Claudeでカスタムヒンディー語用語集システムを構築：10ヶ月で精度76%から92%へ

バンガロールの個人開発者が、Claudeのヒンディー語におけるドメイン特化型コンテンツ生成の精度を向上させるカスタム用語集システムを構築しました。10ヶ月の間に、ドメイン語彙のエラー率は24%から8%に低下（精度は76%から92%に向上）。このプロジェクトは現在、ヒンディー語のカスタマーサポートやブログコンテンツ向けに、月額10,800ドルで310の顧客にサービスを提供しています。

問題点：ビジネス用語に対する汎用的なヒンディー語

Claudeのデフォルトのヒンディー語は、ビジネス用語に汎用的な翻訳を使用します。例えば、「UPI bhugtan」（UPI支払い）ではなく「bhugtan」（支払い）と出力します。このドメイン語彙のギャップにより、専門的なコンテンツで24%のエラー率が発生していました。

用語集システムの進化

開発者は10ヶ月かけて3つのアプローチを繰り返しました：

• 1〜3ヶ月目：手動用語集（200語）。 すべてのクエリにコンテキストとして貼り付け。精度は76%から84%に向上。
• 4〜6ヶ月目：カテゴリ付き構造化用語集（400語）。 用語を税務、支払い、コンプライアンス、ビジネス種別に分類。精度は84%から88%に向上。
• 7〜10ヶ月目：用例ベース用語集（600語）。 各用語に、適切な使用法を示す2〜3の例文を追加。精度は92%に達した。

非英語AIアプリケーションへの重要な教訓

開発者は、用語集は単なるリストではなく、教育ツールだと強調します。単に用語数を増やすだけではわずかにしか改善しませんでした。分類は価値を追加しましたが、文脈付きの例文が最も精度向上に貢献しました。残りの8%のエラーは、地域的なバリエーションや新たに導入された規制用語に集中しています。

非英語AIアプリケーションを構築する開発者にとって、このケーススタディは、用語集には定義だけでなく例文を含めてモデルに文脈を教えることが重要であることを示しています。