AWS、障害学生向け次世代計画支援AI「Trinity」を公開

本記事は、University Startups の Marc Steren 氏、Odina Salihbaeva 氏、Aashrit Surapaneni 氏との共著です。同社は University Startups、g/d/n/a、AWS が連携するパートナーシップとして活動しています。

Trinity は、障害を持つ生徒が自身の進路計画を主体的に担えるよう支援する会話型 AI ソリューションです。2020 年に設立された University Startups が開発しました。同組織は「障害を持つ生徒こそが、明確で個別化された未来への道筋を得るべきだ」というシンプルな信念のもと発足し、米国中の中学生や高校生と連携しています。AI を活用した進路支援と、社会人としての準備を整えるカリキュラムを組み合わせ、若者の強みを現実の未来へとつなげています。

本稿では、数十もの学区が Trinity の導入を進め、初期のアーキテクチャを超えた複雑さが増す中で、University Startups が同サービスを効率的にスケールさせるまでの道のりを紹介します。

Trinity を実運用へ移行するため、University Startups は g/d/n/a（gdna.io）と提携しました。g/d/n/a は AWS ネイティブインフラとエージェント型 AI の交差点で活動する、生成 AI 重視の AWS パートナーです。同社はスタートアップが迅速に立ち上げられ、安全にスケールし、正しい技術基盤を構築できるよう支援することに特化しており、エージェント型 SaaS の提供、生成 AI に関する助言、CloudOps の最適化など多岐にわたる領域で実績があります。

Trinity は、障害のある生徒のための個別化教育プログラム（IEP）の作成に焦点を当てています。IEP は、生徒の親、教師、専門家が協力して策定する法的義務文書であり、生徒の教育的ニーズを満たすための支援を目的としています。静的な IEP 様式に記入するのではなく、Trinity と対話しながら自分の興味や強み、目標を探求し、最終的に障害者教育法（IDEA）に準拠した個別の転換計画を手に入れることができます。

Amazon Bedrock を活用して大学発スタートアップが Trinity を構築した方法については、こちらをご覧ください。Trinity は設立から 1 年以内に、米国の 10 州以上の教育関係者や生徒に届きました。現在はサウジアラビアとクウェートへの国際展開も進めています。

Trinity のスケーリングにおける課題

障害のある生徒の転換計画は、「障害者教育法（IDEA）」によって規制される連邦レベルのプロセスです。これは、高等教育、雇用、自立した生活、地域社会への参加など、多岐にわたる分野での微妙な目標設定を伴います。このプロセスを支える AI システムは、正確であること、文脈を理解していること、法的要件に合致すること、そして幅広い能力を持つ生徒がアクセスできることが求められます。Trinity を大規模運用する前に、3 つの核心的な課題を解決する必要がありました。

単一のモデルではワークフロー全体を担えない

初期のプロトタイプでは、学生の受入、キャリア探索、コンプライアンスチェック、計画作成といった機能をすべて一つのプロンプトに詰め込んでいました。しかし本番環境では、検索の精度、指導的なトーン、規制要件が同じコンテキストウィンドウ内で競合し、いずれかのドメインで失敗すると学生セッション全体が破損し、ハルシネーションや不正確な情報の発生につながりました。

一般的な推奨事項では不十分でした

障害を持つ学生に対して大学、キャリア、訓練プログラムを推薦するには、地理的位置、障害者支援サービス、プログラムの費用、教育レベル、キャリアとの整合性といった複数の条件を同時にフィルタリングする必要があります。こうした要件を低遅延かつ確実に処理できる市販の検索ツールは存在しませんでした。

コンプライアンスとデータ保護は妥協できません

特別教育における学生記録は、障害関連データの保護に関する「健康保険携行性と責任法（HIPAA）」および「家族教育権限プライバシー法（FERPA）」の基準に従って厳格に保護されなければなりません。Trinity のアーキテクチャが進化するにつれ、フィールドレベルでの暗号化、厳格なロールベースアクセス制御、自動化されたデータ保持管理は、初日から基盤に組み込まれる必要がありました。

ソリューション概要

大学発ベンチャー企業は、製品設計の仕様とユニバーサル・デザイン・ラーニング（UDL）基準を策定しました。g/d/n/a は、インフラや AI オーケストレーション、コンプライアンス制御、教育者向けダッシュボードに至るまで、AWS 上でフルエンジニアリングされた構築を提供し、同社が支援する学区の規模拡大に対応できる完全サーバーレスアーキテクチャを実現しました。

アーキテクチャ概要

本アーキテクチャは、Amazon Bedrock を基盤としたマルチエージェントソリューションを示しています。これは、ターゲットを絞ったガイダンスと追加のアクセシビリティ機能を提供するためのツールとデータを活用したものです。

