ハーバードが「A評価を20%に制限」——この議論が日本のビジネスパーソンに突きつけるもの

ハーバード大学が、学部の授業でA評価を受けられる学生を「クラスの約20%」に制限する方針を決定した。AIのパイオニアとして知られるアンドリュー・ン氏がこれに強く反対を表明したことで、教育関係者だけでなくAI・テック界隈でも大きな話題になっている。この記事では、この議論の構造を整理しながら、日本のビジネスパーソンがAIスキルを身につけていく文脈でこの問いをどう読み解くべきか考えます。

なぜハーバードはA評価を絞ろうとしているのか

「成績インフレ（グレード・インフレーション）」とは、学生の実力が上がっていないにもかかわらず、全体の成績が年々高くなっていく現象のことです。ハーバードでは近年、A評価を受ける学生の割合が急増しており、学位の信頼性が薄れるという批判が学内外から出ていました。今回の方針は、その是正措置として打ち出されたものです。ただし、学生の多数が反対意見を持っているにもかかわらず、大学側が押し切った形になっています。

グレード・インフレが起きる背景には複数の要因があります。教授が学生から低評価を受けたくないという心理、コロナ禍での特例措置が慣行化したこと、そして「優秀な学生を集めるほど平均点が上がる」という構造的な問題です。これ自体は世界中の大学が直面している課題ですが、ハーバードがとった「上位20%しかAを出さない」という相対評価への転換は、一つの解決策である一方、別の問題を引き起こしかねません。

アンドリュー・ン氏の反論が示す「もう一つの教育観」

AI研究者として、またCourseraの共同創業者として知られるアンドリュー・ン氏は、この方針に明確に反対しています。彼の主張の核心は「高い基準を維持しながらも、100%の学習者の成功を支えるべき」というものです。これはゼロサム的な評価観への異議申し立てといえます。

ン氏の視点で重要なのは、「絶対評価」と「相対評価」という対立軸です。相対評価では、誰かが高い点を取れば誰かが低くなる。つまり「他者より優れていること」が評価の基準になります。一方、絶対評価は「この水準に到達できたか」を問う。高い基準を設けつつ、全員がその基準を超えられるよう教育側がサポートする、という考え方です。オンライン学習の文脈で彼がずっと主張してきたのは、後者の哲学です。Courseraのような大規模オンラインコース（MOOC）が「誰でも学べる」を掲げているのも、この延長線上にあります。

日本の会社員が「他人事」にできない理由

この議論は、一見すると海外の大学の話に見えます。しかし、日本の30〜40代のビジネスパーソンにとって、この構図はすでに職場の中に存在しています。

例えば、人事評価における相対評価の導入です。多くの日本企業では依然として「上位何%がS評価」「下位何%は評価を落とす」という相対評価が使われています。これは社内競争を促進するという意図がある一方で、「チームで学び合う文化」を阻害することも指摘されています。AIスキルを全員で底上げしたい局面で、「あなたが成長すると自分の評価が下がる」という構造があれば、社内でのナレッジ共有は進みにくくなります。

たとえば、40代の管理職が部下のAI活用を積極的に支援したとします。部下がAIを使いこなすようになり業績が上がれば、チームとしては成果が出る。しかし相対評価の中では、「部下が目立つほど自分の存在感が薄れるかもしれない」という心理が働くこともあります。この心理的な抑圧こそ、組織全体のAIスキル底上げを阻む見えない壁の一つです。ハーバードの成績制限問題は、この構造をわかりやすく可視化したケースとも言えます。

「AIスキルの評価」は絶対評価に向かっているという現実

AIスキルの世界では、相対評価より絶対評価のほうが実態に合っています。「クラスで一番ChatGPTをうまく使える」ことより、「業務の生産性を30%改善できるプロンプトを設計できる」かどうかが問われる世界です。

実際に、AIスキルの評価基準は急速に整備されつつあります。以下は、現時点で比較的普及しているAI関連スキルの習熟度評価軸を整理したものです。

この表が示すのは、AIスキルには「ここまで到達したか」という絶対的な基準があり、他者との比較ではなく「自分がどこにいるか」で判断できるということです。むしろ、組織内で全員がこの水準を上げていくほうが、競合他社に対する競争力になります。

学ぶ文化をつくるのは仕組みより姿勢かもしれない

今回のハーバードの議論で見落とされがちな論点が一つあります。それは「なぜ成績インフレが起きたのか」という原因の問いです。大学が成績を絞れば解決するのかというと、そう単純ではありません。学生が高い成績を求めるのは、高い成績が就職や奨学金に直結するからです。つまり、評価の上流にある社会的なインセンティブ構造が変わらない限り、制度を変えても別の抜け道が生まれる可能性があります。

日本の職場で「AIを学ぼう」と号令をかけても、学んだことが評価・給与・昇進に直結しないなら、動機は続きにくい。この構図はハーバードの問題と本質的に同じです。制度や評価基準を変えることも重要ですが、「学んだことが実際に報われる」という経験を積み重ねることのほうが、長期的には文化をつくります。30代の営業担当者がAIで提案書作成の時間を半分に削減し、浮いた時間で顧客接点を増やして結果を出す——そういう「小さな勝ち体験」を積み重ねることが、評価制度以前に重要なことかもしれません。

プロンプトの書き方ガイドでは、こうした業務改善の第一歩として使えるプロンプト設計の考え方を整理しています。

まとめ

ハーバードの成績制限は「成績インフレをどう是正するか」という問いへの一つの答えですが、アンドリュー・ン氏の反論が示すように、相対評価への回帰がベストかどうかは別の議論です。教育の質と評価の仕組みをどう設計するかは、AI時代のスキル習得においても避けられないテーマです。あなたの職場で「AIを学ぶこと」が評価に結びついているかどうか、一度立ち止まって確認してみる価値はあるかもしれません。制度を変えることも重要ですが、まず自分が「学んだことで仕事が変わった」という実感を持つことが、周囲を動かす最初の一歩になることが多いからです。

AIを使ったキャリアの作り方についても、あわせて読んでいただくと、スキル習得の先にある出口イメージが具体的になるはずです。