สตาร์ทอัพไนจีเรีย UniBeta ใช้ AI ค้นหาหัวข้อที่มักออกสอบซ้ำ

UniBeta สตาร์ทอัพที่เกิดขึ้นในมหาวิทยาลัยลากอส (UNILAG) ประเทศไนจีเรีย เปิดตัวเครื่องมือช่วยอ่านหนังสือด้วย AI ชื่อ UniBeta AI เมื่อเดือนตุลาคม 2025 บริษัทก่อตั้งขึ้นในปี 2023 โดย Dare Oluwayanmife Adeola และ Olamide Onigbanjo และปัจจุบันมุ่งวิเคราะห์ข้อสอบเก่าเพื่อค้นหากลุ่มหัวข้อที่มีแนวโน้มจะออกสอบมากที่สุด

นักศึกษาอัปโหลดเอกสารประกอบการเรียนและข้อสอบย้อนหลัง จากนั้นโมเดลจะสแกนเนื้อหาเพื่อหารูปแบบที่ปรากฏซ้ำตลอดหลักสูตร แล้วสร้างแฟลชการ์ดตามบริบท แบบทดสอบปรนัย และสรุปเป็นส่วนย่อย "ข้อสอบเก่าของมหาวิทยาลัยรัฐส่วนใหญ่ไม่ได้ถามคำถามซ้ำ แต่ถามหัวข้อซ้ำ" Adeola กล่าว

จากแอปรวมบริการสู่การโฟกัสเพียงอย่างเดียว

ผู้ก่อตั้งเคยตั้งเป้าไว้กว้างกว่านี้มาก โดยวางแผนสร้างแพลตฟอร์มเดียวสำหรับตารางเรียน การติดตามเกรดเฉลี่ย การติวจากเพื่อน คำแนะนำด้านอาชีพ และตลาดสำหรับผู้ค้านักศึกษา พวกเขาทดสอบแนวคิดนี้แบบออฟไลน์ก่อนด้วยการทดลองสามรูปแบบ ได้แก่ การสอนพิเศษโดยนักศึกษาที่ได้คะแนนดีที่สุด ช่องสื่อในมหาวิทยาลัยชื่อ Inside Uni ที่ทำการสัมภาษณ์ตามท้องถนน และพื้นที่โปรโมตแบบเสียเงินที่ขายให้นักศึกษาที่ทำธุรกิจเสริม

การแปลงการทดลองเหล่านั้นให้เป็นแอปมือถือไม่ราบรื่นนัก ผู้ก่อตั้งใช้เงินออมของตนเองจ้างนักพัฒนาภายนอกแบบสัญญาจ้าง แต่ผลงานที่ได้เต็มไปด้วยบั๊ก และถูกปฏิเสธจาก App Store และ Google Play ซ้ำแล้วซ้ำเล่า ทีมจึงปล่อยโมดูลเดียวที่ใช้งานได้ คือตลาด ในรูปแบบเว็บแอปน้ำหนักเบา และดึงวิศวกรคนใหม่เข้ามาเขียนโค้ดใหม่ Adeola กล่าวว่าอุปสรรคครั้งนี้ทำให้เขาคิดจะเลิกทำ

ปัญหาความผันผวนตามฤดูกาล

ตามที่ผู้ก่อตั้งระบุ บทเรียนที่ใหญ่ที่สุดของพวกเขาคือความต้องการเทคโนโลยีการศึกษาของนักศึกษามหาวิทยาลัยในไนจีเรียขึ้นอยู่กับฤดูกาล การใช้งานพุ่งสูงเมื่อใกล้สอบและลดลงอย่างรวดเร็วเมื่อสอบจบ ซึ่งผลักดันให้ทีมมุ่งพัฒนาผลิตภัณฑ์ที่ให้คุณค่าเข้มข้นในช่วงสอบโดยไม่มีต้นทุนดำเนินการสูง

ผู้ก่อตั้งให้เหตุผลว่าแชทบอทอเนกประสงค์อย่าง ChatGPT มักประสบปัญหากับเอกสารประกอบการเรียนที่ถ่ายสำเนามาและหลักสูตรท้องถิ่นที่มีลักษณะเฉพาะ จุดยืนนี้ทำให้ UniBeta ต้องแข่งขันกับ Gemini ของ Google, Claude ของ Anthropic และผลิตภัณฑ์ AI เฉพาะด้านการศึกษา เรื่องราวของบริษัทแสดงให้เห็นว่าสตาร์ทอัพ edtech ในแอฟริกากำลังพยายามแข่งกับโมเดลระดับโลก โดยอาศัยข้อมูลและบริบทท้องถิ่นแทนการพึ่งพาขนาดเพียงอย่างเดียว