Największym wyzwaniem było poradzenie sobie z tym, że żaden system automatycznego rozpoznawania mowy nie jest w 100% dokładny – czasem coś się przesłyszy, tak jak człowiekowi. Musieliśmy zaprojektować sposób, w jaki pacjent może poprawić taką pomyłkę systemu, bez ryzyka, że popsuje sobie tym samym historię swoich wcześniejszych ćwiczeń.
Kolejnym wyzwaniem było to, że komputer, na którym moduł ma działać na uczelni, nie ma specjalistycznej karty graficznej przyspieszającej sztuczną inteligencję. Trzeba było tak zaprojektować całe rozpoznawanie i generowanie mowy, żeby sprawnie działało na zwykłym procesorze – z możliwością łatwej rozbudowy w przyszłości, gdyby zdecydowano się na mocniejszy sprzęt.
Osobnym wyzwaniem było uczciwe policzenie wyniku pacjenta – żeby jeden krótki, źle zrozumiany fragment nie „zaniżał” statystyk tak samo mocno, jak długi fragment pełen błędów i odwrotnie. To wymagało przemyślanej metody liczenia wyników w skali całej sesji ćwiczeń, a nie tylko pojedynczej wypowiedzi.
Dodatkowo moduł musiał „wpiąć się” w istniejącą, działającą od lat platformę tak, żeby pacjenci logowali się w jednym miejscu i nie zauważyli, że korzystają w praktyce z dwóch połączonych systemów. Samo wdrożenie nie mogło zatrzymać działania platformy na dłużej niż kilka dni.