PRODUCT NOTE / PRD

Grizzlingo

「自分の興味」から学ぶ、AI 語学学習アプリ。
この文書は「何ができるか」ではなく、なぜ・誰のために・どんな判断で作り、そしてなぜ止めたかを記録した開発ノートです。

ステータス	開発中止（Discontinued） — v0.5 を最終とし、以降の開発を停止
最終バージョン	v0.5（未リリース・開発中止時点）
プラットフォーム	iOS ／ Android（macOS ／ Web は将来対応予定だった）
対象ユーザー	好きな話題で外国語を話せるようになりたい学習者
出自	PM 向け思考コーチ「Socrates」からピボットした後継プロダクト
後継	Bearise — 中止の 2 つの死因を構造で潰し直した後継プロダクト（2026-08）
最終更新	2026-08-08
関連リンク	LangBridge ・ Engly ・開発ノート一覧

Discontinued

開発中止のお知らせ

本プロダクトは v0.5（未リリース）をもって開発を中止しました。ユーザー計測で反証されたわけではなく、仮説段階で「続ける確信が持てなかった」ための撤退です。「興味ドリブンの AI 教材生成」というコア仮説が、学習価値・継続性の両面で成立しにくいと判断しました。理由は次章「なぜ中止したか」を参照してください。

この開発ノートは、判断の記録として残します。学びは LangBridge ／ Engly など他プロダクトへ引き継ぎます。

Successor

この反省から、Bearise へ

2026 年 8 月、下の 2 つの死因を構造で潰し直したプロダクトとして Bearise を作りました。「興味テキストから都度生成する」のをやめ、場面（シーン）という有限に閉じた単位に置き換えています。

reason 1 — カリキュラムを担保できない	シーンは話す英文・文法・単語が有限に閉じる → 難易度の階段と順序を事前に設計できる
reason 2 — 興味だけでは続かない	シーンには「終わり」がある → クリアと積み上げが興味より強く継続を駆動する

Bearise の開発ノートを読む・ Bearise のプロダクトページ

Post-mortem

なぜ中止したか

中止の判断は、コアの仮説そのものへの確信が持てなくなったことによる。技術的に作れないからではなく、「作れても、学習方法として成立しにくい」という結論に至った。なお、以下はユーザー計測による反証ではなく、設計者としての内省・経験則に基づく判断である（本プロダクトはリリース前・計測基盤未導入だった）。個人開発の撤退判断としてはこれで十分だが、データで実証された結論ではない点を明記しておく。

reason 1 都度生成では、カリキュラム設計（質・難易度・順序）を担保できない

仮説だったこと: 「興味テキストから AI が問題を生成すれば、自分ごとの教材で効率よく学べる」と考えていた。
実際: 問題を作る主体は AI であり「手間」は課題ではなかった。本当のボトルネックは、教材の質・難易度・出す順序＝カリキュラム設計を都度生成で担保できないこと。学習効果はここに強く依存するが、generate-on-the-fly では階段状の難易度や体系的な積み上げを作れず、「良い教材で効率よく学べている」という手応えに繋がりにくいと判断した。

reason 2 趣味・興味の問題を作り続けても、長続きしない

仮説だったこと: 「好きな話題なら継続できる」と考え、興味ドリブンを中核に据えた。
実際: ずっと同じ趣味・興味について問題を作り続けても飽きが来て、継続の動機になりきらなかった。興味は継続の初速にはなるが、それだけでは学習を長期に駆動する力に欠けると判断した。

結論：中核体験（練習・SRS・TTS）自体は成立していたが、「興味から教材を生成する」という差別化の起点が、学習効率・継続の両面で十分な価値を生まなかった。ここで撤退し、資源を他プロダクトへ振り向ける。

TL;DR

ひとことで

Grizzlingo は、ユーザーが入力した趣味・興味テキストから AI がその場で会話例文（問題セット）を生成し、シャドーイング・クイズ・フラッシュカード・AI 会話の 4 モードで反復練習できる語学学習アプリです。結果は SRS（間隔反復）に記録され、ルールベースのおすすめ順とカレンダーが次の復習へ導きます。中核体験は無料、原価のかかる AI 生成・AI 音声だけを回数課金にする設計です。

Problem

背景・解きたい課題

一般的な語学アプリには、次の壁があった。

教材と興味が乖離する — 教材が固定的で、学習者の関心と内容がズレやすい。
関心の薄い例文は定着しない — 興味のない文は、暗記率も継続率も落ちる。
「好きな話題で話したい」に応えられない — 汎用の例文集では、自分の趣味の会話は練習できない。
発話まで届かない — 読む・選ぶで終わり、声に出して確かめる導線が弱い。

Grizzlingo はこれを「興味テキスト → AI 教材生成 → 声に出す反復練習」を 1 ループにまとめることで解く。

Who

ターゲットユーザー

プライマリ

好きな話題（旅行・アニメ・料理など）で外国語を話せるようになりたい趣味学習者。母語は日本語、学習言語は英語を既定とし、8 言語＋自由入力に対応する。

主なユースケース

興味テキストから実用フレーズを生成
SRS・カレンダー・おすすめ順で毎日復習
AI 音声＋音声認識で発話を練習

Core Loop

コアループ

興味・趣味を入力 └─ AI が関連する会話例文（=1 セット 5 問）を生成 └─ 4 つの練習モードで反復 ├─ シャドーイング（聞く → 発話 → 音声認識で確認） ├─ クイズ（記憶チェック・正答率を計測） ├─ フラッシュカード（覚えた / もう一度でデッキ循環） └─ ディスカッション（AI と自由会話・SSE） └─ 結果を SRS に記録 → おすすめ順・カレンダーで次の復習へ

