昨年11月にオレゴン州立大学のプランクトン画像研究に関する記事を掲載したとき、見出しは科学的な内容でした。研究船に搭載されたAIアクセラレーションインフラストラクチャにより、船が港に到着する前にテラバイト規模の海洋データをほぼリアルタイムで処理するというものです。しかし、その後の数週間で別のことが静かに起こりました。8台のSolidigm D5-P5336 E3.S SSDとNVIDIA RTX PRO 6000 GPUを搭載した1台のDell PowerEdge XE7745が実際に何ができるかという噂が学内で広まりました。他の部署が質問を始め、電話をかけ始めました。OSUの地球・海洋・大気科学部の研究・学術コンピューティング担当ディレクターであるクリストファー・サリバン氏は、大学全体で高まるAI需要に対応するために、これらのサーバーのラックを求めており、その野望の原動力となっているストーリーはプランクトンだけにとどまりません。
オレゴン州立大学は、研究と教育の両面でAIを導入することで、全米でも最も先進的な大学の一つとしての地位を確立しました。現在キャンパスで行われているインフラ整備に関する決定や、Metrum AI、Dell、NVIDIA、Solidigmといった企業とのパートナーシップ構築は、単なる学術的な実験ではありません。これらは、大学が教育を提供し、学習を評価し、学生を保護するための新たな方法の基盤を築くものです。これは、そのモデルがどのように開発されたのかという物語です。
生成AIが悪化させた問題
数十年にわたり、筆記課題は学業評価の中心であった。論文を提出し、理解度を示せば成績がつく。しかし、AI生成技術の登場によって、このシステムは根本的に変化した。今や学生は、教材にほとんど向き合わなくても、洗練された構成の整ったエッセイを作成できる。経験豊富な教員でさえ、それが本物の作品かどうかを確実に判断することはできない。大学が長年頼りにしてきた、真の理解を示す証拠は、弱体化してしまったのだ。
明らかな代替手段は口頭評価です。学生に自分の推論を声に出して説明させ、分析の過程を順を追って説明させ、結論を擁護させるのです。これはごまかすのが難しいものです。問題は規模です。200人の学生を教える教授が、一人ひとりと向き合って実質的な口頭試験を行うことは不可能です。現代の大学では、この制約により、口頭評価は主要な評価ツールとしての地位を事実上失っています。Metrum AIは、この状況を変えるために開発されました。
メトラムAIが構築したもの
CEOのスティーン・グラハムとCTOのチェタン・ガドギルが共同設立したMetrum AIは、「AIは可能性を示すだけでなく、実際の運用業務を行うべきだ」というシンプルな信念に基づいて設立されました。同社は、保険から製造業まで幅広い業界の顧客向けに、ビデオ、オーディオ、ドキュメント、構造化データにわたって推論を行うマルチモーダルAIエージェントを展開しています。MetrumはDell Technologiesと緊密なパートナーシップを築き、さまざまなGPU構成でDellのエンタープライズサーバーインフラストラクチャに対してプラットフォームの検証を行っています。オレゴン州立大学の学術評価システムはMetrumにとって方向転換ではなく、同社が構築するすべてのものに共通するオンプレミス、ヒューマン・イン・ザ・ループ設計哲学に基づき、同じ基盤機能を新しい問題領域に適用したものです。
このプラットフォームは、学業評価に適用され、録画された学生のビデオプレゼンテーションをマルチモーダルAIで処理し、評価基準に沿った評価案を教員がレビューできるように提供する。その売り文句は明確だ。教員が真に人間の判断を必要とする重要な業務に集中できるよう、反復的で時間のかかる抽出作業をAIパートナーに任せるというものだ。
機能面では、このプラットフォームは3つの操作を実行します。まず、提出された動画からマルチモーダルな成果物を抽出し、OpenAI Whisperを使用してタイムスタンプ付きの音声文字起こしを生成し、Qwen3-VL-30Bによる視覚分析でスライドの内容をキャプチャします。次に、vLLM上で動作するQwen3-30B-A3B推論モデルを使用して、抽出されたコンテンツに教員が作成した評価基準を適用します。最後に、各スコアを特定の文字起こしタイムスタンプまたはスライド識別子にリンクさせた評価案を提示し、教員が学生に結果を伝える前にレビューと承認を行います。
