金融服務
商品說明文件、申報書、揭露資訊、客戶溝通文件與法遵文本，其語體即使以日本商務標準來看也相當正式。
反覆出現的陷阱 同一份文件內的數字格式就不一致——阿拉伯數字與漢字數字、億與万等單位、年號日期與西元日期並列。若不加控管，抽取出來的數字就變得不可靠。
常見任務
產業
依產業別的日文 AI 資料
術語、語體與邊界案例會因產業而大不相同。本頁列出九個產業的資料通常長什麼樣、各自最容易出什麼問題，以及我們最常被委託的任務。
詞彙表會在量產前與貴團隊一起建立。產業知識的作用，是讓那份初稿有個起點，而不是一張白紙。
產業知識大多是詞彙——直到它不是為止
對多數產業而言，產業專業指的是術語與文件慣例：知道与信指的是授信評估而非放款、知道日本的發票會把含稅與未稅總額分開列示、知道客服工單的升級訊號是禮貌程度的轉變，而不是出現了憤怒的字眼。
這類知識，可以透過一份好的詞彙表加上幾天的校準，移轉給受過訓練的標註人員；對大多數專案來說，這也是正確的做法——它比為不需要專家的工作硬湊專家更快、更便宜，也產出更一致的資料。
但有些判斷在性質上就不一樣。某條契約條款是否具強制力、某項稅務處理是否正確、某個關於社會保險的 AI 答覆是否會誤導讀者——這些都是專業判斷，再好的詞彙表也取代不了背後的專業養成。分辨貴團隊哪些任務屬於哪一類，正是這場對話最大的價值所在。
重點速覽
- 涵蓋產業
- 金融、法律、醫療、電子商務、客戶支援、製造、旅遊、科技與公部門。
- 隨產業而變的
- 術語、文件慣例、禮貌語體，以及什麼樣的判斷才站得住腳。
- 不變的
- 書面標註規範、經量測的一致率，以及由資深審查者進行的裁定。
- 何時動用專家
- 當判斷屬於專業判斷而非語言判斷時——請見專家標註。
- 其他產業
- 涵蓋範圍取決於資料，不是一份固定清單。歡迎詢問。
依產業
九個產業，各自的難處
每一項列出我們通常會看到的資料、反覆出現的陷阱，以及最常被委託的任務。
法律
契約、條款、內部規章、法院與登記文件，寫作高度格式化，條款結構固定。
反覆出現的陷阱 條款邊界與定義用語具有法律效力。實體範圍納入或排除一個限定語，就會改變該標註所主張的內容，而單憑日文流利看不出這一點。
常見任務
醫療與生技
病歷紀錄、面向病患的說明材料、藥品文件與研究文本，充滿縮寫以及源自拉丁文與英文的術語。
反覆出現的陷阱 縮寫具有歧義且依賴上下文，同一個術語又會以漢字、片假名與拉丁字母出現。個人資料的處理規範更直接限制了這類工作能怎麼配置人力。
常見任務
電子商務與零售
商品標題與屬性、型錄文案、搜尋查詢、評論與顧客提問——數量龐大、正式程度低、縮寫極多。
反覆出現的陷阱 商品名稱會自由混用多套文字，而賣家、搜尋使用者與型錄三方的寫法各不相同。跨這三個面向做比對，才是多數零售標註需求背後真正的任務。
常見任務
客戶支援
工單、聊天紀錄、通話逐字稿與知識庫內容，其中禮貌程度本身就是對話狀態的訊號。
反覆出現的陷阱 在日文中，升級往往是靠轉為更正式的用語來標示，而不是明講抱怨。以字詞線索訓練的情感模型完全抓不到它。
常見任務
製造與工業
檢查報告、維修紀錄、技術手冊、安全文件與現場紀錄，經常是手寫或掃描件。
反覆出現的陷阱 廠區特有的縮寫與內部術語占了大宗，而且幾乎不會出現在任何字典裡。詞彙表必須從貴公司的文件建起來，而不是從產業通論。
常見任務
旅遊與餐旅
行程、住宿與設施介紹、評論、地名，以及多語系的旅客溝通內容。
反覆出現的陷阱 日本的地名與設施名有多種有效讀法，同一個地點也會出現好幾個官方與俗稱名稱。讀音錯誤會一路擴散到搜尋與語音產品中。
常見任務
科技與軟體
技術文件、版本說明、支援內容、開發者討論與 UI 文字，通篇把日文與英文技術詞彙混在一起。
反覆出現的陷阱 外來語會以片假名、以英文、或在同一句中兩者並存出現，長音的寫法還不一致。斷詞器對這些字串的切分難以預測，使範圍標註變得不穩定。
常見任務
公部門與行政
申請表單、公告、法規條文與程序指引，遵循行之有年的行政慣例。
反覆出現的陷阱 年號日期、姓名與登記簿上的舊字體漢字，以及必須原樣保留、不得改寫的固定行政用語。
常見任務
專業
什麼時候真的需要專家
關鍵不在於術語有多專門，而在於所做的判斷是不是一項專業判斷。
- 任務需要套用一條其解釋本身就有爭議的規則——那是法律、稅務或法規上的判斷，而不是查詞彙表。
- 標錯會讓終端使用者對自己的權利、義務或財務狀況產生誤解。
- 產出將用來評估某個 AI 系統在受法規管制的領域中回答是否安全。
- 來源文件遵循的是專業慣例，而受過訓練的一般標註人員會把它讀成普通文字。
- 為了日後站得住腳，您需要記錄的不只是標籤，還有判斷背後的理由。
需要專家時，我們會依專案所需的專業組建團隊。我們不維持常設的持照專業人員名單，人力可得性會依每個專案的範圍、資料量與時程逐案評估；若貴團隊的專案無法找到所需資格的人選，我們會在專案開始前就告訴您。
常見問題
關於產業涵蓋範圍
產業有列在上面、或沒列在上面的團隊都會問的問題。
不是。這份清單反映的是我們最常接觸的資料類型，不是一條界線。決定合不合適的，是貴團隊任務所需的判斷屬於語言性、術語性，還是專業性——寄一份樣本給我們，我們會告訴您它屬於哪一種，以及我們是不是適合的人選。
先從貴公司的文件開始，再來是公開來源，必要時才引入專家。詞彙表在試辦前草擬、在試辦中檢驗，並與標註規範一起做版本管理。只存在於貴公司內部、別處查不到的術語，正是我們預期要從您那裡取得、而不是本來就該知道的部分。
通常可以，而且往往更好——一個團隊帶著同一份標註規範，會比好幾個團隊各寫各的產出更一致的資料。若各事業單位之間確實存在不同的語體或保密界線，我們會刻意把它們分開，並說明理由。