AIで英語の耳は育てられるか——調べたら「無理」だった話

子どもが生まれて、ふと考えたことがある。

英語の「耳」は早いうちに作った方がいいらしい。でもインターナショナルスクールは高い。都内のあるプリスクールの公開料金表では、週5のフルデイで月17万円（2026年7月時点・税込）。年間にすれば200万円を超える計算になる。園や地域によって幅はあるが、桁としてはこのあたりだ。

一方で、AIの音声はこの1〜2年で驚くほど自然になった。少し前の合成音声は硬くて聞けたものではなかったが、いまは抑揚まで自然だ。

なら、AIに英語を喋らせて毎日流せば、「耳」の部分だけでも代替できるのではないか。

そう考えて、実際にAIで英語音声を作ってみた。Google の Gemini TTS を使ったところ、30分の音源で約74円。実測した消費量（音声1秒あたり25トークン）から算出した金額だ。

そして、根拠を調べた。結果、この企画は成立しないことが分かった。

AIの音声を流せば、生後9ヶ月の乳児の耳は育つのか？

効果は確認されなかった、という報告がある。録音音声や映像では対照群との差が出ず、生身の人間との対面でのみ学習が確認された。

以下で紹介するのは個別の研究の報告であり、一般化された確定的な効果を示すものではありません。対象月齢もそれぞれ異なります。

この分野で最もよく引用されるのは、Patricia Kuhl らの2003年の研究だ（PNAS, 100(15), 9096–9101）。生後9ヶ月ほどのアメリカの乳児に、中国語を4週間・計5時間ほど聞かせて、中国語特有の音を聞き分けられるようになるかを調べた。

条件は3つ。

論文の結論はこうだ。録音された音声への暴露は、対人的な相互作用を伴わない場合、効果がなかった。

念のため補足すると、「差が確認されなかった」は「学習が皆無だった」ことの証明ではない。それでも、私が考えていた「AI音声を流す」は、この研究で効果が確認されなかった条件そのものだった。

別の研究もある。DeLoache らの2010年の研究（Psychological Science, 21(11)）では、12〜18ヶ月の子どもに市販の教育DVDを1ヶ月見せたが、語彙の増加は対照群と変わらなかった。最も学習したのは、親が日常場面で教えた群だったと報告されている。

そしてこの研究には、もう一つ報告されていることがある。

親が申告したDVDの効果と、実際のテスト結果に、ずれがあった。

なぜ音声だけでは効かないのか？

効いているのは「音」ではなく「応答」だから。相手がこちらの反応にリアルタイムで返してくることが、学習の条件になっている。

ここで諦めるには早い。その後の研究が、もう少し細かい線を引いている。

Roseberry らの2014年の研究（Child Development）は、24〜30ヶ月の子どもを3群に分けた。①対面、②ビデオチャット、③録画ビデオ。結果、①と②では新しい動詞の学習が確認されたが、③では確認されなかった。

ビデオチャットは画面越しである。それでも効いた。つまり重要なのは「人が物理的にそこにいること」ではない。社会的随伴性——こちらが反応したときに、相手がそれに応じて返してくること。これが学習を成立させている。

一方通行の再生には、それがない。だから効かない。

では、AIで置き換えられる部分はあるのか？

「流すだけ」は置き換えられない。応答するAIには可能性があるが、乳児で検証した研究は見つからなかった。

理屈の上では、対話型のAIなら随伴性を持てる。子どもが声を出したら反応を返す、という設計は技術的には可能だ。

ただし、乳幼児 × 対話型AI で言語習得を検証した研究は、調べた範囲で見つからなかった。つまりここは「効くかもしれない」ではなく「誰も確かめていない」領域である。期待を語ることはできるが、根拠として提示することはできない。

