キャッチコピーと契約書の区別ができる自動翻訳ワークフロー

キャッチコピー、法的条項、製品説明では、それぞれ起こり得る問題が異なるため、同じワークフローで扱うべきではありません。コンテンツの種類に応じた自動化の範囲、品質の確認方法、人が関わるべき工程を紹介します。

私のチームはPhraseのローカリゼーションを担当していますが、すべてに同じワークフローを使っているわけではありません。ヘルプセンターの記事は作成・更新の頻度が高く、翻訳メモリや用語ベースを活用しやすいため、翻訳を自動化しています。人によるレビューは簡単に済ませるか、省略します。ブログも同じ方法で扱いますが、理由は異なります。ブログでは用語の統一よりも、スピードとコストを優先します。

製品のUIとマーケティングコピーは異なります。私たちはすべての単語をポストエディットしています。正確で目的に適った訳にする必要があるためです。一方で、ルーティング、割り当て、引き継ぎを自動化パイプラインで処理し、プロジェクトマネージャーの負担を減らしています。

必要なレビューの程度はコンテンツによって決まります。
自動化は、それ以外のほぼすべてを処理できます。

Phraseの調査も同じ結論を示しています。機械翻訳の品質に関するPhraseの調査は、次の留意点で締めくくられています。編集せずに使える品質の出力の割合は、ドメイン、コンテンツタイプ、言語ペアによって異なり、それに伴ってコスト削減効果も変わるということです。

この記事では、その留意点を具体的な手法に落とし込みます。機械翻訳の品質はコンテンツタイプによって異なり、誤訳が生じた場合の代償も異なります。そのため、自動翻訳ワークフローは、コンテンツタイプごとに設定を変えることで最も効果を発揮します。以下では、判断のためのマトリックス、3つの具体例（製品説明、法的条項、キャッチコピー）、それらに対応するPhraseの設定、そしてチームに最も大きな損失をもたらすミスを紹介します。

自動翻訳ワークフローのための意思決定マトリックス

各行は2つの質問に答えています。この種のコンテンツにおいて、機械とそれを評価するチェック機能をどこまで信頼できるか？そして、もし誤った内容がそのまま公開されてしまった場合、どのようなコストが発生するか？

最初の3行は契約やキャンペーンほど注目されませんが、作業の大半はそこにあります。私の経験では、サポートコンテンツとUI文字列だけで、ほとんどのローカリゼーションチームの作業負荷の60〜80%を占めているため、それらのワークフローを少し改善するだけで大きな効果が得られます。

まずは、このマトリックスを参考にしてください。適切な判断基準は、対象言語やエンジン、許容できるリスクによって変わります。

翻訳の信頼性とミスの影響が食い違うとき

信頼性はコンテンツによって異なります。エンジンの性能にはばらつきがあります。PhraseのMT Autoselectに関するドキュメントでは、製品説明では高い性能を発揮するエンジンでも、医療レポートでは苦戦する可能性があると指摘しています。そのため、MT Autoselectは言語ペアだけでなく、コンテンツのドメインも考慮します。自動品質チェックも同様に異なります。PhraseのAI戦略アドバイザーであるAlon Lavieは、品質推定は特にクリエイティブなコンテンツで、文脈に左右される細かな判断にはあまり頼れないと指摘しています。

コストも同様に大きく異なります。拙い製品説明は、売上の損失につながる可能性があります。契約解除条項の誤訳は、訴訟を招く可能性があります。日本で受け入れられないキャッチコピーは、数値化しにくく、回復にも時間がかかるブランドへの損害をもたらします。

問題は、信頼性とコストの観点から得られる答えが食い違うときに生じます。法務文書はその最も明確な例です。契約書は構造化され、定型的で繰り返しが多く、まさに機械翻訳が得意とする種類の原文です。そのため、業界ガイドでは法務文書が機械翻訳に最適だと説明されています。翻訳品質という点では、その見方は妥当です。コストに関しては状況が変わります。品質スコアが高いということは、翻訳の品質が良好である可能性が高いことを示しているに過ぎず、もし品質が低かった場合に何が起こるかについては何も語っていません。

医療やその他の規制対象コンテンツはさらに難しい領域にあり、機械の信頼性は低く、ミスが最大のコストをもたらします。技術文書は製品コピーに近い性質を持っており、機械が十分に処理できる程度に構造化されています。

この記事の残りの部分では、3つの文章を例に、最も自動化しやすいものから最も難しいものまで、それぞれのワークフローを追っていきます。

製品説明：チェック結果に応じて振り分ける

「水深50 mまでの耐水性能。充電式バッテリーは1回の充電で最大14日間持続します。」

これこそ、自動翻訳にうってつけのコンテンツです。構造化されており、カタログ全体で繰り返され、単位、数値、製品名など、重要な項目のほとんどを確認できます。製品説明は件数も多いため、コスト削減の効果も大きくなります。

