Slik trener du AI-chatboten på flerspråklige kunnskapsbaser med presis terminologi

Hvorfor direkte oversettelse svikter på fagtermer

Mange bedrifter antar at en moderne AI-chatbot automatisk håndterer tospråklig support så lenge kildedokumentene finnes på ett av språkene. Store språkmodeller er dyktige til generell oversettelse, men de mangler konteksten om bedriftens spesifikke nomenklatur. Norske faguttrykk som «permittering», «felleskostnader» eller «egenandel» har nyanser som sjelden lar seg oversette ordrett til engelsk uten at den juridiske eller kommersielle meningen forskyves.

Når chatboten benytter RAG-teknologi for å hente ut tekstutdrag fra kunnskapsbasen, matcher den vektorer i et semantisk rom. Dersom et spørsmål stilles på engelsk, men treningsgrunnlaget kun finnes på norsk, må søkealgoritmen koble engelske søkeord mot norske tekstblokker. Dette fungerer utmerket for generelle spørsmål, men feiler ofte på spesifikke produktnavn, avtalevilkår eller tekniske spesifikasjoner.

De tre vanligste fellene ved overflatisk flerspråklig oppsett inkluderer:

• Direkte oversettelse av merkevarespesifikke produktfunksjoner til generiske ord.
• Blanding av engelsk og norsk terminologi i samme svarsekvens.
• Manglende dekning for lokale forskrifter og markedstilpassede betingelser.

Strategier for kunnskapsbasestruktur: parallell vs. hybrid

Når du skal strukturere treningsdata for flere språk, står du overfor et valg mellom to hovedarkitekturer: parallelle dokumentsett eller hybride, tospråklige dokumenter. Valget påvirker hvordan vektorsøket finner relevante utdrag, og hvor enkelt det er for teamet ditt å vedlikeholde innholdet over tid uten å skape informasjonsavvik.

Uten å navngi konkrete konkurrenter eller verktøy, viser erfaring fra informasjonsarkitektur at hver metode har klare styrker og svakheter avhengig av bedriftens dokumentasjonsvolum og oppdateringsfrekvens. Tabellen nedenfor sammenligner de tre vanligste tilnærmingene til flerspråklige kunnskapsbaser.

For de fleste B2B-bedrifter og nettbutikker er dedikerte parallelle dokumenter den tryggeste løsningen. Ved å skille norsk og engelsk dokumentasjon i rene filer unngår du at oversetterstøy påvirker vektorsøket. Dersom du ønsker at chatboten skal benytte godkjente fagtermer, bør du skrive godt chatbot-innhold direkte for målspråket fremfor å stole blindt på automatisk konvertering.

Etablering av ordlister og terminologiske føringer

Selv med parallelle dokumenter kan språkmodellen av og til velge synonymer som ikke samsvarer med bedriftens merkevare eller offisielle vokabular. For å forhindre dette bør du inkludere en strukturert ordliste som en del av kunnskapsbasen.

Slik bygger du opp en effektiv ordliste for flerspråklig oppslag:

• Bruk et strukturert format: Last opp ordlisten som CSV eller JSON med tydelige kolonner for norsk begrep, engelsk oversettelse og en kort definisjon av bruksområdet.
• Definer ord som ikke skal oversettes: Enkelte produktnavn, plattformmoduler eller varemerker skal forbli identiske på tvers av språk. Marker disse eksplisitt i ordlisten.
• Legg inn vanlige feilbegreper: Inkluder feiloversettelser du ofte ser hos kunder eller nyansatte, og spesifiser det foretrukne begrepet.

Eksempel på en enkel ordliste i CSV-format:

term_no,term_en,do_not_translate,definition
permittering,temporary layoff,false,"Temporary reduction of work under Norwegian labour law"
egenandel,deductible,false,"Customer-paid share before insurance coverage applies"
Chatly,Chatly,true,"Product name — keep identical in all languages"

Kvalitetssikring og testing av flerspråklige svar

Å sette opp en flerspråklig kunnskapsbase krever kontinuerlig testing. Et svar som fungerer perfekt på norsk, kan mangle kritiske detaljer på engelsk dersom kildedokumentene ikke er synkronisert. En god revisjonsrutine sikrer at chatboten opprettholder samme kvalitet på alle språk.

Gjennomfør jevnlige stikkprøver basert på reelle henvendelser. Sammenlign svarene chatboten gir på et norsk spørsmål mot det tilsvarende engelske spørsmålet. Sjekk om kildevisningene henter informasjon fra riktig språkversjon, og kontroller at faglige uttrykk er konsekvente. Dette avdekker raskt om det finnes utdaterte avsnitt eller manglende oversettelser i kunnskapsbasen.

For mer om flerspråklig chatbot-støtte generelt, se også vår guide om flerspråklig AI-chatbot-støtte.

Slik forenkler Chatly flerspråklig kundeservice

Med Chatly kan norske bedrifter enkelt bygge og drifte en AI-chatbot som håndterer både norsk og engelsk dialog uten komplisert oversettelsesinfrastruktur. Chatly benytter avansert RAG-teknologi og lar deg trene chatboten på nettsteder, PDF-er, ordlister og CSV-kataloger.

Løsningen tilpasser seg automatisk språket til besøkende, samtidig som du beholder full kontroll over treningsinnholdet. Enten du betjener det norske hjemmemarkedet eller vokser internasjonalt, hjelper Chatly deg med å gi umiddelbare og presise svar døgnet rundt.

Klar for å gi kunder presise svar på både norsk og engelsk? Test Chatly gratis eller ta kontakt med teamet vårt for å se hvordan en strukturert, flerspråklig kunnskapsbase kan løfte kundeservicen din.