Børns AI, der forudgår ChatGPT – Nu slår den Google på talegenkendelse for børn

Sprogindlæringsapp-markedet for børn bliver mere og mere overfyldt og underkastet øget kontrol. For nylig lancerede nonprofit-organisationen Common Sense Media Youth AI Safety Institute, et uafhængigt laboratorium, der er finansieret med 20 millioner USD om året for at teste AI-produkter til børn – et pres, der kommer samtidig med, at AI allerede står for 33,5% af omsætningen på digitale sprogindlæringsprodukter.

På samme tid er det forventet, at børne-segmentet alene vil stige fra 2,38 milliarder USD i 2026 til 5,17 milliarder USD i 2035. Det er tydeligt, at pengene flytter sig parallelt med AI-integration – men også med kontrol.

Forskning fra University of Colorados AI-institut har dokumenteret forskellen tydeligt: talegenkendelsesnøjagtighed er væsentligt lavere for børn end for voksne, fordi de fleste kommercielle systemer er trænet på rent lyd fra voksne talere – ofte læser de fra manuskripter.

En rapport fra 2024 understreger, hvorfor: børns stemmer indebærer hurtige, uforudsigelige ændringer i tone, udtale og ordforråd, der får voksne trænede modeller til at fejle.

Og i praksis betyder det, at en seksårig, der lærer engelsk, får et system, der misforstår dem, ikke reagerer eller endda reagerer på noget helt andet. Barnet mister interessen for at lære; forælderen mister penge.

Dette er problemet, som Ivan Crewkov begyndte at arbejde på i 2018, fire år før store sprogmodeller blev en mainstream-samtale.

En velkendt start

Crewkovs indtræden i edtech-branchen var personlig. Da hans familie flyttede fra Sibirien til Californien i 2014, var hans datter Sofia fire år gammel og havde svært ved at lære engelsk i børnehave. Han prøvede alle tilgængelige værktøjer og fandt de samme huller overalt.

“De indebar ofte læsning, som hun endnu ikke kunne, de føltes for meget som arbejde, og de tilbød ikke taleøvelse – kritisk for børn, der lærer et nyt sprog,” sagde han til Unite AI.

Herefter gik han over til live online-tutorer, optog sessionerne og lagde mærke til noget, han ikke havde forventet. “Lærerne læste bogstaveligt fra deres skærme,” sagde han, og mange af dem var ikke certificerede undervisere; hver session kostede 15 til 20 USD.

Med en baggrund i AI var Crewkovs vurdering af situationen enkel: “Det var tydeligt for mig, at sandsynligvis 80% af dette arbejde kunne udføres ved hjælp af en virtuel, talende AI-karakter og talegenkendelse. Dette ville også demokratisere markedet dramatisk, fordi det var ekstremt dyrt,”

“Idéen var at tilbyde en måned med læring til prisen af en tutor-time,” tilføjede han. Den idé blev Buddy.ai.

Næsten 10,8 millioner små børn – 32% af alle børn under ni år i USA – er tosprogede lærende (DLL’er), med mindst en forælder, der taler et andet sprog end engelsk hjemme, ifølge Migration Policy Institute. Siden 2000 er denne befolkning vokset med 24%, og DLL’er udgør nu mere end 20% af den unge befolkning i 24 stater og Washington D.C.

Disse er sandsynligvis de familier, der er mest sandsynlige at søge efter, hvad platforme som Buddy.ai tilbyder – og mindst sandsynlige at have konstant adgang til højkvalitets tidlige barndomsprogrammer, med 43% lever i lavindkomsthousehold sammenlignet med 33% af ikke-DLL-børn.

Den kommercielle logik er da tydelig. Det svære spørgsmål er, om teknologien faktisk leverer – og her afviger Buddy.ai’s tilgang væsentligt fra de fleste konkurrenter.

Bygget til formålet, ikke ombygget

Forskellen, som Crewkov tegner mellem at bygge til børn og tilpasse til dem, er arkitektonisk, ikke kosmetisk. “At bygge AI fra bunden op til børn betyder, at vi begrænser og genopbygger hver lag af stakken rundt om børns stemmer, adfærd, regulering og opmærksomhedsperiode – i stedet for at prøve at ’børne-mode’ en voksen chatbot.”

Kernen af problemet er akustisk. “Voksne LLM-stakke antager voksen tekst og tale: lange grammatiske sætninger, stabil udtale og stille omgivelser. En seksårig giver dig det modsatte: fragmentariske udsagn, misudtal, råb, stærke accenter og baggrundsstøj.”

Buddy’s talegenkendelsesmodel er blevet trænet og løbende genoptrænet på titusinder af timer med rigtige børnestemmer på tværs af aldre, accenter og støjende hjemmemiljøer. Startuppet hævder, at det nu overgår Googles generelle talegenkendelse på børns stemmer, hvilket bærer mere troværdighed, end det måske umiddelbart ser ud til: træning specifikt på målpopulationen overgår konsekvent træning på voksen data.

Den konversationelle lag er ligeledes bygget til formålet. Hver session opererer inden for, hvad Crekov beskriver som en “styrende lag” – et kurriculum-bevidst system med en sessionsplan, definerede emner og målsporingsfunktion. Sprogmodellen fungerer som en komponent inden for denne struktur, ikke som produktet selv.

Hvis et barn afviger fra kurs, redirecter systemet; der er ingen åben-drift ind i, hvad en generel LLM-måde ville producere. “Der er en sessionsplan, tilladte emner, målsporingsfunktion og kode, der styre, omdirigerer eller afslutter samtalen, når det er nødvendigt – så en seksårig aldrig bare falder ind i åben-drift på internettet.”

