Ivan Crewkov CEO y Co-Fundador de Buddy AI – Serie de Entrevistas

Ivan Crewkov es el CEO y Co-Fundador de Buddy AI, el primer tutor conversacional de inteligencia artificial para niños, con la misión de asegurarse de que todos los estudiantes puedan pagar tutoría en inglés individualizada. Después de mudarse a Estados Unidos desde Siberia, Ivan presenció cómo su hija de edad preescolar luchaba por aprender inglés. Esto lo inspiró a crear a Buddy, un personaje ficticio con el que los niños pueden conversar realmente a través del poder de la inteligencia artificial generativa.

Desde su lanzamiento en 2020, la aplicación Buddy ha ganado varios premios y ha encabezado las listas en la categoría de Niños y Educación de la App Store con más de 36 millones de descargas en todo el mundo.

En 2014, lanzaste Cubic.ai, uno de los primeros altavoces inteligentes y aplicaciones de asistentes de voz para hogares inteligentes. ¿Cuáles fueron algunas de tus conclusiones clave de esta experiencia?

No estoy seguro de que pueda atribuirme el mérito de lanzar Cubic.ai. Me uní a la empresa un año después de su fundación y recibí el título de co-fundador por mi contribución.

Aquí están las conclusiones clave:

• El hardware es difícil, pero alguien tiene que hacerlo de todos modos. Obtener financiamiento de riesgo para startups de hardware es extremadamente difícil. Lo único que hace que las cosas sean un poco más fáciles es la financiación colectiva.
• El espacio de productos de voz es vasto y diverso. Lo que se aplica a hogares inteligentes no se aplica al aprendizaje temprano, desde tecnologías hasta diseño de UX.

¿Podrías compartir la historia de origen de Buddy y cómo surgió de tu familia que se mudó a Estados Unidos desde Siberia?

Con Cubic.ai, me mudé de Siberia a Estados Unidos en 2014 y traje a mi familia conmigo. Mi hija mayor, Sofía, comenzó a aprender inglés como segundo idioma cuando asistió a una escuela preescolar en Mountain View, California, a la edad de 4 años. Sofía luchó por comenzar a hablar en inglés durante los primeros 3-5 meses en la escuela preescolar. Estábamos preocupados porque no podía encontrar amigos y jugar con la mayoría de sus compañeros debido al idioma. Empezamos a buscar formas de ayudarla a aprender a hablar.

Se hizo evidente que las aplicaciones de idiomas para niños no enseñan a hablar (y todo ha seguido igual con el tiempo), y las aplicaciones de idiomas para adultos como Duolingo no funcionan para los niños debido a la UX. Así que empezamos a tomar lecciones en plataformas que conectan a los niños con maestros en vivo a través de videoconferencia. Ejemplos son Cambly, VipKid, Novakid, GoStudent, etc. Mientras observaba a Sofía aprender con tutores en vivo de forma virtual, vi los beneficios de la atención individualizada y la práctica de hablar activa, pero también vi las limitaciones de estos programas en general.

Por ejemplo, a medida que escalan, muchas de las plataformas de tutoría en línea y escuelas en línea tienen que contratar a personas sin antecedentes pedagógicos, habilidades para enseñar a niños o incluso un nivel adecuado de inglés. Así que, para asegurar una cierta calidad de educación, las plataformas y escuelas en línea establecen estrictamente el plan de estudios y los planes de lección, y los maestros tienen que utilizar ejercicios preestablecidos, incluyendo fragmentos de audio y video. Así que, desafortunadamente, en muchas plataformas, los tutores básicamente trabajan como bots.

Aún así, la tutoría en línea ha sido la única forma para que la mayoría de las personas aprendan a HABLAR inglés, especialmente en países que no hablan inglés. Pero en parte debido a la escasez de maestros, es demasiado costoso para la mayoría de las familias. Aprender con maestros en vivo es un servicio de educación premium que pocas familias pueden pagar.

Mi co-fundador y yo llegamos a la conclusión de que la tutoría de inteligencia artificial es la única forma escalable de proporcionar tutoría individualizada en inglés a cada niño en todo el mundo. Pronto, aprendimos que también es la mejor desde un punto de vista educativo. Cuando estábamos considerando los primeros prototipos de Buddy, nos inspiramos en investigaciones en el campo de los humanos virtuales en educación.

Los estudios académicos muestran las ventajas educativas de los agentes pedagógicos animados y su superioridad en comparación con herramientas y entornos de aprendizaje más tradicionales. Por ejemplo, véase Face-to-Face Interaction with Pedagogical Agents, Twenty Years Later, un artículo de 2016 que resume el campo y cita gran parte del material relevante. Aquí hay una cita:

“En particular, el metaanálisis encontró que los agentes mejoran el aprendizaje en comparación con entornos de aprendizaje que no presentan agentes. […] Tal vez lo más interesante fue el hallazgo de que, en la educación formal, los agentes pedagógicos parecen ser más efectivos para jóvenes aprendices que para aprendices mayores. […] Los estudios han encontrado, por ejemplo, que los estudiantes que interactúan con agentes pedagógicos exhiben resultados de aprendizaje más fuertes cuando 1) los agentes pedagógicos hablan en lugar de comunicarse con texto, 2) los agentes pedagógicos utilizan gestos humanos, 3) los agentes pedagógicos se comunican de manera conversacional en lugar de formal, y 4) los agentes pedagógicos utilizan un lenguaje educado en lugar de directo.”

