Velge OCR-språk riktig i flerspråklige saker

Et prosesskriv på tysk, bilag på engelsk, en etatsside med polske navn: flerspråklige saker er hverdag i grensekryssende tvister, M&A og utlendingsrett. OCR som «på en måte forventer tysk» leser da spesialtegn feil, river navn og gjør senere søk ubrukelig.

Språkinnstillingen er ikke en sidebryter. Den styrer tegnsett, orddelingsmønstre og ofte siffergjenkjenning i blandede oppsett.

Ett dokument, flere språk

Mange motorer tillater primærspråk pluss tilleggspråk. Bruk det bevisst: primært prosedyrespråket for de fleste sider, tillegg for bilagsklynger. Et rent «alle språk samtidig» uten prioritet skaper noen ganger mer forvirring enn nytte - særlig mellom like glyfer.

Skill pakker når dere kan: tyske prosesskriv i ett løp, fremmedspråklige bilag i et andre med riktig innstilling. Det koster ett steg og sparer korrekturlesing av egennavn.

Hva stikkprøver bør sikte på

Sjekk målrettet: navn med diakritika (ł, ń, é, ø), saksnummer med bokstav-siffer-blanding, beløp med tusenskille, adresser med landstypiske forkortelser. Det er der gale språkinnstillinger synes. En side «ser bra ut» i miniatyr og er likevel feil i tekstlaget.

LexLogik og sammenlignbare verktøy forutsetter at kildespråket passer motoren; det faglige valget ligger hos teamet som kjenner saken.

Teamstandard for gjentatte sakstyper

Definer for typiske saker (for eksempel tysk-engelske kontraktsvistter, tysk-fransk korrespondanse) en foretrukket OCR-konfigurasjon og dokumenter den i én linje. Vikarer skal ikke gjette. Når et sjeldent språk bare dukker opp én gang, lønner manuell retting av kritiske felt ofte mer enn risikabel automatikk.

Sjekkliste før eksport

• Primær- og tilleggspråk satt bevisst, ikke default.
• Kritiske egennavn sjekket mot originalskanning.
• Søk i resultat-PDF: finner dere saksnummer og klientnavn?
• Ved blandede oppsett: ekstra sjekk av tabeller og stempler.
• Noter språkinnstillingen i et kort prosessnotat hvis senere ny kjøring trengs.

Når portaler og motparter forventer andre tegnsett

Noen innsendingskanaler normaliserer omlyd eller diakritikk annerledes enn lokalt søk. Sjekk derfor ikke bare tekstlaget internt, men også en eksportert eller opplastet testside når kanalen er kjent. For navn fra identitetsdokumenter: match dokumentet, ikke «fonetisk nært».

For gjentatte språkpar lønner en énlinjes teamnote i saksstandarden («DE primær, EN sekundær, PL bare bilagsløp»). Det sparer diskusjon under tidspress og gjør vikarordning holdbar.

Flerspråklighet er ikke lenger et kanttema. Behandle OCR-språk som frister - i forkant og dokumentert - og dere unngår stille feil som først blir pinlige i rettsmøtet. Teknikken følger sakens språkvalg, ikke omvendt. Fastsett det én gang i saksnotatet, så sparer dere samme diskusjon i hver senere fristrunde.

Ordlister og saksordbøker med hensikt

For gjentatte klientbransjer lønner en kort liste over kritiske egennavn og fagtermer som stikkprøves etter OCR. Det erstatter ikke språkvalg, men reduserer systematiske feillesinger av produktnavn, steder og myndighetsbetegnelser. Oppdater listen når en ny sakstype kommer inn i porteføljen.

Språkprofil per sakstype

For gjentatte saker (grensekryssende kjøp, asyl, IP): sett standard språkprofil - primærspråk, tillatt andrespråk, hvem som godkjenner avvik. Assistenten velger ikke «alle språk» bare fordi menyen tilbyr det.

For fristkritiske saker: assistenten stopper neste steg hvis sjekkliste eller frigivelse mangler. Partnere dokumenterer unntak skriftlig i saken - ikke bare muntlig i gangen.

Riktig OCR-språk sparer omarbeid på saksnummer og egennavn. En saksprofil pluss stikkprøve av kritiske begreper etter kjøringen holder flerspråklige pakker innsendingsklare - uten å gjette hver gang.