Ответ можно прямо сейчас увидеть в мире животных. Очень многие животные умеют общаться звуками и даже песнями (птицы, например). Но их общение касается чисто физиологических потребностей и действий. Люди на начальном этапе, когда жили небольшими общинами, и старались выжить среди огромных хищников, тоже общались простыми звуками. Типа "у-у" - интересная вещь или действие, "а-а-а" - я играю. Тоже самое сегодня наблюдается у шимпанзе. Причем, замечено, что детёныши шимпанзе и дети людей по поведению почти ничем не отличаются до 3 лет. Что же происходит в 3 года? Ребёнок человека привыкает к имени, и ассоциирует себя с ним. Такое происходит только у людей, дельфинов и китов.
То есть, развитие речи началось с появления имён. У людей это произошло когда они стали объединятся в большие группы, во времена когда племена стали более распространены, и всё чаще они жили близко. Им приходилось общаться, и когда количество людей превышало 150, звуков стало не достаточно, чтобы различать кто есть кто. Стали придумывать по 2-3 звука для обозначения разных людей. Это простая арифметика. В начале общались лишь гласными звуками, а их меньше десяти. Только 6-9 человек можно обозначить одним звуком. Двумя гласными можно обозначить уже 6 умножить на 6 - 36 человек, а тремя - 36*6 = 216. Как раз у дельфинов и китов до сих пор так и происходит, поскольку они живут не такими уж большими группами.
Когда люди стали объединяться в селения и большие общины, то понадобилась еще и письменность, прежде всего для счёта. Ведь обмен едой и ресурсами усложнился, нужно было это организовать, и так придумали символы в качестве первых измерений. Символы использовали вместе с общением гласными звуками, и они в итоге стали со-гласными - звуками идущими совместно с гласными. Вот так и появились первые слова. И чем сложнее становились быт, обмен, познание разных объектов при путешествиях и социальные связи, тем сложнее становились слова.
Причем, слова влияют на восприятие через органы чувств, на мышление и отношение. Это было замечено научным сообществом только в 20 веке, благодаря распространению гипноза и НЛП. Но первые поселения людей не знали этого. Их интересовала прежде всего точность описания, они старались подобрать такой набор звуков, который вызывает автоматические ассоциации с предметом, человеком, действием или событием. Так, например, в славянской буквице было 49 букв (вплоть то 18 века), и смысл каждого слова можно было точно расшифровать, зная буквицу.
Таким образом, слова были ценностью сами по себе. Сегодня это понимание утеряно, как и понимание многих ценностей, поэтому люди не помнят почему слова именно такие и как они появились.
Классический пример бреда псевдоученого