LLM em azerbaijano no SageMaker: como a Azercell resolveu o problema de um idioma pouco representado

A operadora de telecomunicações azerbaijana Azercell desenvolveu seu próprio modelo de linguagem no Amazon SageMaker AI. A empresa se impôs um desafio ambicioso: criar um LLM de nível de produção para um idioma morfologicamente complexo, com pouca oferta de dados prontos e sem soluções existentes no mercado.

Por que o azerbaijano é um caso difícil O azerbaijano é um

representante típico das línguas aglutinantes, com morfologia rica. Uma única palavra pode receber vários sufixos, que mudam radicalmente seu sentido e sua função gramatical. Isso exige abordagens de tokenização e de treinamento de modelos completamente diferentes das usadas em línguas indo-europeias. Além da complexidade morfológica, há um fator crítico: o volume de dados abertos de treinamento em azerbaijano é muito menor do que em inglês, russo ou espanhol. Os métodos padrão de treinamento de LLMs, consolidados em grandes corpora de texto, não funcionam aqui de forma direta.

• A complexidade morfológica exige uma tokenização específica Escassez de dados: 100+ vezes menos textos do que nos idiomas mais difundidos Falta de exemplos prontos e de best practices para LLMs em azerbaijano Necessidade de adaptar foundation models treinados com dados em inglês Exigência de integrar o modelo aos sistemas de produção da operadora ## Como a Azercell resolveu o problema A empresa firmou uma parceria com o AWS Generative AI Innovation Center. Em seis semanas intensivas de trabalho conjunto, especialistas dos dois lados construíram um framework production-ready no Amazon SageMaker. A solução reuniu alguns componentes-chave: preparação e limpeza adequadas dos dados disponíveis, tokenização especializada que leva em conta a morfologia do azerbaijano e otimização do processo de treinamento para trabalhar com um volume menor de dados. Os engenheiros recorreram a transfer learning: em vez de treinar do zero com um corpus em azerbaijano, adaptaram modelos já treinados.

O resultado: dois papéis para o modelo O modelo da Azercell atua em duas frentes.

A primeira é um chatbot de atendimento ao cliente, que ajuda os assinantes com dúvidas sobre serviços e planos em azerbaijano. A segunda são os processos internos de negócio: tratamento de solicitações recebidas, análise de fala no call center, classificação de problemas e recomendações personalizadas de serviços. O foco no azerbaijano evita perdas de sentido na tradução e garante que o modelo compreenda contextos locais e nuances da fala.

O que isso significa

Este é o primeiro exemplo público de um LLM completo para o azerbaijano desenvolvido em infraestrutura de nuvem. O caso mostra que plataformas de nuvem podem adaptar LLMs tanto para idiomas pouco representados quanto para tarefas específicas de cada setor. Para outras empresas da região, fica o sinal: investir em um modelo de linguagem próprio é viável e pode ser feito em poucas semanas.