AI採点ツールを10製品、実際に使って検証した:各ツールは本当にどれだけ正確に採点できるのか

高速で正確な AI 採点により、数秒で評価をマークします

無料で始める

この分野のツールは、どれも「AIで採点します」とうたっている。
良いツールと本当に優れたツールを分けるのは、結局のところ次の3点だ。

1) 何を採点できるか
2) 採点のうちどこまでが自動で、どこから人が確認するのか
3) 結果がどこに出力されるのか

信頼して任せられないAI採点は、ツールが無いよりもたちが悪い。

この記事が想定しているのは、教室での小テストではなく、企業研修や職業訓練プログラムのために導入を検討しているL&D担当者、インストラクショナルデザイナー、研修リーダーだ。QuizizzやKahoot、Mentimeterはあえて除外している。あれらはエンゲージメントツールであって、評価システムではないからだ。

AI採点ツールの4つのタイプ

評価ツールはひとくくりにできる存在ではない。「AI採点」というラベルの裏には、性格の異なる4種類の製品が隠れている。機能を比べる前に、まず自分の用途に合うタイプを見極めたい。

• 自動採点ツールは、すでに手元にある提出物を採点するタイプ。Gradescope、CoGrader、EssayGraderが該当する。
• 評価エンジン・プラットフォームは、問題バンクや試験、記述式採点を動かす基盤で、多くは自社サービスに組み込んで使う。Learnosity、Questionmark、Cogniiがこれにあたる。
• クイズ生成ツールは、資料やURLを自動採点付きの問題に変換するタイプ。QuizGeckoや、Coursebox に組み込まれたクイズ生成機能が該当する。
• LMS組み込み型の評価機能は、研修プラットフォームの一機能として評価が付いているタイプ。Coursebox、Disprz、360Learningが当てはまる。

評価の基準

採点を運用するチームが実際に直面する4つの観点で比較した。

• 採点の仕組み: 完全自動採点なのか、記述式に人の確認を挟むのか。重要度の高い場面では、AI採点にもチェックが要る。
• 採点できる範囲: 選択式、記述・エッセイ、コンピテンシー、コード、手書き、口述まで。想定通りに何でも採点できるとは限らない。
• 結果の出力先: SCORM、xAPI、LTI、あるいは成績表との同期。ツールの中に採点結果が閉じ込められてしまうと、レポーティングで困ることになる。
• 実質的なコスト: 公開されている料金があればそれを、なければ見積もりベースの価格を確認した。

開示:Coursebox は私自身が手がけているプロダクトで、このランキングでは2位に置いている。他のツールとまったく同じ基準でテストしており、他社の製品の方が適していると判断した場面では、そのとおり正直に書いている。

各ツールが実際に採点できるもの

1. Learnosity

向いている用途: 自社製品に評価機能を組み込みたい、出版社や資格認定団体。

Learnosity は、ログインして使うアプリではなく組み込み型の評価APIだ。Feedback Aideというエンジンが、記述式の回答を大量に採点してくれる。

• 採点対象: 50種類以上の出題形式（選択式、ドラッグ&ドロップ、音声・動画回答、数式など）に加え、Feedback Aide経由でエッセイや短い記述式回答も採点できる。
• 精度: AI支援方式で、最終的には人が承認する。第三者機関のテストでは、850本のエッセイを対象に人間の採点者との一致率（二次重み付きカッパ係数）0.91を記録している。
• 出力先: レポートとデータAPI経由で、出力の仕組み自体は自分で構築する形になる。SCORMやxAPIへの標準対応は明記されていない。
• 料金: 見積もりベースのエンタープライズ向け料金で、本番環境を再現したセルフサーブのトライアルは用意されていない。

検証メモ: 実際に触ってみると、問題作成の操作に少し引っかかりを感じた。たとえば、設問をプレビューしてから編集画面に入るまでに2、3回クリックが必要で、これが大きな問題バンクになると地味に効いてくる。

総評: このリストの中でもっとも高機能なエンジンだが、開発者とそれなりの契約予算が要る。どちらか欠けると、その機能の深さを活かしきれない。

2. Coursebox

向いている用途: コース作成と採点を同じ場所で完結させたい研修チーム。

Coursebox は自社製品なので、あらかじめ開示しておく。コースを作成・配信するのと同じツールの中で評価も採点できる仕組みで、別立ての採点アプリを用意する必要がない。

• 採点対象: クイズ、記述・エッセイ回答、短答式、シナリオベースの提出物、ファイルアップロード（PDF、DOCX、TXT）。
• 精度: AIが採点し、確定前に人によるレビューを挟むことも選べるため、重要な採点が未チェックのまま確定することはない。
• 出力先: SCORMとLTIに対応しており、評価と結果はどのLMSにも連携できる。
• 料金: 無料プランあり、有料プランは月額約$29から、Enterpriseは要問い合わせ。

検証メモ: 自社製品なので、ここは自社のサポートデータを参考にする。評価まわりで最も多く寄せられる質問は「どう設定すればいいか」で、具体的にはクイズのルール、問題のシャッフル、合格ライン、再受験、採点方法などだ。採点自体はAIが行うが、こうしたルールを思い通りに組むには、多少の時間を見ておいた方がいい。

