Fallstudier om AI-datatjänster inom alla former

Kund: Ett multinationellt teknikföretag

Bransch: Teknik

Utmaning:

• Hjälpa kunden att utöka AI-tillgängligheten med bredare datauppsättningar.
• Leverera 2 000 röst- och transkriberingsdata, som alla är modererade och strukturerade utifrån känslomässigt varierande promptar.
• Samla in data på över 60 underrepresenterade språk.

Lösning:

• Rekryterade och utbildade 4 000 modersmålstalare.
• Levererade hopparade datauppsättningar från över 50 sällsynta platser.
• Implementerade community-baserad inspelning, transkribering och skapande av stilguider.​

Resultat:

• Hjälpte kunden att bredda språkmodellens förståelse.
• Levererade data i många nya utmanande regioner.​
• Upprättade stöd för mer inkluderande och globalt relevanta AI-tillämpningar.

Kund: Ett ledande företag inom affärsprogram och telekom  

Bransch: Teknik

Utmaning:

• Hjälpa kunden att utvärdera och jämföra sin AI-agents prestanda inom områden som bank, detaljhandel, flygbolag och telekom.
• Samla och poängsätta tusentals verkliga samtal.
• Utvärdera AI-agenters prestanda på över 20 språk.​

Lösning:

• Samarbetade med kunden för att ta fram en metod för att standardisera kvaliteten på flera AI-agenter.
• Rekryterade tusentals bidragsgivare från hela världen, med över 20 olika språk.
• Erhöll tusentals deltagares bedömningar för samtalskvalitet, ton och ärendelösning.​
• Integrerade kategorier från kundens utvärderingar i vår process.

Resultat:

• Försåg kunden med referensdata.
• Hjälpte dem att jämföra AI-agenters prestanda.
• Gav kunden möjlighet att förfina och optimera AI-agenternas prestanda.

Kund: Globalt OEM-företag i fordonsbranschen

Bransch: Fordonsbranschen

Utmaning:

• Leverera miljontals datapunkter för att hjälpa företaget att träna sin röstassistent för fordon.
• Samla in och märka upp kommandofraser.
• Leverera data från flera miljöer.

Lösning:

• Samlade in miljontals röstkommandoklipp.
• Levererade varierade data från många marknader.​
• Tillhandahöll avsiktsmärkning, uppmärkning av sammanhang och validering av utdata.​

Resultat:

• Levererade miljontals märkta kommandon på flera språk.
• Hjälpte kunden att uppnå större korrekthet och bättre respons från deras röstassistent.
• Gav kunden förutsättningar att skapa en bättre säkerhets- och användarupplevelse.

Kund: Ett globalt plattformsföretag

Bransch: Teknik

Utmaning:

• Skala upp utvecklingen av text-till-tal-modell.
• Tillhandahålla 9 500 timmar med varierande ljuddata.

Lösning:

• Levererade över 9 500 timmar ljud på 16 språk.​
• Rekryterade beprövade modersmålstagare från vår utvalda crowd på den aktuella marknaden.
• Införde en strukturerad QA-process för att säkerställa kvalitet i hela arbetsflödet.

Resultat:

• Samlade in över fyra miljoner validerade klipp med fullständig kvalitetskontroll.​
• Hjälpte kunden att träna TTS-modellen snabbare.
• Levererade en imponerande datamängd med hög och jämn kvalitet.
• Undvek förseningar i produktutvecklingen.
• Levererade slutresultat inom snäva tidsramar på tre månader.

Kund: Ett stort USA-baserat kommunikationsteknikföretag för API:er och molnplattformar för röst-, meddelande- och nödtjänster

Bransch: Teknik

Utmaning:

Kunden behövde:

• data för att träna AI-samtalsagenter för att hantera stora samtalsvolymer
• miljontals ljudminuter per månad i flera månader
• vägledning om efterlevnad och borttagning av personuppgifter.​

Lösning:

• Märkte upp miljontals minuter med dialog, avsikt, ton och resultat.
• Märkte upp: STT-transkribering, talardiarisering, attityds- &och känsloanalys, icke-verbal vokalisering, ljuddetektion​, konversationstyp​, yttrandenivå, ämnesklassificering​, språkdetektering​​, identifiering och borttagning av& personuppgifter.​
• Tillhandahöll kompetent uppmärkning.
• ​Samarbetade med kunden för att utveckla annoteringsmetodik för kundens utvecklingsbehov.

Resultat:

Gav kunden möjlighet att

• utveckla domänspecifika AI-modeller anpassade för olika användningsfall inom branscher som flygbolag, bank och hälso- och sjukvård
• stärka sina konkurrensfördelar​
• skala upp sina databehov

Kund: Ett företag inom virtuell verklighet

Bransch: Teknik

Utmaning: Samla in över 600 000 ljuddatapunkter för att träna AI-modeller att identifiera och reagera på känslor. Göra bidragen omedelbart tillgängliga.

