한국어 
日本語 
English 
LMSとLXPは何が違うのか — どちらを選ぶべきか
最終更新: 2026-07-14
両カテゴリの定義と境界、次世代学習運用の4レイヤーアーキテクチャ、相互運用標準、そして組織条件別の判断表を整理しました。ベンダーの順位づけではなく、判断の基準です。
(Josh Bersin)
アーキテクチャ
(xAPI · LTI · Open Badges ほか)
LMSは「修了」を管理し、LXPは「探索」を設計する
LMS（Learning Management System）は教育部門がつくったコースを配信し、修了と証跡を集計するシステムです。LXP（Learning Experience Platform）は学習者が自ら学習コンテンツを探し、つくり、推薦を受ける体験を設計するプラットフォームです。ただし2026年時点で、この区分は製品カテゴリというより運用のあり方の違いに近づいています。グローバル市場ではLMS・LXP・マイクロラーニングが一つの学習オペレーティングシステムへ収れんしつつあり、判断すべきは「LMSかLXPか」ではなく自社がコンテンツをどう供給し、何を指標にするかです。
本ページはベンダーの優劣を判定しません。定義と境界、4レイヤーアーキテクチャ、相互運用標準、進化の5段階、組織条件別の判断表を順に示し、各項目に確認方法と出典を併記しています。
本ページの4レイヤーアーキテクチャ・相互運用標準・グローバルベンダー動向は、グローバルのAI HRD/L&D市場が求めている能力を整理した外部リサーチのフレームです。タッチクラスがこれらをすべて提供するという意味ではありません。 タッチクラスが現時点で根拠を示せる範囲は、下の「タッチクラスはこのフレームのどこにいるか」の表に判定つきで明記しています。スキルグラフは部分対応（△）です。
LMSとLXPの定義と境界
-
教育部門が設計したコースを配信し、修了条件を判定し、証跡を集計するシステムです。中心となる単位はコースで、主要指標は修了率と受講時間です。法定教育のように「誰が・何を・いつ修了したか」を監査に提出する業務では、LMSが依然として的確な道具です。タッチクラスの運用データでも、コンプライアンス中心の運用が100社以上のなかで最も多い活用パターンでした。関連機能は修了管理にあります。
単位: コース · 主要指標: 修了率 -
学習者が自ら学習コンテンツを探し、消費し、生産し、システムがスキルギャップと業務文脈にもとづいて次の学習を推薦するプラットフォームです。中心となる単位はコースではなく学習者とスキルで、コンテンツは教育部門の供給分に加えて現場が作成した資料や外部コンテンツが混ざります。したがってLXPは「機能を購入すれば動くもの」ではなく、コンテンツ供給の構造が変わってはじめて機能します。社内のコンテンツ生産構造はソーシャルラーニングで確認できます。
単位: 学習者・スキル / コンテンツは多元供給 -
Josh Bersinは、LMS・LXP・マイクロラーニングに分かれていたカテゴリが崩れ、単一カテゴリへ収れんすると整理しています（Dynamic Enablement）。外部リサーチのフレームでも、学習ポータルはHCM・評価・ナレッジマネジメント・コラボレーションツールと接続されたAIネイティブな運用基盤として再定義されます。実務上の意味は単純です。製品ラベルではなく、コースカタログ中心か、スキルとデータ中心かで候補を分けるほうが正確です。
LMS + LXP + マイクロラーニング → 単一カテゴリへ -
外部リサーチの合意は、指標が受講時間・修了率から熟練度の向上・役割転換の速度・社内異動・生産性・売上寄与・リスク低減へ移るという点です。問題は、これを実際に測定している組織が非常に少ないことです。Kirkpatrick レベル4（成果）を測定していると回答した企業は8%でした（ATD 2024）。タッチクラスの運用データ107社でも、学習と成果の因果を定量的に立証した企業は約9%、売上・生産性まで立証した企業は5社未満でした。元データは運用データレポートにあります。
レベル4の立証: 107社中5社未満 -
リサーチの共通結論は、技術不足よりもデータ品質・ガバナンス・信頼・変革管理・法と倫理がボトルネックだという点です。推薦の品質は、より良いプロンプトではなく、きれいなスキル・職務・コンテンツのマッピングと、露出ログ・結果ログから生まれます。とくに会議の文字起こし、コラボレーションメッセージ、人事評価の自由記述、報酬に隣接するデータは高リスクデータに分類されます — 個別の通知・同意・権限・監査なしに推薦の入力として使わないほうが安全です。通知チャネルと分析入力データは分離してください。
高リスクデータは推薦の入力から分離する
測定する企業 (ATD 2024)
定量立証 (N=107)
次世代学習運用の4レイヤーアーキテクチャ