Esto fortaleció nuestra confianza en el enfoque de tutoría de inteligencia artificial multimodal. Decidimos que Buddy sería un tutor de inteligencia artificial multimodal: un agente pedagógico animado capaz de reconocimiento de voz y procesamiento de lenguaje natural. En su núcleo, un sistema de tutoría de inteligencia artificial consiste en tres tecnologías principales:

1. Reconocimiento y análisis de habla automático (ASR) nos permiten procesar y analizar el habla del estudiante.
2. Procesamiento de lenguaje natural (NLP), comprensión del lenguaje natural y gestión del diálogo que procesa el contenido del habla del estudiante y produce la siguiente respuesta. La respuesta consiste en componentes verbales y no verbales.
3. Personaje virtual animado que proporciona retroalimentación de escucha y reproduce la respuesta del sistema. El personaje se anima de forma procedural: el sistema crea animaciones en tiempo real a partir de la respuesta de NLP.

Las tres componentes son cruciales para nuestro enfoque porque solo en combinación permiten que construyamos un tutor interactivo y entreguemos una experiencia educativa exitosa.

Mi hija Sofía y el hijo de mi co-fundador, Arseny, se convirtieron en los primeros usuarios de Buddy. Sofía usó las versiones más tempranas de Buddy a través del primer grado.

Varios años después, mi hija menor, Alisa, comenzó a usar Buddy a los tres años de edad cuando asistió a la escuela preescolar. Ahora está en kindergarten y juega con Buddy casi todos los días. Cuando Alisa comenzó a aprender con Buddy, tenía algunos problemas de habla, así que Buddy no la entendía la mayoría del tiempo. Pero después de un par de semanas de práctica, no solo su inglés sino también su habla mejoraron, ya que ella intentaba con todas sus fuerzas hacer que Buddy la entendiera.

¿Por qué los métodos tradicionales de enseñanza de un segundo idioma son tan ineficaces?

Hoy en día, nos centramos en resolver problemas educativos específicos relacionados con el habla. No se puede aprender a hablar sin práctica de habla:

• La mayoría de las herramientas educativas tradicionales se centran en enseñar otras habilidades del lenguaje como la lectura o la escritura.
• Las aplicaciones de idiomas para niños no enseñan habilidades de habla.
• Algunas aplicaciones de idiomas para adultos proporcionan práctica de habla utilizando inteligencia artificial, pero estos servicios no funcionan para los niños debido a la UX, las preocupaciones de seguridad y las regulaciones de privacidad.
• Los tutores en vivo son demasiado costosos para la mayoría de las familias. Desafortunadamente, muchos tutores no tienen formación pedagógica ni son proficientes en inglés.

Buddy es un tutor de inteligencia artificial multimodal.

• Es superior a las aplicaciones de aprendizaje tradicionales porque funciona como un maestro en vivo en muchos sentidos. Permítanme citar a uno de nuestros asesores, el Dr. Alex Desatnik, PhD, University College London:

“Tutor virtual basado en voz. Este concepto puede sonar simple, pero hay ciencia detrás de él. Desde una perspectiva de psicología del aprendizaje, el personaje virtual que habla es una encarnación del maestro. Este enfoque crea un efecto llamado confianza epistémica, que fortalece la motivación y el compromiso del estudiante, y mejora los resultados del aprendizaje.”

• Buddy tiene algunas ventajas incluso sobre los maestros humanos. Buddy no juzga, y para algunos niños, es más fácil hablar con Buddy que con un maestro. Es por eso que hoy en día, muchos tutores utilizan a Buddy como un rompehielos que ayuda a los niños a superar su miedo y malestar y a comenzar a hablar el idioma.

Buddy trabaja para ayudar a los maestros, no para reemplazarlos.

Creo que es muy importante destacar esto. Buddy puede ayudar a los maestros a automatizar la parte mundana de su trabajo: proporcionar práctica regular. Queremos dar poder a los maestros de la escuela. Buddy es como un equipo de tutores y asistentes de maestros, que trabajan individualmente con cada niño en la clase y informan al maestro de la clase.

¿Puedes discutir cómo Buddy utiliza elementos de gamificación para mantener a los niños emocionados sobre el aprendizaje?

Un dato interesante: la aplicación móvil de Buddy se descargó 22 millones de veces en 2023, y más del 70% de esas descargas fueron realizadas por niños. Para los niños, nuestra aplicación es un juego donde juegan con Buddy, su amigo virtual que habla y un youtuber popular. Los niños descargan la aplicación y convencen a sus padres de que paguen una suscripción, explicando que Buddy es un maestro.

Para que este enfoque funcione, estamos diseñando a Buddy como un juego con una historia y un universo. Trabajamos con diseñadores de personajes de Hollywood y escritores para crear a Buddy y su historia. Tenemos un equipo de diseño de juegos muy fuerte que trabaja directamente con nuestros educadores y convierte el plan de estudios y los ejercicios en mini-juegos en el mundo de Buddy.

