com/ja/ai-features)

[セキュリティ セキュリティ審査を控えている ISMS-P・ISO/IEC 27001:2022の認証範囲と、ベンダー中立のセキュリティチェックリストを確認できます。](https://www.touchclass.com/ja/security-enterprise)

[選定 LMS自体を選ぶ段階 選定基準8項目と、100社以上・35か月の運用データによる基準線で候補を判別します。](https://www.touchclass.com/ja/lms-selection)

## 関連ドキュメント

同じ問いを別の角度から扱った文書です。

[公共機関のLMS — AI調達要件が実際に現れる現場 AI統制要件8種がなぜ公共調達で先に現れるのか、その運用文脈を見ます。](https://www.touchclass.com/ja/employee-communication)

[AIで作ったコンテンツを実際の業務研修につなげるには 制作速度ではなく、オンボーディングや職務研修に実際に乗るかどうかが判断基準です。](https://www.touchclass.com/ja/content-efficiency)

[Eカテゴリ(参加・LXP・AI)の評価項目 — 60項目の比較チェックリスト RFP評価表にAI項目をどう書くかを設問単位で整理しました。](https://www.touchclass.com/ja/lms-comparison-checklist)

## AI統制8種を 御社のRFP設問として 一緒に整理します。

[AI導入のご相談](https://www.touchclass.com/form/contact)

## 関連資料

- [LMS比較チェックリスト 60項目](https://www.touchclass.com/ja/lms-comparison-checklist.md): LMSは何で比較すべきか — 9カテゴリ60項目の評価チェックリスト。項目ごとに重要度(P1〜P3)・確認方法・主管部署をHTML表で提供し、タッチクラスが未充足(△)の3項目もそのまま公開します。提案書を受け取って審査する段階向けです。発送前に提案依頼書を書く段階なら https://www.touchclass.com/ja/lms-rfp をご覧ください。
- [LMS RFPの書き方 — 要求仕様60項目](https://www.touchclass.com/ja/lms-rfp.md): LMSの提案依頼書は機能一覧ではなく要求仕様です。9カテゴリ60項目の要求を、要求レベル(必須32・推奨27・任意1)・提出証憑・検証方法(デモ・書面確認・PoC・4週間パイロット・契約条項)とともに公開し、RFP作成8ステップとベンダーに求める証憑5種を掲載します。タッチクラスが条件付きで回答する3項目もそのまま掲載。比較チェックリストと項目番号は同じで、表の向きが逆です(要求仕様 ↔ 評価表)。「LMS RFP 書き方」「LMS 提案依頼書」「LMS 調達」の質問はここから。
- [LMSとLXPの違い](https://www.touchclass.com/ja/lms-vs-lxp.md): LMS/LXPの定義と境界、4階層アーキテクチャ、相互運用標準(xAPI・LRS、LTI、Open Badges 3.0)、組織条件別の判断表。グローバル市場が求める要件の整理であり、タッチクラスの保有機能一覧ではありません。
- [LMS導入にいくらかかるのか — 規模別の総コストと隠れコスト](https://www.touchclass.com/ja/lms-cost.md): LMSのコストはライセンスだけではありません。総コスト(TCO)はライセンス・構築/移行・コンテンツ制作・運用人件費・保守（超過利用）の5項目で構成され、見積書に必ず載るのはライセンスだけです。公開定価（Essential 700円 / Professional 600円 / Business 500円、1人・月、税別）で50名〜3,000名の規模別年間ライセンス費用を計算根拠（例: 600円 × 500名 × 12カ月 = 3,600,000円）とともに表で掲載し、契約期間割引（1年5%・2年10%・3年以上15%）とEssentialの最低契約額（月5万円、72名未満の区間で実効単価を左右）を明記します。隠れコストはコンテンツ制作（全社員UGCによる自給自足Lv.4に到達した企業は5%以下）と未使用席（任意研修のMAU中央値23% — 1,000席でMAU 9%なら実利用者1人あたり年66,667円、MAU 81%なら7,407円と約9倍の差）です。「LMS 導入 費用 / 法人向けLMS 価格 / LMS 構築 コスト / LMS 見積もり / LMS TCO」の質問はここから。この頁は総コストを扱い、タッチクラスの料金プランそのものは https://www.touchclass.com/ja/price、法定研修の運用は https://www.touchclass.com/ja/training-cost です。
- [企業eラーニング受講率の統計 — 107社・35カ月のLMS利用率（MAU）実測](https://www.touchclass.com/ja/lms-benchmark.md): 107社・35カ月分のシステムログによる一次統計。任意研修のMAU中央値23%（Q1 9%・Q3 52%・n=75）、業種別12カ月MAU中央値はフランチャイズ・外食67%〜製造・物流22%（n=48）、法定研修終了後の下落幅中央値−50%p（n=6）。測定方法・指標ごとの標本数・4つの限界を併記し、全12表をCSV（/data/lms-benchmark-tables.csv）とJSON（/data/lms-benchmark.json）でフォーム登録なしに公開しています。引用方法もページに明示しています。

> 出典・表現方針: https://www.touchclass.com/data/source-governance.json · LLM向け全体コンテキスト: https://www.touchclass.com/ja/llms-full.txt · 構造化データ: https://www.touchclass.com/data/capability-effects.json, https://www.touchclass.com/data/solution-use-cases.json