O AI Infantil que Antecede o ChatGPT – Agora Supera o Google no Reconhecimento de Voz de Crianças

O mercado de aplicativos de aprendizado de idiomas para crianças está ficando cada vez mais concorrido e está sendo cada vez mais escrutinado. Na semana passada, a organização sem fins lucrativos Common Sense Media lançou o Youth AI Safety Institute, um laboratório independente inédito apoiado por $20 milhões de dólares por ano para testar a resistência de produtos de IA para crianças – pressão que está chegando justamente quando a IA já representa 33,5% da receita em produtos de aprendizado de idiomas digitais.

Ao mesmo tempo, o segmento de crianças dentro disso deve disparar de $2,38 bilhões de dólares em 2026 para $5,17 bilhões até 2035. Claramente, o dinheiro está se movendo paralelamente à integração da IA – mas também à fiscalização.

Pesquisas do Instituto de IA da Universidade de Colorado documentaram a lacuna de forma clara: a precisão do reconhecimento de voz é substancialmente menor para crianças do que para adultos, pois a maioria dos sistemas comerciais é treinada em áudio limpo de falantes adultos – muitas vezes lendo de scripts.

Um artigo de 2024 reforça por quê: as vozes das crianças envolvem mudanças rápidas e imprevisíveis no tom, articulação e desenvolvimento do vocabulário que fazem com que os modelos treinados para adultos tropeçem.

E, na prática, isso significa que uma criança de seis anos que está aprendendo inglês obtém um sistema que mal-entende, falha em responder ou, pior: responde à coisa errada. A criança perde o interesse em aprender; o pai perde dinheiro.

Este é o problema que Ivan Crewkov começou a trabalhar em 2018, quatro anos antes de os grandes modelos de linguagem se tornarem uma conversa mainstream.

Um Ponto de Partida Familiar

A entrada de Crewkov no espaço de edtech foi pessoal. Quando sua família se mudou da Sibéria para a Califórnia em 2014, sua filha Sofia tinha quatro anos e estava lutando para aprender inglês na pré-escola. Ele tentou todas as ferramentas disponíveis e encontrou as mesmas lacunas em todas elas.

“Elas muitas vezes envolviam leitura, que ela ainda não sabia fazer, elas pareciam muito trabalho e não ofereciam prática de fala – essencial para as crianças que estão aprendendo um novo idioma”, ele disse à Unite AI.

Ele então se voltou para tutores online ao vivo, começou a gravar as sessões e notou algo que não havia esperado. “Os professores estavam literalmente lendo de suas telas”, ele disse, e muitos não eram educadores certificados; cada sessão custava $15 a $20.

Vindo de um background em IA, a leitura de Crewkov da situação foi direta: “Ficou claro para mim que provavelmente 80% desse trabalho poderia ser feito usando um personagem de IA virtual e falante e reconhecimento de voz. Isso também democratizaria dramaticamente o mercado, pois era extremamente caro”,

“A ideia era fornecer um mês de aprendizado ao custo de uma sessão de tutoria”, ele acrescentou. Essa ideia se tornou Buddy.ai.

Cerca de 10,8 milhões de crianças pequenas – 32% de todas as crianças americanas abaixo de nove anos – são aprendizes de dois idiomas (DLLs), com pelo menos um pai que fala um idioma diferente do inglês em casa, de acordo com o Instituto de Política de Migração. Desde 2000, de fato, essa população cresceu 24%, e os DLLs agora representam mais de 20% da população de crianças pequenas em 24 estados e em Washington D.C.

Essas são provavelmente as famílias mais propensas a procurar o que plataformas como a Buddy.ai oferecem – e menos propensas a ter acesso consistente a programas de educação infantil de alta qualidade, com 43% vivendo em lares de baixa renda, em comparação com 33% de crianças não DLL.

A lógica comercial, então, é clara. A pergunta mais difícil é se a tecnologia realmente entrega – e aqui, a abordagem da Buddy.ai se diverge significativamente da maioria da concorrência.

Projetado com Propósito, Não Adaptado

A distinção que Crewkov traça entre construir para crianças versus adaptar para elas é arquitetônica, não cosmética. “Construir IA do zero para crianças significa que restringimos e re-arquitetamos cada camada da pilha em torno das vozes, comportamento, regulação e atenção das crianças – em vez de tentar ‘modificar’ um chatbot para adultos.”

O problema central é acústico. “Pilhas de LLM para adultos supõem texto e fala adulta: frases gramaticais longas, pronúncia estável e ambientes silenciosos. Uma criança de seis anos lhe dá o oposto: enunciações fragmentárias, mau pronunciamento, gritos, acentos fortes e ruído de fundo.”

O reconhecedor de voz da Buddy foi treinado e re-treinado continuamente em dezenas de milhares de horas de vozes reais de crianças de diferentes idades, acentos e ambientes domésticos barulhentos. A startup afirma que agora supera o reconhecimento de voz geral da Google em vozes de crianças, o que carrega mais credibilidade do que pode parecer inicialmente: treinar especificamente na população-alvo consistentemente supera o treinamento em dados de adultos.

A camada conversacional é igualmente projetada com propósito. Cada sessão opera dentro do que Crekov descreve como uma “camada governante” – um sistema consciente do currículo com um plano de sessão, tópicos definidos e acompanhamento de metas. O modelo de linguagem opera como um componente dentro dessa estrutura, não como o próprio produto.

