Buddy.ai vyvíjí rozpoznávání řeči a jazykové procvičování pro děti

Trh s aplikacemi pro jazykové vzdělávání dětí je stále přeplněnější a pod přísnějším dohledem. Minulý týden nezisková organizace Common Sense Media spustila Youth AI Safety Institute, první nezávislou laboratoř svého druhu, která je financována 20 miliony dolarů ročně a podrobuje zátěžovým testům produkty AI pro děti – tlak, který přichází právě v době, kdy AI již tvoří 33,5% příjmů z digitálních produktů pro jazykové vzdělávání.

Zároveň se očekává, že jen samotný dětský segment vzroste z 2,38 miliard dolarů v roce 2026 na 5,17 miliardy dolarů do roku 2035. S integrací AI zjevně rostou i investice – ale také dohled.

Výzkum z institutu AI při Coloradské univerzitě jasně dokumentuje mezeru: přesnost rozpoznávání řeči je podstatně nižší pro děti než pro dospělé, protože většina komerčních systémů je trénována na čistých zvukových nahrávkách dospělých mluvčích, kteří často čtou připravený text.

Studie z roku 2024 potvrzuje, proč: děti mají rychlé, nepředvídatelné změny výšky hlasu, artikulace a vývoje slovní zásoby, což způsobuje, že modely trénované na dospělých selhávají.

A v praxi to znamená, že šestileté dítě, které se učí anglicky, dostane systém, který jej špatně slyší, nezareaguje nebo dokonce zareaguje na něco úplně jiného. Dítě ztratí zájem o učení; rodič ztratí peníze.

To je problém, na kterém Ivan Crewkov začal pracovat v roce 2018, čtyři roky předtím, než se velké jazykové modely staly běžným tématem veřejné debaty.

Známý výchozí bod

Crewkovův vstup do oblasti vzdělávacích technologií byl osobní. Když se jeho rodina přestěhovala ze Sibiře do Kalifornie v roce 2014, byly jeho dceři Sofii čtyři roky a měla potíže s učením angličtiny v mateřské škole. Zkusil všechny dostupné nástroje a našel stejné mezery ve všech z nich.

„Často zahrnovaly čtení, které ještě neuměla, působily příliš jako práce a nenabízely procvičování mluvení, které je zásadní pro děti, které se učí nový jazyk,“ řekl Unite AI.

Pak se obrátil na učitele poskytující výuku naživo přes internet, začal nahrávat lekce a všiml si něčeho, co neočekával. „Učitelé doslova četli ze svých obrazovek,“ řekl a mnoho z nich nebyli certifikovaní pedagogové; každá lekce stála 15 až 20 dolarů.

Díky zkušenostem s AI viděl Crewkov situaci jasně: „Bylo mi jasné, že pravděpodobně 80 % této práce by mohlo být provedeno pomocí virtuální mluvící AI postavy a rozpoznávání řeči. To by také výrazně zpřístupnilo trh širšímu okruhu lidí, protože to bylo extrémně drahé,“

„Nápad byl poskytnout měsíc učení za cenu jedné individuální lekce,“ dodal. Ten nápad se stal Buddy.ai.

Téměř 10,8 milionu malých dětí – 32 % všech amerických dětí mladších devíti let – tvoří děti, které se učí dva jazyky (DLL), s alespoň jedním rodičem, který mluví jiným jazykem než angličtinou doma, podle Migration Policy Institute. Od roku 2000 se tato populace zvýšila o 24 % a děti DLL nyní tvoří více než 20 % populace malých dětí ve 24 státech a ve Washingtonu D.C.

Právě tyto rodiny pravděpodobně nejčastěji hledají to, co platformy jako Buddy.ai nabízejí, a zároveň mají nejmenší šanci na stálý přístup ke kvalitním programům předškolního vzdělávání. Z dětí DLL žije 43% v nízkopříjmových domácnostech ve srovnání s 33 % dětí, které nejsou DLL.