Solution & Scope

解決策とスコープ

コア機能（In scope）

興味テキストからの AI 教材生成（既定 5 問・Gemini）
問題文の手動追加・編集、AI 翻訳の生成
4 モード練習（シャドーイング／クイズ／フラッシュカード／AI 会話）
システム音声（無料）＋ AI 音声（Gemini TTS・多言語）
SRS・ルールベースおすすめ・学習カレンダー
Firebase 認証＋ Firestore による履歴・同期
ハイブリッド課金（クレジット消費 or Premium）

やらないこと（Non-goals）

文法の体系的カリキュラム（本アプリは会話・発話中心）
教師添削・コミュニティ機能
オフライン完全動作（AI 生成・AI 音声はオンライン必須）
自作単語帳の管理（LangBridge が担当）

Success Metrics

成功指標（KPI）

North Star は課金ユーザー累計。ただし本質は「最も悪い 1 指標を分析し、施策を 1 つ打って再計測する」分析ループを 1 周回すこと。数値は目標仮置き

5 → 20 人

課金ユーザー累計
（9 月末 → 12 月末）

50%

初回「生成→1 練習完了」
到達率（活性化）

15%

D7 リテンション
（活性化ユーザー基準）

主目標を阻むのは製品品質ではなく集客。年末 20 人には ~1,300 DL が必要で、公開初日からの継続的な集客が前提になる。

Decision Log

主要な意思決定ログ

設計の裏にある「なぜ」を、決定・仮説・結果の 3 点で残す。理由は仕様から再構成

design 固定教材ではなく、興味テキストから AI 生成する

DECISION: あらかじめ用意した例文集を配るのではなく、ユーザーの趣味・興味テキストからその場で問題セット（既定 5 問）を生成する方式にした。
WHY / 仮説: 関心の薄い例文は定着率・継続率が低い。「自分の好きな話題で話せるようになりたい」ニーズに、教材そのものを合わせに行くべきだと考えた。
RESULT: 興味と教材の乖離を埋め、30 秒以内に「自分ごとの教材」で練習を始められる体験に。

pricing 中核体験は無料、AI 生成・AI 音声だけを回数課金にする

DECISION: 練習・システム音声・復習は無料に開放し、原価のかかる AI 生成／AI 音声のみをクレジット消費 or Premium でゲーティング（consumeOrPaywall）。失敗時はクレジットを返金する。
WHY / 仮説: 生成 AI は 1 リクエストのコストが高く、無制限だと持続不能。原価がかかる箇所だけに課金を寄せれば、無料の中核体験と持続可能性を両立できると考えた。
RESULT: 無料でもコアループが回り、AI 機能は使った分だけ課金という、原価に整合した設計に。

cost AI 音声はサーバー生成＋共有キャッシュで原価を圧縮する

DECISION: Gemini TTS（多言語ボイス Kore）をサーバーで MP3 化し、全ユーザー共有の LRU・容量上限付きキャッシュに載せた。端末側は月次クォータで回数管理する。
WHY / 仮説: 同じ文の読み上げを都度生成するのは無駄。共有キャッシュにすれば原価は初回だけで済み、2 回目以降は即時・低コストで返せると考えた。
RESULT: キャッシュヒット時は待ち時間ほぼゼロ・追加原価ゼロ。目標はヒット率 70% 超。

design おすすめ順は AI を使わず、ルールベースで算出する

DECISION: 復習おすすめの並べ替えは、切迫度・苦手さ（1−正答率）・放置期間・ユーザー優先度・回答の遅さを重み付き合計してスコア化する純ルールベースにした（recommendation.dart）。
WHY / 仮説: 並べ替えのたびに AI を呼ぶと原価も遅延も嵩む。説明可能で即時な指標の合成で十分な質のおすすめが出せると考えた。
RESULT: オフラインでも即応、理由ラベル（復習日／苦手／未学習）付きで透明性のあるおすすめに。

Milestones

これまでの歩み

開発中止2026-08-01

v0.5 を最終として開発を停止。コア仮説（興味ドリブンの教材生成）が学習効率・継続の面で成立しにくいと判断

UI 刷新2026-07

ホーム／ナビをフラット＆優先度順に再設計、高速開発で生じた不具合を全面修正

MVP 実装2026-07

4 練習モード・AI 生成・TTS・SRS・課金・Firebase 同期まで実装完了（リリース前）

PRD 策定2026-07

要求仕様・課金モデル・成功指標を整理、Engly 復習機能からの移管メモを取り込み

ピボット—

PM 向け思考コーチ「Socrates」から興味ドリブンの語学学習アプリへ転換

Lessons / 引き継ぎ

ここから得たもの

「作れる」と「学習方法として成立する」は別 — 教材を自動生成できても、それが効率の良い学びになるかは別問題だった。
興味は継続の初速にはなるが、駆動力にはなりきらない — 好きな話題でも、作り続ければ飽きる。継続には別の仕組みが要る。
撤退も判断のうち — 中核体験（練習・SRS・TTS）は動いていたが、差別化の起点が価値を生まないと分かった時点で撤退し、資源を LangBridge ／ Engly へ振り向ける。