Det barnvänliga AI som föregick ChatGPT – Nu slår det Google på taligenkänning för barn

Marknaden för språkinlärningsappar för barn blir alltmer trång och granskas alltmer. Förra veckan lanserade den ideella organisationen Common Sense Media Youth AI Safety Institute, ett första oberoende laboratorium som backas av 20 miljoner dollar per år för att testa AI-produkter för barn – ett tryck som kommer just när AI redan står för 33,5% av intäkterna från digitala språkinlärningsprodukter.

Samtidigt förutspås barnsegmentet inom detta område öka från 2,38 miljarder dollar 2026 till 5,17 miljarder dollar 2035. Det är uppenbart att pengarna rör sig parallellt med AI-integrationen – men också med tillsynen.

Forskning från University of Colorados AI-institut har dokumenterat gapet tydligt: taligenkänningens noggrannhet är avsevärt lägre för barn än för vuxna eftersom de flesta kommersiella systemen är tränade på ren ljud från vuxna talare – ofta som läser från manus.

En rapport från 2024 förstärker varför: barns röster innehåller snabba, oförutsägbara förändringar i tonhöjd, artikulering och ordförråd som får vuxen-tränade modeller att snava.

Och i praktiken betyder detta att en sexåring som lär sig engelska får ett system som missförstår dem, inte svarar eller till och med svarar på fel sak. Barnet förlorar intresset för att lära sig; föräldern förlorar pengar.

Detta är problemet som Ivan Crewkov började arbeta med 2018, fyra år innan stora språkmodeller blev en mainstream-konversation.

En Bekant Utgångspunkt

Crewkovs inträde i edtech-området var personligt. När hans familj flyttade från Sibirien till Kalifornien 2014 var hans dotter Sofia fyra år och hade svårt att lära sig engelska i förskolan. Han försökte alla tillgängliga verktyg och fann samma luckor överallt.

”De innehöll ofta läsning, som hon inte kunde ännu, de kändes för mycket som arbete och de erbjöd inte talövning – avgörande för barn som lär sig ett nytt språk”, sa han till Unite AI.

Sedan vände han sig till live online-lärare, började spela in sessionerna och märkte något han inte hade förväntat sig. ”Lärarna läste bokstavligen från sina skärmar”, sa han, och många var inte certifierade utbildare; varje session kostade 15 till 20 dollar.

Med sin bakgrund inom AI var Crewkovs tolkning av situationen rak: ”Det var uppenbart för mig att förmodligen 80% av det här arbetet kunde göras med en virtuell, talt AI-karaktär och taligenkänning. Detta skulle också dramatiskt demokratisera marknaden eftersom det var extremt dyrt”,

”Idén var att erbjuda en månads lärande till priset av en tutoringsession”, tillade han. Den idén blev Buddy.ai.

Nära 10,8 miljoner unga barn – 32% av alla barn under nio år i USA – är tvåspråkiga lärande (DLL), med minst en förälder som talar ett språk annat än engelska hemma, enligt Migration Policy Institute. Sedan 2000 har den befolkningen ökat med 24%, och DLL utgör nu mer än 20% av den unga befolkningen i 24 delstater och Washington D.C.

Detta är förmodligen de familjer som är mest benägna att söka efter vad plattformar som Buddy.ai erbjuder – och minst benägna att ha konsekvent tillgång till högkvalitativa tidiga utbildningsprogram, med 43% som bor i låginkomsthushåll jämfört med 33% av icke-DLL-barn.

Den kommersiella logiken är då uppenbar. Den svårare frågan är om tekniken faktiskt fungerar – och här avviker Buddy.ai:s tillvägagångssätt betydligt från de flesta konkurrenterna.

Specialbyggt, Inte Ombyggt

Skillnaden Crewkov drar mellan att bygga för barn och att anpassa för dem är arkitektonisk, inte kosmetisk. ”Att bygga AI från grunden för barn innebär att vi begränsar och omstrukturerar varje lager i stacken runt barns röster, beteende, reglering och uppmärksamhetsspann – istället för att försöka ’barnanpassa’ en vuxen chatbot.”

Kärnproblemet är akustiskt. ”Vuxna LLM-stackar antar vuxentext och tal: långa grammatiska meningar, stabil uttal och tysta miljöer. En sexåring ger dig motsatsen: fragmentariska uttalanden, feluttal, skrik och bakgrundsljud.”

Buddys taligenkänningsmodell har tränats och kontinuerligt omtränats på tiotusentals timmar av riktiga barns röster i olika åldrar, accenter och bullriga hemmiljöer. Startupen hävdar att den nu överträffar Googles allmänna taligenkänning på barns röster, vilket har mer trovärdighet än det kan tyckas: att träna specifikt på målpopulationen överträffar konsekvent träning på vuxendata.

Den konversationsbaserade lagret är lika specialbyggt. Varje session fungerar inom det som Crekov beskriver som en ”styrande lager” – ett läroplansmedvetet system med en sessionplan, definierade ämnen och målspårning. Språkmodellen fungerar som en komponent inom den strukturen, inte produkten i sig.

Om ett barn avviker från kursen, omdirigerar systemet; det finns ingen öppen, obegränsad drift in i vad en allmän LLM kan producera. ”Det finns en sessionplan, tillåtna ämnen, målspårning och kod som styr, omdirigerar eller avslutar samtalet när det behövs – så en sexåring aldrig bara faller in i öppen, obegränsad internetkonversation.”

