Управління термінологією AI: де розходяться смисли даних
В CRM один і той самий об’єкт — «контрагент», у білінгу — «абонент», у логістиці — «одержувач», а у вивантаженні для аналітики він же йде як «партнер».
На десятку записів це виглядає нешкідливо, на тисячах перетворюється на різнобій у назвах: у сутності з’являється кілька слабко пов’язаних версій, і жодна не визнана основною.
Розходження термінів б'є по звітності насамперед. Агрегація не склеює записи, бо ключі різні; частки рахуються від незіставних баз, а підсумок у двох звітах розходиться на відсотки, які списують на «особливості вивантаження».
Пошук і AI-асистент повторюють ту саму помилку: за синонімом знаходиться частина документів, і відповідь будується за неповною вибіркою.
Найчастіша заміна нормальному шару — ручний мапінг довідників: аналітик веде таблицю відповідностей і дописує її за кожної зміни в джерелі. Таблиця відстає від реальності, а після релізу частина зв'язків губиться мовчки.
ISO 25964 описує, як такі словники влаштовані: терміни, синоніми, ієрархія та зв'язки між ними задаються явно, а не відновлюються за здогадом.
Ми збираємо управління термінологією AI як шар поверх джерел: модель пропонує відповідності за контекстом і перевіряє їх на історичних даних, а спірні випадки йдуть на розбір людині. Розбираємо, як це закривається.
Що змінюється в аналітиці після впровадження єдиного словника
Впровадження єдиного глосарію змінює не саму звітність, а вартість її підготовки.
Ефект видно на другий-третій місяць роботи: система накопичує зв'язки між поняттями, і частка записів, які пов'язуються автоматично, зростає з кожним вивантаженням, а ручні операції поступово зникають з регламенту.
Частка автоматично пов'язаних записів зростає
Кожне поняття отримує стійкий ідентифікатор і зв'язки із синонімами, скороченнями та суміжними довідниками.
Коли база охоплює основні домени, більша частина вхідних записів зіставляється без аналітика: сумнівні випадки потрапляють у коротку чергу на підтвердження, а не на суцільну перевірку.
Узгодженість довідників тримається без ручних звірок
Раніше звірка двох вивантажень була окремою задачею на кілька днів і закінчувалася новим розходженням. Тепер невідповідності рахуються регулярно й показуються точково — виправляється сам словник, і наступне вивантаження виходить уже узгодженим.
Швидкість пошуку інформації перестає залежати від людей
Пошук іде за назвою, синонімом і скороченням одночасно, тому не потрібно пам'ятати, у якому довіднику заведено сутність. Новий співробітник знаходить визначення й власника даних сам, не піднімаючи історію листування.
Ручні звірки зникають з регламенту
Звільнені години аналітика витрачає на розбір спірних випадків та уточнення правил, а не на зведення таблиць. Звітність збирається з узгоджених даних, і розходження між вітринами перестає бути сюрпризом перед здачею.
Способи ведення словника: порівняння трьох підходів
Спосіб ведення словника визначає, що система зможе перевіряти сама, а що залишиться редактору.
Плоский реєстр ловить розходження написань і заборонені форми, централізований глосарій закріплює смисл терміна й відповідального за нього, а граф понять утримує відношення — синонімію, родові зв'язки, «частину цілого», сферу застосування. Різниця між підходами не в обсязі словника, а в класі помилок, які вони закривають автоматично.
Порівняння підходів
| Варіант | Коли підходить | Обмеження |
|---|---|---|
| Реєстр термінів | Один домен, короткі документи, важлива однакова форма терміна | Не зберігає смисл і зв'язки; за кількох продуктів з'являються дублі з різними визначеннями |
| Централізований глосарій | Кілька команд і мов, потрібен затверджений смисл і власник терміна | Зв'язки між поняттями виражаються текстом у визначенні — система їх не перевіряє |
| Граф понять | Суміжні предметні області, складні продукти, висока ціна помилки в терміні | Потребує опису типів зв'язків і регламенту правок; без куратора граф швидко втрачає цілісність |
Що враховувати при виборі
Обмеження не знімаються зростанням словника. Якщо потрібні відношення між поняттями, плоский список доведеться перебудовувати разом із правилами перевірки — перенесення словника в модель зв'язків коштує дорожче, ніж закласти її відразу.
Ми починаємо з інвентаризації: які типи сутностей є, де терміни вже розходяться, хто затверджує зміни. За результатом обираємо підхід або їх комбінацію — реєстр як основа, граф поверх спірних областей.
Етапи впровадження: від інвентаризації до регламенту
Порядок робіт не залежить від обсягу довідника: спочатку фіксуємо, звідки система бере терміни, і лише потім формулюємо правила. Зворотний порядок дає правила, які ламаються на першому ж джерелі із застарілими скороченнями.