グローバルのリサーチは、次世代のLMS/LXPを単一のアプリではなく4つのレイヤーを束ねた構造として整理します。この4レイヤーは市場が求める能力のフレームであり、特定製品の機能一覧ではありません。RFPを書くときは、レイヤーごとに「何を誰が保有するのか」を明示するほうが正確です。
-
スキルの taxonomy と ontology、コンテンツのメタデータ、LRS（学習記録ストア）、データウェアハウス、ベクトルストアがこのレイヤーに入ります。スキルグラフは、スキルと職務、コンテンツ、学習者をノードと関係で結んだデータ構造で、このレイヤーの中核です。技術スキルの半減期が約2.5年に短くなるなかで（Deloitte 2024）、スキルデータをどう正規化し更新するかが実際の論点になります。検証すべき問いは一つです — スキルデータの所有権と正規化の方式が契約書に明記されるか。
タッチクラス: スキルグラフは部分対応（△） -
RAG検索、推薦エンジン、コンテンツ生成、評価・クイズ生成、コーチング・ロールプレイ、エージェントのオーケストレーションが該当します。AIによる学習推薦が修了率を35%高めたという報告があり（McKinsey 2024）、L&D専門家の83%がAIによる個別最適化を最優先課題に挙げました（LinkedIn 2025）。ただし推薦の品質はモデルではなく、前のレイヤーのデータで決まります。タッチクラスのAI機能の範囲はAI機能にまとめています。
推薦の品質はモデルではなくデータから生まれる -
LMS/LXPの画面、業務メッセンジャー、ブラウザ拡張、モバイル、業務アプリへの埋め込みが、学習が実際に消費される接点です。「Learning in the Flow of Work」とは、ポータルへの訪問を前提とせず業務の流れのなかで学習を届けるという意味です。韓国では労働人口の約60%が非デスクワーカーであり（雇用労働部 2024）、モバイルが事実上の第一接点になります。チャネル選択もセグメントに依存します — 外部リサーチによると、大企業・教育・規制産業では Teams、IT・デジタル組織では Slack が優勢です。
韓国の労働人口の約60%が非デスク（雇用労働部 2024） -
RBAC（権限）、同意管理、ポリシーエンジン、監査ログ、説明可能性、プライバシー、セキュリティがこのレイヤーです。韓国のRFPでも、このレイヤーはすでに購買条件として現れています — 出典表示、ハルシネーション抑制、LLM APIの学習データ除外、機微情報の外部送信防止、権限・ログ・ダウンロードの統制、人が検証して確定する手続き（human-in-the-loop）が要件に含まれます。タッチクラスは ISMS-P と ISO/IEC 27001:2022 の認証を保有し、AIサービスの利用過程で生成・提供されたお客様の知識資産をAIモデルの学習データとして使用しません。詳細はセキュリティにあります。
顧客の知識資産をAIモデル学習に使用しない
修了率の向上 (McKinsey 2024)
回答したL&D専門家 (LinkedIn 2025)
非デスクワーカーの割合
届かない」との回答
相互運用標準7種 — RFPに何を書くか
LXPの導入で最も抜け落ちやすい項目が標準です。標準がなければ、学習データはベンダーを離れた瞬間に消えます。
以下の7種はグローバル市場で繰り返し言及される相互運用標準で、各項目の公式出典を併記しています。
| 標準 | 何を標準化するか | RFPで確認すること | 公式出典 |
|---|---|---|---|
| xAPI (Experience API) | ポータル外の学習行動まで含む学習体験の記録形式 | LRSへデータを書き出せるか、ステートメントのスキーマは公開されているか | xapi.com |
| LRS (Learning Record Store) | xAPIステートメントを保存・照会するストア | LRSは内蔵か外部連携か、データの所有権は誰にあるか | adlnet.gov |
| LTI | 外部の学習ツールをプラットフォームに接続するインターフェース | LTIのバージョン、ツール登録の手順、権限の受け渡し方式 | 1edtech.org |
| Open Badges 3.0 | 検証可能なデジタルバッジ・認定の発行形式 | バッジを組織の外でも検証できるか | 1edtech.org |
| CLR 2.0 | 学習・能力の履歴を一つの検証可能な記録に束ねる形式 | 退職・転職時に学習履歴が持ち出せるか | 1edtech.org |
| HR Open Standards | HRシステム間のデータ交換 — スキル習熟度APIを含む | HRIS · HCMとスキルデータをやり取りする規格 | hropenstandards.org |
