# 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

> L&D・研修担当者向けに、採点精度・出題形式・料金を軸にAI採点ツールをインストラクショナルデザイナーが徹底比較。

**Author:** Carolina Martin  
**Published:** 2024-03-19  
**Updated:** 2026-09-07  
**Categories:** AI Grading

---

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。

```json
{
  "_key": "arg4zl",
  "_type": "calloutBox",
  "body": [
    {
      "_key": "arh4zl",
      "_type": "block",
      "children": [
        {
          "_key": "ari4zl",
          "_type": "span",
          "marks": [],
          "text": "自社のサポートデータを見ると、研修チームが最も苦労している評価まわりの問題は、採点精度そのものよりも整合性の問題だ。過去6か月の間にも、設問の順番が意図せずシャッフルされる、合否判定のロジックが誤作動する、提出物が消える、採点済みの課題を受講者が再提出できてしまうといった報告が寄せられている。"
        }
      ],
      "markDefs": [],
      "style": "normal"
    },
    {
      "_key": "arj4zl",
      "_type": "block",
      "children": [
        {
          "_key": "ark4zl",
          "_type": "span",
          "marks": [],
          "text": "このリストのどのツールを試すにしても、AI採点を信頼して使う前に、実際の提出物でこの4つの挙動を必ず確認してほしい。（Coursebox サポートデータ、2026年1月〜7月）"
        }
      ],
      "markDefs": [],
      "style": "normal"
    }
  ],
  "markDefs": null,
  "title": "採点を信頼する前に検証すべき、つまずきやすいポイント",
  "variant": "warning"
}
```

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。

```json
{
  "_key": "f798b8d9229a",
  "_type": "statCallout",
  "label": "記述式の採点では、多くのツールがAIの判定をそのまま信頼せず、人によるチェック工程を残している。完全自動で採点するのはCogniiとQuizGeckoの2つだけだ。",
  "markDefs": null,
  "source": "Coursebox 分析、2026年",
  "value": "8 of 10"
}
```

## 各ツールが実際に採点できるもの

| ツール | 採点対象 | 自動 / 人によるレビュー | 出力先 |
| --- | --- | --- | --- |
| 1. Learnosity | 選択式+エッセイ/短答式（50種類以上） | AI支援、人が承認 | レポート/データAPI |
| 2. Coursebox | クイズ、エッセイ、短答式、シナリオ、ファイル提出 | AIが採点、人によるレビューは任意 | SCORM、LTI |
| 3. Questionmark | 選択式+長文記述 | AI支援、人によるレビュー必須 | LTI、SCORM、xAPI、AICC+Workday/Cornerstone |
| 4. Gradescope | 試験、手書き、エッセイ、コード | AIが類似回答をグループ化、教員が採点 | 成績表+LMS（Institutionalプラン） |
| 5. CoGrader | エッセイ、記述式 | AIが下書き、最終判断は教員 | Classroom、Canvas、Schoology |
| 6. EssayGrader | エッセイ、レポート、DBQ、動画（Proプラン） | AIが採点、教員がレビュー | Classroom、Canvas、Schoology |
| 7. Cognii | 短いエッセイ、記述式 | 完全自動、即時採点 | 非公開 |
| 8. QuizGecko | 選択式+短答式/エッセイ | 自動採点 | CSV、Google Classroom |
| 9. Disprz | クイズ、シナリオ、主観式 | クイズは自動、主観式は上司/同僚が評価 | SCORM、xAPI対応 |
| 10. 360Learning | 選択式、記述式 | 記述式は教員が承認 | SCORMインポート、LMSネイティブ |

### 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](https://learnosity.com) 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](https://www.coursebox.ai/ja/ai-grading) 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。

```json
{
  "_key": "arl4zl",
  "_type": "statCallout",
  "label": "Coursebox でクイズを作成する制作者が、手動で問題を追加するよりAI生成を選ぶ頻度（2026年3月時点）。",
  "markDefs": null,
  "source": "Coursebox プロダクトデータ、2026年",
  "value": "2.6 : 1"
}
```

### 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](https://www.questionmark.com) 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](https://www.gradescope.com) （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](https://cograder.com) 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](https://essaygrader.ai) 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](https://www.cognii.com) 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](https://quizgecko.com) 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](https://disprz.ai) 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](https://360learning.com) 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。_