学習塾「英進館」がAIで入試合格予測の精度を向上させ、退会率-8%まで踏み込んだ事例です。 AI-market(2025-08-20)で紹介されています。
「大手塾の話だから関係ない」と読み飛ばすにはもったいないです。 中小学習塾・教育事業者で「合格判定を経験則に頼っており、面談時の説得力に欠ける」で悩んでいる構造そのものだからです。 英進館はこの問題を、「過去10年分の模試・在籍データ+予測モデル」で解いています。
僕が注目したのは、「保護者の納得度向上で退会率-8%」まで踏み込んだ事業効果です。中小学習塾にそのまま転用できます。
中小学習塾の合格判定課題
社員10〜100名の中小学習塾・教育事業者にありがちな構造はこうです。
- 合格判定がベテラン講師の経験則頼み
- 面談時に判定根拠を示せず保護者が納得しない
- 結果、退会・転塾が発生
- 講師ごとに判定がブレる
汎用ChatGPTでは自塾の模試成績・合格実績を知りません。「過去データ+予測モデル」が必要、というのが本事例の発想です。
英進館の取り組み
AI-marketで紹介されている内容は以下です。
- 対象: 受験生の合格予測・面談支援
- 基盤: 機械学習(予測モデル)
- 用途:
- データ学習: 過去10年分の模試成績・在籍データ
- 予測算出: 個別生徒の合格確率を算出
- 面談活用: 予測結果を保護者面談で提示
- 設計思想: 経験則ではなくデータで意思決定を支援
効果実感の数字:
- 合格予測精度が従来比+15ポイント
- 保護者の納得度向上で退会率が前年比-8%
何が真似できるか
英進館は中堅塾ですが、設計思想だけ抜き取るとこうなります。
- 過去模試・成績データを学習させる
- 個別生徒の予測値を面談で提示
- 講師は予測+経験則の併用で判断
- 効果は「予測精度×退会率×合格率」で測る
特に「面談活用」が秀逸です。中小塾ほど「AI判定を内部で使うだけ」となりがちですが、保護者向けに可視化することで事業効果(退会率)に直結します。
中小企業で再現するなら
ここからが本題です。社員10〜100名の中小学習塾・教育事業者で同じ思想を取り入れるならどう削るか。
構成
| 項目 | 英進館 | 中小学習塾(社員10〜100名) |
|---|---|---|
| 対象 | 受験生全般 | 主要受験コースの生徒 |
| ツール | 自社開発予測モデル | 教育AI予測SaaS(月3〜30万円目安、2026年5月時点。要最新価格確認) |
| 月額費用 | (記載なし) | 推定 月3〜30万円(SaaS+データ整備) |
| 初期費用 | (記載なし) | 推定 50〜300万円(過去データ整備+モデル構築) |
| 体制 | 教育企画+IT | 経営+教務+IT(or 外部支援) |
| 期間 | (記載なし) | 6〜12ヶ月で運用化 |
評価軸スコア
| 評価軸 | スコア |
|---|---|
| ROI(投資対効果) | ★★★★☆ |
| 再現性(中小企業) | ★★★☆☆ |
| 難易度(低いほど簡単) | ★★☆☆☆ |
(難易度=数字小さいほど簡単)
スコア根拠は以下です。
- ROIは高い。退会率-8%は事業収益直結
- 再現性は中。過去データ蓄積量が前提
- 難易度は高め。機械学習モデル構築にスキル必要
前提条件・必要データ
- 過去模試成績・在籍・合格実績が数年分蓄積
- データがデジタル化(紙台帳ではない)
- 講師がAI予測を面談で使うことに前向き
- 月次で予測×実績の乖離を分析する担当
失敗条件・適用しないケース
- 過去データがExcelでバラバラまたは紙
- AI予測を講師の経験則を無視して盲信
- 保護者への説明設計を怠る(数字を見せるだけ)
- 効果測定をせず「便利になった気がする」で終わる
「予測AIを契約すれば合格率が上がる」のではありません。
過去データ整備→モデル構築→検証→面談運用設計→月次測定→改善、という流れが6〜12ヶ月で回って初めて、本事例が描く「+15pt・退会率-8%」像が中小学習塾にも見えてきます。
特に「過去データ整備」を省くと、モデルの学習材料がなく精度が出ません。
出典・参考
市野
愛知県岡崎市でAI活用支援を手がける一人社長。 中小企業の現場でAIを実装してきた経験から、他社事例を「うちで再現するには」の視点で読み解いて発信中。
愛知県岡崎市を拠点に、中小企業向けのAI活用支援を提供。ChatGPT・Claude Code等を活用した業務自動化やSEO・広告運用の内製化を支援。経営者が自らAIを使いこなせる体制づくりをサポートしている。
＞＞詳細なプロフィールはこちら