図 1: AWS 上の Trinity のサーバーレス型マルチエージェントアーキテクチャ

学生は、REST および WebSocket を介して Amazon API Gateway に接続された Web クライアントを通じて Trinity にアクセスします。計算処理は AWS Lambda でサーバーレス実行されます。AI との対話には Claude 3.5 Sonnet を搭載した Amazon Bedrock が使用され、会話の状態は Amazon DynamoDB に保存されます。音声による学習を支援する学生のために、Amazon Polly が応答を読み上げます。また、Amazon Transcribe が学生の発話をテキストに変換し、バックエンドのロジックを変更することなく完全なアクセシビリティを実現します。認証フローは Amazon Cognito を経由し、学校でのシングルサインオンには Canvas LTI 1.3 フェデレーションを利用しています。

本システム全体では、Amazon Bedrock Guardrails を活用したコンテンツフィルタリングやハルシネーション（誤生成）の抑制など、責任ある AI のための対策が講じられています。AWS リージョンごとの Amazon Bedrock でのモデル利用可否については、Amazon Bedrock のドキュメント「Supported models by AWS Region」をご参照ください。

マルチエージェントアーキテクチャ

本システムの最も重要な設計判断は、単一の大型言語モデル（LLM）から、階層的な 6 エージェントシステムへの移行です。各エージェントは特定のタスクを専門に担い、ツールやデータセットと連携しながら、文脈に応じた推奨情報を提供します。

g/d/n/a は、明確な役割分担を持つ専門のエージェントが、1 つのオーケストレーター（調整役）の下で協力して動作するシステムを設計しました。各エージェントの役割は以下の通りです。

• オーケストレーター エージェント：学生の会話内容を把握し、適切なパスを選択し、エージェントの順序を制御し、最終的な出力を統合します。
• カレッジ エージェント：3 万件以上のレコードを持つ知識ベースから、4 年制大学やコミュニティカレッジを推薦します。
• 雇用エージェント：1,000 件以上の職業データを含む知識ベースから、仕事やキャリアパスをマッチングします。
• トレーニング エージェント：5,000 件以上のレコードを持つ知識ベースから、職業訓練プログラムや資格認定を推薦します。
• コミュニティ エージェント：どの進路を選んでも、学生の社会活動やボランティア機会を追加で提案します。
• インディペンデント・リビング エージェント：学生のための生活スキルと日常生活の目標を設定・追加します。

このアーキテクチャにより、ドメイン特化型の焦点が強化され、検索結果の根拠が明確になり、経路を考慮した順序付けが可能になりました。専用の統合ステップによって、各エージェントの出力は一つの整合性のある転移計画にまとめられます。これは、すべてのエージェントが DynamoDB セッション記録で裏打ちされた共通の学生プロファイルに基づいて動作するためです。

2 フェーズパイプライン

Trinity のワークフローでは、推薦と計画生成を分離しています。フェーズ 1 では、学生が 4 つのセグメントからなる面接会話を完了した後、オーケストレーターが適切な主要エージェントへルーティングし、学生の文脈に適合した 5〜10 件のランク付けされたオプションを返します。フェーズ 2 では、選択が確定すると、すべてのエージェントが計画の担当セクションを提供します。オーケストレーターはこれらの出力を統合し、IDEA に準拠した構造化された IEP 転移計画を作成します。これは 5〜10 秒以内にフォーマットされた PDF としてエクスポート可能です。リアルタイム WebSocket レイヤーにより、教育者の UI は常にレスポンシブな状態を維持されます。

ハイブリッド知識検索

g/d/n/a は、完全管理型の検索拡張生成（RAG）機能である 3 つの専用 Amazon Bedrock Knowledge Bases を構築・運用しています。エージェントは取得と生成を組み合わせるリクエストを発行するため、回答はモデルのパラメータ知識だけでなく、実際の記録に基づいたものになります。

検索には 4 つの要素を組み合わせたハイブリッドスコアリングモデルを採用しています。意味的類似度（30%）、キーワードマッチング（25%）、場所の優先順位（20%）、そして障害支援の有無や費用、教育レベルといったプログラム属性（25%）です。

検索前に AI によるクエリ拡張を行い、関連性が 25% を下回る結果は完全にフィルタリングされます。

デザイン段階でのコンプライアンス対応

g/d/n/a は、Trinity のコンプライアンス層をシステム構築の初期段階から基盤に組み込んでいます。このシステムは、AWS Key Management Service（AWS KMS）によるフィールドレベル暗号化と年次キーローテーションを通じて、機密性の高い学生情報を保護します。

この暗号化対象には、氏名、障害の種類、支援措置、学校連絡先など、個人を特定できる情報（PII）が含まれます。

セキュリティは、最小権限の原則に従った AWS Identity and Access Management（IAM）ポリシーによって強化されています。各 Lambda 関数には必要な権限のみが付与されます。ロールベースアクセス制御により、サーバーサイドでデータ境界が厳格に管理されています。スーパー管理者は全学区のシステム全体メトリクスにアクセスでき、コーディネーターは所属学区のデータのみを閲覧可能、学校スタッフは自校の学生情報に限定され、学生は自分自身のセッションと計画のみを利用できます。