製品説明に適したワークフロー：

1. 言語ペアごとにエンジンを選択します。テスト済みのエンジンを使用するか、MT Autoselectに選択を任せてください。
2. 翻訳に必要な文脈情報を与えます。翻訳メモリでカタログ全体の表現を統一し、用語集で製品名や仕様の表記を正確に保ちます。
3. 効果が見込める箇所にAIポストエディットを追加します。Phrase Orchestratorの生成AIステップであるMT Optimizeは、文章の自然さ、文法、用語、文体を改善します。すべてに適用する前に、自社のカタログでテストしてください。
4. すべてのセグメントを自動的にチェックします。PhraseのQPS（品質評価スコア）のような品質スコアは、専門のレビュワーが各セグメントをどう評価するかを推定し、QAチェックはタグの欠落や未承認の用語などの問題を検出します。両方をクリアしたセグメントは確定済となり、残りはポストエディタに送られます。
5. チェックを通過したセグメントを抜き取り確認します。サイクルごとに、確定済のセグメントの一部をスポットチェックしてください。QAでサンプルを一次レビューし、人が判断すべき問題にフラグを付けることで、お客様が気づく前に品質のずれを発見できます。

自動化できても、リスクへの備えは必要です。バッテリーの持続時間の誤記や安全上の注意書きの誤訳は、返品やサポートへの問い合わせにつながり、製品カテゴリによっては規制上の問題にも発展します。結果が良好でも、チェックと抜き取り確認は続けてください。特に注意したいのは、翻訳メモリにない用語が登場する新しい製品ラインと、原文データそのものです。原文の誤りは翻訳にもそのまま反映されます。

法的条項：スコアが高くても最終承認は必須

「いずれの当事者も、相手方当事者に対して30日前に書面で通知することにより、本契約を解除することができる。」

この文は、自動翻訳に適した定型文に見えます。定型的な文なので、似た訳文がすでに翻訳メモリにあり、エンジンでも自然な訳文を生成できるでしょう。また、この文では「may（できる）」が「must（しなければならない）」に変わったり、30日が3日になったりするだけで、貴社が合意した内容が変わってしまいます。

あいまい一致は、その違いがいかに小さいかを示しています。PhraseのTMS担当プロダクトディレクターであるMartin Švestka氏が指摘したように、「the jury found the defendant guilty（陪審員は被告を有罪と判断した）」という保存された翻訳は、「the jury found the defendant not guilty（陪審員は被告を無罪と判断した）」という文に対して非常に高いあいまい一致率を示しますが、これを自動的に確定させたい人はいません。

そのため、法務ワークフローでは一貫性の確保と振り分けに自動化を使用し、判断は専門家に委ねます：

1. 法務専門のリンギストが翻訳とレビューを担当します。規制対象のコンテンツには、原文と訳文、それぞれの言語が使われる地域の法制度を理解した専門家が必要です。
2. 翻訳メモリと用語集の使用を徹底します。用語集自体で訳文を固定することはできませんが、承認済みの用語が使用されるまでジョブを完了したり、レビューに回したりできないよう、QAを設定できます。
3. MTを使用する場合、その出力はリンギストが作業するための下訳とします。言語ペアごとにエンジンを選択し、その出力を出発点として扱ってください。
4. スコアは、レビュワーがどこを最初に見るべきかを示します。スコアがレビューの実施を決定することはありません。
5. 承認は必須であり、追跡可能です。Phraseは、各ジョブにどのベンダーとリンギストが割り当てられたかをタイムスタンプ付きで記録します（ベンダーに所属するリンギストは匿名化されます）。これにより、自社の監査および規制当局の監査のための証跡が得られます。

市場で追加のチェックが必要な場合、Phrase Orchestratorを使用して、その市場専用のレビュー工程や条件付きレビューループを追加できます。医療やその他の規制対象コンテンツも同様のパターンに従いますが、機械によるドラフトの信頼性が最初から低いため、専門家が担う作業の割合が高くなります。

自動化はここでも有益な役割を果たしており、そのほとんどは地味な作業です。常に正しい用語を使用し、すべてのジョブに適切なリンギストを割り当て、誰がいつ何を行ったかの記録を残すことです。最終判断は、責任を持つ担当者に委ねます。

タグライン：スコアだけでは評価できない表現

「着倒すための一着。」

この架空のタグラインには、製品が長持ちすることと、何度も着たくなることの2つの意味が込められています。直訳では、よくても1つの意味しか伝わりません。また、流暢に読めてしまうことが、まさにリスクを生む原因となります。私たちは、なぜ流暢な出力の評価がこれほど難しいのかについて書いてきました。

