AI宿題採点・コメントSaaS・月収3万・5つの教育機関の年間サブスク獲得
ワークフロー:教員がWeChatまたはWeb版から宿題の画像やPDFをアップロードすると、Agentが自動的にOCRを呼び出して手書き内容を認識し、模範解答と照合する。大モデルは生徒のエラータイプに基づいて3段階のパーソナライズされたコメント(長所の肯定
主要項目
FIELD STAMPS🔧 ワークフロー
教員がWeChatまたはWeb版から宿題の画像やPDFをアップロードすると、Agentが自動的にOCRを呼び出して手書き内容を認識し、模範解答と照合する。大モデルは生徒のエラータイプに基づいて3段階のパーソナライズされたコメント(長所の肯定、ミスの指摘、改善の提案)、ミス原因の分析、および保護者向けの連絡テンプレートを生成する。システムは同時にクラスの学習状況ボードと個人の上達曲線を生成する。毎日30〜50件の宿題をバッチ処理し、人間は例外の再確認と最終確認のコメントのみを行うため、完全な手動作業に比べて効率が10倍向上する。
🛠 構築のハードル
技術スタックにはCozeまたはDifyを採用して標準化されたAgentプロセスを構築し、百度雲(Baidu Cloud)または騰訊雲(Tencent Cloud)のOCRを接続して手書き文字を認識し、DeepSeekまたはGPT-4oのマルチモーダルモデルを呼び出してコメントを生成する。飛書(Lark)の多次元テーブルで学校の顧客カルテと採点記録を管理し、WeChat Pay(微信支付)または法人送金でサブスク課金システムを構築する。フロントエンドはResponseまたはGradioを使用してデモ画面を迅速に構築できる。1人のフルスタック開発者と教務に明るい協力者1人により、約2か月でMVPを稼働させることができ、初期はカスタマイズ開発を行わずローコードプラットフォームを直接使用する。
🧰 ツールチェーン
- 🔧 Coze
- 🔧 百度雲OCR API
- 🔧 DeepSeek API
- 🔧 飛書多次元テーブル
- 🔧 WeChat Pay
💰 収入
① 中小研修機関による月額/年額制の採点サービスのサブスク(主収入):機関がサブスク費用を支払い、月額1500〜3000元×初期5〜8校=月収0.75万〜2.4万元(カルテ内の月額料金と学校数から換算)、カルテ内では合計月収が約3万元と記載されており、月収の約100%を占める(換算の基準は事例によるもので、独立した検証は受けていない)。② 年間払いで顧客を囲い込み:機関が1校あたり年間3万〜6万元を支払い、カルテ内では更新率の向上に伴い2年目には月収8万〜10万元に達する可能性があるとされる(事例ベースであり、第三者の検証はない)。収入に占める割合は明記されていない。③ 白ロム/APIの学習塾および教育備品チャネルへのライセンス供与(ライセンス許諾):学校ごとまたは呼び出し量に応じてライセンスを供与し、ライセンス料もチャネル数も公開されておらず、このラインがどの程度の収入を占めるかは言及されていない。④ オポチュニティ案件——教員/保護者個人向けの1枚あたりの従量課金(都度払い・数量払い):同セクターの蜜蜂AIは累計採点数が12億回を突破(事例の数値であり、独立した再検証はない)。1枚あたりの価格は公開されておらず、収入に占める割合も同様に確認しようがない。
💸 コスト
Cozeは最初は無料版でしのぎ、チーム版にアップグレードした場合は月額299元。OCR認識は1枚あたり約0.01元で、月1万枚で約1000元。大モデルの呼び出しコストは月1000〜2000元。サーバーとドメインを合わせて約300元。初期の学校開拓には月約1000元の消耗品費と訪問費が必要。すべて合わせると月額コストは約3000〜4000元となり、取扱量が増えるほど1件あたりのコストは低下する。
⏱ 時間投入
初期の製品構築は毎日4〜5時間を継続して2か月間。運用期は毎日1.5時間かけてAgentの稼働品質を監視し、認識エラーの処理やコメントテンプレートの最適化を行う。営業期は毎週8時間を費やしてテレアポ、学校側の教務主任への飛び込み営業・訪問、あるいは教育備品展への参加を行う。
🚀 初心者ガイド
第1ステップ:1校のモデル校または研修機関を特定し、1カ月間の無料トライアルを約束する。Cozeを使って採点プロセスを構築し、自ら10クラス分の宿題を処理して、教職員や保護者の三者からのフィードバックを収集し、プロンプトと認識精度を最適化する。第2ステップ:稼働が軌道に乗った後、月額2000元または年額2万元での有料化を誠実に提案し、校長に同業他社を紹介してもらう。第3ステップ:3教科の標準的な作業手順を磨き上げた後、一括して横展開を開始する。
🔑 成功のカギ
- ✅ コメントの質は、機械的な正誤判定ではなく、保護者が読みたくがり、教師が使いたくなるものでなければならず、正確さよりも感情的な表現の方が重要である。
- ✅ 校長の人的ネットワークや教務主任との関係を通じてBtoBチャネルを開拓する。教育業界は意思決定プロセスが長いため、忍耐が必要である。
- ✅ データセキュリティについては、プライベートクラウドでのデプロイや暗号化保存を約束し、「個人情報保護法」の教育データ規制に準拠する必要がある。
- ✅ コメントテンプレートを教科や学年に応じてカスタマイズして再利用可能な資産とし、継続的に最適化することで、後期の限界費用を削減する。
⚠️ 风险
- ⚠️ 学校の調達プロセスが3〜6カ月と長く、入金が遅い。公立校の場合は政府調達プロセスを経る必要がありさらに時間がかかるため、キャッシュフローのプレッシャーが大きい。
- ⚠️ 蜜蜂AIや小鹅通などの大手企業が低価格で参入し、無料または低価格戦略によって個人開発者や小規模チームの生存空間を圧迫する可能性がある。
- ⚠️ 低学年や悪筆の場合の手書き文字の認識精度が不安定であり、人手によるフォールバックが必要となるため潜在的なコストが増加し、低年齢層市場の開拓が制限される。
- ⚠️ 教育データには未成年者のプライバシーが関わるためコンプライアンス要件が高く、一度データ漏洩が発生すれば顧客の離脱や法的リスクにつながる。
📌 実例
- 📌 学大教育は扣子AIを使用して授業後のフィードバックの難題を解決し、K12の全教科の宿題の一括採点と個別コメントの生成を実現し、数百の教育拠点をカバーしている。
- 📌 蜜蜂AIは手書き宿題の採点機能を最初期にリリースし、K12の全教科の手書き宿題の秒単位での採点をサポートし、1回あたりの処理速度が手動に比べて20倍向上した。
- 📌 小鵝通AIインテリジェント採点機能はプライベートドメインの教育の納品効率を向上させ、教育フィードバックを48時間からリアルタイムに短縮し、更新率が35%向上した。