Komerční logika je tedy jasná. Těžší otázka je, zda technologie skutečně funguje – a právě zde se přístup Buddy.ai výrazně liší od většiny konkurence.

Vyvinuté pro děti od základu

Rozdíl, který Crewkov vyzdvihuje mezi budováním pro děti a úpravou pro ně, je architektonický, ne kosmetický. „Budování AI od základu pro děti znamená, že omezíme a přestavíme každou vrstvu systému podle dětských hlasů, chování, regulačních požadavků a schopnosti udržet pozornost – místo toho, abychom se snažili přidat chatbotu pro dospělé dětský režim.“

Základní problém je akustický. „Systémy s LLM pro dospělé předpokládají dospělý text a řeč: dlouhé gramatické věty, stabilní výslovnost a tichá prostředí. Šestileté dítě vám dá opak: neúplné výpovědi, chybnou výslovnost, křik, výrazné přízvuky a hluk na pozadí.“

Buddyho rozpoznávač řeči byl trénován a průběžně znovu trénován na desítkách tisíc hodin skutečných dětských hlasů různého věku a s různými přízvuky, zaznamenaných v hlučném domácím prostředí. Startup tvrdí, že nyní překonává obecný rozpoznávač řeči Google na dětských hlasech, což má větší důvěryhodnost, než by se mohlo zdát: specifické trénování na cílové populaci konzistentně překonává trénování na dospělých datech.

Také konverzační vrstva je vyvinuta speciálně pro tento účel. Každá lekce funguje uvnitř toho, co Crewkov popisuje jako „řídící vrstvu“ – systém zohledňující učební plán, s plánem lekce, definovanými tématy a sledováním cílů. Jazykový model funguje jako jeden komponent uvnitř této struktury, ne jako produkt sám o sobě.

Pokud dítě odbočí z kurzu, systém jej přesměruje; konverzace se neubírá neomezeně k čemukoli, co by mohl vytvářet obecný jazykový model. „Je zde plán lekce, povolená témata, sledování cílů a kód, který řídí, přesměruje nebo ukončí konverzaci, když je to potřeba – takže šestileté dítě nikdy jen tak nespadne do neomezeného internetového chatu.“

Ochrana soukromí je zohledněna jak v omezeních architektury, tak v pravidlech – a nenápadně se stala i konkurenční výhodou. Protože Children’s Online Privacy Protection Rule (COPPA) zakazuje shromažďovat data dětských hlasů bez souhlasu rodičů, největší veřejně dostupná datová sada dětských hlasů činí pouze několik set hodin.

Buddy.ai nasbíral desítky tisíc hodin skutečných dětských hlasů různého věku a s různými přízvuky, zaznamenaných v hlučném domácím prostředí. Většina konkurentů zvolila snazší cestu přizpůsobení LLM pro dospělé dětem místo budování od základu, ale tato zkratka nyní představuje slabinu.

V případě Buddy se podle Crewkova veškeré výpočty AI provádějí na vlastní infrastruktuře platformy. Dětské hlasy se zpracovávají v reálném čase a mažou dříve, než na to rodiče vůbec pomyslí, a žádné konverzace neprocházejí komerčními API pro AI.

„Rodičům velmi jasně vysvětlujeme, co shromažďujeme, proč a jak mohou odstranit data – transparentnost je stejně důležitá jako technologie sama,“ zdůraznil Crewkov.

Od spuštění ChitChatu, nejnovější velké aktualizace na americkém trhu, která představuje pokročilejší volnou konverzaci, společnost hlásí, že američtí studenti dokončili 7,7krát více cvičení ve stejném časovém rámci jako v předchozím roce.

Globálně se průměrný počet dokončených cvičení za měsíc zvýšil 3,5krát oproti předchozímu roku.