このタグラインでは、訳文の自然さだけでなく、狙いどおりに伝わるかどうかも重要です。機械にできることは最も少なく、スコアからわかることも最も少ないうえ、失敗すれば人目に触れます。QPS（品質評価スコア）は、レビュワーが翻訳の正確さと流暢さをどう評価するかを予測するものです。そのため、意図的に原文から離れたトランスクリエーションによる文言は、スコアが低くても狙いどおりの場合があり、逆に直訳はスコアが高くても響かない場合があります。

翻訳は、ある言語から別の言語へと意味を伝えます。トランスクリエーションは意図を伝えます。そのためなら、言葉やイメージ、アイデア全体を変更することもできます。だからこそ、タグラインにはトランスクリエーションが必要です。

1. 各市場向けのブリーフから始めてください。その文言が何を伝えるかだけでなく、どんな役割を果たす必要があるかも明示してください。
2. AIをアイデアの壁打ち相手にします。Phrase Orchestratorの生成AIステップであるAuto Adaptは、対象となる読者やトーンに合わせてコンテンツを調整し、ライターが検討するための複数の案を生成します。ブランドコピーに独自のコンテンツグループがある場合、それらの案にはそのスタイルガイドやルールが反映されるため、最初から各市場でのブランドらしい語り口に近いものになります。
3. トランスクリエーションの担当者や現地のライターに文言を作成または選択してもらってください。
4. 現地でレビューしてください。その際は、ブランドと対象読者をよく知る人と一緒に確認してください。
5. スコアの使用は、せいぜい優先順位付けにとどめてください。例えば、タグラインの周辺にある長めのブランドコピーなどが対象です。採否を決める基準には決して使用しないでください。

Phraseのマーケティングコピーでも、自動化は役立っています。プロジェクトマネージャーがすべてのステップを追いかけなくても、ライター、レビュワー、各市場の担当者の間で仕事を引き継げます。

しきい値を設定し、適切に機能しているか確認する

品質のしきい値を調整すると、コストとリスクのバランスが変わります。下げれば人の手を介さずに確定されるセグメントが増え、上げればレビューに回るセグメントが増えます。Phraseでは、事前翻訳設定またはPhrase OrchestratorでQPSしきい値を設定し、どのセグメントを編集不可にするか、またその基準を選択できます。

Phraseの2024年の調査は、この調整がどれほどの価値を持つかを示しています。英語からドイツ語への翻訳を行うあるテクノロジー分野のお客様の事例では、合計約35,000セグメントのうち、しきい値が90であれば37%が編集なしで確定され、95であれば17%が確定されていたはずです。すべてをチェックするためにポストエディタに報酬を支払っているチームにとって、それはすでに十分な品質の翻訳を確定するために多額の費用をかけていることを意味します。

スコアはあくまで推定値であるため、どのしきい値も、レビュワーが実際に修正する内容と照らし合わせてテストするための仮説として扱ってください。Phrase AnalyticsのQPS Insightsダッシュボードでは、リンギストが各スコアのセグメントをどの程度の頻度で編集し、どれだけの時間を費やしているかを確認できます。彼らがスコア88のセグメントをほとんど修正しないのであれば、すでに十分な品質の翻訳を確定するために報酬を支払っていることになります。しきい値を超えるスコアのセグメントでも修正が続く場合は、しきい値の設定が適切でないか、そのコンテンツではスコアが信頼できない可能性があります：

• コンテンツタイプと言語ペアごとにしきい値を設定してください。リソースの少ない言語ペアには特に注意が必要です。エンジンとスコアの信頼性がどちらも低いためです。
• 少しずつ調整してください。しきい値を段階的に下げ、新しいしきい値のすぐ下のセグメントでポストエディタが何を修正しているかを確認してください。
• しきい値を設定しないコンテンツもあります。法務文書やブランドコピーでは、スコアをレビュワーの判断材料として使用します。スコアはレビュワーに取って代わるものではありません。

