사상 리더
Buddy.ai, 어린이를 위한 음성 인식과 언어 학습 개발

핵심 포인트Buddy.ai는 LLM이 주류가 되기 4년 전부터 아이들의 음성 인식을 처음부터 구축했습니다.
더 보기
- Buddy.ai는 LLM이 주류가 되기 4년 전부터 아이들의 음성 인식을 처음부터 구축했습니다.
- 이 플랫폼은 수만 시간의 실제 어린이 음성 데이터를 학습하여 현재 어린이 음성 인식에서 Google을 능가합니다.
- 자폐 아동의 부모들이 주요 사용자가 되면서, 저비용 ABA(응용 행동 분석) 연습 도구에 대한 예상치 못한 시장이 드러났습니다.
어린이용 언어 학습 앱 시장은 점점 더 붐비고 있으며 감시도 강화되고 있다. 지난주 비영리 단체 Common Sense Media는 Youth AI Safety Institute 를 출범시켰다. 이 기관은 어린이용 AI 제품에 대한 스트레스 테스트를 수행하기 위해 매년 2,000만 달러를 지원받는 동종 최초의 독립 연구소다. 이러한 압력이 더해지는 시점에 AI는 이미 디지털 언어 학습 제품 매출의 33.5% 를 차지한다.
한편 이 시장에서 어린이 부문만 해도 2026년 23억 8,000만 달러에서 2035년 51억 7,000만 달러로 급성장할 것으로 예상된다. AI 도입과 함께 자금이 유입되고 있지만, 감독도 함께 강화되고 있다.
연구 는 콜로라도대학교 AI 연구소가 이 격차를 명확히 확인했음을 보여준다. 어린이의 음성 인식 정확도는 성인보다 상당히 낮다. 대부분의 상용 시스템이 성인이 준비된 원고를 읽는 경우가 많은, 잡음 없는 음성 녹음으로 학습되기 때문이다.
2024년 논문 은 그 이유를 뒷받침한다. 어린이의 음높이, 조음, 어휘 발달은 빠르고 예측하기 어렵게 변하므로 성인 데이터로 학습한 모델이 어려움을 겪는다.
실제로 영어를 배우는 여섯 살 아이는 자신의 말을 잘못 알아듣거나, 응답하지 않거나, 심지어 전혀 엉뚱한 말에 답하는 시스템을 만나게 된다. 아이는 학습에 흥미를 잃고 부모는 돈을 잃는다.
Ivan Crewkov가 2018년부터 해결하려 한 문제가 바로 이것이다. 대규모 언어 모델이 대중의 일상적인 화제가 되기 4년 전이었다.
친숙한 출발점
Crewkov가 교육 기술 분야에 뛰어든 계기는 개인적인 경험이었다. 2014년 가족이 시베리아에서 캘리포니아로 이사했을 때 딸 Sofia는 네 살이었고 유치원에서 영어를 배우는 데 어려움을 겪고 있었다. 그는 이용할 수 있는 도구를 모두 써 봤지만 어디서나 같은 한계를 발견했다.
그는 Unite AI에 “읽기가 필요한 경우가 많았는데 딸은 아직 글을 읽지 못했습니다. 너무 일처럼 느껴졌고, 새 언어를 배우는 아이에게 꼭 필요한 말하기 연습도 제공하지 않았습니다”라고 말했다.
그는 이어 실시간 온라인 개인 교습을 이용하며 수업을 녹화하기 시작했고, 예상치 못한 사실을 발견했다. “교사들은 말 그대로 화면에 있는 글을 읽고 있었습니다.” 정식 교육 자격이 없는 교사도 많았고, 수업 한 번에 15~20달러가 들었다.
AI 분야의 경험이 있던 Crewkov의 판단은 명확했다. “이 일의 아마 80%는 말하는 가상 AI 캐릭터와 음성 인식으로 할 수 있겠다고 생각했습니다. 비용이 너무 높았기 때문에, 그렇게 하면 훨씬 많은 사람이 이 서비스를 이용할 수 있게 될 것이었습니다.”
“개인 교습 한 번의 비용으로 한 달 동안 공부할 수 있게 하자는 생각이었습니다.” 그 생각에서 탄생한 것이 Buddy.ai다.
미국의 아홉 살 미만 어린이 중 약 1,080만 명, 즉 32%는 두 언어를 배우는 어린이(DLL)다. 부모 중 적어도 한 명이 집에서 영어 이외의 언어를 사용한다. 이는 이주정책연구소(Migration Policy Institute)의 자료 에 따른 것이다. 이 집단은 2000년 이후 24% 늘었으며, 현재 24개 주와 워싱턴 D.C.에서 어린 연령대 아동 인구의 20% 이상을 차지한다.
