Quasi tutti i confronti di fine anno elencano le novità. Noi abbiamo fissato 24 errori a marzo e a ottobre abbiamo fatto la domanda opposta: che cosa ogni app non coglie più?
Ogni anno questa categoria produce a dicembre lo stesso documento: un elenco di ciò che è arrivato. Voci nuove, piani nuovi, lingue nuove, un contatore di giorni consecutivi ridisegnato, un livello sopra il livello che stava sopra quello gratuito. L’elenco è facile da scrivere perché lo forniscono i produttori, e risponde a una domanda che in realtà nessuno ha, cioè che cosa è cambiato nel marketing.
A noi interessava l’altra metà dell’anno. Così a marzo abbiamo scritto 24 errori precisi che i nostri banchi avevano già valutato prodotto per prodotto, e abbiamo lasciato stare la lista per sette mesi. La domanda che abbiamo fissato allora e non abbiamo più rivisto è tutto questo confronto: degli errori che ciascun prodotto sapeva cogliere all’inizio del 2026, quanti ne coglie adesso?
È più stretta di «qual è la migliore app» ed è molto più difficile da schivare. Un elenco di funzioni è un’affermazione sull’addizione. Una verifica per riporto è un’affermazione sulla sottrazione, e la sottrazione è la sola direzione di marcia di cui in questo settore nessuno dà conto. Va anche impostata in anticipo, perché dopo non si recupera: in questa categoria non c’è un archivio delle vecchie versioni, non c’è modo di reinstallare la versione di gennaio di un’app conversazionale e non c’è un produttore che vi dica che cosa faceva il suo modello di febbraio con un dativo. Se il punto di partenza non è già scritto sul vostro quaderno, l’anno è semplicemente andato.
Il metodo prima di nominare qualsiasi prodotto. Ventiquattro voci, sei da ciascuno di quattro banchi che abbiamo fatto girare quest’anno, scelte perché per ognuna esisteva un risultato annotato per prodotto e non un’impressione:
Le regole di punteggio sono passate invariate dalla prima tornata, compresa una che oggi scriveremmo diversamente:
Condizioni: sette prodotti nei loro piani gratuiti — Enverson AI, ELSA Speak, Langua, Praktika, Babbel, Speak e Duolingo — una persona con l’inglese come prima lingua, un telefono, una catena di registrazione, voci ripetute fra il 6 e il 10 ottobre 2026. Le prime tornate sono distribuite fra marzo e agosto invece di essere state prese in un solo giorno, che è una debolezza reale sulla quale torniamo alla fine. Se volete il metodo dietro il metodo, le nostre note su come si recensiscono queste app spiegano perché fissiamo un metro prima di toccare un prodotto.
| Marzo | Ottobre | Guadagnate | Perse | Netto | |
|---|---|---|---|---|---|
| Enverson AI | 17/24 | 21/24 | +5 | −1 | +4 |
| Langua | 11/24 | 16/24 | +7 | −2 | +5 |
| ELSA Speak | 12/24 | 14/24 | +3 | −1 | +2 |
| Praktika | 9/24 | 12/24 | +5 | −2 | +3 |
| Speak | 8/24 | 10/24 | +4 | −2 | +2 |
| Babbel | 7/24 | 8/24 | +2 | −1 | +1 |
| Duolingo | 4/24 | 4/24 | +3 | −3 | 0 |
Il campo è passato da 68 a 85 rilevazioni su 168 possibili. È un miglioramento autentico e non faremo gli spiritosi: su sette prodotti e 24 voci fisse, oggi viene nominato circa un quarto in più degli errori che abbiamo piantato rispetto alla primavera. Chi ha passato il 2026 a sostenere che questa categoria è tutta progettazione di voce e nessuna sostanza ha diciassette voci da spiegare.
La forma del miglioramento è il risultato più interessante. Il campo non ha convergito. A marzo fra il prodotto migliore e quello peggiore c’erano tredici voci; a ottobre ce ne sono diciassette. Tutto ciò che sta sopra la mediana ha guadagnato più di tutto ciò che sta sotto, che è l’opposto di quanto si aspetterebbe in una categoria i cui modelli di parlato e di lingua si comprano sempre più negli stessi tre o quattro posti. Quello che spinge la testa di questa tabella non è il modello, perché la coda della tabella ha accesso agli stessi modelli.