Lösning:

• Rekryterade 3 500 talare som behärskade flera språk flytande.
• Använde vår plattform för att spela in över 600 000 meningar som uttryckte specifika känslotillstånd (arg, ledsen, glad osv.).
• Tillhandahöll massexportfunktioner som snabbt och smidigt kunde användas vid leverans från respektive talare.

Resultat:

Vi hjälpte kunden att

• utveckla AI-modeller som agerar på ett emotionellt stödjande sätt för företagets olika VR-program
• fördjupa engagemanget hos spelare i deras VR-program.

Kund: En ledande datortillverkare

Bransch: Teknik

Utmaning:

Kunden behövde:

• Över 100 ljudinspelningar med hög kvalitet från olika slags möten.
• Transkriberingar med verifierad korrekthet.
• Data för att förbättra företagets flerspråkiga tal-till-text-plattform.

Lösning:

• Genererade skript på fler än 20 språk med scenarier från olika branscher och varierande bullernivå.
• Samlade in över 130 ljudklipp på fem minuter vardera från hembaserade bidragsgivare för att säkerställa mångfald från verkliga världen.
• Tillhandahöll omfattande kvalitetskontroll och efterbehandling av multimedia (bulleranpassning).
• Genomförde en expertgranskning av transkriberingar och kontrollerade korrekthet med WER-metoden.

Resultat:

• Levererade över 130 ljudinspelningar av hög kvalitet från möten och verifierade att transkriberingarna var korrekta.
• Tillhandahöll en robust och validerad datauppsättning för alla önskade språk, scenarier och kvalitetsstandarder.
• Hjälpte kunden att optimera deras integrerade programvara för flerspråkigt mötesstöd för globala marknader.

Kund: Ett globalt företag för konsument-AI

Bransch: Teknik

Utmaning:

Kunden behövde:

• Mer än 10 000 timmars videomaterial med naturliga samtal.
• Märka upp data i videorna, framför allt gällande relevanta känslor.
• Rekrytera 10 000 deltagare med mångfald.

Lösning:

Lionbridge:

• Spelade in 5 000 dyadiska videosamtal.
• Använde studiomiljöer för att säkerställa högkvalitativa videor med 24 Hz.
• Modererade och strukturerade samtal baserade på känslomässigt varierande frågeställningar.​
• Samlade in från tre större amerikanska städer.
• Märkte upp data utifrån känsloläge, persona och personlighet.​

Resultat:

• Levererade 10 000 timmar med videoinspelade samtal.
• Hjälpte kunden att undersöka interpersonell dynamik för att träna sina AI-personas.
• Bidrog till att skapa en banbrytande audiovisuell interaktionsdatauppsättning.
• Hjälpte kunden att träna och utvärdera avatarer med fysisk närvaro och realistiska sociala beteenden.

Kund: Ett försäkringsbolag i fordonsbranschen

Bransch: Fordonsbranschen

Utmaning:

Kunden behövde

• använda 10 000 varierade kvalitetsbilder av bilar av olika märken, från olika vinklar och med olika typer av skador
• minska modellens bias med bildmaterial från många geografiska områden
• snabba på träningen av modellen med strukturerade metadata och uppmärkning

​Lösning:

• Använde vårt globala bidragsgivarnätverk och vårt specialiserade rekryteringsteam.
• Samlade in och validerade 10 000 bilder på bilar.
• Integrerade kundmodellens specifikationer.

Resultat:

• Levererade en omfattande datauppsättning med 10 000 fordonsbilder från verkliga världen.
• Säkerställde att det fanns bilder med varierande ljusförhållanden och skadesituationer.​
• Levererade resultat inom snäva tidsramar på sex veckor.​
• Hjälpte kunden att träna en modell för automatisk hantering av skadeanmälningar.

Kund: Konsumentteknikkund med detaljhandelsfokus

Bransch: Detaljhandel, teknik

Utmaning:

Kunden behövde

• en varierad, global datauppsättning med dokumentbilder med 90 000 datapunkter
• hjälp med att träna en modell som utför dokumentbehandling.

Lösning:

• Samlade in över 90 000 bilder på biljetter, kuponger och PDF-filer.
• Rekryterade deltagare i nio globala regioner.
• Genererade metadata med hjälp av verktyg baserade på stora språkmodeller.​​
• Tog bort personuppgifter.

Resultat:

• Tillhandahöll omfattande träningsdata för dokumentanalys och automatisering.
• Gjorde det möjligt för kunden att avsevärt förbättra modellens noggrannhet för verkliga skannings-, extraherings- och automatiseringsarbetsflöden.
• Levererade en datauppsättning med 90 000 poster inom kundens tidsramar.