Privatlivetsbeskyttelse behandles også som en arkitektonisk begrænsning samt en politik – men det er også blevet et konkurrencemæssigt aspekt. Fordi Children’s Online Privacy Protection Rule (COPPA) forbyder indsamling af børns stemme-data uden forældrenes samtykke, udgør den største offentligt tilgængelige dataset af børns stemmer kun få hundred timer.

Buddy.ai har samlet titusinder af timer med rigtige børns stemmer på tværs af aldre, accenter og støjende hjemmemiljøer. De fleste tog den nemme vej og tilpassede voksne LLM’er til børn i stedet for at bygge fra bunden op, men genvejen er nu en belastning.

I Buddy’s tilfælde kører alle forstyrrelser på platformens egen infrastruktur, børns stemme bearbejdes i realtid og kasseres, før forældrene overhovedet tænker over det, og ingen samtaler routeres gennem kommercielle AI-API’er, ifølge Crewkov.

“Vi er meget eksplicitte med forældrene om, hvad vi indsamler, hvorfor og hvordan de kan slette det – gennemsigtighed er lige så vigtig som teknologien selv,” understregede Crewkov.

Siden lanceringen af ChitChat, deres seneste store opdatering på det amerikanske marked, som introducerer mere avanceret fri-flow samtale, rapporterer virksomheden, at amerikanske studerende har gennemført 7,7 gange flere øvelser i samme tidsramme som året før.

Verdensomspændende er det gennemsnitlige antal øvelser, der er gennemført per måned, vokset 3,5 gange fra år til år.

Crewkov er åben om begrænsningerne af, hvad disse tal beviser. “At designe forskningsstudier, der kan kvantificere elevlæring, er noget, vi håber at gøre i den nærmeste fremtid,” sagde han. For nuværende er bevisgrundlaget baseret på brugerfeedback, produktengagement-data og branchegenkendelse.

Det tilfælde, ingen havde planlagt

Måske det mest talende øjeblik i Buddy.ai’s historie er det, der ankom uindbudt: uden nogen målrettet markedsføring begyndte forældre til børn med autisme og taleforsinkelse at dukke op i survey-data som nogle af platformens mest engagerede brugere.

“Vi var initialt ret overraskede. Det fremhævede tydeligt, at der var andre måder, hvorpå Buddy kunne tjene studerende verden over på en billig måde,” huskede Crewkov.

For grundlæggeren var det ikke bare en interessant anomali – det pegede på et hul, som produktet ikke var designet til at udfylde, men åbenbart kunne. Virksomheden svarede ved at bygge en dedikeret Applied Behavior Analysis (ABA)-kursus.

Hullet er bredt og velkendt. En markedsrapport fra 2025 fandt, at autisme-prævalensen i USA er så høj som 1 af 31 børn i dag, op fra 1 af 150 i 2000 – på baggrund af en vedvarende mangel på certificerede terapeuter. For familier uden tilstrækkelig forsikringsdækning kan årlige ABA-terapi-omkostninger nå op til 250.000 USD.

National Institutes of Health (NIH) forskning om, hvorfor familier ikke modtog ABA, fandt, at barriererne var praktiske: de mest almindelige årsager, der blev nævnt, inkluderede lange ventetider (34%), mangel på ABA-udbydere i deres område (10%) og forsikring, der ikke dækkede terapien (10%). Survey-data viste også, at mere end halvdelen af alle amerikanske amter har ingen board-certificerede adfærdsspecialister overhovedet.

Om en AI-karakter udgør en meningsfuld intervention på klinisk niveau forbliver et åbent spørgsmål – men som et konsekvent, billigt, påkrævet øvelsesredskab for børn på lange ventelister er dens værdi lettere at forsvare.

“Dette er et arbejde i fremgang, men vi er ret stolte af, hvor initiativet er på vej,” sagde Crewkov.

Det større spørgsmål

Det bredere edtech-marked er nu fuldt af virksomheder, der laver tilstødende krav; AI, der er bygget til formålet, robust arkitektur; rigtige læringsinducerende produkter. Faktisk er det globale AI-i-uddannelsesmarked estimeret til at nå 32,27 milliarder USD i 2030, og hver større spiller har en børne-strategi.

Hvad adskiller Buddy.ai’s position er ikke kravene selv, men tidsplanen. Crewkov startede med at arbejde på børns talegenkendelse lang tid før den nuværende bølge af investeringer gjorde det fashionable, og før LLM’er gjorde det let at bygge en overbevisende lydende sprog-tutor på en eftermiddag.

Den tekniske infrastruktur – de akustiske modeller trænet på børns stemmer, den kurriculum-bevidste arkitektur, det proprietære avatarsystem – reflekterer næsten et årtis iteration på det specifikke problem, ikke en hurtig vending mod et varmt marked.

“Om to år vil Buddy kunne give engelsk-lærere den øvelse, de har brug for, for at avancere fra de allerførste engelske ord til flydende. Vi er ikke i en hast, fordi vi prioriterer sikkerhed og privatliv,” forklarede Crewkov.

Og under alt dette ligger en designfilosofi, der går imod strømmen i de fleste AI-produkttanker. “Seksårige kommer ikke tilbage for AI. De kommer tilbage for en karakter og en verden, de føler sig en del af.”

Det er en sværere ting at replikere end en chatbot med et venligt navn. Og for nuværende er det Buddy.ai’s mest forsvarlige fordel.