AI terminu vārdnīca latviski: 28 vārdi, ko dzirdēsiet piedāvājumā

Latviešu valodā par mākslīgo intelektu runā trijās valodās vienlaikus: latviski, angliski un pa vidu. Vienā piedāvājumā ir “uzvedne”, nākamajā “prompts”, trešajā “prompta inženierija”, un pircējam ir jāsaprot, vai tie ir trīs dažādi darbi vai viens.

Tāpēc mēs vispirms pārbaudījām, kur robeža vispār ir novilkta oficiāli.

Īsā atbilde

Daļai AI pamatterminu latviešu valodā ir apstiprināts termins, daļai nav. 2026. gada 31. jūlijā pārbaudījām divpadsmit terminus Latvijas Nacionālajā terminoloģijas portālā: apstiprināts latviskais termins ir sešiem - mākslīgais intelekts, mašīnmācīšanās, valodas modelis, neironu tīkls, uzvedne (prompt) un žetons (token). Sešiem nav: lielais valodas modelis, ģeneratīvais mākslīgais intelekts, dziļā mācīšanās, transformeris, čatbots un halucinācija AI nozīmē. Praktiskā nozīme pircējam: tieši tie seši vārdi bez apstiprināta termina ir tie, ar kuriem šodien pārdod, tāpēc piedāvājumā tos ir vērts pārprasīt, nevis pieņemt, ka abas puses domā vienu un to pašu.

Ko rāda terminu banka

Latvijas Nacionālajā terminoloģijas portālā ir apkopota apstiprinātā nozaru terminoloģija - LZA Terminoloģijas komisijas protokoli, Valsts valodas centra izstrādātie termini un nozaru vārdnīcas. Pārbaudījām tur divpadsmit terminus, ko dzird gandrīz katrā AI sarunā.

Termins	Apstiprināts latviskais termins	Avots
artificial intelligence	mākslīgais intelekts	septiņi šķirkļi, senākais no 1979. gada
machine learning	mašīnmācīšanās	LZA TK ITTEA protokoli
language model	valodas modelis	LZA TK ITTEA protokoli
neural network	neironu tīkls, mākslīgo neironu tīkls	LZA TK ITTEA protokoli
prompt	uzvedne	Valsts valodas centrs, LZA TK ITTEA
token	žetons	Izglītības terminu skaidrojošā vārdnīca
large language model	nav	-
generative AI	nav	-
deep learning	nav	-
transformer	nav	-
chatbot	nav	-
hallucination (AI nozīmē)	nav	tikai medicīnas nozīmē

Trīs lietas šajā tabulā ir svarīgākas par pašu sarakstu.

Pirmkārt, robeža iet pa gadskaitli, ne pa sarežģītību. Apstiprināti ir tie termini, kas eksistēja, pirms sākās pēdējo gadu vilnis. “Mākslīgais intelekts” latviešu terminoloģijā ir kopš 1979. gada. “Ģeneratīvais mākslīgais intelekts” nav nekur: portālā ir septiņpadsmit šķirkļu ar vārdu “ģeneratīvais”, un tie visi ir par bioloģiju un valodniecību - ģeneratīvā šūna, ģeneratīvā gramatika, ģeneratīvā pavairošana.

Otrkārt, “uzvedne” ir pareizais vārds, un to gandrīz neviens nelieto. Tas ir Valsts valodas centra izstrādātais termins, apstiprināts gan informācijas tehnoloģiju, gan izglītības nozarē. Latvijas tirgū tikpat kā vienmēr raksta “prompts”. Tas nav pasaules gals, bet tas ir precīzs rādītājs: nozare, kas pārdod valodas tehnoloģijas, savā valodā izmanto aizguvumu tur, kur latviskais vārds jau ir gatavs.

Treškārt, “halucinācija” latviski oficiāli ir tikai medicīnas jēdziens. Portālā šis vārds ir četros šķirkļos, un visi ir psihiatrijas šķirkļi. Kad piedāvājumā rakstīts, ka “modelis dažreiz halucinē”, aiz šī vārda latviešu valodā nestāv apstiprināts termins - stāv aizguvums, kas mīkstina to, kas patiesībā notiek. Skaidrāk pateikts: modelis uzraksta nepatiesu atbildi pārliecinātā tonī.