総評: 研修の作成・配信の一工程として評価を組み込みたいなら、最も相性がいい。単体のエッセイ採点だけが必要なら、CoGraderのような専門ツールの方が向いている。

3. Questionmark

向いている用途: 規制対象となる、重要度の高い資格試験やコンプライアンス試験。

Questionmark は、監査に耐える防御可能な試験のために作られたエンタープライズ向け評価プラットフォームで、現在はLearnosityの傘下にある。

• 採点対象: 選択式と問題バンク形式の試験に加え、ルーブリックベースのAI Scoring機能で長文記述の回答も採点できる。
• 精度: AI支援方式だが人によるレビューが必須で、最終スコアはすべて人の承認を経る。
• 出力先: このリストの中では規格対応が最も充実しており、LTI、SCORM、AICC、xAPIに加え、Workday、Cornerstone、SuccessFactorsとも連携できる。
• 料金: 見積もりベースのエンタープライズ向け料金。

検証メモ: 導入前に確認しておきたいのは、公開後の融通の利かなさだ。試験を公開すると、設問を編集できなくなった。問題を見直す工程もなく、受講者や試験監督への自動通知もない。

総評: 試験が監査に耐える必要があるなら選ぶべき一つ。カジュアルな理解度チェックにはオーバースペックで、レビュー件数も少ない（Capterra 3.8）。

4. Gradescope

向いている用途: 試験、演習問題、手書き、コードといった技術的な採点。

Gradescope （Turnitin提供）は、このリストの中で対応形式が最も広く、紙・デジタル・コードの採点を一つでこなせる。

• 採点対象: マークシート式の選択問題、手書きの解答、エッセイ、そして自動採点機能によるプログラミング課題。手書きとコードの両方を採点できるのは、このリストではGradescopeだけだ。
• 精度: AIと人によるハイブリッド方式。似た回答をAIがグループ化し、最終的な採点は教員が行う。
• 出力先: 成績表へのエクスポートに対応。LMS連携はInstitutionalプランのみ。
• 料金: Basicは無料、Institutionalは見積もりベース。

検証メモ: 回答のグループ化やルーブリックの編集はかなりしっかりしている。痛い目にあったのはグループ課題だ。Gradescopeでは受講者自身にグループメンバーを申告させる仕組みで、あるメンバーが仲間を1人リストから漏らしたところ、そのメンバーは気づくまで黙ってゼロ点になっていた。グループ課題はLMS側で扱うことをおすすめする。

総評: 試験やSTEM系の採点にかけては他の追随を許さない。とはいえ高等教育向けに設計されているため、コンピテンシー評価やコンプライアンス用途は守備範囲外だ。

5. CoGrader

向いている用途: エッセイや記述課題の採点が中心のチーム。

CoGrader はエッセイ採点に特化したツールで、提出物を取り込みルーブリックを設定すると、採点とフィードバックの下書きを作ってくれる。

• 採点対象: エッセイと記述式の回答のみ。
• 精度: AIが下書きを作り、最終判断は教員が行う。
• 出力先: Google Classroomは全プランで利用でき、CanvasとSchoologyはスクールプラン限定。それ以外はファイルのインポート・エクスポートで対応する。
• 料金: 無料プランあり（月100件まで）、有料プランは月額約$19から。

検証メモ: 論点が一つに絞られたエッセイ課題なら、あっという間に採点が終わった。一方で、3つの設問を一つの文章にまとめた課題を渡すと、ルーブリックのフィードバックが急に曖昧になった。それ以降は、課題ごとに問いを一つに絞るようにしている。

総評: このリストの中でもっとも洗練された記述採点のワークフローだ。ただしできることは一つだけで、クイズやコンピテンシー評価には対応しない。

6. EssayGrader

向いている用途: 予算を抑えつつ大量の記述課題を採点したい場合。

EssayGrader は短答からロングエッセイまでの記述式回答を採点でき、実際の精度データも公開している。

• 採点対象: エッセイ、DBQ、レポート、ケーススタディ、ジャーナル。Proプランでは動画提出にも対応する。
• 精度: AIが採点し、教員がレビューする方式。1,000本を超えるエッセイを対象にした調査では、人間の採点との差は4%未満とされている。
• 出力先: Google Classroom、Canvas（SpeedGraderと同期）、Schoology。
• 料金: このリストの中で最も料金体系が分かりやすく、50本までは無料、それ以降は月額$6.99〜$34.99。

検証メモ: カスタムルーブリックが強みで、フィードバックの精度もおおむね良い。気になったのは一貫性で、同じエッセイを2回採点させたところ、違うスコアが返ってきた。あくまで最初のスピーディな下読みとして使い、最終的には人が確認するのがいいだろう。

総評: コストパフォーマンスに優れ、精度についても正直に公表している。ただ教育向けの設計のため、コンプライアンス研修に必要なコンピテンシー評価やSCORM対応は用意されていない。

