AI・テクノロジー

AIエージェントが講義を丸ごと代行——LMSは「検知不可能」と認めた

AIエージェントが学生に代わってCanvasにログインし、講義視聴からクイズ回答、課題提出までを代行する。2026年2月の「Einstein」事件で、Canvasを運営するInstructureはサーバーサイドでの検知がほぼ不可能だと認めた。検知に賭けた大学側では誤判定をめぐる訴訟が相次ぐ。

claude

• 8 min read
Share

生成AIに課題文を書かせる、という話ではない。学生のアカウント情報を渡すと、AIエージェントが自分でLMS（学習管理システム）にログインし、講義動画を再生し、クイズに答え、レポートを提出して、コース1つを最後まで終わらせる。2026年2月、そういうツールが実在することが報じられた。

さらに重い事実は、その直後に出てきた。Canvasを運営するInstructureが、アクセスしてきたのがAIエージェントか人間かをサーバー側で見分けるのはほぼ不可能だと認めたのだ。この記事では、何が起きたのか、なぜ検知できないのか、そして検知に賭けた大学側で何が起きているのかを整理する。

何が起きたのか：コースを丸ごと終わらせるエージェント

問題のツールは「Einstein」という名前で、Companion という企業が公開した。学生のLMSアカウントに直接ログインし、講義動画の視聴、クイズの回答、レポートの執筆と提出までを一気通貫で行うと謳っていた。Inside Higher Ed が2026年2月26日にこれを報じ、Times Higher Education も追随した。

反応は速かった。報道後、開発者はCanvasを所有するInstructureから停止要求（cease-and-desist）を受け取り、Einsteinのサイトは公開から数日で閉鎖された。表面的には「問題のあるツールが1つ消えた」で終わる話に見える。

ただ、この顛末を報じた記事は「1つのツールを止めても意味がない」という論調だった。同じことができる汎用のコンピュータ操作エージェントは他にいくらでもある、というのが実態に近い。

なぜ検知できないのか：LMSは人間の操作を前提に作られている

Canvasは北米の高等教育機関の40%以上が採用しているとされる。つまり、エージェントが入り込める面積が既にきわめて広い。

技術的な理由は単純だ。LMSは「人間がブラウザを操作する」という前提で設計されている。サーバーが受け取るのは、正規の認証情報でログインしたセッションからの、HTTPリクエストの列でしかない。そのリクエストを生成したのが人間の指なのか、ブラウザを自動操作するエージェントなのかは、リクエストそのものからは区別がつかない。

Instructureが「サーバーサイドでの検知はほぼ不可能」と認めたのは、この構造をそのまま述べたものだ。動画の再生ログも、クイズの解答時間も、エージェント側が人間らしい間隔を挟めば模倣できる。認証はアカウントの正当性を確かめる仕組みであって、操作者の正体を確かめる仕組みではない。

この難しさは教育分野に限らない。当ブログでも以前、ローカル環境でコンピュータ操作エージェント（CUA）を動かす際の失敗モードを扱ったが、そこでの論点は「どこまで正確に操作できるか」だった。教育現場ではそれが裏返り、「正確に操作できてしまうこと」が問題になっている。

検知に賭けた側で起きていること：誤判定と訴訟

では、提出物のほうをAI検出ツールで判定すればよいのか。ここも既に綻んでいる。

2026年1月28日、ニューヨーク州最高裁ナッソー郡のRandy Sue Marber判事は、アデルファイ大学が学生に下した学術不正の認定について、合理的な根拠を欠き理由が示されていないと判断し、処分の取り消しと記録の抹消を命じた。この学生はレポートをTurnitinに「100%AI生成」と判定されて0点とされていたが、自閉症スペクトラム障害があり、チューターの支援を受けながら自力で執筆したと主張し、別のツールでは0%と出た証拠も提出していた。

同種の争いは他にもある。Yaleの学生がGPTZeroの判定を根拠に1年の停学とFの評価を受け、13件の請求を含む連邦訴訟に発展した事例が報じられている。精度の面でも、スタンフォードの研究で非ネイティブ話者の英作文の61%がAI生成と誤判定されたという結果が知られている。

英国では、学位授与権を持つ163機関のうち41%がAIポリシー自体を持たない一方、50以上の大学が検出ツールの使用を制限または廃止したとされる。検知を強めると無実の学生を巻き込み、緩めると素通りする。この板挟みが、検出ツール依存から距離を置く動きにつながっている。

なお、不正の規模そのものは煽られているほど大きくない可能性もある。主要な公立研究大学20校・95,513人の学生を対象とした調査では、許可されていない可能性を認識しつつAI生成の課題を提出した学生は約9%と推定されている。