最後のステップは非常に重要です。教員が採点結果、コメント、フィードバックを確認し、必要な修正を加え、正式に承認するまで、学生には何も表示されません。このシステムは教員の権限に基づいて構築されています。さらに、プラットフォームは完全にオンプレミスで動作します。この決定は、システムの機能、信頼するユーザー、必要なハードウェアなど、あらゆる面に影響を与えます。
教授の個人的なプロジェクトから教務部長の指示へ
ジョナサン・カロディモスは、オレゴン州立大学経営学部の金融学准教授であり、ハーレー・アンド・ブリジット・スミス・フェローでもある。彼の経歴は、AIインフラの中心人物としては意外に思えるかもしれない。オレゴン州立大学に着任する前は、米国証券取引委員会（SEC）の金融エコノミストとして、役員報酬の返還に関する規則を定めたドッド・フランク法第954条の主任エコノミストを務めた。彼のコーポレートガバナンスと金融規制に関する研究は、『ウォール・ストリート・ジャーナル』、『ニューヨーク・タイムズ』、『ブルームバーグ』、『ハーバード・ビジネス・レビュー』などで引用されている。さらに、彼は物理学者特有の、物事を正確に測定する本能も持ち合わせている。
約1年前、カロディモスはMBAの授業のために、ケーススタディ発表の口頭発表部分を評価するAIエージェントというシンプルなツールを開発した。学生たちはそのフィードバックの質の高さに感銘を受けた。彼はオレゴン州立大学のAIウィークでこのプロジェクトを発表した。デル社がこれに目をつけ、彼をメトラムAI社に紹介したことで、教室での実験ははるかに大きなものへと発展した。
「ツールを手に入れたら、そのツールの強みを活かして、自身の指導スタイルや指導方法を磨き上げ、より良い教育体験を提供できるようになります。」
— ジョナサン・カロディモス、オレゴン州立大学金融学准教授、ハーレー＆ブリジット・スミス・フェロー
カロディモス氏が目指しているのは、彼が「エビデンスに基づく抽出」と呼ぶもので、彼が「ルーブリック・エンジニアリング」と呼ぶ手法に支えられています。これには、学生のプレゼンテーションから抽出可能な特徴を特定し、それらの特徴を学習成果に集約し、各学生が理解を示した箇所と不足していた箇所を教員に構造化された形で示すことが含まれます。「懐疑的な学生に説明するときは、非常に詳細なチェックリストを用意して、プレゼンテーションを見ながら行った項目にチェックを入れていくと想像してください。システムが行っているのはまさにそれと同じです。もちろん、実際はもっと高度なものですが、学生がこの教材を理解していることを示すあらゆる機会を把握できるのです」と彼は言います。
彼は、このシステムが実際にどのような変化をもたらすかを示す2つの例を挙げた。1つ目は、ある学生が10分間のプレゼンテーションを5分に凝縮し、単調な口調で、まるで英語が第二言語であるかのように早口で話したというものだ。その話し方では、彼の理解度は全く伝わらなかった。「注意深く聞いていたにもかかわらず」とカロディモス氏は言う。「実際の証拠に集中できるように、話し方の要素を克服できるほど細かく分解することができなかったし、しようとも思わなかった」。その後、AIが生成した証拠の分解を15秒ずつ順に見ていくと、学生が内容を理解していたことが明らかになった。評価されたのは知識ではなく、話し方だったのだ。
2つ目の事例は、一見まとまりのないスライドを並べ、最後のスライドでようやく主張をまとめた学生のプレゼンテーションだった。ライブで見ていたカロディモス氏は、すでにそのプレゼンテーションに低い評価を下していた。しかし、システムはプレゼンテーション全体を一つのまとまりとして評価し、高得点を与えた。「このような評価方法の利点があるとは思いもしませんでした」と彼は語った。「これは、評価における時間という要素から脱却するものです。」
研究・学術コンピューティング担当ディレクターのクリストファー・サリバンは、今回の導入におけるインフラストラクチャ責任者である。当初のMetrumとDellの設計に重大なコンプライアンス上の欠陥が明らかになったことで、彼の関与はより一層深まった。
FERPA、データ主権、そしてクラウドが解決策にならない理由
サリバンがオハイオ州立大学のMetrumプラットフォームのオンプレミス実装を担当することになった際、彼が最初に認識したのは、誰も完全に解決できていなかった問題、すなわち家族教育権プライバシー法（FERPA）だった。
