Setores
Terminologia, registro e casos-limite diferem bastante de setor para setor. Esta página descreve como costumam ser os dados em nove setores, o que tende a dar errado em cada um e as tarefas que mais nos pedem.
O léxico é construído com o seu time antes da produção. O conhecimento setorial é o que faz esse primeiro rascunho ser um ponto de partida, e não uma página em branco.
Na maioria dos setores, expertise setorial significa terminologia e convenções documentais: saber que 与信 é avaliação de crédito e não concessão de empréstimo, que uma nota fiscal japonesa separa os totais com e sem imposto, que o escalonamento de um chamado de suporte é sinalizado por uma mudança no nível de polidez, e não por uma palavra irritada.
Esse tipo de conhecimento pode ser transferido a um anotador treinado com um bom léxico e alguns dias de calibração e, para a maioria dos projetos, essa é a abordagem certa — é mais rápida, mais barata e produz dados mais consistentes do que reunir especialistas para um trabalho que não precisa deles.
Alguns julgamentos são de outra natureza. Se uma cláusula contratual é exequível, se um tratamento tributário está correto, se uma resposta de IA sobre seguro social induziria o leitor a erro — esses são julgamentos profissionais, e nenhum léxico substitui a formação por trás deles. Saber quais das suas tarefas caem em cada categoria é a maior parte do valor desta conversa.
Resumo
Por setor
Cada entrada lista os dados que costumamos ver, a armadilha recorrente e as tarefas mais pedidas.
Documentação de produtos, relatórios regulatórios, divulgações, comunicações com clientes e texto de compliance, em um registro formal até para os padrões do japonês de negócios.
A armadilha recorrente Os formatos numéricos variam dentro de um mesmo documento — numerais arábicos e em kanji, unidades 億 e 万, datas por era e datas gregorianas lado a lado. Sem controle, os números extraídos ficam pouco confiáveis.
Tarefas típicas
Contratos, termos, políticas internas, documentos judiciais e de registro, escritos em um estilo altamente convencionalizado, com estruturas de cláusula fixas.
A armadilha recorrente As fronteiras das cláusulas e os termos definidos têm peso jurídico. Um span de entidade que inclui ou exclui um qualificador muda o que a anotação afirma, e a fluência comum não revela isso.
Tarefas típicas
Notas clínicas, material voltado ao paciente, documentação farmacêutica e texto de pesquisa, densos em abreviações e termos de origem latina e inglesa.
A armadilha recorrente As abreviações são ambíguas e dependentes de contexto, e o mesmo termo aparece em kanji, katakana e escrita latina. O tratamento de informações pessoais restringe até mesmo como o trabalho pode ser alocado.
Tarefas típicas
Títulos e atributos de produto, texto de catálogo, consultas de busca, avaliações e perguntas de clientes — alto volume, baixa formalidade, muito abreviado.
A armadilha recorrente Os nomes de produtos misturam escritas livremente e são escritos de formas diferentes pelos vendedores, pelos usuários da busca e no catálogo. Casar essas três superfícies é a tarefa real escondida atrás da maioria dos pedidos de anotação no varejo.
Tarefas típicas
Chamados, registros de chat, transcrições de ligações e conteúdo de base de conhecimento, em que o nível de polidez é, ele mesmo, um sinal sobre o estado da conversa.
A armadilha recorrente Em japonês, o escalonamento é muitas vezes marcado por uma mudança para uma linguagem mais formal, e não por uma reclamação explícita. Modelos de sentimento treinados em pistas lexicais não percebem isso.
Tarefas típicas
Relatórios de inspeção, registros de manutenção, manuais técnicos, documentação de segurança e anotações de chão de fábrica, muitas vezes manuscritos ou digitalizados.
A armadilha recorrente Predominam abreviações específicas da planta e terminologia interna, que raramente aparecem em qualquer dicionário. O léxico precisa ser construído a partir dos seus documentos, e não do setor.
Tarefas típicas
Itinerários, descrições de propriedades e instalações, avaliações, nomes de lugares e comunicações multilíngues com hóspedes.
A armadilha recorrente Nomes japoneses de lugares e de estabelecimentos têm várias leituras válidas, e o mesmo local aparece sob vários nomes oficiais e coloquiais. Erros de leitura se propagam para produtos de busca e de fala.
Tarefas típicas
Documentação, notas de versão, conteúdo de suporte, discussões entre desenvolvedores e texto de interface, misturando japonês com vocabulário técnico em inglês o tempo todo.
A armadilha recorrente Os estrangeirismos aparecem em katakana, em inglês e nos dois dentro de uma mesma frase, com grafia inconsistente das vogais longas. Os tokenizadores os segmentam de forma imprevisível, o que desestabiliza a anotação de spans.
Tarefas típicas
Formulários de solicitação, avisos, texto normativo e orientações procedimentais, seguindo convenções administrativas de longa data.
A armadilha recorrente Datas por era, formas antigas de kanji em nomes e registros, e formulações administrativas fixas que precisam ser preservadas exatamente, em vez de parafraseadas.
Tarefas típicas
Expertise
A distinção não está em quão técnico é o vocabulário. Está em se o julgamento a ser feito é profissional.
Quando especialistas são necessários, montamos a equipe em torno da expertise que o projeto exige. Não mantemos um quadro fixo de profissionais habilitados. A disponibilidade é avaliada projeto a projeto conforme escopo, volume e prazo, e, se não for possível reunir determinada qualificação para o seu projeto, avisaremos você antes do início.
FAQ
O que os times perguntam quando o setor deles está, ou não está, na lista acima.
Não. A lista reflete os tipos de dados que vemos com mais frequência, não uma fronteira. O que determina o encaixe é se o julgamento que a sua tarefa exige é linguístico, terminológico ou profissional — envie uma amostra e diremos qual é o caso, e se somos as pessoas certas para isso.
A partir dos seus documentos primeiro, depois de fontes públicas e, quando se justifica, de um especialista. O léxico é rascunhado antes do piloto, testado durante ele e versionado junto com a diretriz. A terminologia interna que não aparece em nenhum outro lugar é exatamente a parte que esperamos receber de você, e não já conhecer.
Em geral sim, e muitas vezes é melhor — uma única equipe carregando uma só diretriz produz dados mais consistentes do que várias equipes produzindo cada uma a sua. Quando as unidades de negócio têm registros ou fronteiras de confidencialidade genuinamente diferentes, nós as separamos de forma deliberada e explicamos por quê.
Setores
Uma amostra representativa nos diz mais sobre a dificuldade específica do setor do que uma descrição. Voltamos com um rascunho de léxico e uma opinião sobre a necessidade ou não de especialistas.
NDA antes de você compartilhar qualquer dado. A definição do escopo do piloto é gratuita.