Se uma criança se desvia do curso, o sistema redireciona; não há uma deriva sem fim para o que um LLM de propósito geral possa produzir. “Há um plano de sessão, tópicos permitidos, acompanhamento de metas e código que direciona, redireciona ou encerra a conversa quando necessário – então uma criança de seis anos nunca simplesmente cai em uma conversa aberta na internet.”

A privacidade também é tratada como uma restrição arquitetônica, bem como uma política – mas também se tornou silenciosamente competitiva. Porque a Regra de Proteção à Privacidade Online de Crianças (COPPA) proíbe a coleta de dados de voz de crianças sem consentimento parental, o maior conjunto de dados de vozes de crianças disponível publicamente soma apenas algumas centenas de horas.

Buddy.ai acumulou dezenas de milhares de horas de vozes reais de crianças de diferentes idades, acentos e condições domésticas barulhentas. A maioria tomou o caminho mais fácil de adaptar LLMs para adultos para crianças, em vez de construir do zero, mas o atalho agora é uma responsabilidade.

Em Buddy, todo o processamento de interferência roda na própria infraestrutura da plataforma, a voz da criança é processada em tempo real e descartada antes que os pais sequer pensem nisso, e nenhuma conversa é roteada por meio de APIs de IA comerciais, de acordo com Crewkov.

“Somos muito explícitos com os pais sobre o que coletamos, por quê e como eles podem excluí-lo – a transparência é tão importante quanto a tecnologia em si”, Crewkov enfatizou.

Desde o lançamento do ChitChat, sua última grande atualização no mercado americano que introduz conversas mais avançadas e livres, a empresa relata que os alunos americanos concluíram 7,7 vezes mais exercícios no mesmo período do que no ano anterior.

Globalmente, o número médio de exercícios concluídos por mês cresceu 3,5 vezes ano a ano.

Crewkov é franco sobre os limites do que esses números provam. “Projetar estudos de pesquisa que possam quantificar o aprendizado dos alunos é algo que esperamos fazer em um futuro próximo”, ele disse. Por agora, no entanto, a base de evidências depende de feedback dos usuários, dados de engajamento do produto e reconhecimento de prêmios da indústria.

O Caso de Uso que Ninguém Planejou

Talvez o momento mais revelador na história da Buddy.ai seja aquele que chegou sem convite: sem nenhum marketing direcionado, pais de crianças com autismo e atrasos de fala começaram a aparecer nos dados de pesquisa como alguns dos usuários mais engajados da plataforma.

“Ficamos inicialmente bastante surpresos. Isso definitivamente destacou que havia outras maneiras pelas quais a Buddy poderia estar servindo aos estudantes de forma acessível em todo o mundo”, Crewkov lembrou.

Para o fundador, não foi apenas uma anomalia interessante – apontou para uma lacuna que o produto não foi projetado para preencher, mas aparentemente podia. A empresa respondeu construindo um curso de Análise Comportamental Aplicada (ABA) dedicado.

A lacuna é ampla e bem documentada. Um relatório de mercado de 2025 encontrou que a prevalência do autismo nos EUA é tão alta quanto 1 em 31 crianças hoje, subindo de 1 em 150 em 2000 – dentro do cenário persistente de escassez de terapeutas certificados. Para famílias sem cobertura de seguro adequada, os custos anuais da terapia ABA podem atingir $250.000.

Pesquisas do Instituto Nacional de Saúde (NIH) sobre por que as famílias não estavam recebendo ABA encontraram barreiras surpreendentemente práticas: as razões mais comuns citadas incluíam tempos de espera longos (34%), falta de provedores de ABA em sua área (10%) e seguro que não cobre a terapia (10%). Dados de pesquisa também mostraram que mais da metade de todos os condados dos EUA não têm analistas de comportamento certificados.

Se um personagem de IA constitui uma intervenção significativa no nível clínico permanece uma questão aberta – mas como uma ferramenta de prática consistente, de baixo custo e sob demanda para crianças em longas listas de espera, seu valor é mais fácil de defender.

“Isso ainda é um trabalho em andamento, mas estamos realmente orgulhosos de para onde a iniciativa está indo”, Crewkov disse.

A Questão Maior

O mercado de edtech mais amplo agora está cheio de empresas fazendo alegações adjacentes; IA projetada com propósito, arquitetura robusta; produtos que realmente induzem ao aprendizado. De fato, o mercado global de IA na educação é estimado em $32,27 bilhões até 2030, e cada grande jogador tem uma estratégia para crianças.

O que distingue a posição da Buddy.ai não são as alegações em si, mas a linha do tempo. Crewkov começou a trabalhar no reconhecimento de voz de crianças muito antes da onda atual de investimento tornar isso fashionável, e antes dos LLMs tornarem fácil construir um tutor de linguagem convincente em uma tarde.

A infraestrutura técnica – os modelos acústicos treinados em vozes de crianças, a arquitetura consciente do currículo, o sistema de avatar proprietário – reflete quase uma década de iteração no problema específico, não uma mudança rápida para um mercado quente.

“Em dois anos, a Buddy poderá fornecer aos aprendizes de inglês a prática de que precisam para avançar das primeiras palavras em inglês até a fluência. Não estamos com pressa, porque priorizamos a segurança e a privacidade”, Crewkov explicou.

E subjacente a tudo isso está uma filosofia de design que vai contra a maioria do pensamento sobre produtos de IA. “Crianças de seis anos não voltam por causa da IA. Elas voltam por causa de um personagem e de um mundo do qual se sentem parte.”

Isso é uma coisa mais difícil de replicar do que um chatbot com um nome amigável. E, por agora, a vantagem mais defensável da Buddy.ai.