認証については、g/d/n/a は個別のログイン情報を作成するのではなく、LTI 1.3 を活用して Trinity を Canvas に直接統合しました。ID の管理元は Canvas ですが、実際の認証フローは AWS が担います。カスタム Lambda ベースの OpenID Connect (OIDC) プロバイダー、API Gateway、そして Cognito を組み合わせることで、各学校がすでに運用しているインフラ内でスムーズなログイン体験を実現しています。

成果

各地域の学区において、Trinity は生徒の主体性向上、教職員の業務効率化、および個別教育プログラム（IEP）の遵守状況において、明確な改善をもたらしました。

生徒の主体性

Trinity の利用を通じて、生徒たちは自らの将来目標に対する主導権を握ることができます。他人が作成した計画を一方的に渡されるのではなく、指導付きの対話を通じて自分自身のゴールにたどり着きます。この対話では、スキルマトリックスを用いて必要な支援を特定し、3 万校以上の大学選択肢や 1,000 以上の職業、5,000 以上の訓練プログラムへとつなぐことで、目標を具体化し、達成可能なものへと変えます。

「生徒が長期的な目標と、キャリアに向けた具体的な行動ステップに集中できるようになりました。」

— Temieka Brown (P10X)

「Trinity は、生徒たちがキャリアへの道筋を視覚的に理解するのを助けます。」

— Marna Dale (Plaquemines)

教職員の効果性

Trinity を活用すれば、教育者はより効率的な個別指導計画（IEP）の策定プロセスを実現でき、時間を生徒一人ひとりの具体的なニーズに集中させることができます。生徒へのアンケート調査、キャリア発見活動、コンプライアンス文書の作成を一つのガイダンス付きセッションに統合して自動化することで、Trinity は分散したリソースや手動での調整を必要とせず、10 分以内に対象となる生徒の積極的な関与と IEP の移行要件遵守を実現します。

"コンプライアンス、使いやすさ、そして社会で活躍するためのカリキュラム。これらはトレードオフではなく、一体となって機能します。"

— Mary Ellen（プラケミーン郡）

現場での検証済み

学校が運用を開始する前、特別支援教育の教員や移行コーディネーターが、実際の IEP シナリオを用いて Trinity の厳格なテストを実施しました。そのフィードバックにより、多エージェント設計という中核的なアーキテクチャ決定が正当であることが確認されました。この設計は、生徒に対して高精度かつ低遅延の結果を提供するものです。

結論

Trinity は、3 つの能力が連携した結果です。一つ目は、特別支援教育における移行計画策定に関する専門知識を持つ University Startups です。二つ目は、多エージェントアーキテクチャをエンジニアリングした g/d/n/a です。三つ目は、スケーラビリティ、セキュリティ、管理されたアジェンティック AI サービスを提供する AWS です。

このパートナーシップにより、実際の個別教育プログラム（IEP）計画のために構築され、多様な能力を持つ生徒を対象とし、再構築せずに新たな規制環境へ拡張可能な本格的なアプリケーションが完成しました。Trinity は現在、トランジション・プランニング管理ネットワークへの展開を深化させており、サウジアラビアとクウェートでのローカライズを開始するとともに、学習管理システム（LMS）との接続機能を拡充し、より多くの学区が既存のツールから Trinity にアクセスできるようにしています。

*すべての生徒には、明確で個別化された未来への道が必要です。Trinity は、その実現を大規模に支える仕組みです。*

Amazon Bedrock 上でエージェントを活用して始める方法については、Amazon Bedrock AgentCore をご参照ください。

特別教育向けのプログラミングに関する詳細は、University Startup の ウェブサイト をご覧ください。g/d/n/a に関する情報は同社の ウェブサイト で確認できます。

執筆者について

Sadia Ahmed

Sadia は AWS のソリューションアーキテクトとして、スタートアップ企業が大きなアイデアをスケーラブルなソリューションへと変革するのを支援しています。特に生成 AI に注力しており、次世代の技術イノベーターを育成することにも情熱を注いでいます。イリノイ大学アーバナ・シャンペーン校でコンピュータサイエンスの修士号を取得し、趣味は絵を描くことです。

Varad Ram

Varad Ram は、Amazon Web Services (AWS) で広告・マーケティング分野の顧客を担当するエンタープライズソリューションアーキテクトです。スケーラブルで運用効率の高いソリューションを設計するため、顧客と密接に連携しています。現在は、分析領域を中心に、生成 AI への投資対効果（ROI）を最大化するための支援に取り組んでいます。趣味は家族とのサイクリングやテニスです。

Will Horn

Will Horn は、サウスカロライナ州チャールストンに拠点を置く AWS アドバンストティアパートナー「g/d/n/a」の創設者兼 CEO、そしてマネージングパートナーです。20 年以上の技術業界での経験（AWS で 4 年間勤務し、Splunk では AWS パートナーストラテジストを務めるなど）を活かし、エンジニア、戦略立案者、オペレーターからなる多機能チームを率いています。彼らはスタートアップや中小企業向けに、エンタープライズグレードの AWS ネイティブソリューションを提供しています。仕事以外では、音楽の合成と鑑賞、そして二人の子供との時間を大切にしています。