Buddy.aiが子どもの音声認識と語学学習に取り組む理由

子ども向け語学学習アプリの市場は競争が激しくなり、監視の目も厳しくなっています。先週、非営利団体Common Sense Mediaは、 Youth AI Safety Instituteを設立しました 。年間2,000万米ドルの支援を受け、子ども向けAI製品を厳しく検証する、この種では初めての独立研究所です。こうした圧力が強まる一方、デジタル語学学習製品全体では、すでにAIが売上の 33.5％を 占めています。

同時に、このうち子ども向け市場だけでも、2026年の23億8,000万米ドルから2035年には51億7,000万ドルへと 急増すると予測されています 。AIの導入とともに資金が動いていますが、監督も強まっているのです。

研究 によって、コロラド大学のAI研究所はその隔たりを明確に示しています。子どもの音声認識精度は大人より大幅に低いのです。商用システムの多くが、大人がしばしば台本を読み上げた、雑音の少ない音声で学習しているためです。

2024年の 論文 も、その理由を補強しています。子どもの声は音の高さ、発音、語彙の発達が速く、予測しにくい形で変化するため、大人のデータで学習したモデルはつまずきます。

実際には、英語を学ぶ6歳児が、聞き間違えたり、反応しなかったり、まったく違う内容に答えたりするシステムを使うことになります。子どもは学習への興味を失い、親は費用を無駄にします。

Ivan Crewkovが2018年に取り組み始めたのは、この問題でした。大規模言語モデルが広く話題になる4年前です。

身近な問題が出発点に

Crewkovが教育技術の分野に入ったきっかけは個人的な経験でした。2014年、家族がシベリアからカリフォルニアへ移住したとき、4歳の娘Sofiaは就学前教育の場で英語の習得に苦労していました。使えるツールを片端から試しましたが、どれにも同じ不足がありました。

「読解を必要とするものが多かったのですが、娘はまだ読めませんでした。勉強というより仕事のように感じられ、新しい言語を学ぶ子どもに欠かせない会話練習もありませんでした」とUnite AIに話しています。

そこでリアルタイムのオンライン個別指導に切り替え、授業を録画し始めると、思いがけないことに気づきました。「先生は文字どおり画面を読み上げていました」。認定資格を持たない指導者も多く、1回の費用は15〜20ドルでした。

AIの経験を持つCrewkovの見立ては明快でした。「おそらくこの仕事の80％は、話す仮想AIキャラクターと音声認識でできると思いました。非常に高額だったので、この方法なら市場をはるかに多くの人に開放できます」

「個別指導1回分の料金で、1か月の学習を提供するという考えでした」。その構想が Buddy.aiになりました。

米国の9歳未満の子どもの32％に当たる約1,080万人は、親の少なくとも一人が家庭で英語以外の言語を話す、二言語学習者（DLL）です。これはMigration Policy Instituteの データ によるものです。この集団は2000年以降24％増え、現在では24州とワシントンD.C.で幼い子どもの20％超を占めています。

おそらくこうした家庭こそ、Buddy.aiのようなサービスを探す可能性が最も高く、質の高い幼児教育に継続してアクセスできる可能性が最も低い家庭です。DLLの子どもの 43％が 低所得世帯で暮らしており、DLLではない子どもの33％を上回ります。

事業としての論理は明確です。難しいのは、技術が本当に期待に応えるのかという点です。ここでBuddy.aiの手法は、多くの競合と大きく異なります。

後付けではなく、子ども向けに一から設計

Crewkovが区別するのは、子どものために作ることと、既存の仕組みを子ども向けに改造することです。その違いは見た目ではなく、設計構造にあります。「子どものためにAIを一から作るとは、大人向けチャットボットに子どもモードを付けるのではなく、声、行動、規制、集中できる時間に合わせて、技術の各層を制約し、設計し直すことです」

核心は音響の問題です。「大人向けの言語モデルシステムは、長く文法的な文、安定した発音、静かな環境といった大人の文章や発話を前提にします。6歳児は正反対です。断片的な発話、発音の誤り、叫び声、強いアクセント、周囲の雑音があります」

Buddyの音声認識は、さまざまな年齢やアクセント、騒がしい家庭環境での実際の子どもの声を数万時間使って学習し、継続的に再学習しています。同社は、子どもの声についてGoogleの汎用音声認識をすでに上回ると主張しています。これは一見する以上に信頼性のある主張です。対象集団に特化した学習は、大人のデータによる学習より一貫して優れた結果を出すためです。

会話の仕組みも専用設計です。毎回の授業は、Crewkovが「統制層」と呼ぶ、教育課程を把握するシステムの中で進みます。授業計画、決められた話題、目標の追跡があり、言語モデルはその構造の一部品であって、製品そのものではありません。