7. Cognii

向いている用途: 記述式の演習を、即時フィードバック付きで大規模に行いたい場合。

Cognii は対話型の評価エンジンで、記述式の回答をリアルタイムで採点しながら、受講者が理解を深めるまで導いてくれる。

• 採点対象: 短いエッセイと記述式の設問。設計上、選択式には対応していない。
• 精度: 完全自動かつ即時採点で、短いエッセイでは人間の採点者との一致率96%を公表している。
• 出力先: 導入しやすいとうたわれてはいるものの、LMS連携やSCORM、出力形式の詳細は公開されていない。
• 料金: 見積もりベースで、公開されている料金はない。

総評: 理解できるまで繰り返し練習させる用途では、素直に役立つ。一方で公開情報が少なく（G2やCapterraにまともなレビューがなく、出力形式の詳細もない）、エンタープライズとしては導入の判断がしづらい。

8. QuizGecko

向いている用途: 資料を手早く自動採点付きのクイズに変換したい場合。

QuizGecko は資料、URL、テキストからクイズを自動生成し、短答式やエッセイの回答も自動で採点する。

• 採点対象: 選択式、正誤問題、短答式、マッチング、穴埋め、エッセイ。
• 精度: 自動採点方式で、人による確認工程は必須とは明記されていない。
• 出力先: CSV出力のほか、Google Classroomなどへの共有・埋め込みに対応。SCORMやxAPIへのネイティブ対応はない。
• 料金: 月額約$16から。API付きのEnterpriseプランは月額約$500から。

検証メモ: 自分のノートを読み込ませてみると、話題は合っているものの内容がやや大づかみで、確認したかった言い回しをそのまま問うというより、資料を言い換えたような設問が返ってきた。試行錯誤の末にたどり着いたコツは、PDFではなくウェブページを渡すこと。少なくとも私の場合は、ドキュメントよりURLの方が精度が良いように感じた。

総評: 理解度チェック用としては速くて安い。ただし、あくまでクイズツールであり、正式な評価記録を残すシステムではない点には注意したい。

9. Disprz

向いている用途: スキリングプラットフォームの中で評価も済ませたいL&Dチーム。

Disprz はL&D・スキリング向けのプラットフォームで、評価は学習機能や分析機能と並ぶ一機能という位置づけだ。

• 採点対象: クイズや理解度チェックに加え、AIが作成するシナリオ演習。主観的な評価は上司や同僚からのフィードバックで行う。
• 精度: クイズは自動採点だが、主観的な課題はAI採点ではなく人によるレビューだ（対話型の評価機能は今後リリース予定）。
• 出力先: SCORMとxAPIに対応しており、LMSを選ばない。
• 料金: 見積もりベース（Capterraによるとエントリープランは1ユーザーあたり約$3）。Capterraでの評価は38件のレビューで4.7。

検証メモ: クイズやモジュール自体は問題なく機能した。壁にぶつかったのはレポーティングだ。スマート分析のグラフは簡素で、レポートのオプションも限られていたため、結局データを書き出して自分で細かいレポートを作ることになった。

総評: 記述式に特化したAI採点ツールというより、スキリングとセットで評価を済ませたい場合に向いている。

10. 360Learning

向いている用途: コースを共同制作する中で、評価は軽い付加機能として使いたい場合。

360Learning は共同制作型のLMSで、評価機能はシンプルなつくりになっており、教員による承認を軸にしている。

• 採点対象: 選択式、穴埋め、記述式の設問。
• 精度: 記述式の回答はAI採点ではなく、教員が承認・再提出・却下のいずれかを選ぶ形で確認する。
• 出力先: SCORMインポートと、LMSネイティブのレポート機能。
• 料金: Teamプランは1ユーザーあたり月額$8から、Businessは見積もりベース。レビュー数の多さでは頭一つ抜けている（Capterra 4.7、500件以上）。

検証メモ: 評価機能はどうしても後付け感が拭えなかった。コースにクイズを一つ挟むだけでも操作がもたつき、内部のエンジンも軽量で、本格的な問題バンクやランダム出題、タイマー機能もない。理解度チェック程度の用途にとどめておくのが無難だろう。

総評: LMSとしては優秀だが、このリストの中ではAI採点との相性は最も弱い。クイズエンジンには問題バンクもランダム出題もタイマーもない。

実際に選ぶならこれ

研修の作成・配信の一部として評価をしたいなら、まず検討すべきはCoursebox だ。エッセイ・クイズ・シナリオを一箇所で採点でき、人によるレビューも任意で挟め、SCORMとLTIで出力できる。自社製品に評価を組み込みたく、開発リソースもあるならLearnosityが最も高機能だ。監査に耐える重要な資格試験にはQuestionmark、純粋なエッセイ採点ならCoGraderが最もすっきりしたワークフローで、コスパを重視するならEssayGraderが良い。試験・手書き・コードの採点はGradescopeの独壇場で、即時のフォーマティブな演習にはCogniiが向いている。研修プログラムとして避けたほうがいいのは、評価があくまで付け足しになっているもの（Disprz）や、クイズエンジンが手薄なもの（360Learning）だ。

断っておくと、Coursebox は私たち自身のツールであり、この比較リストの中でも公平にランク付けするよう努めた。