Crewkov otevřeně přiznává, že tato čísla mají omezenou vypovídací hodnotu. „Navrhování výzkumných studií, které by mohly kvantitativně měřit učení studentů, je něco, co doufáme, že budeme moci udělat v blízké budoucnosti,“ řekl. Prozatím se však důkazní základ opírá o zpětnou vazbu uživatelů, údaje o používání produktu a ocenění v oboru.

Využití, které nikdo neplánoval

Možná nejvýznamnějším momentem v příběhu Buddy.ai je ten, který přišel nečekaně: bez cíleného marketingu se rodiče dětí s autismem a opožděným vývojem řeči začali v průzkumech objevovat mezi nejaktivnějšími uživateli platformy.

„Byli jsme zpočátku docela překvapeni. To určitě ukázalo, že existují další způsoby, jakými by Buddy mohl za dostupnou cenu pomáhat žákům po celém světě,“ vzpomínal Crewkov.

Pro zakladatele to nebylo jen zajímavou anomálií – ukazovalo to na mezeru, kterou produkt nebyl navržen k zaplnění, ale zřejmě mohl. Společnost reagovala vytvořením speciálního kurzu aplikované behaviorální analýzy (ABA).

Mezera je široká a dobře zdokumentovaná. Tržní zpráva z roku 2025 zjistila, že prevalence autismu v USA je tak vysoká jako 1 z 31 dětí dnes, oproti 1 z 150 v roce 2000 – na pozadí přetrvávajícího nedostatku certifikovaných terapeutů. Pro rodiny bez dostatečného pojištění mohou roční náklady na ABA terapii dosáhnout 250 000 dolarů.

Výzkum amerických Národních institutů zdraví (NIH) zaměřený na to, proč rodiny nedostávají ABA, ukázal, že bariéry jsou překvapivě praktické: nejčastěji uváděné důvody zahrnovaly dlouhé čekací doby (34%), nedostatek poskytovatelů ABA v jejich oblasti (10%) a pojištění, které nezahrnuje terapii (10%). Data průzkumu také ukázala, že více než polovina všech okresů v USA nemá žádné certifikované behaviorální analytiky.

Zda AI postava představuje smysluplnou intervenci na klinické úrovni, zůstává otevřenou otázkou. Jako spolehlivý a levný nástroj k procvičování dostupný podle potřeby pro děti na dlouhých čekacích listinách má však snáze obhajitelnou hodnotu.

„Na tomto projektu stále pracujeme, ale jsme opravdu hrdí na to, kam se iniciativa ubírá,“ řekl Crewkov.

Širší otázka

Širší trh edtech je nyní plný společností s podobnými tvrzeními: AI vyvinutá pro konkrétní účel, robustní architektura a produkty, které skutečně podporují učení. U globálního trhu AI ve vzdělávání se odhaduje, že dosáhne 32,27 miliard dolarů do roku 2030, a každý významný hráč má strategii pro děti.

Buddy.ai neodlišují samotná tvrzení, ale časový vývoj. Crewkov začal pracovat na rozpoznávání dětské řeči dlouho předtím, než současná vlna investic z této oblasti udělala módní téma, a než LLM umožnily během jediného odpoledne vytvořit přesvědčivě znějícího jazykového lektora.

Technická infrastruktura – akustické modely trénované na dětských hlasech, architektura zohledňující učební plán, proprietární avatarový systém – odráží téměř dekádu zdokonalování řešení tohoto konkrétního problému, ne rychlou změnu zaměření na módní trh.

„Za dva roky bude Buddy schopen poskytnout žákům učícím se anglicky procvičování, které potřebují k pokroku od prvních anglických slov až po plynulost. Nespěcháme, protože upřednostňujeme bezpečnost a soukromí,“ vysvětlil Crewkov.

A podkladem všeho je designová filozofie, která jde proti většině produktového myšlení AI. „Šestileté děti se nevracejí pro AI. Vracejí se kvůli postavě a světu, kterého jsou součástí.“

To se napodobuje hůře než chatbot s přátelským názvem. A prozatím je to nejsnáze obhajitelná konkurenční výhoda Buddy.ai.