コンテンツタイプ別に自動翻訳ワークフローを設定する方法

Phraseでは、このマトリックスに沿って設定し、コンテンツグループで各設定をまとめます。

1. コンテンツタイプごとにコンテンツグループを設けます。コンテンツグループは、プロジェクトをスタイルガイド、スタイルルール、AI品質チェックにリンクさせるため、法務文書とブランドコピーに同じルールが適用されることはありません。品質評価では、コンテンツグループと訳文の言語に基づいてチェック項目を選びます。
2. コンテンツタイプごと、および必要に応じて言語ペアごとにMTプロファイルを設定します。希望するエンジンを選択するか、各プロファイルで有効にしたエンジンの中からMT Autoselectに選択させることができます。MT Autoselectは、英語を含む12の主要な原文言語についてコンテンツのドメインを考慮します。その他の原文言語については、言語ペアの性能のみに基づいて選択します。
3. 翻訳メモリ、用語ベース、QAルールを各コンテンツタイプに紐付けます。
4. テストで効果が確認できた箇所にAIステップを追加します。ポストエディット用のMT Optimize、対象読者やトーンに合わせるAuto Adapt、またはレビューと改善の機能を備え、文脈を踏まえた翻訳を生成するAI翻訳エージェントを利用できます。
5. 品質チェックとしきい値を選択します。Phraseの品質評価では、1つの手法に頼らず、複数の手法を組み合わせられます：QPS（品質評価スコア）、QAチェック、コンテンツグループごとにQuality profilesにまとめられたAIチェック、そして初回レビューを自動化するAuto LQAがあります。各コンテンツタイプに必要なものを選択し、しきい値を設定できるコンテンツにのみ設定します。
6. ステップをPhrase Orchestratorでつなぎます。コンテンツをタイプ別に振り分け、品質スコアで処理を分岐させ、必要に応じて再レビューを挟み、AIと人の間で仕事を引き継げます。これにより、プロジェクト管理にかかる時間の大部分を削減できます。
7. 結果を確認します。プロジェクトにドメインとサブドメインのメタデータをタグ付けすると、TM Thresholdダッシュボードでドメイン、サブドメイン、訳文のロケールごとに結果をフィルタリングできます。QPS Insightsと併せて、定期的に確認してください。

最もコストのかかるミス

• 自動化を「すべてかゼロか」で考えること。多くのコンテンツはレビューを省略できませんが、そのほとんどは手作業による引き継ぎを省略できます。
• 1つの指標だけに頼ること。スコア、QAチェック、担当者による抜き取りチェックは、それぞれ異なる問題を検出します。お客様の目に触れるものについては、少なくとも2つを使用してください。
• 一度設定して放置すること。これらの設定は一度決めるとそのまま使われ続けます。Phraseのデータによると、判断に役立つダッシュボードが導入される前、プロジェクト全体の翻訳メモリのしきい値は、平均76のまま何年も変わりませんでした。データが可視化されると、その数値は約86まで上昇しました。
• BLEUで実運用時の品質を判断すること。BLEUは、参照翻訳とどれだけの単語やフレーズが重複しているかを測定します。これは研究においてシステムを比較するのには役立ちますが、セグメントが公開可能かどうかを判断するのにはほとんど役に立ちません。

まず取り組むこと

レビューに時間をかけすぎている可能性があるコンテンツと、品質管理が手薄になっている可能性があるコンテンツを、それぞれ1種類選んでください。多くのチームにとって、前者はサポートや製品コンテンツ、後者は規制対象やブランドにとって重要なコンテンツです。それぞれに別のコンテンツグループとチェック項目を設定し、1か月間、レビュワーがどこを修正するか確認してください。

スコアで品質を判断できるコンテンツはどれで、担当者による承認が必要なコンテンツはどれでしょうか？

スコアの仕組みは、QPSの解説または2024年のしきい値調査で確認できます。コンテンツに適した品質評価ツールを見つけるには、まずは小規模に始めましょう。1つか2つのツールでサンプルを評価し、その結果をレビュワーの判断と比較してください。

数値の出典

• 品質スコアの数値：Phraseが2024年9月に公開したシミュレーション調査。テクノロジー分野のお客様1社、英語からドイツ語への翻訳、約3,500件のジョブ、35,000セグメント、457,000語。出典元：Alon Lavie著、「QPSとその期待される節約効果およびROIの理解」
• 翻訳メモリのしきい値に関する数値：2025年4月に公開された、複数のプロジェクトにまたがるPhrase Analyticsのデータ。出典元：Martin Švestka著、「ローカリゼーション自動化に向けてTMとPhrase QPSのしきい値を使いこなす」
• ワークフローの運用と作業量の推定：Phraseのローカリゼーションチーム、2026年10月。
• 製品の動作：Phraseヘルプセンターおよび開発者向けドキュメント（2026年10月時点）。

付録：指標

• QPS（品質評価スコア）。PhraseのAIによる品質推定。これは、参考訳を必要とせずに、MQMフレームワークに基づいてプロのレビュワーが翻訳に付けるスコアを0から100の範囲で予測します。Phraseはスコアを4つの区分に分類します。95～100は優秀、90～94は非常に良好、75～89は良好、75未満は不良です。
• MQM（多次元品質指標）。正確性、流暢さ、用語、スタイルなどのカテゴリ全体にわたり、人間が評価を行う際にエラーをタイプと重大度で分類するために使用するフレームワークです。人による評価を前提に設計されているため、自動評価への適用には課題があります。
• 編集距離（TER、chrF）。ポストエディタが出力をどれだけ変更したか。修正に要する労力を直接示し、しきい値の設定が適切かを確かめるうえで最も有効な指標です。
• COMET。MTシステムの比較に、研究で広く使われているニューラル方式の評価指標。品質推定版は、参照訳がなくても評価できます。