이들은 Buddy.ai 같은 플랫폼이 제공하는 것을 찾을 가능성이 가장 높은 가정인 동시에, 양질의 유아 교육 프로그램을 꾸준히 이용할 가능성은 가장 낮은 가정일 것이다. DLL 어린이의 43% 가 저소득 가구에 살고 있으며, DLL이 아닌 어린이는 이 비율이 33%다.
사업상의 논리는 분명하다. 더 어려운 질문은 기술이 실제로 기대한 효과를 내느냐는 것이다. 이 지점에서 Buddy.ai의 접근 방식은 대부분의 경쟁사와 뚜렷하게 달라진다.
어린이를 위해 처음부터 설계한 시스템
Crewkov가 말하는 어린이를 위해 새로 만드는 것과 기존 시스템을 어린이에게 맞추는 것의 차이는 겉모습이 아니라 구조에 있다. “어린이를 위해 AI를 처음부터 만든다는 것은 아이들의 목소리와 행동, 규제, 주의 집중 시간을 중심으로 시스템의 모든 층에 제약을 두고 다시 설계한다는 뜻입니다. 성인용 챗봇에 어린이 모드를 붙이려는 것이 아닙니다.”
핵심 문제는 음향 특성이다. “성인용 LLM 시스템은 성인의 글과 말을 전제로 합니다. 길고 문법적으로 완전한 문장, 안정적인 발음, 조용한 환경을 가정하죠. 여섯 살 아이는 정반대입니다. 불완전한 발화, 발음 오류, 고함, 강한 억양, 배경 소음이 있습니다.”
Buddy의 음성 인식기는 다양한 연령과 억양을 지닌 아이들의 실제 목소리를 시끄러운 가정환경에서 녹음한 수만 시간의 데이터로 학습했으며, 계속해서 재학습한다. 이 스타트업은 어린이 음성에서는 이제 구글의 범용 음성 인식보다 성능이 좋다고 주장한다. 이는 처음 들었을 때보다 근거가 있는 주장이다. 목표 집단의 데이터로 특화 학습하는 것이 성인 데이터로 학습하는 것보다 일관되게 좋은 성능을 내기 때문이다.
대화 계층도 같은 방식으로 특화 설계되었다. 모든 수업은 Crewkov가 “제어 계층”이라고 부르는 구조 안에서 진행된다. 교육과정을 고려하는 이 시스템에는 수업 계획과 정해진 주제, 목표 추적 기능이 있다. 언어 모델은 이 구조 안의 구성 요소 하나이며, 제품 자체가 아니다.
아이가 주제에서 벗어나면 시스템이 다시 이끈다. 범용 LLM이 만들어 낼 수 있는 아무 내용으로나 대화가 끝없이 흘러가지 않는다. “수업 계획과 허용된 주제, 목표 추적 기능, 필요할 때 대화를 이끌거나 방향을 바꾸거나 끝내는 코드가 있습니다. 그래서 여섯 살 아이가 무제한 인터넷 대화에 무방비로 빠지는 일이 없습니다.”
개인정보 보호도 정책에만 맡기지 않고 시스템 구조의 제약 조건으로 다룬다. 이는 조용히 경쟁상의 이점도 되었다. 아동 온라인 개인정보 보호 규칙(COPPA)은 부모 동의 없이 어린이 음성 데이터를 수집하는 것을 금지하므로, 공개된 어린이 음성 데이터 중 가장 큰 데이터셋도 수백 시간에 불과하다.
Buddy.ai는 다양한 나이와 억양의 아이들이 시끄러운 가정환경에서 말한 실제 음성 수만 시간을 축적했다. 대부분의 경쟁사는 처음부터 만들기보다 성인용 LLM을 어린이에게 맞추는 쉬운 길을 택했지만, 그 지름길이 이제는 약점이 되었다.
Crewkov에 따르면 Buddy의 모든 AI 연산은 플랫폼 자체 인프라에서 수행된다. 아이들의 음성은 실시간으로 처리되고 부모가 생각하기도 전에 폐기되며, 대화가 상용 AI API를 거쳐 전달되는 일은 없다.
그는 “무슨 데이터를 왜 수집하는지, 어떻게 삭제할 수 있는지를 부모에게 아주 명확히 설명합니다. 투명성은 기술 자체만큼 중요합니다”라고 강조했다.
미국 시장에 더 발전된 자유로운 대화를 도입한 최신 대규모 업데이트 ChitChat을 출시한 이후, 회사는 미국 학생들이 완료한 연습 수가 전년 같은 기간의 7.7배였다고 보고한다.
전 세계적으로 월평균 완료 연습 수는 전년 대비 3.5배가 되었다.