¿Cuáles son algunas de las funcionalidades principales que hacen que Buddy sea tan poderoso para enseñar un segundo idioma?

Nuestra funcionalidad principal se centra en realidad en Buddy como un tutor de inteligencia artificial multimodal:

• Reconocimiento de habla
• Inteligencia artificial conversacional
• Comportamiento visual de avatar

¿Cuáles son algunos de los algoritmos de aprendizaje automático que se utilizan en Buddy?

Estamos desarrollando la pila completa de tecnologías, trabajando juntas para permitir nuestro enfoque de tutoría de inteligencia artificial multimodal.

• BSR (Reconocimiento de habla de Buddy) es un motor de reconocimiento de habla propietario diseñado específicamente para trabajar con el habla de niños con acento y cumplir con regulaciones como COPPA.
• BLM (Modelo de lenguaje de Buddy) — Motor de inteligencia artificial conversacional para niños. Seguro, rápido y gratuito para operar. Se centra en funcionalidad educativa específica y es mucho menos versátil que los grandes modelos de lenguaje.
• BABE (Motor de comportamiento de avatar de Buddy). Esta tecnología genera el comportamiento visual de nuestro personaje en función del contexto de la conversación. Buddy entiende cuándo necesita sonreír, cambiar de color o ponerse un sombrero tonto.

Muchos sistemas de reconocimiento de voz luchan con los acentos, especialmente para los niños pequeños, ¿cómo supera Buddy estos desafíos?

Desarrollando BSR, nuestra tecnología de reconocimiento de habla propietaria.

Nuestro público y mercado únicos requirieron el desarrollo de tecnología propietaria. Buddy debe reconocer el habla con acento de los jóvenes aprendices de inglés como lengua extranjera (EFL). Otro factor complicador es que los estudiantes principiantes comienzan aprendiendo palabras separadas, a menudo cortas, que son muy difíciles de reconocer sin contexto. Finalmente, el mercado de los niños está muy regulado, y el reconocimiento de voz está sujeto a la Ley de Protección de la Privacidad en Línea de los Niños (COPPA) desde que las grabaciones de voz se consideran Información de identificación personal (PII).

BSR maneja el habla de los niños con diferentes acentos, producida en una variedad de dispositivos móviles con micrófonos de diversas calidades acústicas y en entornos de la vida real con muchos tipos de ruido de fondo. Y es compatible con COPPA por diseño.

Trabajando a nivel global, logramos acumular un conjunto de datos único para entrenar nuestro modelo. Hoy en día, BSR supera a las soluciones comerciales de venta en reconocimiento y comprensión del habla de los niños con acento.

¿Cómo planeas expandir la penetración del mercado para apuntar a padres que pueden no estar familiarizados con la tecnología de inteligencia artificial?

Buddy comenzó a ver el éxito antes de que la inteligencia artificial se convirtiera en una palabra de moda, y la mayoría de nuestros usuarios no son los típicos adoptadores tempranos de tecnología. Estamos resolviendo con éxito un problema educativo importante, y resulta que estamos utilizando inteligencia artificial para ello.

Aún así, uno de los desafíos que enfrentamos es hacer que los padres tomen en serio el aprendizaje con Buddy, al igual que con un tutor en vivo: no saltarse las lecciones, ceñirse a un horario, etc. La revolución actual de inteligencia artificial parece estar ayudando con eso.

Diría que el próximo gran paso para nosotros es empezar a trabajar más estrechamente con maestros y escuelas. Estamos ejecutando una prueba piloto con una escuela en Brasil y discutiendo asociaciones con una docena de instituciones educativas más.

¿Cuál es tu visión para el futuro de los tutores de inteligencia artificial y la educación en general?

Los tutores de inteligencia artificial son la mejor y única forma escalable de resolver el problema educativo número uno de la humanidad: la escasez global de maestros. Necesitamos unos 69 millones de nuevos maestros para abordar solo las necesidades básicas de aprendizaje. Para materias que requieren tutoría individualizada, como el aprendizaje de idiomas, el problema es mucho peor.

La revolución de inteligencia artificial aceleró el desarrollo de tutores de inteligencia artificial, aunque principalmente en el segmento de adultos que utilizan soluciones de venta en línea, mientras que el aprendizaje temprano sigue siendo dramáticamente insuficiente. Estamos orgullosos de ser pioneros en tutoría de inteligencia artificial para niños pequeños.

En cuanto a nuestro futuro, Buddy comenzó como un tutor de aprendizaje de idiomas, pero a largo plazo se convertirá en una plataforma de tutoría de inteligencia artificial que enseñará una amplia variedad de materias a niños menores de 12 años. Ya hemos comenzado a lanzar una versión temprana de nuestro primer curso no de idiomas – el plan de estudios de preparación para la escuela para niños estadounidenses. Vemos a Buddy como el asistente de aprendizaje del niño, que crece con el niño desde los 3 o 4 años y enseña múltiples cursos durante muchos años.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Buddy AI.