LMSベンダーの回答は「教員側のエージェント」だった

Einstein騒動から約1か月後の2026年3月、Instructureは自社のエージェント製品「IgniteAI Agent」を発表した。Amazon Bedrockを基盤とし、ルーブリックの生成、教材とコース目標の整合チェック、ディスカッションのレビューといった教員側の定型業務を自動化する。管理者向けには2026年初頭からFeature Optionとして、教員向けには2月末までに提供され、当初の対象は米国および米国でホストされる中南米の顧客だった。

学生側のエージェントを技術で締め出すのではなく、教員側にもエージェントを配る。これが現時点でのベンダーの回答である。評価の負荷を下げれば、教員が対面での確認や口頭試問といった検証に時間を割ける、という理屈は成り立つ。ただし、学生の代行を止める仕組みではないことは押さえておきたい。

影響と今後：問われているのは評価設計のほう

検知が原理的に難しく、検出ツールが誤判定訴訟を生んでいる以上、「AIを使ったかどうかを当てる」方向の対策には限界がある。残る選択肢は、AIに代行されても成立しない評価をどう設計するか、という方向だ。口頭試問、制作過程の提出、対面での実技、他者の成果物への批評といった形式は、どれも代行の費用対効果を大きく下げる。

日本では2024年以降、ほぼすべての大学が生成AIの利用ガイドラインを策定している。全面禁止型は少数派になり、申告すれば利用可能とする条件付き許可型が主流だ。この方向自体は現実的だが、ガイドラインの多くは「AIに文章を書かせること」を想定しており、「AIにLMSを操作させること」までは想定していない。ここに空白がある。

背景として、AIそのものへの社会的な信頼も高くはない。Pew Research Centerが2026年6月17日に公表した調査では、今後20年でAIが社会に与える影響をポジティブと見る米国人は16%にとどまり、約40%がネガティブと答えた。さらに2026年8月13日にCNBCとGeneration Labが公表した18〜34歳の1,088人を対象とする調査では、AIに対して肯定より否定の見方が強く、AI業界を率いる経営者たちへの不信も示された。

学位の価値は、AIが賢くなったから揺らぐのではない。「その人が何をできるのか」を確かめる仕組みが追いついていないから揺らぐ。問われているのは検知技術ではなく、評価の設計思想のほうだと言える。

よくある質問

AIエージェントによる講義代行は、どのLMSで起きているのか

報道で名前が挙がっているのはCanvasだが、構造上はCanvas固有の問題ではない。同様の仕組みを持つ他のLMSでも、学生のアカウント情報を渡して自動操作させる手口自体は成立する。認証は「正しいアカウントか」を確かめる仕組みであり、「操作しているのが本人か」を確かめる仕組みではないためだ。

なぜサーバー側でAIエージェントを検知できないのか

サーバーが受け取るのは、正規のログインセッションから届くHTTPリクエストの列だけであり、それを生成したのが人間かエージェントかはリクエストからは判別できないからだ。Canvasを運営するInstructure自身が、サーバーサイドでの検知はほぼ不可能だと認めている。

AI検出ツールを使えば不正は防げるのか

現状では難しい。2026年1月にニューヨーク州最高裁がTurnitinの「100%AI生成」判定に基づく処分を取り消し、記録の抹消を命じた事例があるほか、スタンフォードの研究では非ネイティブ話者の英作文の61%がAI生成と誤判定されている。英国では50以上の大学が検出ツールの使用を制限または廃止したとされる。

日本の大学は対応できているのか

2024年以降、ほぼすべての大学が生成AIの利用ガイドラインを策定しており、申告すれば利用可能とする条件付き許可型が主流になっている。ただし多くのガイドラインは「AIに文章を書かせる」行為を想定しており、「AIにLMSを操作させる」行為までは明示的に扱っていないのが現状だ。

大学生のAI不正はどのくらいの規模なのか

主要な公立研究大学20校・95,513人の学生を対象とした調査では、許可されていない可能性があると認識しながらAI生成の課題を提出した学生は約9%と推定されている。この数字は、AIが大規模な不正を常態化させているという報道上の印象より低い水準にある。

まとめ

Einsteinという1つのツールは数日で消えたが、それが露呈させた構造は残っている。LMSは人間の操作を前提に設計されており、正規のセッションから届くリクエストの背後に誰がいるかを確かめる術を持たない。ベンダー自身がそれを認めた。

一方、提出物側での検知に賭けた大学では、誤判定による処分が裁判で覆り、検出ツールから距離を置く機関が増えている。防御線を技術に求める限り、無実の学生を巻き込むか、代行を素通りさせるかのどちらかに寄っていく。

現実的な出口は、AIに代行されても意味を持つ評価をどう組むかという設計の側にある。地味で手間のかかる方向だが、検知技術の進歩を待つよりは確実だろう。

参考

参考ソース

関連記事