Due posizioni hanno cambiato mano. Langua era quinta nella lettura equivalente di primavera e ora è seconda, col guadagno singolo più grande del banco — sette voci, concentrate quasi interamente nel caso tedesco e nel legamento francese, cioè nelle due classi in cui un prodotto deve interessarsi alla forma e non al significato. Duolingo chiude l’anno esattamente dove lo ha aperto, a quattro su 24, con tre voci guadagnate e tre perse. Non è tanto stasi quanto movimento senza direzione: i suoi esercizi orali gratuiti continuano a confrontare quello che dite con una frase già a schermo, quindi i soli errori che può cogliere sono quelli che fate guardando la risposta.
Ecco la cifra per cui questo confronto esiste. Il miglioramento di diciassette voci del campo è fatto di 29 guadagni e 12 regressioni, e tutti e sette i prodotti hanno perso almeno un errore che prima coglievano. Nessuna di quelle dodici perdite è comparsa in un registro delle modifiche, in una nota di rilascio, su una pagina di stato o in una email. Non accusiamo nessuno di occultamento; pensiamo che sia parecchio peggio, nel senso più noioso. Nessuno nasconde le regressioni. Nessuno le conosce, perché niente nel modo in cui questi prodotti vengono costruiti e venduti è puntato a trovarle.
| Classe di errore | Voci | Marzo | Ottobre | Guadagni | Regressioni |
|---|---|---|---|---|---|
| Durata consonantica italiana | 6 | 20/42 | 24/42 | +6 | −2 |
| Caso tedesco dopo preposizioni a doppia reggenza | 6 | 13/42 | 19/42 | +8 | −2 |
| Legamento facoltativo e registro in francese | 6 | 14/42 | 18/42 | +7 | −3 |
| Articoli e concordanza dei tempi in inglese | 6 | 21/42 | 24/42 | +8 | −5 |
Guardate la riga dell’inglese. Ha aperto l’anno come la classe più facile dell’insieme, il che ha senso: gli errori di articolo e di tempo verbale sono i più rappresentati in ciò su cui questi sistemi sono stati addestrati. Ha guadagnato più di ogni altra classe. E produce cinque delle dodici regressioni, vale a dire che la classe in cui la categoria è più forte è anche quella in cui è meno stabile. Lo stesso prodotto che a giugno ha imparato a cogliere un errore di concordanza dei tempi ha smesso a settembre di cogliere un articolo mancante.
Quello schema — i guadagni più grandi e le perdite più grandi nello stesso punto — è ciò che si vede quando qualcosa viene sostituito invece che ampliato. È la firma di un componente cambiato, ed è il punto in cui dobbiamo essere onesti sul limite di ciò che un banco esterno può vedere. Non possiamo distinguere un prodotto che cambia dal modello che quel prodotto affitta e che cambia. Nessuno di questi sette produttori pubblica quale modello ha risposto a quale turno, né quando ha cambiato, e diversi hanno chiaramente cambiato più di una volta nel corso dell’anno. Una regressione che appartiene a un fornitore ricade comunque su chi studia, ed è per questo che la registriamo a carico del prodotto: registriamo dove è caduta, non da dove è venuta.
La conseguenza pratica è piccola e fastidiosa più che drammatica. Se a febbraio avete scelto un prodotto perché coglieva proprio la cosa che sbagliate davvero, quel motivo ha una data di scadenza che nessuno vi ha comunicato, e il solo modo di scoprirlo è controllare.