もう一つ、実践面で触れておかなければならないことがある。

• WHO（2019）：1歳未満はスクリーンタイムを推奨しない
• 米国小児科学会（2016）：18ヶ月未満はビデオチャット以外のメディア利用を推奨しない

音声のみ（画面なし）であればこれらに直接抵触するわけではないが、少なくとも「推奨されている方法」ではない。やるなら、そのことを知った上でやるべきだ。

安く作れるなら、やってみる価値はあるのか？

無い。コストを比べる前に、そもそも効くのかを確かめるべきだった。

調べていて、もう一つ気づいたことがある。

先ほどの「30分で74円」を月15時間分（1日30分×30日）に換算し、他サービスと比べるとこうなる。

同じ「AIで英語音声を作る」でも、サービス選定だけで0円から48,900円まで開く。仕事であれば、ここを詰めるのは意味がある。

だが今回に限って言えば、この比較には意味がなかった。効かないものを、いくら安く作っても仕方がない。

技術的に可能で、しかも安い。安いから、効くかどうかを確かめないまま進みそうになった。私は順番を間違えた。

会社で起きていることと、何が同じか

「AIを入れれば効果が出る」という期待と、実際に効いている部分のあいだには、ズレがある。そしてそのズレは、検証しない限り見えない。

冒頭のDeLoache の研究にあった一文を、もう一度置きたい。

親は、DVDの効果を過大評価していた。

これは育児の話として読むと、少し切ない話で終わる。だが企業の現場に置き換えると、見慣れた光景になる。

• AIツールを導入した。現場は使っている。だから効果が出ているはずだ
• 研修を実施した。参加率も高かった。だから浸透しているはずだ
• 議事録をAIが作るようになった。だから会議は改善されたはずだ

どれも「はずだ」で止まっている。実際に何が変わったかを測っていない。そして測っていないから、「効いていない部分」が見えない。

私が今回やろうとしたことも、まったく同じ構造だった。「AIの音声が自然になった」→「だから英語教育に使えるはずだ」。技術の進歩は本物で、コストも安く、作ろうと思えば作れてしまう。作れてしまうから、効くかどうかを確かめないまま進んでしまう。

止めてくれたのは、20年以上前の研究論文だった。

AIを使わない判断も、AI活用と言えるのか？

言える。効く場所と効かない場所の線を引くことが、導入設計そのものだからだ。

業務ドックでAI導入を支援していて、いちばん多く伝えているのは「ここはAIに任せられます」ではない。「ここは人がやった方がいい」の方だ。

全部を置き換えようとする提案は、たいてい失敗する。効く場所と効かない場所の線を引き、効く場所だけに集中したほうが、結果として定着する。

今回で言えば、線はここにある。

そして価値があるのは右側だった。だから、この企画はやらない。

——とはいえ、作った英語音声そのものが無駄になったわけでもない。私が子どもに話しかけるときの、台本としては使える。AIが子どもに教えるのではなく、AIが親の台本を作る。それなら随伴性は失われない。

置き換えるのではなく、人が関わる部分を支える。結局、業務改善でやっていることと同じ結論に着地した。

この記事で参照した主な研究

• Kuhl, P. K., Tsao, F.-M., & Liu, H.-M. (2003). Foreign-language experience in infancy: Effects of short-term exposure and social interaction on phonetic learning. PNAS, 100(15), 9096–9101.
• Roseberry, S., Hirsh-Pasek, K., & Golinkoff, R. M. (2014). Skype Me! Socially Contingent Interactions Help Toddlers Learn Language. Child Development.
• DeLoache, J. S. et al. (2010). Do Babies Learn From Baby Media? Psychological Science, 21(11).
• WHO (2019) 身体活動・座位行動・睡眠に関するガイドライン／American Academy of Pediatrics (2016) Media and Young Minds.

※ 乳児研究には再現性の議論もあり、ここで紹介した知見も確定した事実ではありません。断定を避けて「そういう報告がある」として読んでいただければと思います。

今回、私が個人的な思いつきに対してやったこと——期待する前に、効く根拠があるかを確かめる——は、企業のAI導入でもそのまま必要な工程です。業務ドックでは、業務を1件ずつ診て「どこにAIが効いて、どこには効かないか」を切り分けるところから設計しています。

自社のどの業務から手をつけられるかは、無料の業務AI化診断で確かめられます。7つの質問に答えるだけで、その業務がAIに向いているかどうかが出ます。