12月13日、WeWork銀座にてWanted Japan とRiiid Japanの共同主催イベント「Korea Startup Mingle Tokyo」が開催されました。

日韓を横断して活躍するスタートアップのCEOやその関係者が集った同イベントでは、AIリファラル採用サービス「Wanted」を展開するWantedLabのイ・ボッキ代表や、予定共有アプリ「TimeTree」を提供するTimeTreeのパク・チャジンCSOが登壇。創業からこれまでのストーリーや、今後の展望などが明かされました。

そんな錚々たる顔ぶれと並んで、プレゼンテーションの機会をいただいたのが弊社のCEOであるムン・ヨンジュです。クリスマス間近のイベントということもあり、観客のみなさんも食事やお酒を楽しみながら、和やかな雰囲気のなかで行われたムンの発表の一部始終をご紹介します。

ディープラーニングを活用し、TOEICの勉強をもっと効率的に

ムン：まずはちょっと自己紹介をさせてください。私が日本にやってきたのは2011年で、当時はまだ大学院生でした。卒業後、ゲーム会社などでの勤務を経て、2018年に立ち上げたのがLangooというEdTech系のスタートアップです。この会社が2021年に韓国のRiiid本社に買収され、現在はRiiidの日本法人の代表を務めています。それと今日の発表とはぜんぜん関係ないのですが、実は最近子どもが産まれまして。

（会場から大きな拍手）

ムン：ありがとうございます（笑）。今日はクリスマスも近いということで、そんなご報告も許されるかなと思った次第です。

さて改めて説明を続けさせていただきますと、私たちRiiidはAIによってTOEICの学習を支援する「Santaアルク（以下、Santa）」という学習アプリを提供する会社です。みなさんTOEICはご存じだと思いますが、実は学習方法によってスコアの成長には大きな差異が生まれることがわかっています。それを示したのが次のグラフです。

ムン：グラフの縦軸はTOEICのスコアの変化、横軸はこれまでに解いた問題数、つまり学習時間を示しています。それぞれのグラフが示しているのが、学習法別のスコア成長です。

まず見ていただきたいのが、一番下の青いグラフ。これは「専門家が作成したカリキュラムで学習した場合のスコア成長」を示しています。ほかのグラフと比較して、スコアの伸びが鈍いどころか、400問を解いた時点でのスコアが最初より下がってしまっている。これはカリキュラムが個人最適化されていないことが原因だと考えられます。

そこで従来のルールベースAIを用いて学習パターンを改善してみたのが赤いグラフ。青いグラフよりは改善しましたが、それでもスコアの変化自体はそれほどではありませんね。

最後に見ていただきたいのが、最もスコアが伸びている黄色のグラフ。弊社が提供しているディープラーニングモデルを学習に活用した場合のスコア成長を示したもので、ルールベースモデルに比べて260%程度の学習効果があることが明らかになっています。

TOEICスコアを95%の精度で予測！さらに最適な学習コンテンツをレコメンド

ムン：では、どのようにしてこのような高い学習効果を実現しているのか。私たちが開発しているAIについて、簡単に説明できればと思います。

まず弊社のAIにできるのは、ユーザーの学習状況を正確に評価することです。TOEICは全部200問が出題されますが、弊社のAIを用いれば30問の診断テストを受けていただくだけで、TOEICのスコアを95%の精度で予測することができます。

そのうえで、さらに最も学習効果が高いと予測されるコンテンツを、ユーザーごとにレコメンデーションしていきます。

ムン：AIを用いたレコメンデーションというと、NetflixやAmazonを想像される方もいるかもしれませんが、そういったサービスの場合、基本的には「ユーザーの興味関心を惹くコンテンツ」をレコメンドしてあげればいい。

しかし、私たちの場合はレコメンデーションの結果、ユーザーの成績が向上するところまで責任を持たなければなりません。そこが多業種のAIレコメンデーションシステムとの最大の違いであり、私たちの独自性でもあります。

こうしたAI技術を具体的なプロダクトとして落とし込んだのが、TOEIC®︎学習アプリ「Santa」です。ユーザー数はアジア全体で500万人以上。日本でも、語学教育分野に長けた出版社である株式会社アルク様と提携しながら、既に130万人以上のユーザーを獲得しています。

英語学習だけではなく、すべての「学び」を支援する教育インフラを

ムン：「Santa」と並行して、弊社では生成ＡＩを用いた新たなプロダクトの開発にも着手しています。今まさに取り組んでいるのが、学習系の動画コンテンツをサマライズし、そこから自動で問題文を生成するプロダクトの開発です。

これが実現すれば教材作成のための手間やコストを大幅に削減できることはもちろん、先ほどもふれたレコメンデーションシステムと組み合わせることで、ユーザーに最適化された学習コンテンツを、ほとんど無尽蔵に提供できるようになります。実用化できれば大きなインパクトのあるプロダクトになるはずです。

ムン：こうしたプロダクトについても言えることですが、弊社が目指すのは「英語学習の効率化」ではありません。私たちは、AIを活用して「教育のインフラ」を整えたい。何かを学び、成長しようとするすべての人の可能性を、最大化するようなインフラをつくっていきたいと考えています。そのためには、私たちもまだまだ頑張らないとダメですね。みなさん、今後ともどうぞよろしくお願いします。