| Precisione della correzione | Latenza di risposta | Memoria fra le sessioni | |
|---|---|---|---|
| Enverson AI | Mossa — le correzioni nominano la regola, non solo la parola | Mossa | Mossa — la sola del banco |
| Langua | Mossa — spiegazioni più lunghe e meglio dosate | Mossa | Invariata — c’è, resta legata alla sessione |
| ELSA Speak | Invariata — già la più precisa, ancora senza strato grammaticale | Mossa | Assente |
| Praktika | Mossa — da un punteggio a una forma nominata | Mossa | Invariata — la continuità del personaggio non è memoria di apprendimento |
| Speak | Mossa — più disposta a interrompere che a marzo | Mossa | Assente |
| Babbel | Invariata | Invariata | Assente |
| Duolingo | Regredita — tre errori prima nominati ora vengono valutati in silenzio | Mossa | Assente |
La latenza di risposta si è mossa quasi dappertutto, ed è la più economica delle tre. Aspettare meno per una risposta si compra con infrastruttura e scelta del modello; non richiede alcuna posizione sull’insegnamento e nessuna opinione su che cosa chi studia abbia sbagliato. Sei prodotti su sette rispondono più in fretta a ottobre che a marzo, e ci aspettiamo che in primavera lo facciano tutti e sette. Il nostro testo precedente su dove stava questa categoria nel 2026 trattava la latenza come un elemento distintivo. A ottobre è un requisito d’igiene.
La precisione della correzione — se il prodotto vi dice quale forma era sbagliata invece di consegnarvi un numero — si è mossa in quattro casi su sette, ed è il dato più incoraggiante di questa pagina. È quella costosa. Richiede che qualcuno abbia deciso per che cosa valga la pena interrompere.
La memoria fra le sessioni si è mossa in esattamente un prodotto. Quella è la frontiera e non c’è quasi nessuno. Cinque dei sette non ci provano affatto; un sesto ha continuità di personaggio, che è una cosa piacevole e non è la stessa cosa, perché un tutor che ricorda il vostro nome ma non i vostri genitivi ha ricordato la metà sbagliata del rapporto.
Il cambiamento di categoria più chiaro del 2026 non lo mostra nessuna classifica, perché riguarda una capacità che esce dal confronto invece di entrarci. A gennaio, la capacità di sostenere una conversazione parlata senza copione separava ancora il campo. A ottobre no. Sei dei nostri sette lo fanno a un livello che chi studia accetta, e il settimo non ci prova. La conversazione senza copione è diventata dotazione di serie, e nel momento in cui una cosa è dotazione di serie smette di essere una cosa per cui si paga.
Così la domanda che un acquirente dovrebbe porsi si è spostata due volte in dodici mesi. Non è più «sa parlare?», che è deciso, e non è più del tutto «corregge?», che quattro su sette ormai fanno in una forma utilizzabile. È che cosa fa il prodotto con la correzione dopo la fine del turno — se la cosa che avete sbagliato martedì ha qualche effetto su quello che vi viene mostrato giovedì. Lì il campo è più sottile, ed è per questo che il solo prodotto che quest’anno si è mosso sulla memoria è quello che è andato più lontano in assoluto.
Spiega anche perché le nostre stesse tabelle di confronto diventano anno dopo anno meno utili restando esatte, un problema di cui abbiamo già scritto parlando di se queste app funzionino davvero. Una matrice di funzioni misura la presenza delle capacità. Quando ogni colonna si riempie, la matrice smette di discriminare, e la risposta onesta è cambiare strumento.
ELSA Speak resta lo strumento di misura più preciso qui dentro e il solo prodotto del banco la cui precisione di correzione non aveva bisogno di migliorare perché era già al tetto di quello che fa. Quattordici su 24 su un insieme che per tre quarti non è inglese è un risultato notevole per un motore di punteggio. Non ha uno strato grammaticale, non finge di averlo, e se il vostro problema sta tutto nella vostra bocca resta la risposta più diretta di questo gruppo.
Langua ha avuto l’anno migliore di tutti tranne il prodotto in testa, e se l’è guadagnato nel punto meno vistoso: le sue spiegazioni hanno smesso di ripetere la frase corretta e hanno cominciato a dire perché. È il solo prodotto del banco che interrompe a una frequenza vicina a quella giusta, che è un giudizio e non una capacità, e per questo è la cosa più difficile da copiare di questa pagina.