Vārdnīca

Pamatjēdzieni

Mākslīgais intelekts (artificial intelligence). Kopjēdziens programmatūrai, kas veic uzdevumus, kuriem agrāk vajadzēja cilvēka spriestspēju. Piedāvājumā šis vārds gandrīz neko nepasaka par darba apjomu, tāpēc no tā vien cenu prognozēt nevar.

Mašīnmācīšanās (machine learning). Pieeja, kurā sistēma nesaņem gatavus noteikumus, bet atrod likumsakarības datos. Ja jūsu procesu var aprakstīt ar skaidru noteikumu, mašīnmācīšanās nav vajadzīga un izmaksās dārgāk nekā parasta programma.

Dziļā mācīšanās (deep learning). Mašīnmācīšanās veids, kas izmanto daudzslāņu neironu tīklus. Uzņēmuma lēmumā šis vārds neko nemaina; tas apraksta, kā lieta uzbūvēta iekšpusē, nevis ko jūs saņemat.

Neironu tīkls (neural network). Matemātisks modelis, kas apstrādā datus daudzos savstarpēji saistītos slāņos. Apstiprināts termins ir arī “mākslīgo neironu tīkls” - ar cilvēka smadzenēm tam ir kopīgs tikai nosaukums.

Ģeneratīvais mākslīgais intelekts (generative AI). Modeļi, kas rada jaunu saturu: tekstu, attēlus, kodu, audio. Šeit ir svarīga atšķirība, ko piedāvājumos bieži saplūdina: sistēma, kas šķiro un atrod, un sistēma, kas raksta jaunu tekstu, nes ļoti dažādu risku.

Modelis un tā darbība

Valodas modelis (language model). Modelis, kas paredz nākamo teksta gabalu pēc iepriekšējā. Viss pārējais - atbildes, kopsavilkumi, tulkojumi - ir šī viena mehānisma pielietojumi.

Lielais valodas modelis (large language model, LLM). Valodas modelis, kas apmācīts uz ļoti liela teksta apjoma un spēj strādāt ar dažādiem uzdevumiem bez atsevišķas apmācības katram. Apstiprināta latviskā termina nav, tāpēc piedāvājumā šis vārds mēdz apzīmēt gan gatavu ārēju pakalpojumu, gan uzņēmumā uzturētu modeli - divas ļoti dažādas cenas.

Transformeris (transformer). Arhitektūra, uz kuras balstās mūsdienu valodas modeļi. Pircējam tas ir tehnisks fakts bez praktiskām sekām; ja piedāvājumā to izceļ kā priekšrocību, tā nav priekšrocība, jo tā ir visiem.

Žetons (token). Teksta gabaliņš, kādos modelis sadala valodu, parasti īsāks par vārdu. Modeļa lietojumu mēra žetonos, tāpēc rēķins aug līdz ar apjomu - un latviešu tekstam garo vārdu un locījumu dēļ žetonu parasti vajag vairāk nekā tam pašam tekstam angliski.

Konteksta logs (context window). Cik daudz teksta modelis spēj vienlaikus paturēt prātā. Tas ir iemesls, kāpēc garu dokumentu apstrāde tiek sadalīta daļās, un tas tieši ietekmē, cik lielus jūsu failus sistēma vispār var apstrādāt.

Uzvedne (prompt). Norādījums, ko sistēmai padod pirms atbildes. Nopietnā risinājumā uzvedne nav viena rindiņa, ko ieraksta lietotājs, bet sagatavots un pārbaudīts teksts, kas nosaka toni, robežas un rīcību šaubu gadījumā - un tas ir reāls darbs, kas prasa laiku.

Halucinācija (hallucination). Pārliecinoši uzrakstīta nepatiesa atbilde: izdomāts skaitlis, neesošs avots, nepareizs likuma pants. Tā nav kļūda, ko var pilnībā izslēgt; to var tikai samazināt un noķert, un tieši tāpēc pastāv nākamais termins.

