金融服务
产品文档、申报文件、披露材料、客户沟通与合规文本，其语体即便按日本商务标准衡量也属正式。
反复出现的陷阱 数字格式在同一份文档内就会变化——阿拉伯数字与汉字数字、億 与 万 单位、和历日期与公历日期并排出现。不加控制，抽取出来的数字就靠不住。
典型任务
行业
分行业看日语 AI 数据
术语、语体与边界情况在不同行业间差别极大。本页说明九个行业的数据通常是什么样子、各自最容易出什么问题，以及我们最常被要求做的任务。
术语表会在量产前与您的团队一起建立。行业知识的作用，是让这份初稿成为一个起点，而不是一张白纸。
行业知识大多是词汇问题——直到它不是
对多数行业而言，行业专长指的是术语与文档惯例：知道 与信 说的是授信评估而不是放贷，知道日本发票会把含税与不含税合计分开列，知道客服工单的升级信号是礼貌层级的变化，而不是某个带火气的词。
这类知识可以通过一份好的术语表加上几天校准，传递给受过训练的标注员；对大多数项目而言，这也是正确的做法——它比为不需要专家的工作去组建专家团队更快、更省，产出的数据也更一致。
但有些判断在性质上就不同。一条合同条款是否可执行、某种税务处理是否正确、一个关于社会保险的 AI 回答会不会误导读者——这些是专业判断，任何术语表都替代不了其背后的专业训练。弄清楚您的哪些任务属于哪一类，正是这场对话的大部分价值所在。
要点速览
- 覆盖行业
- 金融、法律、医疗健康、电子商务、客户支持、制造业、旅游、科技与公共部门。
- 随行业变化的是
- 术语、文档惯例、礼貌语体，以及什么算得上站得住脚的判断。
- 始终不变的是
- 成文的标注规范、被度量的一致性，以及由资深复核员做的裁定。
- 何时需要专家
- 当所做的判断属于专业判断而非语言判断时——参见专家标注。
- 其他行业
- 覆盖范围跟着数据走，而不是照着一份固定清单。直接问我们。
分行业
九个行业，各自难在哪里
每一条都列出我们通常见到的数据、反复出现的陷阱，以及最常被要求做的任务。
法律
合同、条款、内部规章、法院与登记文书，写作风格高度程式化，条款结构固定。
反复出现的陷阱 条款边界与定义用语具有法律效力。一个实体区间包不包含某个限定语，会改变这条标注所主张的内容，而仅凭日常语言能力看不出这一点。
典型任务
医疗健康与生命科学
临床记录、面向患者的材料、药品文档与研究文本，其中缩写以及源自拉丁语和英语的术语密集出现。
反复出现的陷阱 缩写有歧义且依赖语境，同一个术语会以汉字、片假名与拉丁字母三种形式出现。个人信息的处理要求，还会直接限制这项工作能怎么安排人员。
典型任务
电子商务与零售
商品标题与属性、目录文案、搜索查询、评论与买家提问——量大、正式程度低、缩写极多。
反复出现的陷阱 商品名会随意混用多套文字，而且卖家、搜索用户与商品目录三方的写法各不相同。把这三处对上，才是多数零售标注需求背后真正的任务。
典型任务
客户支持
工单、聊天记录、通话转写与知识库内容，其中礼貌层级本身就是关于对话状态的一个信号。
反复出现的陷阱 日语中的升级常常表现为切换到更正式的语言，而不是明确的抱怨。靠词汇线索训练出的情感模型会完全漏掉它。
典型任务
制造与工业
检验报告、维护日志、技术手册、安全文档与车间记录，往往是手写或扫描件。
反复出现的陷阱 现场特有的缩写与内部术语占主导，而且几乎不会出现在任何词典里。术语表必须从您的文档中建起来，而不是从行业通用资料中来。
典型任务
旅游与住宿
行程、物业与设施介绍、评论、地名，以及多语种的客人沟通内容。
反复出现的陷阱 日本的地名与设施名有多种有效读法，同一个地点还会以若干正式名称和俗称出现。读法错误会一路传导进搜索与语音产品。
典型任务
科技与软件
文档、发布说明、支持内容、开发者讨论与界面文案，通篇把日语与英语技术词汇混在一起。
反复出现的陷阱 外来词会以片假名出现、以英文出现，甚至在同一句里两种都有，而长音写法还不统一。分词器对它们的切分难以预料，这会让区间标注变得不稳定。
典型任务
公共部门与行政
申请表、公告、法条文本与办事指引，遵循沿用已久的行政惯例。
反复出现的陷阱 和历日期、姓名与登记簿中的旧字体，以及必须原样保留、不能改写的固定行政措辞。
典型任务
专业能力
什么时候真的需要专家
区别不在于词汇有多专业，而在于所做的判断是不是一个专业判断。
- 任务需要适用一条其解释本身就存在争议的规则——属于法律、税务或监管判断，而不是查术语。
- 一个错误的标签会让终端用户对自己的权利、义务或财务状况产生误解。
- 产出将被用来评估一个 AI 系统在受监管领域中作答是否安全。
- 源文档遵循的是专业惯例，而受过训练的普通标注员会把它们当作普通文本来读。
- 为了日后站得住脚，您需要记录下判断背后的理由，而不只是一个标签。
在需要专家时，我们会围绕项目所需的专业能力来组建团队。我们不维持固定的持证专业人士名册，能否安排到位要结合项目的范围、数据量与时间要求逐个评估；如果某项资格无法为您的项目落实，我们会在项目启动前告知。
常见问题
关于行业覆盖
当团队所在的行业在上面这份清单里、或者不在时，他们会问的问题。
不是。这份清单反映的是我们最常见到的数据类型，而不是一条界线。决定合不合适的，是您的任务所需要的判断属于语言层面、术语层面还是专业层面——发一份样本过来，我们会告诉您它属于哪一类，以及我们是不是合适的人选。
先从您的文档来，再从公开资料来，必要时再请专家。术语表在试点之前起草、在试点中检验，并与标注规范一同做版本管理。至于别处根本查不到的内部术语，那正是我们预期要从您这里获取、而不是本来就该知道的部分。
通常可以，而且往往更好——一个团队执行一份规范，比多个团队各写各的更能产出一致的数据。如果各业务单元之间在语体或保密边界上确有实质差异，我们会有意把它们分开，并说明原因。