| O*NET · Lightcast Open Skills | 職務 · スキルの分類体系（公開スキル taxonomy） | スキル名称を自前で定義するのか、公開taxonomyに対応づけるのか | onetonline.org · lightcast.io |
標準リストの出典: グローバルHRD/L&D市場のリサーチフレーム（xAPI/LRS、LTI、Open Badges 3.0、CLR 2.0、HR Open Standards skills proficiency API、O*NET、Lightcast Open Skills）。各標準の最新仕様は上記の公式出典でご確認ください。
企業教育システム進化の5段階（Josh Bersin）
LMSとLXPは別々の製品というより、同じ軸の上の異なる時期です。
以下の5段階は、システムの役割がどう移ってきたかを整理したものです。
| 段階 | 時期 | システムの役割 | その時期の問い |
|---|---|---|---|
| E-Learning & Blended | 1998–2002 | LMS as E-Learning Platform | 集合研修をオンラインに移せるか |
| Talent Management | 2005 | LMS as Talent Platform | 学習を人材マネジメントに接続できるか |
| Continuous Learning | 2010 | LMS as Experience Platform (70-20-10) | コース外の学習を扱えるか — LXPの出発点 |
| Digital Learning | 2018 | LMS invisible, Data Driven | システムを意識せずに学習できるか |
| Learning in the Flow of Work ● 現在地 |
2020– | 業務の流れのなかでの学習 — AI内在化の段階 | 学習が業務文脈のなかに届くか |
出典: Josh Bersin「企業教育システム進化の5段階」· Dynamic Enablement（LMS・LXP・マイクロラーニングのカテゴリ収れん）。表の「その時期の問い」列は、各段階のシステム役割を実務の検証質問に置き換えたものです。
組織条件別の判断表 — LMSで十分な場合、LXPが必要な場合
LXPは機能ではなくコンテンツ供給の構造です。現場がコンテンツをつくらない組織でLXPを立ち上げると、空のフィードだけが残ります。
以下の表はベンダーの推薦ではなく、いま組織がどの段階にいるかを見きわめるための表です。
| 組織の現状 | いま必要なもの | 根拠 · 基準値 | 先に確認すること |
|---|---|---|---|
| 法定教育の証跡が最優先 常設コンテンツはほぼない |
LMSで十分 修了 · 監査の自動化 |
運用データでは、コンプライアンス単独の運用が40社と最も多いパターンで、この組み合わせの閑散期MAUは5〜10%にとどまります。 | 修了条件の判定、未修了者の自動抽出、監査レポート出力をデモで実行する |
| コンテンツを教育部門が全量供給 現場制作なし（Lv.1 供給型） |
LMS + AI著作 LXPはまだ早い |
コンテンツ自給自足のLv.1 供給型が約40%で最多です。この段階でLXPを立ち上げても、埋めるコンテンツがありません。 | 担当者1名がコンテンツ1件を作る実際の所要時間をパイロットで測定する |
| 現場がコンテンツを作り始めた （Lv.2 協業型 · Lv.3 分散型） |
LXP要素の導入時期 ソーシャルラーニング · キュレーション |
Lv.2 協業型が約35%、Lv.3 分散型が約20%。この区間で学習者生成コンテンツが実際に発生します。 | 現場の制作権限、検証ワークフロー、著作ツールの習得難易度 |
| 学習者生成コンテンツが自走 （Lv.4 自生型） |
本格的なLXP + スキルデータ | Lv.4 自生型に到達した企業は5%以下です。ソーシャルラーニングは活用パターンのなかで最も難度が高く、20社にとどまりました。 | コンテンツ品質の管理、人気の偏り、誤情報拡散への統制 |
| 職務転換 · 社内異動を指標で管理 | スキル taxonomy + スキルグラフ | 指標が修了率から熟練度・役割転換・社内異動へ移るというのがグローバルリサーチの合意です。技術スキルの半減期は約2.5年です（Deloitte 2024）。 | スキルデータの所有権、公開taxonomy（O*NET · Lightcast）への対応づけ |
| 現場職 · 非デスク人材が多数 | 体験レイヤーを優先 モバイル · 業務の流れへの埋め込み |
韓国の労働人口の約60%が非デスクワーカーです（雇用労働部 2024）。ポータル訪問を前提にした設計は、この層に届きません。 | モバイルアプリの実物、現場からの接続経路、オフライン対応 |
