ChatGPT 可以改文法、出題、設計課程，甚至免費陪你練一小時英文。照理說，當「AI 家教」幾乎人人都能免費取得，專門的語言學習 App 應該愈來愈難收費。

但 AI 語言學習平台 Speak 卻持續成長。2025 年，全球使用者在 Speak 完成 37.4 億句口說練習，年增 111%，開啟課程數也年增 108%；截至同年 11 月，Speak 累積下載量約 1500 萬次，年化營收突破 1 億美元（約新台幣 30 億元）。

另一大語言學習平台 Duolingo 2025 年日活躍用戶也突破 5000 萬人，付費訂閱用戶超過千萬人。免費生成式 AI 沒有讓專業語言學習 App 消失，反而帶出一個問題：AI 教練、教材已經隨手可得，為什麼還有這麼多人願意另外付錢學習？

AI 能秒生無限教材，為什麼反而更需要養專業人才？

Speak 共同創辦人暨技術長徐安廬（Andrew Hsu）認為，ChatGPT 很擅長在你卡住時直接輸出答案，但學語言真正想要的，是有一天不用靠它也能自己說出來。

這也是通用型 AI 和教育產品的差別。通用型 AI被訓練成快速、準確地完成使用者交付的任務；但教育產品真正要回答的是，一周、一個月甚至一年後，使用者有沒有因此變得更好。

徐安廬表示，生成式 AI 帶給語言學習最大的改變，不是教材可以大量生產，而是當內容不再稀缺之後，教育產品真正的價值反而更難：它必須知道你現在最該學什麼、怎麼讓你願意一直學，最後還要證明你真的學會了。

「你可以叫通用型 AI 寫一篇關於狗的文章，甚至叫它寫一本書，它都做得到，但不代表內容就是好的。」徐安廬說。生成一堂英文課已經不難，難的是它是否符合使用者的程度、目標，以及過去曾犯過的錯誤。

因此，Speak 仍有 10～12 名具博士級教育學背景的內部學習設計師，「在 AI 時代，我們還是非常依賴學習設計團隊，」他們把長期累積的教學經驗轉化成 AI 能執行的規則，包括概念怎麼解釋、教學順序、難度如何遞進；系統再透過數百項評估指標檢查生成內容，並依照個人的學習紀錄判斷下一步該教什麼。

AI 愈能大量生產內容，專業人才的工作從製作內容，轉向決定什麼內容值得被生產。也因此，徐安廬並不擔心底層 AI 模型持續變強。對他而言，模型愈強，建立在模型之上的教學系統反而愈能發揮作用。

給使用者 15 種選擇，結果沒人想學！功能愈多，為什麼反而愈難開始？

不過，當 AI 讓教材與功能愈來愈容易增加，不代表使用者就需要更多。Speak 就曾在產品早期踩過這個坑。

2018 年，Speak 幾乎把整個產品砍掉重做。「當時打開 App，大概有 15 個不同的選項，」徐安廬回憶，團隊原以為選擇愈多、愈能滿足不同需求，結果卻發現，「使用者打開 App，看到所有選項，什麼都沒點就離開了。」

選擇太多，確實可能讓人更難做決定。西北大學凱洛管理學院研究團隊彙整 99 組研究發現，當人們不確定自己的偏好、面對的決策又較複雜時，更容易出現「選擇過載」（choice overload）。Speak 訪談使用者後也發現，他們就是因為不知道怎麼學英文，才希望產品提供指引；如果打開 App 後還得從 15 個選項中決定要學什麼，反而增加了學習的門檻。

團隊後來大幅刪減選項，改成清楚的學習路徑，為使用者降低決策成本、打開 App 就知道下一步該做什麼。徐安廬形容，這次改版帶來的真正效果不只是使用率提高 30%，更根本的改變是提升了產品的市場契合度。

改版前，Speak 的成長曲線幾乎是平的；重新推出後，起步的南韓市場開始穩定成長，年度經常性收入接連跨過 100 萬、200 萬、500 萬，再到 1000 萬美元，「那才是 Speak 真正開始成為一門生意的時候。」

不只讓人天天打卡簽到，把「真的進步」變成黏著力

能讓使用者持續打開 App，對一般產品或許已經是好消息；但對學習產品來說，用戶「持續使用」和「真的學會」其實是兩件事。

連續登入、積分、排行榜，早已成為不少語言學習 App 留住使用者的常見設計。荷蘭烏特勒支大學等研究發現，加入積分、進度條等遊戲化設計後，受試者確實更有動機、也更享受學習過程，但 2～3 天後再次測驗，記憶表現並沒有因此提升。

Speak 也不排斥遊戲化機制，徐安廬坦言，連續登入天數設計對用戶留存「非常有效」。但他認為，讓使用者每天回來，不等於真的學會；如果只看登入、使用時間等指標，很容易把「黏著」誤認成「進步」。

因此，使用黏著度（engagement）和學習成效（efficacy）不應該二選一。「如果看長期的學習成果，兩者缺一不可。」如果產品很有效，卻沒有人願意持續使用，長期學習成果仍是零；反過來，即使天天登入打卡，能力卻沒有進步，也失去教育產品的意義。

因此，Speak 想做的不是只靠積分製造多巴胺，而是讓「我真的變強了」本身成為用戶回來學習的理由。「當你第一次把剛學到的句型和另一個單字組合起來，說出一句以前沒說過的話，那種多巴胺帶來的感受，比得到積分強烈得多。」

徐安廬說，團隊特別關注這種關鍵時刻（magic moment）的出現。他們發現，使用者前 7 天的重複使用行為，對之後是否持續使用有高度預測力，因此會刻意在第一周創造更多能感受到進步、強化成就感的時刻。

不過，「讓使用者感覺自己變強」也有另一面風險：成就感不等於能力真的進步。有使用者質疑 Speak 的糾錯過於寬鬆，即使表達有誤仍可能得到正面回饋；也有人認為，能順利完成反覆操練，不代表面對真人時也能即時應對。這點出了 AI 教育產品更難回答的問題：如何證明使用者不只是「覺得自己學會了」？

為了區分感覺有進步和真的有進步，Speak 會持續評估使用者能否完成任務、正確使用學過的詞彙，以及句子複雜度等表現。

徐安廬表示，「產品真正要最佳化的，不是單次能塞進多少學習量，而是使用者長期能學會多少，這兩者有很大的區別。」有些課程可以更輕鬆、有些著重建立習慣，只要最後能讓使用者持續進步，不必要求每一次打開 App 都達到最高學習效率，關鍵是使用者願不願意繼續回來學。

AI 帶給企業的誘惑，是用更低成本生產更多內容、功能與服務；但 Speak 的經驗恰好相反：供給能力愈強，愈不能把增加的複雜度直接丟給使用者。對管理者而言，AI 帶來的效率紅利，不一定要拿來「做更多」，也可以用來降低使用門檻、減少選擇，讓產品更容易帶使用者抵達真正想要的結果。

資料來源：西北大學凱洛管理學院、荷蘭烏特勒支大學
核稿編輯：陳書榕