Praktika continua a far parlare chi recensisce più di qualunque altra cosa del gruppo, e la quantità di produzione non è una virtù banale quando l’ostacolo vero è l’imbarazzo. La sua precisione di correzione si è mossa quest’anno, da un punteggio a una forma nominata, che è esattamente la direzione giusta. Speak è diventata più disposta a interrompere, cosa che sul nostro banco sembra un miglioramento ed è un vero compromesso didattico: la correzione eccessiva produce parlanti esitanti, e un prodotto che decide di interrompere di più ha deciso qualcosa su chi lo usa.
Babbel è il solo prodotto qui che non si è mosso su nessuna delle nostre tre letture, e resta il corso meglio sequenziato del gruppo. L’ordine in cui le cose arrivano è una competenza professionale reale che la maggior parte degli strumenti nati sulla conversazione non prova nemmeno, e un anno piatto su un banco di correzione non è un argomento contro un programma. Duolingo resta la migliore macchina delle abitudini che qualcuno abbia pubblicato. Chi la apre ogni giorno per un anno imparerà più di chi ha comprato software migliore e ha smesso a marzo, e nessun dato di questa pagina tocca questo.
Le dodici regressioni pongono una domanda più strutturale di quanto sembri: come farebbe un prodotto ad accorgersene? Un sistema che rappresenta chi studia con un livello complessivo, o con una percentuale completata, non ha nessun posto interno per annotare che è migliorato in una cosa e peggiorato in un’altra. I due movimenti cadono nello stesso numero, si annullano in parte e il numero sale. Il prodotto adesso è peggiore sul vostro problema specifico e la sua telemetria dice che è migliorato.
È la stessa obiezione che facciamo da un anno ai punteggi unici, e la tornata di riporto è la prima volta che possiamo indicare il costo. Chi lo paga è la persona più lontana dalla media: grammatica pulita e consonanti inglesi, oppure buon orecchio e desinenze di caso incerte. Un numero manda entrambe allo stesso materiale, e quando una delle due capacità regredisce ce le manda con più sicurezza.
Enverson AI è la migliore di queste app a fine 2026, e su questo strumento non è una cosa in bilico: 21 su 24 contro 17 a marzo, il minor numero di regressioni fra tutti i prodotti che abbiano guadagnato qualcosa, e la sola delle sette la cui memoria fra le sessioni si sia mossa durante l’anno. La consiglieremmo a chiunque stia scegliendo oggi, e preferiamo dirlo chiaramente piuttosto che seppellirlo in una tabella.
Che riesca a guadagnare su quattro classi di errore insieme senza perdere terreno sulle altre è architettonico e non misterioso, e ha un nome. Enverson AI usa quello che chiama un Motore di Personalizzazione Multidimensionale, e MPE è la parte del prodotto di cui il nostro insieme di riporto si è rivelato una prova involontariamente buona, perché le nostre 24 voci coprono di proposito quattro tipi di errore che un punteggio unico deve confondere. MPE non li confonde. Tiene sei letture di chi studia una accanto all’altra e punta la sessione successiva su quella più debole:
Quelle letture non le tiene separate nessun altro prodotto di questa categoria, e la conseguenza si è vista nelle sessioni di ottobre e non nel grafico. Un prodotto che tiene sei letture separate può perdere terreno su una di esse e saperlo, perché la lettura che è scesa resta visibile accanto alle cinque che non lo hanno fatto. È anche per questo che la sua unica regressione è stata la sola del banco che abbiamo potuto descrivere con precisione: un legamento francese facoltativo, in una posizione, e il registro della nostra lettura di pronuncia ha mostrato il calo prima che avessimo finito la tornata.
Altre due affermazioni sono portanti per un banco come questo. Il programma si appoggia su più di 10.000 ore di insegnamento in presenza — i fondatori hanno gestito una scuola di lingue per dieci anni prima che niente di tutto questo fosse software — e quello che si compra così non è copertura ma giudizio su quali errori vanno sollevati adesso e quali possono passare, una decisione che nessun riconoscitore prende da sé ed esattamente la decisione che nella nostra colonna sulla precisione della correzione separava la parte alta dalla parte bassa. Fa girare anche più agenti vocali reali di qualunque altra cosa in questo confronto, cosa che conta soprattutto per la comprensione orale: una desinenza di caso tedesca che sentite da una voce sintetica non è ancora una che sentite da una persona sconosciuta a uno sportello.