- Інвентаризація джерел. Регламенти, бази знань, шаблони документів, листування підтримки, тексти інтерфейсу, старі глосарії. Для кожного джерела фіксуємо власника, формат і частоту змін.
- Схема зв'язків. Граф термінів: синоніми, скорочення, застарілі форми, відношення «рід — вид». На ньому відразу видно конфлікти, коли одне слово в двох підрозділах означає різне.
- Еталонна вибірка. Вручну розмічаємо кілька сотень реальних запитів співробітників — вона стає мірою якості: частка правильних нормалізацій до і після дообучення.
- Налаштування правил. Визначаємо, що замінюється автоматично, що йде редактору на підтвердження і за якого рівня впевненості. Правила версіонуються разом зі довідником.
- Перевірка на реальних запитах. Прогін історії звернень, розбір хибних спрацювань, поповнення синонімів і заборон. Ітерації до стабільної частки помилок на розміченій вибірці.
- Регламент і передача в експлуатацію. Закріплюємо ролі: хто пропонує термін, хто затверджує, хто стежить за застаріванням. Плюс журнал змін і відкат до попередньої версії довідника.
На виході замовник отримує не разовий словник, а робочий процес: новий термін проходить узгодження, потрапляє до довідника й починає застосовуватися в пошуку та документах без ручної правки текстів.
Регламенти, схеми та політики роботи зі словником
AI-система не замінює домовленості про терміни, а виконує їх.
Тому в передачу входить не лише робочий контур управління термінологією, а й документація, за якою словник живе без нас: без неї за кілька місяців з'являються дублі, розходження між підрозділами та правила, про які знає одна людина.
- Реєстр сутностей — паспорт кожного терміна: визначення, межі застосування, джерело, власник, допустимі та заборонені синоніми, приклади вживання.
- Схема зв'язків — відношення між термінами, продуктами й підрозділами: вищі та підпорядковані поняття, еквіваленти, конфліктні пари.
- Політики доступу — ролі та права: хто пропонує термін, хто погоджує, хто публікує; правка обмежена своєю областю, спірні випадки йдуть арбітру.
- Регламент ведення словника — шлях терміна від заявки до публікації, строки розгляду, склад погоджувачів, порядок зняття застарілого поняття.
- Регламент змін і відкату — що вважається ламальною зміною, як випускається нова версія словника і як повернутися до попередньої.
- Правила розмітки та зв'язування — як документи підтягують терміни автоматично і як розв'язується колізія, коли одне слово використовується у двох значеннях.
- Метрики якості — частка термінів із власником і визначенням, число невирішених конфліктів, покриття ключових напрямів.
- Пам'ятки за ролями — короткі інструкції для авторів, редакторів та інтеграторів: що робити за сумніву і до кого йти.
Документація оновлюється разом із системою: за кожного доопрацювання схеми й правила правляться в тому ж релізі, інакше словник та його опис починають розходитися.
Розбір впровадження: єдиний словник у промисловому холдингу
Холдинг із кількома виробничими майданчиками вів термінологію в локальних реєстрах: технічні письменники, перекладачі та служба якості користувалися різними версіями одних і тих самих понять.
На вході — близько 40 тисяч записів, майже третина розходилася за визначеннями між майданчиками, а узгодження нового терміна займало тижні.
| Метрика | До | Після |
|---|---|---|
| Частка автоматично пов'язаних записів | 18% | 76% |
| Якість зіставлення на перевірочній вибірці | 71% | 93% |
| Пар суперечливих визначень | 1 200 | 84 |
| Узгодження нового терміна | 3 тижні | 4 дні |
Зв'язки між термінами будували не за назвою, а за сукупністю ознак: збігом смислового ядра визначень, контекстом уживання в технічній документації, уже підтвердженими відношеннями «рід — вид».
Кожен кандидат отримував оцінку впевненості: вище порога зв'язок заводився автоматично, нижче — йшов термінологічній комісії.
Саме тому частка автоматичних зв'язків зросла з 18% до 76% без втрати точності — спірні пари, як і раніше, вирішує людина. Із 1 200 суперечливих пар залишилося 84: ті, де розходження відображає реальну різницю між цеховою практикою майданчиків, їх розводили вручну.
Що змінилося в щоденній роботі
Технічний письменник більше не звіряє визначення за шістьма файлами: він шукає поняття в єдиному словнику й бачить, де воно вже використовувалося і які в нього підтверджені синоніми.
Спірний термін іде до комісії один раз, рішення фіксується в реєстрі — на іншому майданчику те саме питання не спливає.
Структуру й типи зв'язків описували за ISO 25964, щоб словник залишався розширюваним під час підключення нових підприємств та обміну з партнерськими реєстрами.
