Языковой разрыв в BPO
Команды поддержки в APAC ведут переписку на множестве скриптов. Тайские пользователи пишут по-тайски. Индонезийские — на бахаса. Вьетнамские — по-вьетнамски.
Эти журналы чатов содержат ПДн. Имена. Номера телефонов. Адреса. Номера идентификаторов. Всё — на местном скрипте.
Однояязычные инструменты здесь бессильны. Их модели обучались на западных текстах. Детекторы имён учились на формах имён латинского скрипта. Модели адресов обучались на западных форматах адресов.
Тайский скрипт невидим для одноязычной модели. Индонезийский адрес не совпадает с паттернами латинского скрипта. Тональный вьетнамский текст добавляет ещё один слой несовпадения. Результат: почти нулевые совпадения ПДн для нелатинских журналов.
Большинство чатов в APAC — не на английском языке. Это не нишевый пробел. Для крупных BPO — это норма.
Требования соответствия в APAC
Три законодательных акта о данных теперь охватывают эти регионы. Каждый из них действует. Каждый применяется к BPO-компаниям, обрабатывающим данные клиентов из APAC.
Тайланд PDPA: Действует с 2022 года. Требует минимизации данных, получения согласия и мер безопасности. Журналы поддержки с тайскими именами подпадают под его действие.
Indonesia PDPLaw: Распространяется на все компании, обрабатывающие данные резидентов. Требует мер безопасности для персональных записей.
Vietnam PDPD: Декрет Вьетнама 2023 года применяется к любой компании, обрабатывающей данные вьетнамских резидентов. Местонахождение компании не имеет значения.
Все три закона разделяют одно основное правило: найти ПДн и защитить их. Это правило действует для любого скрипта, который использует клиент. Подробнее о том, как эти законы влияют на BPO-деятельность, см. в нашем обзоре соответствия.
Проблема 500 000 чатов
Сингапурская финтех-компания проводит 500 000 чатов поддержки в месяц. Она обслуживает клиентов на 12 диалектах APAC. Её правовая обязанность распространяется на все 500 000.
Её инструмент на английском языке охватывает только англоязычную долю.
Допустим, 30% чатов — на английском языке, с точностью 90%. Это защищает около 135 000 чатов. Остальные 365 000 проходят практически без обнаружения ПДн.
Это оставляет 73% чатов незащищёнными. Ручная проверка 365 000 чатов невозможна. Одни только затраты на персонал делают её нецелесообразной. Автоматизированные инструменты должны охватывать реальный набор используемых скриптов — а не только один.
Кросс-лингвальное обнаружение
XLM-RoBERTa — модель, обученная на более чем 100 языках. Она обучается тому, что имена, места и компании разделяют общие паттерны в разных скриптах. Работает даже тогда, когда поверхностный текст выглядит совершенно иначе.
Покрытие APAC включает четыре ключевых скрипта:
Бахаса Индонезия — обнаружение имён, компаний и мест. Тайский — базовые ПДн через кросс-лингвальный перенос. Вьетнамский — обнаружение сущностей с поддержкой тонального скрипта. Филиппинский — покрытие чатов на тагальском языке.
Stanza добавляет модели для скриптов, где они существуют. Вместе оба инструмента охватывают весь APAC-микс. Ни один не требует отдельного инструмента для каждого скрипта. Шаги настройки см. в нашем руководстве по безопасности.
Влияние на соответствие очевидно. Вместо охвата 27% чатов полное многоязычное обнаружение охватывает все. Очередь ручной проверки сокращается с сотен тысяч до небольшой выборочной проверки.
Почему это важно именно сейчас
Thailand PDPA, Indonesia PDPLaw и Vietnam PDPD — все три действуют. Регуляторы ожидают, что компании будут находить ПДн в каждом скрипте, который используют их клиенты.
Одноязычные инструменты этой планке не соответствуют. Кросс-лингвальные модели — соответствуют. Для BPO с широкой базой пользователей в APAC этот разрыв имеет значение. Это граница между правовым риском и правовой защитой.