家族で試したAI対話プロトタイプ、見えた弱点と次のテスト計画

OBSERVATION

2026-07-18

うちのAI、アホの子ちゃうで！…いや、たまにアホの子やけどな（笑）

最近な、うちの家族で「FamBot」っていう自作のAIプロトタイプを試してるんや。きっかけは、妻と子供との毎日の献立決めで、ああでもないこうでもないって、20分も時間がかかるのがもったいないと感じたことやった。AIに冷蔵庫の中身を画像で認識させて、パッと献立を提案してもらえへんか？ってな。

ところが、実際に使い始めてみたら、期待してた「ええとこ」と、思わぬ「あかんとこ」が見えてきて、これがまた語学学習にも通じる深い話やなと思ったんや。特に、3歳になるうちの子がFamBotに話しかける時のことやね。

この前も、庭に咲いてる朝顔に水やりしながら、ふと「AIって、言葉を覚える子供と一緒やなぁ」って思ったんや。最初は片言でも、周りの大人が根気強く教えていくうちに、どんどん言葉を覚えていく。うちのFamBotも、最初は「アホの子」に見えるかもしれへんけど、ちゃんと育てていけば、きっと賢いパートナーになってくれる。そう信じてるんや。

# AIの「聞き取り力」の落とし穴

うちのFamBotはな、OpenAIのWhisper APIっていうのを使っとるんやけど、これが大人の発話やったら、驚くほど精度が高くて、ほぼ98%は正確に聞き取ってくれる。ところが、うちの3歳の子が「くだもの」って言うたら、45%もの確率で誤認識するんや。ほぼ半分やで？これには正直、驚いたわ。

なんでこんなに差が出るんやろな？って調べてみたら、スマートスピーカーの音声認識モデルって、成人男性の声に最適化されてる傾向があるらしい。子供特有の高音域や、まだ不明瞭な滑舌やと、エラー率が最大で3倍にも跳ね上がる可能性があると聞く。うちの子の声がまさにそれなんやろな。

これって、語学学習でも同じことが言えると思うんや。どれだけ単語や文法を頭に詰め込んでも、発音が疎かやと、相手に伝わらへん。AIが聞き取ってくれへんのと同じで、コミュニケーションの「入り口」でつまずいてしまうんや。自分の発音がAIにどう認識されるか試すのは、自分の発音の弱点を知るええ機会になるで。

この課題を解決するために、次のテスト計画では、Raspberry Pi 5に外付けの指向性マイク「Anker PowerConf」を導入する予定や。これで周囲の生活雑音を20dBカットして、認識率を80%以上に引き上げることを目標にしとる。子供の言葉をAIがちゃんと聞き取れるようになったら、家族での英会話練習ももっとスムーズになるはずや。

| AIの聞き取り力：大人と子供、何が違う？ | 誤認識率 | 改善目標 |
| :---------------------------------- | :------- | :------- |
| 大人の発話（Whisper API） | 2% | – |
| 3歳児の「くだもの」発話 | 45% | 80%以上 |
| 改善策 | | 20dB雑音カット |

# AIを「家族の一員」にする泥臭い工夫

FamBotを導入して一番助かったのは、夕食の献立決めやな。冷蔵庫のカメラ画像とGPT-4oを連携させたら、今まで平均20分かかってたのが、一律5分で決まるようになった。なんと75%も時間削減や。これはもう、「タイパ」の極みやな。

ただ、最初からスムーズやったわけやないで。「〇〇は嫌い」「〇〇アレルギー」みたいな家族の細かい好き嫌いをLLMに教え込むのが大変やった。でも、嫌いな食べ物リストを20項目もプロンプトに登録したら、提案されたレシピを破棄して再考する無駄な会話のラリーが60%も減ったんや。これはホンマに助かった。

「最新のAIなら親切に家族の意図を汲み取ってくれる」なんて幻想やと、すぐに分かったわ。子供が「あれ取って」って言うても、文脈が分からへんAIには全く通じひん。だから、定量的で具体的な指示に変換するフロントUI、例えばボタンなんかを併用するのが不可欠やと痛感した。

それに、子供がAIにめちゃくちゃな質問や発話を連発するから、APIのトークン消費量が想定の3倍以上に跳ね上がって、毎月の請求金額が怖くなる時もある。これは家計に直結する話やから、無駄なやり取りを減らす工夫は、費用対効果の面でも重要やな。語学学習でも、AIを賢く使って、効率よくトークンを消費する、つまり、質の高い質問を投げかける練習は必要やと思うで。