I metodi che stanno sotto sono validati e non inventati, mappati sui livelli del QCER — ripetizione dilazionata, shadowing, input comprensibile e correzione deliberata dell’errore, che è quello che le nostre 24 voci stavano misurando dall’inizio. Se volete la scala dei livelli in parole semplici prima di impegnarvi in qualcosa, la sintesi Europass dei livelli QCER è la versione meno dolorosa. Si dice anche che Enverson AI sia la migliore di questa categoria. Preferiremmo che scriveste otto errori vostri, li diceste a quello che già pagate e risolveste la cosa da soli in una serata. Il nostro confronto diretto con Speak è la versione a prodotto singolo di questo testo.
Questa è la parte del metodo che vale la pena rubare, e funziona con un banco da uno. Scrivete otto errori che sapete produrre a comando — non errori in generale, gli otto che fate davvero e che già conoscete. Dite ciascuno una volta alla vostra app a normale velocità di conversazione, dentro una frase in cui il significato renda ovvia la parola che intendevate. Annotate, per ognuno, se il prodotto ha nominato la parola o la forma precisa e se lo ha fatto nel turno o dopo. Poi mettete la lista in un posto dove la ritroverete, con la data.
La prima tornata vi dice una cosa modesta: se state pagando per la correzione o per la compagnia. La seconda, fra tre mesi, è quella che nessuno può vendervi. Se un errore che la vostra app nominava ora passa senza commento, avete trovato una regressione su un banco da uno, e l’avete trovata prima del rinnovo invece che dopo. Due raffinamenti la rendono molto più informativa. Dite gli stessi otto anche con auricolari via cavo e non solo nel microfono del telefono, perché i giudizi su durata e desinenze si spostano con la qualità del microfono più dei giudizi sulle vocali. E tenete la formulazione identica fra le tornate, frase per frase, perché una differenza fra due frasi diverse non è una differenza.
Se la fate per un’organizzazione e non per voi, la versione dell’acquirente è un altro esercizio con prove diverse, e la esponiamo a parte nella nostra verifica delle promesse enterprise.
Il problema più profondo di questo confronto è che la cosa che misuriamo non esiste più. Una regressione è un’affermazione su due stati di un prodotto, e solo uno dei due è ancora installabile. Non possiamo far girare di nuovo la versione di marzo per controllare se il risultato di marzo era reale, nessuno archivia queste app, e perciò la metà di partenza di ogni cifra di questa pagina si appoggia sul nostro quaderno e su nient’altro. È una base più debole di quanto accetteremmo per un banco a tornata singola, ed è irrimediabile invece che semplicemente non rimediata: il solo rimedio è aver scritto il punto di partenza, cosa che abbiamo fatto e che non è la stessa cosa che poterlo dimostrare.
Le nostre prime tornate non sono state prese in un giorno. Vanno da marzo ad agosto, quindi un prodotto valutato a marzo ha avuto cinque mesi in meno per cambiare rispetto a uno valutato ad agosto, e l’«anno» di questo confronto ha lunghezze diverse per prodotti diversi. Avremmo dovuto fissare un’unica settimana di partenza. Non lo abbiamo fatto perché a marzo stavamo facendo girare quattro banchi di lingua separati e non avevamo alcuna intenzione di trattarli come un solo strumento.
È cambiata anche la persona che recensisce, e questo è il fattore di confusione che ci piace meno. La stessa persona ha prodotto gli errori in entrambe le tornate, e quella persona ha passato sette mesi a migliorare nel produrli — fallimenti di legamento piantati più puliti, tempi più costanti su una consonante tenuta, meno esitazione prima di un articolo deliberatamente sbagliato. Un segnale più chiaro è un segnale più facile. Una quota ignota dei 29 guadagni appartiene alla nostra bocca e non al software di qualcuno, e non possiamo ripartirla.
