15日間で5,040件の銀行テキストを納品——アジア4市場をまたぐAIデータ収集事例

プロジェクト背景

AIxBlockは、AIトレーニングデータの大手プロバイダーとして、銀行ドメイン向け自然言語理解（NLU）モデルのデータセット拡充を目指していました。本プロジェクトでは、日本、中国本土、香港、シンガポールの4市場において、実際の銀行業務を想定したメールやチャット形式のコミュニケーションテキストを収集することを目標としました。

課題と難点

本プロジェクトには以下の独自の困難が存在しました：

• 極めて短い納期：スタートから納品までわずか15日間で5,040件の文を完成
• 複雑な言語要件：4地域それぞれに固有の言語規則——日本（ひらがな多用・絵文字を含むカジュアルなため口）、香港（広東語口語文と英語の混在）、中国本土（簡体字中国語にネットスラングや方言の影響を含む）、シンガポール（シングリッシュの特色を持つローカライズ英語）
• 厳格な品質基準：全コンテンツが100％人為生成であること、各文が15-25語（または同等の文字数）であること、84のサブ行動ごとに用語を正しく埋め込むこと（1つの完全一致＋2つの意味変異）、フォーマル／インフォーマルの比率を50/50（±10％）に保つこと
• ドメイン専門性：すべての貢献者が銀行ドメインの専門家であり、かつ母語話者であること

私たちのソリューション

Smart Language Serviceは、3つの柱を軸にプロジェクトを推進しました：

1. 迅速な貢献者募集と審査

プロジェクト開始から72時間以内に、4地域で40名以上の銀行ドメイン専門家を募集・審査しました。全員が母語レベルの言語能力と最低3年の銀行業界経験を有しています。性別バランスも±10％以内に調整し、要件を完全に満たしました。

2. 構造化されたコンテンツ生成フレームワーク

貢献者が各地域の言語的ニュアンスを正確に理解できるよう、詳細なガイドラインを整備しました：

• 日本：短い文構造、漢字よりひらがなの多用、顔文字や絵文字を活用した感情表現を重視
• 香港：WhatsAppやソーシャルメディアで一般的な広東語口語文と英語の自然な混在表現に焦点
• 中国本土：インターネットスラングや地域方言の影響を自然な会話の流れの中で反映
• シンガポール：シングリッシュ特有の表現とローカライズされた銀行用語をキャプチャ

3. 多層的品質管理体制

厳格な品質チェックプロセスを実施しました：

• 自動検証：文長（15-25語）、用語埋め込みの正確性（完全一致＋2つの意味変異）をチェック
• 人為レビュー：母語話者の言語学者が地域の信頼性、トーンバランス、ドメイン精度を検証
• 最終サンプリング：納品前にランダム20％サンプルを上級プロジェクトマネージャーが最終確認

納品成果

プロジェクトは納期内に完了し、品質面での拒否は一件もありませんでした：

• 5,040件の文を4地域で納品（各地域1,260件）
• 100％受入率——全コンテンツがAIxBlockのレビュー期間を条件付き受入や拒否なく通過
• 0％ AI生成コンテンツ——全文が100％人為生成であることを確認済み
• 完璧な用語カバレッジ——84サブ行動 × 5用語 ×（1完全一致＋2意味変異）を完全網羅
• バランスの取れたトーン配分——全地域でフォーマル／インフォーマル比を±10％以内に維持

まとめ

本プロジェクトは、Smart Language Serviceが複雑な多地域データ収集プロジェクトを厳しい納期のもとでも品質を損なうことなく実行できることを証明しました。強固な貢献者ネットワーク、構造化されたワークフロー、厳格なQAプロセスを組み合わせることで、最高水準の言語的信頼性とドメイン精度を備えたデータセットを提供いたしました。