Crewkov는 이 수치가 입증할 수 있는 것에 한계가 있음을 솔직히 인정한다. “학생의 학습 성과를 정량적으로 측정하는 연구를 설계하는 일은 가까운 미래에 해 보고 싶은 과제입니다.” 현재 근거는 사용자 의견, 제품 이용 데이터, 업계 수상 실적에 의존한다.
아무도 계획하지 않았던 활용법
Buddy.ai의 이야기에서 가장 많은 것을 보여 주는 순간은 예고 없이 찾아왔을지도 모른다. 표적 마케팅을 하지 않았는데도 자폐와 언어 발달 지연이 있는 아이들의 부모가 설문 데이터에서 플랫폼의 가장 적극적인 사용자 집단 중 하나로 나타나기 시작했다.
Crewkov는 “처음에는 꽤 놀랐습니다. Buddy가 세계 곳곳의 학생들에게 저렴한 비용으로 도움을 줄 다른 방법도 있다는 사실이 분명해졌습니다”라고 회상했다.
창업자에게 이는 흥미로운 예외에 그치지 않았다. 제품이 해결하도록 만들어진 문제는 아니지만 해결할 수도 있을 것 같은 공백을 드러냈다. 회사는 이에 대응해 응용행동분석(ABA) 전용 과정을 만들었다.
그 공백은 크고 충분한 자료로 확인된다. 2025년 시장 보고서 에 따르면 미국의 자폐 유병 비율은 현재 어린이 31명당 1명에 이른다. 2000년에는 150명당 1명이었다. 자격을 갖춘 치료사의 부족도 계속되고 있다. 충분한 보험 보장이 없는 가정의 연간 ABA 치료비는 25만 달러에 달할 수 있다 .
미국 국립보건원(NIH)의 연구 는 가정에서 ABA 치료를 받지 못하는 이유가 매우 현실적인 문제임을 보여 준다. 가장 많이 언급된 이유는 긴 대기 시간(34%), 거주 지역의 ABA 제공자 부족(10%), 치료가 보험으로 보장되지 않음(10%)이었다. 설문 데이터에 따르면 미국 전체 카운티의 절반 이상에는 공인 자격을 갖춘 행동분석가가 한 명도 없다.
AI 캐릭터가 임상적으로 의미 있는 중재인지는 여전히 열린 질문이다. 다만 긴 대기 명단에 올라 있는 아이들에게 언제든 이용할 수 있는 일관되고 저렴한 연습 도구를 제공한다는 가치는 더 쉽게 옹호할 수 있다.
Crewkov는 “아직 진행 중인 작업이지만, 이 시도가 나아가는 방향을 정말 자랑스럽게 생각합니다”라고 말했다.
더 큰 질문
더 넓은 교육 기술 시장은 이제 비슷한 주장을 하는 기업으로 가득하다. 특화 설계된 AI, 견고한 구조, 실제 학습으로 이어지는 제품이라는 주장이다. 실제로 전 세계 교육용 AI 시장은 2030년까지 322억 7,000만 달러에 이를 것으로 추산된다. 주요 기업마다 어린이를 위한 전략이 있다.
Buddy.ai를 구별하는 것은 주장 자체가 아니라 발전 과정이다. Crewkov는 지금의 투자 열풍으로 이 분야가 유행하기 훨씬 전에 어린이 음성 인식을 연구하기 시작했다. LLM 덕분에 단 한 번의 오후 동안 그럴듯하게 들리는 언어 교사를 만들 수 있게 되기 전이었다.
어린이 음성으로 학습한 음향 모델, 교육과정을 고려하는 구조, 자체 개발한 아바타 시스템이라는 기술 인프라는 그 특정한 문제를 거의 10년 동안 거듭 개선해 온 결과다. 인기 시장을 향해 급히 방향을 바꾼 결과가 아니다.
Crewkov는 “2년 뒤에는 영어의 첫 단어부터 유창하게 말하는 단계까지 나아가는 데 필요한 연습을 영어 학습자에게 제공할 수 있을 것입니다. 안전과 개인정보 보호를 우선하기 때문에 서두르지 않습니다”라고 설명했다.
이 모든 것의 바탕에는 대다수 AI 제품의 사고방식과 다른 설계 철학이 있다. “여섯 살 아이들은 AI 때문에 돌아오지 않습니다. 자신이 속한다고 느끼는 캐릭터와 세계 때문에 돌아옵니다.”
이는 친근한 이름을 붙인 챗봇보다 따라 하기 어렵다. 지금으로서는 Buddy.ai가 가장 확실하게 지킬 수 있는 경쟁력이다.