FERPAは、学生の教育記録を規定する連邦法です。この法律は、誰が、どのような条件下で、どのように学生データにアクセスできるのか、そしてどのようにデータを保護しなければならないのかについて、厳格な要件を定めています。Metrumのようなシステム、つまり学生の提出した動画を取り込み、文字起こしを作成し、評価を行い、すべての採点決定の完全な履歴を保存するシステムにとって、FERPAへの準拠は単なるチェックボックスではなく、アーキテクチャ上の制約となります。
「FERPAのすべての条件を満たすオンプレミス環境が必要だったのですが、同時に大容量のストレージも必要でした」とサリバン氏は語った。クラウド処理はこの要件を満たしていなかった。学生のビデオファイル、音声の書き起こし、評価記録を外部のAI API経由でルーティングすると、学生の個人識別情報を大学の直接管理下にない第三者システムに送信することになる。サプライチェーンのすべてのベンダーにおいて、そのような環境でFERPA準拠を維持することの契約上および技術的な複雑さを考えると、クラウド処理は選択肢にならなかった。
学生にとっての実践的な体験という側面もあります。録画したプレゼンテーションを提出する学生は、自分の声、表情、プレッシャーの中での論理展開、時には母国語ではない言語など、個人的なものを提供しています。自分のビデオがOSUのサーバーに保存され、OSUのハードウェア上で動作するモデルによって処理され、OSU独自のデータポリシーによって管理されていることを学生が理解すると、状況は一変します。カロディモス氏は、パイロットテスト中にこの変化を直接目の当たりにしました。「これはローカルストレージを備えたローカルモデルであり、OSUが学生を支えているという考えは、はっきりと感じられました」と彼は述べました。「私たちは、OSUが築き上げてきた組織的な信頼を活用し、学生を保護し、これらのオンプレミスソリューションを活用する必要があります。」
クラウドAIプラットフォームは導入が簡単で迅速ですが、組織はアーキテクチャではなく契約内容を信頼する必要があります。データ管理方法にすでに不安を抱えている学生にとって、この点は導入意欲に大きな影響を与える可能性があります。オンプレミスでの導入は、コンプライアンス遵守のためだけではなく、信頼の基盤を築くことにもつながります。
パイロット、教務部長、そしてOSUの今後
試験運用は進行中だ。複数のセクションにまたがる約500人の学生が、期末試験期間の終わりに最終課題を提出している。採点済みの評価は、最終提出日から4日以内に返却されなければならない。教員が採点を開始する前に、AIが生成したレポートが準備されていなければならない。「並行して人間の作業も行われている」とカロディモス氏は指摘する。「しかし、まずはレポートが必要だ。これらすべてを処理するのに2日かかるとすれば、人間の作業はさらに圧縮されることになる」。プレッシャーは現実のものであり、締め切りは決まっているが、インフラは機能している。
このパイロットプロジェクトでは、注目すべき別の点も明らかになった。最近、ある教授が学期途中で管理職に昇進した際、急遽代講の講師が授業を引き継ぎ、最後まで担当しなければならなかった。しかし、明確な評価基準と確立されたレビューワークフローを備えた、一貫性のあるAI評価フレームワークが既に導入されていたため、その講師はそうでなければ実現しなかったであろう継続性を確保することができた。「一貫性のあるAI評価ツールがあれば、人間の指導の継続性が保証できないまさにそのような状況において、学生の学習体験は間違いなく向上するだろう」とカロディモス氏は述べている。
この話は最終的にOSUの教務担当副学長の耳にも届いた。カロディモス氏は、当初10分で終わるはずだった会議で、デルのシステム、ソリディグムのストレージ性能、開発者向け機能、インフラストラクチャのベンチマークなど、システム全体を説明した。しかし、会議は40分に及んだ。教務担当副学長はその後、CIO、CTO、そしてサリバン氏にメールを送った。OSUは現在、このリソースを春学期から教員が利用できるように、大学全体に展開する計画を立てている。このリソースは、教務担当副学長と研究室の下に新設された研究コンピューティング室によって管理される。