Precizēšana (fine-tuning). Gatava modeļa papildu apmācība uz jūsu datiem, lai tas labāk atbilstu jūsu uzdevumam. Praksē lielākajai daļai uzņēmuma uzdevumu tā nav vajadzīga un ir dārgāka nekā alternatīva, kas seko zemāk.

Vektoru attēlojums (embedding). Teksta pārvēršana skaitļu virknē tā, lai pēc nozīmes tuvi teksti atrastos tuvu arī skaitliski. Tas ir mehānisms, kas ļauj sistēmai atrast pareizo fragmentu jūsu dokumentos, pat ja lietotājs to formulējis citiem vārdiem.

Kā to pieslēdz uzņēmumam

RAG jeb atbilžu balstīšana savos datos (retrieval-augmented generation). Modelis pirms atbildes atrod jūsu dokumentos vajadzīgo fragmentu un atbild, balstoties uz to. Šī ir izplatītākā un parasti pareizākā pieeja uzņēmuma asistentam, un lielākā darba daļa tajā ir jūsu dokumentu sakārtošana, ne modeļa izvēle.

AI aģents (AI agent). Sistēma, kas ne tikai atbild, bet arī veic darbības: izveido ierakstu, nosūta e-pastu, izraksta rēķinu. Aģentam vajag piekļuves tiesības citās sistēmās, tāpēc gan cena, gan kļūdas cena ir augstāka nekā čatbotam.

Čatbots un asistents (chatbot). Saskarne, kurā lietotājs uzdod jautājumu un saņem atbildi. Vārds neko nepasaka par to, kas ir aiz tā: čatbots var būt gan trīs sagatavotas atbildes, gan pilna RAG sistēma, un starpība cenā ir desmitkārtīga.

Integrācija un API. Savienojums starp sistēmām, pa kuru dati pārvietojas automātiski. Sistēma ar API ir savienojama; sistēma bez API prasa apkārtceļu, un apkārtceļš maksā - tāpēc piedāvājumā integrācijas sistēmas ir jānosauc vārdā.

Automatizācijas plūsma (workflow). Soļu virkne, kas notiek pati: saņemts e-pasts, nolasīts pielikums, izveidots ieraksts, nosūtīts apstiprinājums. Plūsmas cenu nosaka izņēmumu skaits, ne soļu skaits.

Dokumentu nolasīšana (OCR). Teksta iegūšana no skenētiem dokumentiem un attēliem. Latviešu valodā rezultāta kvalitāte ir jāpārbauda ar jūsu pašu dokumentiem, ne ar demonstrācijas piemēriem - diakritiskās zīmes un iestāžu nosaukumi ir tieši tā vieta, kur šī tehnoloģija klūp.

Cilvēka apstiprinājuma solis (human-in-the-loop). Vieta plūsmā, kur cilvēks pārbauda rezultātu, pirms tas kaut ko izmaina. Tas samazina ietaupījumu, bet ir vienīgais godīgais risinājums visur, kur kļūdas cena ir lielāka par pārbaudes cenu.

Modeļa lietojuma maksa. Summa, ko maksā par apstrādāto apjomu, atsevišķi no izveides cenas. Šī ir daļa, ko Latvijā nepublisko neviens - pārbaudījām deviņus piedāvājumus, un ikmēneša izmaksas nenosauca neviens no tiem.

Dati, likumi un risks

ES AI akts (EU AI Act). Eiropas Savienības regula, kas iedala AI lietojumus riska kategorijās un uzliek prasības pēc kategorijas. Uzņēmuma čatbots un dokumentu apstrāde parasti ir zema riska kategorija, kur galvenā prasība ir caurspīdīgums: cilvēkam jāzina, ka viņš sarunājas ar sistēmu, nevis ar darbinieku.

VDAR (GDPR). Personas datu aizsardzības regula, kas attiecas arī uz AI plūsmām. Ja plūsma apstrādā klientu datus, jāzina, kur tie fiziski nonāk, cik ilgi tos glabā un kas tiem var piekļūt.