子どもが話題から外れると、システムが軌道修正します。汎用言語モデルが作り出す内容へ無制限に流れていくことはありません。「授業計画、許可された話題、目標の追跡に加え、必要に応じて会話を導き、軌道修正し、終了するコードがあります。6歳児が無制限なインターネット上の雑談へ放り込まれることはありません」

プライバシーも、方針だけでなく設計上の制約として扱われています。そして、それは競争上の条件にもなりました。児童オンラインプライバシー保護規則（COPPA）は、親の同意なしに子どもの音声データを集めることを禁じているため、公開されている最大の子ども音声データセットでも数百時間にすぎません。

Buddy.aiは、さまざまな年齢やアクセント、騒がしい家庭環境での実際の子どもの音声を数万時間蓄積してきました。多くの他社は、一から作るより簡単な、大人向け言語モデルを子ども向けに改造する道を選びました。しかし、その近道が今では重荷になっています。

Crewkovによると、BuddyではAIの処理をすべて自社の基盤上で実行します。子どもの声はリアルタイムで処理され、親が気にするよりも前に破棄されます。会話を商用AI APIに送ることもありません。

「何を、なぜ集め、どう削除できるかを親に明確に伝えています。透明性は技術そのものと同じくらい重要です」と強調しました。

米国市場向けの最新の大型更新ChitChatは、より高度で自由に進む会話を導入しました。同社によると、公開後、米国の学習者が前年の同じ期間に比べ7.7倍多くの練習問題を完了しました。

世界全体でも、月間平均の練習完了数は前年比で3.5倍に増えています。

Crewkovは、これらの数字が何を証明できるかには限界があると率直に認めています。「学習成果を定量的に測れる研究を設計したいと、近い将来の目標にしています」。現在の根拠は、利用者の感想、製品への取り組みを示すデータ、業界の賞による評価です。

誰も想定していなかった用途

Buddy.aiの歩みで最も示唆的なのは、予期せず現れた用途かもしれません。特定の宣伝をしていないのに、自閉症や発話の遅れがある子どもの親が、特によく使う利用者として調査データに現れ始めました。

「最初はとても驚きました。Buddyが世界中の学習者を手頃な価格で支えられる、別の方法があることをはっきり示しました」とCrewkovは振り返ります。

創業者にとって、これは面白い例外にとどまりませんでした。本来埋める設計ではなかったものの、埋められるかもしれない不足を示していました。同社は応用行動分析（ABA）の専用コースを開発しました。

その不足は大きく、よく記録されています。2025年の市場 報告書 によると、米国の自閉症の割合は2000年の150人に1人から、現在は31人に1人にまで上がっています。その背景では、認定資格を持つ療法士の不足が続いています。十分な保険適用を受けられない家庭では、年間のABA療法費が 25万ドルに達する こともあります。

米国国立衛生研究所（NIH）の 研究 は、家庭がABAを受けられない理由として、現実的な障壁を示しています。主な理由は長い待機期間（34％）、地域にABA提供者がいないこと（10％）、保険が療法を対象としていないこと（10％）でした。調査では、米国の郡の半分以上に、認定行動分析士が一人もいないことも示されました。

AIキャラクターが臨床的に意味のある介入となるかどうかは、まだ結論の出ていない問題です。しかし、長い順番待ちをする子どもに、継続して低価格で必要なときに使える練習手段を提供するという価値は、より説明しやすいものです。

「まだ発展途上ですが、この取り組みの方向性をとても誇りに思っています」とCrewkovは話しました。

より大きな問い

教育技術市場には、専用設計のAI、堅牢な構造、実際に学習を促す製品など、近い主張を掲げる企業があふれています。実際、教育分野のAI世界市場は、2030年に322億7,000万ドルへ達すると 推定されています 。大手はどこも子ども向け戦略を持っています。

Buddy.aiの立場を際立たせるのは、主張そのものではなく時間軸です。Crewkovは、今の投資の波で流行になるはるか前、言語モデルでそれらしく聞こえる語学指導役を午後のうちに作れるようになる前から、子どもの音声認識に取り組んでいました。

子どもの声で学習した音響モデル、教育課程を把握する構造、独自のアバターシステムという技術基盤は、特定の問題にほぼ10年向き合って改良した成果です。注目市場への急な方向転換ではありません。

「2年後には、英語学習者が最初の単語から流暢に話せる段階へ進むための練習を、Buddyが提供できるようになります。安全とプライバシーを優先するので、私たちは急いでいません」とCrewkovは説明します。

すべてを支えるのは、多くのAI製品と異なる設計思想です。「6歳児はAIだから戻ってくるのではありません。自分もその一員だと感じるキャラクターと世界があるから戻ってくるのです」

それは親しみやすい名前のチャットボットより、再現するのが難しいものです。そして今のところ、Buddy.aiが最も守りやすい強みでもあります。