Integritet behandlas också som en arkitektonisk begränsning samt som en policy – men den har också tyst blivit en konkurrensfördel. Eftersom Children’s Online Privacy Protection Rule (COPPA) förbjuder insamling av barns röstdata utan föräldrarnas samtycke, utgör den största offentligt tillgängliga datamängden av barns röster bara några hundra timmar.

Buddy.ai har samlat in tiotusentals timmar av riktiga barns röster i olika åldrar, accenter och bullriga hemmiljöer. De flesta valde den enklare vägen att anpassa vuxen-LLM för barn istället för att bygga från grunden, men genvägen är nu en belastning.

I Buddys fall kör all interferens på plattformens egen infrastruktur, barns röst bearbetas i realtid och slängs innan föräldrarna ens tänker på det, och inga samtal dirigeras genom kommersiella AI-API:er, enligt Crewkov.

”Vi är mycket tydliga med föräldrarna om vad vi samlar in, varför och hur de kan ta bort det – transparens är lika viktigt som tekniken i sig”, betonade Crewkov.

Sedan lanseringen av ChitChat, den senaste stora uppdateringen på den amerikanska marknaden som introducerar mer avancerad, friktionsfri konversation, rapporterar företaget att amerikanska studenter slutförde 7,7 gånger fler övningar under samma tidsperiod som föregående år.

Globalt har den genomsnittliga övningen per månad ökat 3,5 gånger på årsbasis.

Crewkov är öppen om begränsningarna av vad dessa siffror bevisar. ”Att designa forskningsstudier som kan kvantitativt mäta studenternas lärande är något vi hoppas kunna göra i nästa framtid”, sa han. För tillfället bygger dock bevisbasen på användarfeedback, produktengagemangsdata och branschutmärkelser.

Det Användningsfall som Ingen Planerade För

Kanske den mest talande ögonblicket i Buddy.ai:s historia är den som anlände oinbjuden: utan någon riktad marknadsföring började föräldrar till barn med autism och tal-förseningar dyka upp i undersökningsdata som några av plattformens mest engagerade användare.

”Vi blev initialt ganska överraskade. Det framhöll definitivt att det fanns andra sätt på vilka Buddy kunde erbjuda studenter runt om i världen en tjänst”, minns Crewkov.

För grundaren var det inte bara en intressant anomali – det pekade på en lucka som produkten inte var utformad för att fylla men uppenbarligen kunde. Företaget svarade genom att bygga ett dedikerat Applied Behavior Analysis (ABA)-kurs.

Luckan är stor och väl dokumenterad. En marknadsrapport från 2025 fann att autismens förekomst i USA är så hög som 1 av 31 barn idag, upp från 1 av 150 år 2000 – mot bakgrund av bestående terapektbrist. För familjer utan tillräcklig försäkringstäckning kan årliga ABA-terapikostnader nå 250 000 dollar.

Nationella institut för hälsa (NIH) forskning om varför familjer inte fick ABA fann att hindren var slående praktiska: de vanligaste orsakerna som angavs inkluderade långa väntetider (34%), brist på ABA-leverantörer i området (10%) och att försäkringen inte täckte terapin (10%). Undersökningsdata visade också att mer än hälften av alla amerikanska län har inga certifierade beteendeanalytiker alls.

Om en AI-karaktär utgör en meningsfull intervention på klinisk nivå förblir en öppen fråga – men som ett konsekvent, lågkostnads-, på-kontot verktyg för barn på långa väntelistor är dess värde lättare att försvara.

”Detta förblir ett pågående arbete, men vi är riktigt stolta över var initiativet är på väg”, sa Crewkov.

Den Större Frågan

Den bredare edtech-marknaden är nu full av företag som gör angränsande anspråk; AI som är specialbyggt, robust arkitektur; verkliga lärande-inducerande produkter. Faktum är att den globala AI-utbildningsmarknaden beräknas nå 32,27 miljarder dollar 2030, och varje större aktör har en barnstrategi.

Det som skiljer Buddy.ai:s position är inte anspråken i sig, utan tidsplanen. Crewkov började arbeta med barns taligenkänning långt innan den nuvarande investeringsvågen gjorde det modernt, och innan LLM gjorde det lätt att bygga en övertygande ljudande språktutor på eftermiddagen.

Den tekniska infrastrukturen – de akustiska modellerna tränade på barns röster, den läroplansmedvetna arkitekturen, det egna avatar-systemet – speglar nästan ett decennium av iteration på det specifika problemet, inte en snabb vändning mot en het marknad.

”Om två år kommer Buddy att kunna ge engelska lärande den övning de behöver för att gå från de allra första engelska orden till flytande. Vi har ingen brådska, eftersom vi prioriterar säkerhet och integritet”, förklarade Crewkov.

Och under allt detta ligger en designfilosofi som går mot strömmen i de flesta AI-produkttänkande. ”Sexåringar kommer inte tillbaka för AI. De kommer tillbaka för en karaktär och en värld de känner sig en del av.”

Det är en svårare sak att replikera än en chatbot med ett vänligt namn. Och för tillfället är det Buddy.ai:s mest försvarbara fördel.