Apmācība uz jūsu datiem. Jautājums, vai jūsu ievadītais teksts tiek izmantots modeļa uzlabošanai. Atbilde ir atkarīga no konkrētā pakalpojuma un līguma, tāpēc to prasa rakstiski un ar konkrētu punktu, ne ar apgalvojumu, ka dati ir drošībā.

On-prem un privātais modelis. Modelis, kas darbojas jūsu vai piegādātāja pārvaldītā vidē, nevis publiskā pakalpojumā. Tas atrisina daļu no datu jautājumiem un ievērojami palielina gan izveides, gan ikmēneša izmaksas.

Datu noplūde caur uzvedni. Situācija, kurā darbinieks ielīmē konfidenciālu dokumentu publiskā rīkā. Praksē tas ir biežākais reālais AI drošības incidents uzņēmumā, un to novērš nevis tehnoloģija, bet skaidri noteikumi un pieejams iekšējais rīks.

Modeļa maiņa un novecošana. Modeļi tiek atjaunināti un atslēgti, un plūsma, kas strādāja pērn, var sākt atbildēt citādi. Tāpēc uzturēšana šeit nav papildu pakalpojums, bet daļa no pamata izmaksām.

Kuri seši termini tiešām maina cenu

Divdesmit astoņi vārdi ir daudz. Sarunai ar izstrādātāju pietiek ar sešiem, jo tikai tie ietekmē summu un risku: uzvedne, žetons, konteksta logs, halucinācija, RAG un cilvēka apstiprinājuma solis.

Ar tiem sešiem var uzdot jautājumus, uz kuriem vispārīgs piedāvājums neatbild:

1. Uz kā balstās atbildes - uz modeļa vispārīgajām zināšanām vai uz mūsu pašu dokumentiem?
2. Cik lielus dokumentus sistēma spēj apstrādāt vienā gājienā?
3. Ko sistēma dara, kad nav pārliecināta: aptur, nodod cilvēkam vai uzraksta atbildi tik un tā?
4. Kurā vietā plūsmā ir cilvēka apstiprinājums, un ko tas maksā laikā?
5. Cik maksās mēnesī pie mūsu reālā apjoma latviešu valodā, nevis pie minimālā?
6. Kas notiek, kad modelis tiek nomainīts?

Piedāvājums, kurā šie seši ir atbildēti rakstiski, gandrīz vienmēr ir godīgāks par lētāko piedāvājumu, kurā tie nav minēti.

Kāpēc latviešu valoda šeit ir atsevišķs jautājums

Divas lietas atšķiras no angļu valodas, un abas maksā naudu.

Pirmā ir žetonu skaits. Latviešu vārdi ir gari un locīti, tāpēc tas pats saturs latviski parasti prasa vairāk žetonu nekā angliski. Ikmēneša rēķins to jūt tieši.

Otrā ir kvalitāte. Lielie modeļi latviski saprot labi un raksta pieņemami, bet nozares terminus, locījumus un iestāžu nosaukumus mēdz sabojāt - tieši tāpat, kā šī raksta tabula rāda, ka pat oficiālā terminoloģija pusei jauno jēdzienu vēl nav gatava. Tāpēc demonstrāciju prasiet ar saviem dokumentiem un saviem terminiem, ne ar sagatavotiem jautājumiem.

Mēs AI un automatizācijas darbu sākam ar procesa apskati un izmērām stundas pirms un pēc. Ja gribat, lai izskatām jūsu gadījumu, pastāstiet, kas atkārtojas - apskate ir bez maksas.

---

Metode: 2026. gada 31. jūlijā pārbaudījām divpadsmit AI terminus Latvijas Nacionālajā terminoloģijas portālā (termini.gov.lv), kurā apkopota LZA Terminoloģijas komisijas, Valsts valodas centra un nozaru vārdnīcu apstiprinātā terminoloģija. Pierakstījām, vai terminam ir apstiprināts latviskais termins un kurš avots to devis. Portāla saturs papildinās, tāpēc datums ir svarīgs: šis ir viens pārbaudes datums, nevis pastāvīga uzskaite. Pārējie vārdnīcas skaidrojumi ir mūsu formulējumi praktiskā, ne akadēmiskā nozīmē.