Що робити, якщо термінологія вже розійшлася по системах?
Розійшлася термінологія не зводиться одним переписуванням. Якщо довідники вже роз'їхалися по десятках систем, спроба замінити їх одразу зупиняє сервіси й ламає вивантаження у звіти — тому робота йде хвилями, а спадок залишається робочим до останнього кроку.
Спочатку інвентаризація: збираємо всі місця, де живуть поняття — облікові системи, сховища, файли вивантажень, — і фіксуємо, який код що означає і хто його читає.
На виході карта розходжень: де один термін означає різне, де різні терміни означають одне, які коди застаріли, але ще використовуються.
Далі з'являється єдиний глосарій як джерело істини, версіонований і придатний для вивантаження в TBX — формат обміну термінологією, який читають довідкові та перекладацькі системи.
Споживачі не перемикаються на нього одномоментно: між старими довідниками й глосарієм ставиться шар зіставлення, де в поняття є актуальний код і набір синонімів, включно з історичними. Старі значення продовжують розв'язуватися, тому звіти й обміни не падають.
Зведення йде за предметними областями: спочатку контрагенти або номенклатура, потім наступний блок. Кожна хвиля — це зіставлення, прогін на реальних даних, звірка розходжень і лише потім переведення споживачів.
Попередній довідник не видаляється, а позначається як застарілий, тому відкат можливий на будь-якому кроці.
У результаті частка конфліктів понять падає, пошук і аналітика спираються на одну версію терміна, а спадкові системи доопрацьовуються без зупинки сервісів.
Типові сумніви та обмеження підходу
Підхід спирається на словник — джерело істини, але реальні дані завжди грязніші за схему.
Зовнішні партнери надсилають назви у своїй транслітерації та скороченнях, частина термінів зашита всередині текстових полів звітів, а номенклатура змінюється швидше, ніж оновлюється регламент. Розбираємо три випадки, які найчастіше викликають сумніви на старті.
Обмеження підходу чесно одне: система не додумує смисл, а пропонує варіант і показує підставу — джерело, правило, ступінь впевненості. Рішення щодо спірних випадків залишається за власником довідника.
Партнерські назви не збігаються з нашим довідником?
Вхідний потік проходить нормалізацію — регістр, пунктуація, транслітерація, скорочення. Ті, що збіглися, терміни сходяться автоматично, незнайомі потрапляють у чергу на розбір і не змінюють довідник до підтвердження.
Для зовнішніх джерел даних задається правило пріоритету: довіряємо партнерському написанню або зберігаємо своє, а партнерське зберігаємо як синонім.
Термін зашитий усередині звіту або вкладеної таблиці?
Пошук іде не лише за явними колонками: сутності видобуваються з текстових полів, шапок і додатків. Стійке сполучення витягується й пов'язується з карткою терміна.
Складні випадки — омоніми й збіжні абревіатури — розводяться за контекстом і підрозділом-джерелом, спірні йдуть на ручне підтвердження.
Хто підтримує словник після запуску?
Словник версіонується: у кожного терміна є автор зміни та історія. Правки йдуть через ролі — власник довідника затверджує, погоджувачі дивляться свою область. Будь-яка зміна відкочується до попереднього стану, тому помилкова правка не ламає звітність.
Обговоримо задачу: що надіслати для точної оцінки
Щоб повернутися з оцінкою обсягу та планом робіт, а не із загальними міркуваннями, нам потрібна картина вашого лексичного господарства: де терміни з'являються, де живуть і хто їх править. Окреме вивантаження не потрібне — підійдуть робочі файли та приклади, які вже є під рукою. За ними ми рахуємо обсяг словника, частку розходжень і число систем, які доведеться зв'язати.
Отримані вхідні дані розбираємо й повертаємося з планом: черговість етапів, склад робіт, які перевірки якості закладаємо і на якому кроці підключаємо ваших редакторів. Нижче — що надіслати.
- Вивантаження поточних словників і глосаріїв: таблиці, описи в базі знань, файли перекладів — у тому вигляді, у якому вони у вас зберігаються.
- По 10–20 сторінок живих текстів із кожної системи: інструкції, статті підтримки, регламенти, описи продукції.
- Список помічених розходжень: де один об'єкт названо по-різному або одне слово означає різне в різних відділах.
- Перелік систем-джерел і мов, включно з тими, що плануєте додати.
- Опис ролей і погодження: хто пропонує термін, хто затверджує, де фіксується рішення.
- Вимоги до зберігання та доступів: де система має розміщуватися, що не можна виносити за ваш периметр, які журнали змін потрібні.
- Критерії готовності: що вважаєте результатом — скорочення спірних правок, єдиний словник у публікаціях, прискорення перекладу.
Якщо частина даних поки недоступна, опишіть словами — цього вистачить для першої оцінки.