サリバン氏は、ラック規模のインフラストラクチャという観点から、その展開を考えている。プランクトン画像解析の基盤となり、現在Metrum AI評価パイプラインを支えているのと同じXE7745プラットフォームを、彼は拡張したいと考えている。目標は、需要の変化に応じて学術計算と研究計算のワークロードを切り替えられる、これらのサーバーをラックに並べることだ。理想的には、中間提出と最終提出のピーク時にはサーバーをMetrum評価パイプライン専用にし、学事日程の閑散期には研究ワークロードに再配置する。「そのセットからマシンを取り出して、一定期間学術計算側に投入し、その後、研究計算に活用するために戻すことができます」とサリバン氏は述べた。「私たちは、それらをその場で再配置できるようにしたいのです。」
自然な形での導入は既に始まっている。保健学部と工学部の教員は、非公式なルートを通じてこのプロジェクトを知り、それぞれ独自にカロディモス氏に接触してきた。このプラットフォームは試験運用以降、正式には発表されていないが、それでも既に利用者を獲得している。
成績評価問題の背後にある容量問題
この話には、単に評価のスピードアップだけを目的としたバージョンもある。しかし、それは不完全な見方だ。
より深刻な問題は、授業の定員に関するものです。サリバン氏は、オハイオ州立大学が教育の中核的な使命の一環として位置づけ、全学生が履修することになっている100レベルの地質学の授業について説明しました。現在、この授業は300人ずつの2つのクラスで行われており、四半期ごとに合計600人が受講しています。教員は限界に達しています。現在の授業負担を考えると、クラスを増やすことは現実的ではありません。「教員にこれ以上仕事をさせるわけにはいきません」とサリバン氏は述べました。「授業負担を減らしてクラスを増やすか、既存のクラスに学生を増やすか、どちらかの方法を見つける必要があります。」
カロディモス氏は同様に、ビジネス学部の側面についても説明した。消防法上の理由から学生数が45人に制限されている授業を担当する教授陣は、個別評価が規模拡大すれば、ブレイクアウトルームのサポートを備えた大規模講義形式を検討できるようになるだろう。「単に学生を詰め込むことだけが目的ではない」と彼は述べた。「さまざまな提供方法を模索しながら、質を維持することが重要なのだ」。AIによる評価レイヤーこそが、講義室規模での個別評価を運用可能にするものだ。
「AIは、影響力やメッセージ、学習内容を変えることなく、成果数を増やすのに役立っています。」
— クリストファー・サリバン、オレゴン州立大学研究・学術コンピューティング担当ディレクター
収納こそが欠けていたピースだった
サリバン氏が、FERPA（家族教育権プライバシー法）に完全準拠した形でOSU（オハイオ州立大学）にMetrumシステムを導入するために必要なことを検討した際、GPUに関しては既に解決策が見つかっていた。MetrumとDellのリファレンスアーキテクチャによって、NVIDIA RTX PRO 6000 GPUを搭載したXE7745が大規模な推論ワークロードを処理できることが実証されていたのだ。未解決のまま残っていたのはストレージだった。
XE7745は、GPU密度を最適化した4U空冷プラットフォームです。この設計こそが強みですが、ドライブベイの数が限られているという大きな制約も伴います。「速度を犠牲にすることなく、1台の機器に多くの容量を詰め込む必要がありました」とサリバン氏は語ります。「GPUの価値やXE7745の持つすべての価値を失いたくなかったからです。しかし、それを実現できる大容量SSDソリューションは、当時ほとんど存在しませんでした。」
このようなシステムのストレージ層は、主要なAIワークロード以外にも多くの処理を担います。学生ポータルから送られてくる動画ファイルは、すぐにバッファリングできる場所が必要です。抽出された音声トラックとタイムスタンプ付きの文字起こしは、教員によるレビューのために個別の成果物として保存されます。スライド画像とOCR出力は、それぞれ別の階層に配置されます。提出メタデータ、ドラフト評価、教員による編集、承認記録を追跡するSupabaseデータベースは、継続的に稼働します。Whisper、Qwen3-VL、および推論モデルのモデル重みは、推論のボトルネックを回避するために十分速くロードされる必要があります。また、AIが生成したすべてのドラフト、すべての教員による上書き、およびすべての承認アクションの完全な監査証跡は、認定審査、学術的誠実性調査、および管理報告のために、クエリ可能な記録として保持されなければなりません。
