AI-тьютор Todo English Academy: как Enuma меняет подход к изучению английского в Японии

Enuma → Япония: что внутри AI-тьютора Todo English Academy

Как зафиксировано в материалах запуска, серия Todo к 2026 году преодолела 15 млн совокупных загрузок, а продажи предыдущего продукта Todo English в Японии выросли на 125% по сравнению с 2022 годом. Для аудитории, выбирающей онлайн-обучение, запуск показателен как образец сквозного AI-сопровождения — от проверки ошибок до управления порядком занятий.

Что отдано на откуп ИИ

Архитектура сервиса разделена на три модуля, в каждом AI выполняет разные функции:

• Письмо: проверка орфографии, словарного запаса и грамматики, подсветка зон для доработки.
• Лексика: повторение слов, подобранных под уровень, внутри контекстных предложений.
• Разговорная практика: сценарные диалоги с носителем, конфигурируемые под запрос пользователя.

Поверх модулей работает AI Coach — компонент с двумя режимами (по методу обучения и по времени решения задач). Coach анализирует роадмап и общий прогресс, выдаёт обратную связь и предлагает следующие шаги. Заявленная роль — не просто помечать ответ как верный или неверный, а менять траекторию обучения.

Рыночная логика и план масштабирования

Первой страной запуска Enuma сделала Японию. Обоснование — рост рынка AI-обучения английскому в стране, на который компания ссылается через данные Yano Economic Research Institute. По словам CEO Ли Сы Ин (Lee Su-in), запуск расширяет возрастной и предметный диапазон серии Todo — давнего бестселлера в сегменте базовой грамотности. После Японии компания планирует поэтапно добавлять новые страны и языки.

Что вынести из архитектуры Enuma при выборе своего курса

Разбор запуска даёт набор критериев, применимых к любому ИИ-курсу вне зависимости от бренда:

1. Разные модели AI под разные модули. Если сервис гоняет одну и ту же модель и для проверки письма, и для диалога — это маркетинговая обёртка, а не полноценная персонализация.

2. Мета-уровень управления порядком занятий. Без блока, отвечающего за роадмап и приоритизацию тем, продукт остаётся реактивным тренажёром, а не адаптивным курсом.

3. Прозрачность метрик прогресса. Запросите у школы описание когортного анализа, частоты обновления модели на основе ответов и способа определения «уровня» пользователя.

4. Сценарные диалоги, а не свободный чат. Свободный чат с LLM без структуры даёт высокую вовлечённость, но низкую конверсию в навык.

5. Подтверждённая база внедрения. 15 млн загрузок серии Todo и 125%-й рост продаж в Японии — индикаторы удержания и LTV, а не рекламные KPI.

Что пока остаётся за кадром: цена подписки, средний срок удержания, разбивка результатов по уровням A1–C1, данные об эффективности AI Coach относительно контрольной группы. До появления этих цифр базовое правило не меняется — проверяйте retention и ROI на собственной когорте, прежде чем подписываться на длительный курс.