| AI推薦 · 成果測定の自動化を望む | ログ · スキル基準 · 実験基盤が先 | 推薦の品質はプロンプトではなく、きれいなスキル・職務・コンテンツの対応づけと露出ログ・結果ログから生まれます。この順序を飛ばした推薦は検証できません。 | 露出ログ・結果ログを残しているか、推薦指標（精度・NDCG）を算出できるか |
コンテンツ自給自足の4段階・活用パターン5種・閑散期MAUの出典: https://www.touchclass.com/ja/data-report（100社以上・35か月・8産業の運用データ）。外部数値の出典: Deloitte 2024、雇用労働部 2024。
グローバル市場の動向 — どの能力が求められているか
以下はグローバル市場で観測される方向性を整理したもので、製品の推薦でも優劣の判定でもありません。
公開資料だけでは、各プラットフォームのモデル構造や性能指標は確認できません。
| グローバルプラットフォーム | 公開資料から観測される方向性 |
|---|---|
| Cornerstone | スキルのナレッジグラフを基盤にLMS・タレント・スキルを統合。労働市場データ、ワークフォースプランニング、responsible AI のフレームを併せて提示。 |
| Workday | HCMの文脈でスキルクラウドと人材の社内異動（talent mobility）を扱い、学習をHCMデータと同じ軸に置く。 |
| Docebo | AIコンテンツ生成・AIコーチング・マルチLLM構成で AI-first の学習エコシステムを志向。検索・推薦・分析Q&Aを一つのプラットフォームで接続。 |
| Degreed | スキル起点（skills-first）のLXP。スキルの正規化、AIによるスキルレビュー、上長・同僚・自己評価・プロジェクトのシグナルを併用。 |
| Coursera for Business | キャリアグラフ、スキルトラック、コーチ・ロールプレイ、検証済みアセスメントを組み合わせる。 |
| LinkedIn Learning | AI推薦とAIスキルパスウェイ、実践重視のAI講座、上長・チームのインサイト、社内異動指標との接続。 |
| Sana Learn | LMS・LXP・著作ツール・バーチャル教室を一体化した AI-native スイート。 |
| Arist | 業務メッセンジャー・SMSを基盤とする flow-of-work イネーブルメント — ポータル訪問を前提としない。 |
| TechWolf | 業務シグナルからスキルを推論するスキルインテリジェンス基盤 — スキルデータ層そのものを製品化。 |
出典: グローバルAI HRD/L&D市場のリサーチフレーム。上記の記述は各社の公開資料から観測される方向性であり、性能・品質の評価ではありません。
タッチクラスはこのフレームのどこにいるか
上の4レイヤーはグローバル市場が求める能力であって、タッチクラスの機能一覧ではありません。
下の表には現時点で根拠を示せる範囲だけを記載し、部分対応の項目は部分対応と表記しています。
| レイヤー | グローバル市場が求める能力 | タッチクラスが現時点で根拠を示せる範囲 | 判定 |
|---|---|---|---|
| データ · 意味 | スキル taxonomy · ontology、スキルグラフ、LRS、ベクトルストア | 学習履歴と修了データ、AI検索用のナレッジベースを運用しています。ただしスキルグラフ（スキル・職務・コンテンツ・学習者を関係で結んだデータ構造）は部分対応であり、公開スキルtaxonomyへの全面的な対応づけは提供していません。 | △ 部分対応 |
| AIサービス | RAG検索、推薦、コンテンツ · 評価の生成、コーチング、エージェント | AIチャットボット（2025.02）・クイックメーカー（2025.04）・ショートクラス（2025.06）・AI著作ツール（2025.07）を順次リリースしました。URLやファイルからカリキュラムと学習ページを生成し、14言語に翻訳します。詳細はAI機能にあります。 | ○ 根拠あり |
| 体験 | モバイル、業務の流れへの埋め込み、マルチチャネル配信 | モバイルファーストで設計され、アプリプッシュ・通知・お知らせ・ポップアップで学習を届けます。14言語のインターフェースに対応します。 | ○ 根拠あり |
| ガバナンス | RBAC、監査ログ、説明可能性、学習データからの除外 | ISMS-P と ISO/IEC 27001:2022 の認証を保有しています（2026年1月に同時再認証）。AIサービスの利用過程で生成・提供されたお客様の知識資産をAIモデルの学習データとして使用しません。詳細はセキュリティ・エンタープライズセキュリティにあります。 | ○ 根拠あり |
