Чому ми будуємо український ШІ

Перекладений інтерфейс і українська всередині продукту — різні речі. Перше видно одразу, друге видно на третьому документі.

Коли ми починали, стандартна відповідь на питання «чому не взяти готове» звучала так: великі моделі вже підтримують українську, потрібно лише перекласти кнопки.

Ми спробували. На простих задачах усе працює. Проблеми починаються там, де мова перестає бути обгорткою й стає частиною результату.

Звертання «Шановний Олександр» замість «Олександре». Назва організації в називному відмінку посеред речення, де потрібен давальний. «Поставщик» у діловому листі. Скорочення «грн» і «ТОВ», розгорнуті там, де цього не просили. Кожна дрібниця окремо — не катастрофа. Разом вони означають, що згенерований текст доводиться вичитувати рядок за рядком, а це саме та робота, від якої ми хотіли позбавити.

Друге відкриття було менш очевидним. Модель, яка бачила багато українських текстів, знає не тільки мову — вона знає, що поруч. Що таке ЄДРПОУ. Як виглядає накладна. Що означає третя група єдиного податку. Як влаштована відправка Новою поштою.

Це не окремі функції, які можна дописати. Це побічний ефект того, на чому модель навчалася. І саме він визначає, чи доведеться пояснювати контекст у кожному запиті.

Тому Семантика будує власні продукти, а не обгортки. Не тому, що чужі моделі погані — а тому, що місце, де українська має бути врахована, знаходиться глибше за інтерфейс.

І тому ж ми серйозно ставимося до приватності. Організація, яка працює з українськими документами, працює й з українськими персональними даними — а з ними є питання, на які треба вміти відповісти.