これらのワークロードはすべてストレージ上に存在します。AIの出力はGPUの功績とされますが、ストレージはGPUにデータを供給し、継続的に動作させる役割を担っています。
サリバン氏のチームは、E3.SフォームファクタのSolidigm D5-P5336を選定した。XE7745にはこのドライブが8台搭載されている。1台あたり30.72TBなので、4Uシャーシ1台で245TBを超えるフラッシュストレージとなる。D5-P5336は、持続的な書き込み性能とデータ整合性に最適化されたエンタープライズファームウェアを搭載したQLC NANDを採用している。システムが一時的なバースト書き込みに対応していないため、これは重要な点である。期末試験前後のピーク提出期間中は、ビデオの取り込み、文字起こしの書き込み、評価結果のログ記録、データベースの更新が同時に行われる。
海洋調査に関する記事でこのハードウェア構成について詳述したように、RAID 10構成のSolidigm製ドライブは、処理パイプラインに遅れることなく、持続的な読み書き性能を発揮しました。ストレージがボトルネックではなかったのです。このアーキテクチャによって実際のワークロードの制約が明らかになり、チームは重要な箇所を調整することができました。この検証済みの結論は、学術評価の展開にもそのまま適用されます。
AI対応型高等教育の青写真としてのOSU
オレゴン州立大学のAIインフラストラクチャへの取り組みは、計画的であり、他の教育機関のモデルとして検討する価値がある。同大学は、クラウドAPIを通じてAIツールを場当たり的に導入するのではなく、AIをベンダーサービスではなく、永続的な組織能力として扱う一連のアーキテクチャ上の決定を下してきた。ハードウェアは、研究および学術コンピューティングワークロードを網羅するプラットフォームを中心に標準化されている。ストレージはオンプレミスで高密度であり、設計段階からコンプライアンスに準拠している。教員は、システムが生成するすべての評価について最終的な権限を保持している。
カロディモス氏は、このプラットフォームをオハイオ州立大学以外にも展開したいと明言している。「すべての大学が我々のように豊富なリソースを持っているわけではない」と彼は述べ、「この技術がすべての大学で利用できるようにしたい」と語った。こうした基盤こそが、教育における公平性というより広範な主張の信憑性を高めている。授業負担が大きく、リソースが少ない小規模な大学の教員こそ、このツールを最も必要としていると言えるだろう。
「ストレージが必要だ。しかも高速なストレージが必要だ。ストレージがなければAIは死んだ技術だ。AIはデータ駆動型のシステムだ。1960年代や70年代にはアルゴリズムは存在していたが、データを保存するストレージがなかったため、それを実行するためのデータがなかった。」
— クリストファー・サリバン、オレゴン州立大学研究・学術コンピューティング担当ディレクター
サリバン氏は、OSUにおけるあらゆるインフラ整備の決定と同様に、ハードウェア計画の問題を捉えている。モデルは変化するだろう。学生が提出する入力の種類は進化するだろう。教員が実施したい評価手法はより高度化するだろう。「私はもっと大きなフォーク、もっと大きなナイフ、もっと大きなスプーンを手に入れるつもりだ」と彼は言う。「しかし、ハードウェアに関しては、依然としてフォーク、ナイフ、スプーンだ。今後数年間でモデルと入力は劇的に変化するだろうが、今の私にとってより重要なのは、ハードウェアがそれらの変化に先んじることだ。」
処理されたすべてのトランスクリプト、抽出されたすべてのスライド、すべてのドラフト評価、すべての承認済み成績、そしてすべての監査記録は、すべてどこかに保存されなければなりません。このシステムでは、OSUのインフラストラクチャ内に245TBのSolidigm QLCフラッシュがオンプレミスで稼働しており、目に見えるAIを実現するための静かな作業を担っています。サリバン氏が計画しているラックは、これが最後ではありません。大学はこのパイロットプロジェクトの成果を注視しており、他の機関もOSUの取り組みを注視するでしょう。これこそが、AI分野におけるリーダーシップの意味なのです。
Amazon