Lengi: aplikacja do nauki języków przez rozmowę z AI

O projekcie

Lengi pozwala uczyć się języka w rozmowach, które brzmią jak naturalny dialog z native speakerem. Jedna z kluczowych funkcji aplikacji to sprawdzanie poprawności wysyłanych wiadomości, dzięki czemu użytkownicy eliminują błędy i poprawiają swój język na bieżąco. W tym projekcie zajęliśmy się wszystkim od A do Z: badaniem rynku, szkicami ekranów (wireframes), prototypowaniem, testami z użytkownikami, publikacją w App Store i Google Play, stroną landing page oraz grafikami.

Usługi

UX/UI Design

Prototypowanie

Tworzenie aplikacji mobilnych

Branża

E-learning

Języki

Sztuczna inteligencja

Wyzwanie

Połączenie zaawansowanego AI z dobrym UX

Największym wyzwaniem przy tworzeniu aplikacji Lengi było połączenie zaawansowanej technologii sztucznej inteligencji z intuicyjnym, przyjaznym interfejsem. Chcieliśmy stworzyć narzędzie, które nie tylko pozwala skutecznie uczyć się języków obcych, ale też motywuje do regularnej praktyki i monitorowania postępów.

‍

Autentyczne rozmowy i skuteczna korekta błędów‍

Wyzwaniem było zapewnienie autentycznych interakcji językowych, które odwzorowują naturalne dialogi z native speakerami. Wymagało to opracowania algorytmów dających trafne kontekstowo odpowiedzi w wielu językach. Skupiliśmy się też na tym, żeby system korekty błędów był precyzyjny i przyjazny na każdym poziomie zaawansowania.

‍

Osiąganie celów małym, sprawnym zespołem‍

Mały zespół oznaczał, że każda osoba musiała pełnić kilka ról i pracować wydajnie. Zoptymalizowaliśmy zasoby i czas, żeby sprostać wysokim wymaganiom i oczekiwaniom użytkowników.

Cele

#1

Lengi ma pomagać użytkownikom osiągać wyższy poziom znajomości języków obcych dzięki spersonalizowanej nauce dopasowanej do indywidualnego stylu i postępów.

#2

Aplikacja ma zwiększać pewność siebie użytkowników w mówieniu i rozumieniu języków obcych dzięki symulowanym rozmowom z AI, z feedbackiem i poprawkami w czasie rzeczywistym.

#3

Rozbudowane narzędzia do śledzenia postępów, szczegółowe statystyki i kamienie milowe budują odpowiedzialność i motywują do regularnej nauki.

Jak to zrobiliśmy?

1. Określenie zakresu prac

Omówiliśmy wszystkie kwestie biznesowe: co dokładnie trzeba zrobić, w jakim czasie i przy użyciu jakich zasobów i narzędzi.

2. Analiza i wnioski

Przeprowadziliśmy dokładną analizę konkurencyjnych aplikacji do nauki języków, żeby poznać ich mocne i słabe strony. Przyjrzeliśmy się ich funkcjom, interfejsom i opiniom użytkowników.

3. Projekt

Najpierw powstały makiety, a po akceptacji pełnowymiarowe ekrany high-fidelity, z naciskiem na łatwość obsługi i atrakcyjność wizualną wspierające interaktywne rozmowy z AI i płynną nawigację.

4. Testy z użytkownikami

Przeprowadziliśmy testy użyteczności z grupą użytkowników. Uczestnicy wykonywali konkretne zadania w aplikacji, a my obserwowaliśmy i nagrywaliśmy ich interakcje.

5. Implementacja

W fazie implementacji tworzyliśmy i kodowaliśmy aplikację Lengi, integrując algorytmy AI, bazy danych i różne systemy.

1. Określenie zakresu prac

Omówiliśmy wszystkie kwestie biznesowe: co dokładnie trzeba zrobić, w jakim czasie i przy użyciu jakich zasobów i narzędzi.

2. Analiza i wnioski

Przeprowadziliśmy dokładną analizę konkurencyjnych aplikacji do nauki języków, żeby poznać ich mocne i słabe strony. Przyjrzeliśmy się ich funkcjom, interfejsom i opiniom użytkowników.

3. Projekt

Najpierw powstały makiety, a po akceptacji pełnowymiarowe ekrany high-fidelity, z naciskiem na łatwość obsługi i atrakcyjność wizualną wspierające interaktywne rozmowy z AI i płynną nawigację.

4. Testy z użytkownikami

Przeprowadziliśmy testy użyteczności z grupą użytkowników. Uczestnicy wykonywali konkretne zadania w aplikacji, a my obserwowaliśmy i nagrywaliśmy ich interakcje.

5. Implementacja

W fazie implementacji tworzyliśmy i kodowaliśmy aplikację Lengi, integrując algorytmy AI, bazy danych i różne systemy.

Proces tworzenia:

Krok 1

Tworzenie aplikacji Lengi na Androida i iOS we Flutterze zaczęło się od przełożenia szczegółowych projektów UI/UX z Figmy na interaktywne, atrakcyjne wizualnie interfejsy. Możliwości Fluttera pozwoliły na wydajne programowanie cross-platform, z zachowaniem spójności i wysokiej wydajności.

Krok 2

Backend powstał w ASP.NET Core, w architekturze modularnego monolitu, która zapewnia skalowalność i łatwość utrzymania. Zbudowaliśmy RESTowe API do obsługi uwierzytelniania użytkowników, ustawień profilu i interakcji z AI. Kluczowa była integracja z zewnętrznymi usługami, zwłaszcza z OpenAI API, które napędza funkcje nauki języków oparte na AI.

Krok 3

W fazie integracji połączyliśmy frontend z API backendu, zapewniając płynny przepływ danych i komunikację. Przeprowadziliśmy obszerne testy, w tym jednostkowe i integracyjne, żeby upewnić się, że aplikacja działa poprawnie i niezawodnie.

Krok 4

Pipeline'y Continuous Integration i Continuous Deployment (CI/CD) skonfigurowaliśmy w GitHub Actions. Zautomatyzowały one wdrażanie, testowanie i zarządzanie aplikacją na iOS i Androida, a także API i bazą danych na Azure. Dzięki temu aktualizacje i utrzymanie przebiegają sprawnie i bez zgrzytów.

Efekt

W sześć miesięcy zrealizowaliśmy wszystkie założone cele MVP produktu, w tym następujące funkcje:

  • Możliwość rozmowy z botem za pomocą wiadomości tekstowych i głosowych.
  • Funkcja sprawdzania poprawności wysyłanych wiadomości, z opcją weryfikacji całych wiadomości albo pojedynczych słów, zdań i fraz.
  • Moduł statystyk, w którym użytkownicy śledzą postępy dzięki seriom (streaks), czasowi spędzonemu w aplikacji, liczbie użytych słów i liczbie przetłumaczonych słów.
  • Możliwość zakupu różnych pakietów subskrypcji
  • 3000
    Pobrań aplikacji
  • 12+
    Sprzedanych subskrypcji
  • 6
    Miesięcy pracy