Kund: En leverantör av onlinevideotjänster

Bransch: Teknik

Utmaning: Kunden behövde snabb och storskalig videoöversättning från flera språk till engelska.

Lösning:

• Hittade lämpliga översättare i vårt enorma globala nätverk.
• Underlättade blixtsnabb granskning av videor, vanligtvis inom 2–3 dagar efter att de hade skickats in.
• Gjorde det enklare för översättare att flagga vulgärt, stötande, hatiskt, rasistiskt eller hotfullt innehåll.
• Hanterade enorma mängder videoinnehåll.

Resultat:

Tack vare vår insats kunde kunden

• snabbare hantera och publicera innehåll för användare
• få bättre kunskap om innehåll och fatta välgrundade beslut om vad som behövde varningsmärkas eller censureras
• se till att användarna är engagerade och uppskattar plattformens innehåll
• fortsätta moderera innehåll på ett ansvarsfullt sätt
• etablera sig som tillförlitlig källa till underhållande och icke-stötande videoinnehåll på flera språk.

Kund: Leverantör av eLearning-lösningar

Bransch: eLearning

Utmaning: Granska över 300 maskinöversatta videor. Markera kvalitetsproblem i översättningen, inklusive:

• meningsbyggnad
• stavning och grammatik
• allmän korrekthet.

Lösning:

• Använde vår plattform för att rekrytera hundratals flerspråkiga granskare på många olika språk.
• Samlade in redigerade, AI-transkriberade undertexter när så behövdes.
• Informerade kunden om transkriberingar som saknades eller innehöll allvarliga fel.

Resultat:

• Slutförde projektet på endast fem dagar.
• Kunden fick videotranskriberingar av hög kvalitet.
• Hjälpte kunden att nå människor över hela världen som talar olika språk.
• Hjälpte kunden att stärka bilden av deras varumärke som engagerande och tillförlitligt, även på andra språk.

Kund: Ett stort företag inom sociala medier

Bransch: Teknik

Utmaning: Träna en LLM med 5 000 timmars video med olika känsloyttringar.

Lösning:

• Rekryterade en brokig samling med 3 500 deltagare.
• Såg till att alla deltagare befann sig i USA.
• Spelade in och sammanställde kvalitetsvideo med deltagarna.
• Märkte upp klippen med utförlig information om känslor, relationsmarkörer och insikter om personlighetsdrag.

Resultat:

Vi hjälpte kunden att

• framgångsrikt träna sin LLM, så att den kunde förstå och reagera på en rad olika känsloyttringar
• stärka sitt anseende som banbrytande företag inom social teknik
• levererade 5 000 timmar uppmärkt video på bara en månad.

Kund: Ledande globalt teknikföretag

Bransch: Teknik

Utmaning:

• Testa kundens app på fler än 50 språk från hela världen.
• Tillhandahålla lokala testningsfunktioner på en enda, global anläggning.
• Dela löpande testning av en rad olika enheter/operativsystem.

Lösning:

• Hittade testare och uppmärkare för samtliga fler än 50 språk på vårt kontor i Warszawa, Polen.
• Skapade en testmetod för den specifika AI-appen.
• Använde en rad olika enheter och operativsystem vid testning.
• Hundratals modersmålstalare utförde närmare 400 000 enskilda utvärderingar.
• Granskade 59 nya funktioner i 11 produkter med en genomsnittlig kvalitetspoäng på 4,55 av 5.

Resultat:

• Förbättrade användarupplevelsen på samtliga understödda språk.
• Säkerställde att befintliga funktioner levererar en upplevelse av hög och jämn kvalitet.
• Förhindrade att nya funktioner lanserades med bristfällig kvalitet.
• Såg till att uppgraderingar av modellen höll hög kvalitet vid lansering.
• Säkerställde RAI-användning.

Kund: Ett stort mobiltelefonföretag

Bransch: Teknik

Utmaning:

• Samla in 170 000 bilder med handskrift.
• Märka upp bilderna på 17 språk.​
• Leverera inom en snäv tidsram (totalt 5 månader).
• Säkerställa dataintegritet.

Lösning:

• Använde vår AI-datainsamlingsplattform, Aurora AI Studio.
• Använde vårt specialiserade rekryteringsteam för AI-datainsamling för att hitta deltagare.
• Annoterade alla handstilsbilder.

Resultat:

• Levererade och annoterade dessa 170 000 handstilsbilder enligt gällande standarder.
• Levererade resultat inom bara 5 månader.
• Imponerade på kunden, vilket ledde till att de anlitade oss för ytterligare ett datainsamlingsprojekt.