判定記号: ○ 公開された根拠で確認可能 · △ 部分対応。同じ判定基準をLMS比較チェックリストにも適用しています。認証の出典: https://www.touchclass.com/ja/security
よくあるご質問
LMSとLXPを検討する際に、実際に最も多くいただく8つの質問です。
LMSとLXPは何が違いますか？
LMSは教育部門がつくったコースを配信し、修了と証跡を集計するシステムで、中心となる単位はコース、主要指標は修了率です。LXPは学習者が自らコンテンツを探し、つくり、スキルギャップに応じた推薦を受けるプラットフォームで、中心となる単位は学習者とスキルです。ただし両者の境界は崩れつつあります。Josh Bersinは、LMS・LXP・マイクロラーニングが単一カテゴリへ収れんすると整理しています。実務では製品ラベルよりも、コースカタログ中心か、スキルとデータ中心かで分けるほうが正確です。
LXPを導入すれば学習参加率は上がりますか？
導入そのものでは上がりません。LXPは機能ではなくコンテンツ供給の構造だからです。現場がコンテンツをつくらない組織でLXPを立ち上げると、空のフィードだけが残ります。100社以上・35か月の運用データでは、コンテンツ自給自足の段階はLv.1 供給型が約40%で最多、学習者生成コンテンツが自走するLv.4 自生型は5%以下でした。参加率はプラットフォームの種類ではなく、コンテンツの供給頻度と活用パターンの組み合わせが決めます。
スキルグラフとは何ですか？
スキル、職務、コンテンツ、学習者をノードと関係で結んだデータ構造です。「この職務はどのスキルを求めるか」「この学習者に不足しているスキルは何か」「そのスキルを埋めるコンテンツは何か」を一つのグラフで問い合わせることが目的です。次世代学習アーキテクチャのデータ・意味レイヤーに属し、個別最適化された推薦と社内異動の管理の前提条件になります。スキル名称を自前で定義するか、O*NET や Lightcast Open Skills のような公開taxonomyに対応づけるかが実際の設計論点です。
タッチクラスはスキルグラフを提供していますか？
部分対応（△）です。タッチクラスは学習履歴と修了データ、AI検索用のナレッジベースを運用していますが、スキルtaxonomyを全面導入して職務・能力・コンテンツを関係で結ぶスキルグラフは、現時点で完全な提供機能ではありません。同じ判定をLMS比較チェックリストにも明記しています。スキル起点の社内異動管理が最優先要件の組織は、この項目を先に確認したうえで候補をご検討ください。
いま使っているLMSをLXPに替えるべきですか？
置き換えの可否は製品ではなく、組織の段階で判断します。法定教育の証跡が最優先で常設コンテンツがほとんどないなら、LMSの修了・監査の自動化で十分です。現場がコンテンツをつくり始め、ソーシャルラーニングとキュレーションが必要になったなら、LXP要素を導入する時期です。ただし置き換えの前に、利用率が低い原因が製品にあるのかコンテンツ供給の設計にあるのかを切り分けてください。セルフ診断はLMS/LXP 健康診断で行えます。
LXP導入の前に何を整えるべきですか？
順序はデータが先です。スキル・職務・コンテンツの対応づけ、露出ログと結果ログ、実験基盤を先につくり、その上にRAGと対話型分析を載せるのがリサーチの示す実行原則です。推薦の品質は、より良いプロンプトではなく、よりきれいな対応づけとログから生まれます。また会議の文字起こしやコラボレーションメッセージ、人事評価の自由記述のような高リスクデータは、個別の通知・同意・権限・監査なしに推薦の入力として使わないほうが安全です。
xAPIやLTIのような標準をなぜRFPに入れるのですか？
学習データがベンダー固有のフォーマットにしか保存されていなければ、プラットフォームを替えた瞬間に数年分の学習履歴とスキルデータが失われるからです。xAPIとLRSはポータル外の学習行動まで記録する形式とストア、LTIは外部学習ツールの接続規格、Open Badges 3.0 と CLR 2.0 は学習・能力の履歴を組織の外でも検証可能な形に束ねる規格です。「データをどの形式で、誰の所有として、どの手続きで持ち出すのか」は機能ではなく契約項目として扱うほうが安全です。
グローバルLXPと韓国のLMS、どちらを選ぶべきですか？
どちらかが優れていると言える公開根拠はありません。公開資料だけでは、各プラットフォームのモデル構造、特徴量の定義、推薦指標、公平性テストの方法論を確認できないからです。代わりに組織条件で判断します。法定教育の証跡と韓国の個人情報規制への対応が最優先なら、韓国の認証（ISMS-P）と監査対応の自動化を、スキル起点の社内異動管理が最優先なら、スキルtaxonomyと公開標準への対応づけを先に検証してください。判断基準はLMS比較チェックリストに項目別に整理しています。
次のステップ
定義を理解したら、次は自社の現在地を測ることです。