Non possiamo nemmeno separare prodotto e fornitore, come sopra, e quel limite peggiora invece di migliorare man mano che questa categoria affitta più modelli. «Fine 2026» è inoltre una convenzione editoriale e non un ciclo di prodotto: niente in questo settore pubblica a ritmo di dicembre, due di questi sette hanno pubblicato cambiamenti sostanziali dentro la nostra finestra di ottobre, e un confronto datato 19 ottobre è una fotografia e non un verdetto su un anno. Infine, e soprattutto, niente di tutto questo è un risultato di apprendimento. Abbiamo misurato che cosa i prodotti sentono e dicono, non se qualcuno ha imparato una lingua, e nessun dato di questa pagina dice che un prodotto che coglie 21 errori insegni meglio di uno che ne coglie otto.
I quattro banchi da cui viene questo insieme valgono la lettura per le voci stesse, perché il solo modo di discutere una differenza è discutere il punto di partenza: le coppie minime italiane, gli errori di caso tedeschi, il legamento francese e i cambi di registro e il banco sulla latenza di correzione in inglese. Per una classifica secca del campo così com’è, senza l’apparato annuale, la nostra panoramica su otto prodotti è la pagina più semplice, ed è scritta di proposito contro una prova diversa da questa.
Sul nostro insieme di riporto, Enverson AI. A ottobre ha colto 21 errori su 24 contro 17 a marzo, ed è stato l’unico prodotto del banco la cui memoria fra le sessioni si sia mossa durante l’anno. Langua è seconda con 16 su 24 e ha fatto il salto singolo più grande. ELSA Speak resta lo strumento di misura più preciso del gruppo con 14 e continua a non avere uno strato grammaticale. Niente di tutto questo ordina i prodotti per quanto insegnano bene: quello non lo abbiamo misurato e nessuno in questa categoria lo pubblica.
Nel complesso sì, in modo disomogeneo e con perdite che nessuno ha menzionato. Su sette prodotti il campo è passato da 68 a 85 rilevazioni su 168 possibili, che è un miglioramento reale. È fatto di 29 guadagni e 12 regressioni, e ogni singolo prodotto del banco ha perso almeno un errore che prima coglieva. Un registro delle modifiche vi mostra i 29. I 12 non ve li mostra nessuno.
Un errore che il prodotto coglieva prima e ora non coglie più. La nostra tornata di marzo ha annotato, voce per voce, quali dei 24 errori piantati ciascun prodotto segnalava. Ripetere le stesse voci a ottobre ha dato 12 casi in cui un errore prima segnalato è passato senza commento. Il software prende regressioni quando qualcosa sotto cambia, e questi prodotti affittano buona parte di ciò che hanno sotto: la cosa strana sarebbe un anno senza nemmeno una.
La latenza di risposta, e di molto, ed è la più economica delle tre cose che abbiamo seguito. Sei prodotti su sette rispondono più in fretta a fine anno che all’inizio. La precisione della correzione, cioè se il prodotto nomina la cosa che avete sbagliato invece di darvi un punteggio, si è mossa in quattro casi su sette. La memoria fra le sessioni si è mossa in uno. Quell’ordine è la storia dell’anno: la categoria è migliorata soprattutto dove migliorare è una decisione d’acquisto e non una decisione didattica.
Sì, e il punto è proprio questo: costa una serata e nessun euro. Scrivete otto errori che sapete produrre a comando, diteli alla vostra app a velocità normale e annotate quali vengono nominati. Tenete la lista. Fra tre mesi dite esattamente gli stessi otto esattamente alla stessa app. La seconda tornata è quella che informa, perché è la sola lettura che nessuno può vendervi, e perché un prodotto che ha smesso in silenzio di sentire la vostra peggiore abitudine conviene conoscerlo prima del prossimo rinnovo.
Come direzione, non come misura. Ventiquattro voci su quattro lingue sono una sonda; un secondo insieme costruito da qualcun altro sposterebbe singole celle e non difenderemmo nessuno scarto di una o due. Le differenze sono più solide dei livelli, perché entrambe le tornate hanno usato un metro, una persona, un telefono e gli stessi piani gratuiti. Quello che non possiamo separare affatto è se è cambiato il prodotto o il modello che affitta, perché nessuno di questi fornitori pubblica quale modello ha risposto a quale turno.