Construindo um Sistema de Glossário Personalizado em Hindi com Claude: De 76% a 92% de Precisão em 10 Meses

Um desenvolvedor solo em Bangalore construiu um sistema de glossário personalizado para Claude, a fim de melhorar a precisão na geração de conteúdo específico em Hindi. Ao longo de 10 meses, a taxa de erro para vocabulário de domínio caiu de 24% para 8% (a precisão subiu de 76% para 92%). O projeto agora atende 310 clientes, gerando US$ 10,8 mil de MRR em suporte ao cliente e conteúdo de blog em Hindi.

O Problema: Hindi Genérico para Termos de Negócios

O Hindi padrão do Claude usa traduções genéricas para termos de negócios. Por exemplo, ele gera "bhugtan" (pagamento) em vez de "UPI bhugtan" (pagamento UPI). Essa lacuna de vocabulário de domínio causava uma taxa de erro de 24% em conteúdo especializado.

A Evolução do Sistema de Glossário

O desenvolvedor iterou por três abordagens ao longo de 10 meses:

• Meses 1-3: Glossário Manual (200 termos). Colado como contexto a cada consulta. Precisão melhorou de 76% para 84%.
• Meses 4-6: Glossário Estruturado com Categorias (400 termos). Termos organizados em tipos: fiscal, pagamento, conformidade e negócios. Precisão foi de 84% para 88%.
• Meses 7-10: Glossário Baseado em Exemplos (600 termos). Cada termo inclui 2-3 frases de exemplo mostrando uso correto em contexto. Precisão atingiu 92%.

Principais Conclusões para Aplicações de IA em Outros Idiomas

O desenvolvedor enfatiza que um glossário não é apenas uma lista — é uma ferramenta de ensino. Simplesmente aumentar o volume de termos ajudou apenas marginalmente. A categorização agregou valor, mas frases de exemplo com contexto proporcionaram o maior ganho de precisão. Os 8% restantes de erro estão concentrados em variações regionais e termos regulatórios recém-introduzidos.

Para desenvolvedores que criam aplicações de IA em outros idiomas, este estudo de caso demonstra que glossários devem incluir frases de exemplo para ensinar o modelo a entender o contexto melhor do que apenas definições.