ํ๋ฉ
๊ธฐ์ฆ๋ชจ, ์คํฌ๋ฆฐ ์๊ฐ์ ํ์ต ์๊ฐ์ผ๋ก ์ ํํ๊ธฐ ์ํด 2,200๋ง ๋ฌ๋ฌ์ ์๋ฆฌ์ฆ A ์๊ธ์ ์กฐ๋ฌํ๋ค
기즈모는 시리즈 A 자금으로 2,200만 달러를 확보하여 가장 빠르게 성장하는 AI 기반 교육 플랫폼 중 하나에 주요 이정표를 달성했습니다. 이 라운드는 샤인 캐피탈이 주도했으며, 아다 벤처스, 시크 인베스트먼츠, GSV, 및 NFX의 참여로 이미 120개 이상의 국가에서 1,300만 명 이상의 학습자를 지원하는 회사에 대한 추진력을 추가했습니다.
2021년 케임브리지 대학교 졸업생에 의해 설립된 기즈모는 인공 지능과 소셜 미디어에서 일반적으로 연관되는 참여 메커니즘을 결합한 새로운 유형의 학습 플랫폼을 구축하고 있습니다. 그 목표는 스크린 시간을 줄이는 것이 아니라 그 시간을 보낸 방식을 근본적으로 개선하는 것입니다.
학습을 위한 주의 경제의 재연결
교육은 오랫동안 현대 앱의高度 최적화된 참여 루프와 경쟁하기 위해 어려움을 겪었습니다. TikTok 및 Instagram과 같은 플랫폼이 개인화, 피드백 및 보상 시스템을 지속적으로 개선하는 반면, 공부는 일반적으로 정적이고 고립된 상태로 남아있었습니다.
기즈모의 접근 방식은 이러한 동일한 행동 원리를 학습에 적용하는 것입니다. 스크린 시간을 문제로 간주하는 대신, 플랫폼은 이를 기회로 재구성하여 진행 상황을 보상하고 일관성을鼓励하며 운동량을 창조하는 경험을 설계합니다. 결과는 반복적이 아닌 역동적인 학습 환경이 됩니다.
플랫폼의 작동 방식
기즈모의 핵심은 수동적인 공부 자료를 능동적인 학습 시스템으로 변환하는 것입니다. 사용자는 노트, 문서 또는 웹 링크를 업로드할 수 있으며, 이는 AI에 의해 처리되어 맞춤형 공부 도구를 생성합니다.
이러한 도구에는 대응하는 플래시 카드, 성과에 따라 조정되는 적응형 퀴즈 및 보유를 강화하기 위한 게임화된 도전 과제가 포함됩니다. 시스템은 사용자 행동에 따라 지속적으로 자신을 개선하여 세션마다 발전하는 개인화된 피드백 루프를 생성합니다.
개인 공부를 넘어서, 기즈모는 사용자가 협력하고, 리더보드를 경쟁하고, 동료와 책임성을 유지할 수 있는 소셜 기능을 통합합니다. 이것은 전통적으로 고립된 활동에 커뮤니티의 계층을 추가하여 동기부여와 일관성을 모두 증가시킵니다.
글로벌, 모바일 우선 세대에 구축
기즈모의 빠른 채택은 학습이 소비되는 방식에서 더 넓은 변화를 강조합니다. 영국과 미국의 시험을 준비하는 학생들부터 신흥 시장에서 전문가들이 업스킬링하는 데까지, 플랫폼은 수백만 명의 일상이 되었습니다.
회사의 모바일 우선 설계는 스마트폰이现在 학습을 위한 주요 인터페이스라는 현실을 반영합니다. 사용자가 이미 시간을 보낸 곳에서 사용자를 만나는 것에 따라, 기즈모는 마찰을 줄이고 대규모로 참여도를 증가시킵니다.
새로운 자금으로 기즈모는 엔지니어링 및 AI 팀을 확장하고 미국 대학 시장으로의 추진을 가속화할 계획입니다. 이는 참여도를 높이고 플랫폼이 지원할 수 있는 콘텐츠 유형을 확대하는 것을 목표로 하는 더 깊은 제품 개발을 포함합니다.
회사는 또한 보유와 장기 사용을 강화하는 기능에 투자하고 있으며, 학습을 접근 가능하게 만드는 것뿐만 아니라 습관화하는 것을 중점으로 하고 있습니다.
교육을 위한 AI 네이티브 접근 방식
기즈모의 주요 차별점은 그것이 처음부터 AI 네이티브 플랫폼으로 구축되었다는 것입니다. 기존 제품에 인공 지능을 계층화하는 대신, 시스템은 자동화, 개인화 및 지속적인 적응을 중심으로 설계되었습니다.
이것은 기즈모가 공부에 일반적으로 필요한 수동 노력을 제거할 수 있게 합니다. 즉, 플래시 카드를 만들거나 수정 계획을 구조화하는 대신, 플랫폼이 이러한 작업을 즉시 처리하여 사용자가 학습 자체에 집중할 수 있습니다.
더 많은 학생들이 콘텐츠를 기여하고 시스템과 상호 작용함에 따라, 플랫폼은 또한 네트워크 효과로부터 이익을 얻으며, 출력의 품질과 관련성을 시간이 지남에 따라 개선합니다.
AI 주도 학습의 미래
기즈모와 같은 플랫폼은 향후 10년 동안 교육이 어떻게 진화할 수 있는지에 대한 더 넓은 변화를 나타냅니다. AI 시스템이 실시간으로 적응할 수 있는 능력이 더 강력해짐에 따라, 학습은 표준화된 형식에서 각 개인이 정보를 흡수하는 방식에 반응하는 고도로 개인화된 경험으로 이동할 수 있습니다.
이것은 학생들을 넘어서는 의미를 갖습니다. 지속적이고 수요에 따른 학습은 일상적인 워크플로에 내장될 수 있으며, 교육과 생산성 사이의 경계를模糊하게 할 수 있습니다. 정기적인 업스킬링 대신, 개인은 성과와 목표에 따라 콘텐츠를 동적으로 조정하는 AI 시스템에 의존하여 작업과 병렬로 학습을 수행할 수 있습니다.
시스템 수준에서, 이러한 유형의 기술은 커리큘럼 설계 및 평가의 전통적인 모델에 도전합니다. 참여, 보유, 마스터리가 지속적으로 추적될 수 있다면, 시험, 교실, 심지어 공식 자격증의 개념이 변경되기 시작할 수 있으며, 더 유연하고 결과 중심의 교육 접근 방식을 개방할 수 있습니다.