Kund: Stor smartphonetillverkare

Bransch: Teknik

Utmaning: Smartphoneföretaget behövde samla in 200 000 flerspråkiga samtalsdata från ”verkliga livet” för att förbättra snabbsvarsfunktionen i meddelandeappar.

Lösning:

• Använde vår banbrytande plattform för att efterlysa och samla in över 200 000 dialoger.
• Varje dialog innehöll upp till 20 meddelanden och fem deltagare.
• Samlade in samtalsdata på åtta språk.
• Sammanställde alla data på fyra veckor.

Resultat:

Med hjälp av våra över 200 000 insamlade samtalsdata kunde smartphoneföretaget

• engagera och erbjuda tjänster till en bredare, global kundkrets
• fortsätta utveckla sitt rykte som leverantör av en smidig och användarvänlig enhet för människor över hela världen
• utveckla sitt snabbsvarsprogram i högre takt för att hålla jämna steg med konkurrenter och kundefterfrågan

Kund: En stor e-handlare

Bransch: Detaljhandel, Teknik

Utmaning: Granska 1,8 miljoner flerspråkiga svar på flervalsfrågor. Välja de bästa. Sedan betygsätta alla baserat på

• korrekthet
• formatering
• grammatik
• lingvistik.

Lösning:

• Rekryterade fler än 5 000 granskare med flytande kunskaper i över 30 språk.
• Samlade in omdömen och svar för kundens stora språkmodell.

Resultat:

Vi gav denna kund möjlighet att

• träna sin AI-modell för att ge bättre svar på kundfrågor
• hantera frågor på över 30 språk
• erbjuda bättre service och kontakt med människor över hela världen och behålla sitt goda rykte.

Kund: Ett av världens största teknikföretag

Bransch: Teknik

Utmaning: Utvärdera och förbättra kundens stora språkmodell för översättning till 50 språk.

Lösning:

• Satte samman ett team med prompttekniker och språkexperter på 50 språk.
• Bad skribenter skapa effektiva Python-skript.
• Bedömde översättningskvaliteten efter att promptar utformats.
• Säkerställde kontinuerligt finslipade promptar för optimala resultat.
• Rekryterade fjärrteam från en mångfasetterad global community.

Resultat:

Vi hjälpte kunden att

• förbättra deras stora språkmodell för högre avkastning
• uppnå bättre flyt och korrekthet i översättningar på 50 språk
• hålla kontakten med fler globala kunder.

Kund: Global teknikjätte

Bransch: Teknik, detaljhandel

Utmaning: Granska och sammanfatta 6,5 miljoner kundrecensioner varje månad på över 30 språk för att förstå den övergripande feedbacken från kunderna.

Lösning:

• Utförde mänsklig validering på ett statistiskt signifikant urval på respektive språk.
• Uppnådde 90 % noggrannhet i kategorisering genom promptar med stora språkmodeller.
• Anpassad Prompt Engineering med stora språkmodeller för att stödja e-handelsfeedback.
• Granskade och översatte ett stort antal kundomdömen – med begränsade ledtider för analys.
• Rekryterade ett globalt team med lokala validerare.

Resultat:

Vi hjälpte kunden att

• dra nytta av kraften i sin stora språkmodell för att kategorisera 6,5 miljoner kundrecensioner som positiva, negativa eller neutrala.
• förstå sin globala kundfeedback.
• hålla kontakten med kunder som inte har engelska som modersmål
• anpassa och förbättra produkter baserat på marknadssentiment.

Kund: Global teknikjätte inom konsumentelektronik, hushållsapparater och industriell utrustning

Bransch: Teknik, detaljhandel

Utmaning:

• Validera över 200 000 meningar i sju språkkombinationer.
• Skapa och översätta 50 000 meningar.
• Sammanfatta över 10 000 meningar.
• Ändra tilltal, formalitet och format på batchnivå i över 10 000 meningar.
• Uppfyll den strikta tidsfristen på 1,5 månader.

Lösning:

• Samlade över 50 lingvister per språk.
• Samlade in röstinspelningar med aktiveringsord från 3 000 talare av koreanska, engelska och spanska.
• Skapade en syntetisk språkkorpus med över en miljon ord på tio språk för olika funktioner.
• Skapade 100 000 syntetiska telefonsamtalsdata på engelska.
• Verifierade syntetiska hälsodata.
• Skapade och verifierade en språkkorpus med 350 000 maskinöversatta ord.
• Samlade in en språkkorpus med 60 000 inspelade uppsättningar på flera språk.
• Levererade alla nödvändiga data inom 1,5 månader.

Resultat:

Hjälpte kunden att

• utveckla en AI-modell som översätter och tolkar i realtid på 13 språk
• erbjuda flerspråkiga, AI-baserade tangentbords- och anteckningsfunktioner
• uppfylla snäva tidsramar med slutleverans inom 1,5 månader.