Dins l’enfocament conversacional de Praktika per aprendre idiomes

Praktika va néixer d’una intuïció profundament personal: la llengua obre oportunitats.

Els cofundadors Adam Turaev, Anton Marin i Ilya Chernyakov van créixer afrontant nous països després que les seves famílies emigressin a la recerca de millors oportunitats. L’anglès es va convertir ràpidament en una eina essencial, no només per a l’escola, sinó també per a la feina, la mobilitat i el sentit de pertinença.

«Aprendre anglès mai no va ser només una qüestió de comunicació», va dir Turaev. «Ens va obrir portes a la feina internacional i al creixement professional.»

Però l’educació lingüística tradicional no era suficient. Malgrat anys d’estudi, els fundadors van veure que, tot i poder llegir i escriure amb fluïdesa, els costava parlar amb confiança quan més importava: a la feina, en reunions i a la vida quotidiana. La distància entre l’aprenentatge a l’aula i la fluïdesa en el món real era més gran del que havien imaginat.

Praktika⁠⁠(s'obre en una finestra nova) es va crear per tancar aquesta bretxa. És una aplicació d’aprenentatge d’idiomes dissenyada per ajudar les persones a assolir una fluïdesa real mitjançant converses diàries, amb tutors d’IA personalitzats que les guien en lliçons interactives orientades a objectius. Entre els usuaris hi ha estudiants que es preparen per a exàmens, professionals que treballen habilitats lingüístiques relacionades amb la feina i immigrants que construeixen una nova vida en països estrangers.

A mesura que el producte madurava, Praktika va anar més enllà d’una arquitectura d’un sol model cap a un sistema multiagent dissenyat per reflectir com els tutors reals adapten les lliçons en temps real.

Lesson Agent és l’agent de conversa principal i interactua amb els alumnes com a tutor. Executat amb GPT‑5.2, combina la personalitat del tutor, el context de la lliçó, els objectius de l’alumne i les converses recents per oferir lliçons que se senten naturals i no guionitzades. És el punt en què el sistema comença a semblar un tutor real més que no pas una experiència guiada per un guió.

Funcionant contínuament en segon pla, Student Progress Agent fa seguiment del rendiment lingüístic de l’alumne al llarg de les interaccions. Amb GPT‑5.2, aquest agent supervisa la fluïdesa, la precisió, l’ús del vocabulari i els errors recurrents. Aquestes dades formen un bucle continu de retroalimentació que informa tant el comportament dins de la sessió del Lesson Agent com l’estratègia d’aprenentatge a més llarg termini, fet que permet que l’experiència evolucioni de manera natural amb el temps.

Learning Planning Agent se centra a donar forma a la progressió a llarg termini de l’alumne. Basat en l’objectiu d’aprenentatge individual de l’alumne, utilitza els coneixements del Student Progress Agent per determinar què cal aprendre després, com seqüenciar les habilitats i quines activitats seran més efectives. Impulsat per GPT‑5 Pro, el seu paper és adaptar contínuament el pla d’aprenentatge perquè el progrés continuï sent personalitzat, eficient i alineat amb el resultat desitjat per l’alumne.

Tots els agents comparteixen accés a una capa de memòria persistent que emmagatzema els objectius de l’alumne, les preferències i els errors passats. En lloc de precarregar el context, Praktika recupera la memòria immediatament després que l’alumne parli, cosa que garanteix que les respostes es basin en el senyal més rellevant i actualitzat.

«El sistema pot canviar a un exercici completament diferent si a l’alumne no li ve de gust», diu Turaev. «Això recupera la màgia. Comença a semblar molt més proper a un tutor humà real.»

Perquè l’aprenentatge conversacional sembli natural, la memòria ha de funcionar com ho fa a la vida real. La capa de memòria de Praktika recupera el context rellevant només després que l’alumne acabi de parlar. Això permet al tutor respondre al que s’acaba de dir, no al que havia anticipat.

«Si un alumne comet un error ara mateix, el tutor respon a aquest error, no a un d’ahir», diu el cofundador i CEO Adam Turaev. «Aquesta diferència de temps és subtil, però és el que fa que la interacció sembli atenta en lloc de robòtica.»

El reconeixement de veu té un paper similar. Els estudiants d’idiomes dubten, reprenen frases i pronuncien paraules de manera imperfecta. Praktika utilitza la Transcription API per gestionar la parla fragmentada, amb accent i no nativa de manera més fiable que els sistemes tradicionals entrenats amb parla fluida. Això permet als alumnes centrar-se en comunicar-se sense ser penalitzats pel seu nivell inicial.

En conjunt, el temps de memòria i el reconeixement de veu formen un únic bucle: escoltar amb atenció, recordar el context correcte i respondre de seguida.

Les primeres versions del producte de Praktika combinaven avatars expressius amb NLP basat en regles i els primers models davinci, però les converses encara semblaven limitades. Amb el llançament de GPT‑3.5, l’equip va viure el seu primer gran avenç.

«Per primera vegada, podíem combinar una comprensió avançada del llenguatge amb avatars expressius i realistes», diu Adam Turaev. «Les converses van deixar de semblar guionitzades. Es van tornar naturals, emocionals i reals.»

Quan Praktika va avaluar models més nous, GPT‑4.1 va demostrar ser l’opció més adequada en les seves avaluacions internes, que mesuraven la finalització de l’onboarding, la retenció del dia 1, la conversió de prova a pagament i el feedback qualitatiu dels usuaris.

«GPT‑4.1 ens va oferir el millor equilibri entre profunditat de raonament, matís emocional i fiabilitat», diu Turaev. «Admetia conversa multilingüe i una lògica de tutoria complexa amb la qualitat que necessitàvem, augmentant de manera significativa la qualitat de les sessions de conversa.»

Aquestes millores es van traduir directament en resultats d’usuari i de negoci. Després d’introduir el nou sistema de memòria a llarg termini, Praktika va veure un augment del 24% en la retenció del dia 1 i va doblar els ingressos en només uns quants mesos.

Més recentment, Praktika va començar a utilitzar models GPT‑5.2 per impulsar la seva arquitectura. GPT‑5.2 ara impulsa l’agent de conversa principal, mentre que GPT‑5.2 Pro s’encarrega del raonament de supervisió i GPT‑5 mini dona suport al seguiment continu del progrés. Junts, aquests models permeten al sistema raonar en paral·lel, equilibrant la qualitat de la conversa, la pedagogia i l’eficiència a escala.

Avui, Praktika dona servei a milions d’alumnes en nou idiomes, i n’hi ha més en camí. Amb la seva base agentic ja establerta, Praktika ara se centra a ampliar el que un tutor d’IA pot entendre, recordar i crear al costat de cada alumne.

«No només ensenyem idiomes», diu Turaev. «Estem construint IA que ajuda les persones a sentir-se segures fent-los servir en el món real.»