SmartlingのLQAエージェントとは？｜翻訳を人が見る線

「AIで訳した文章は、結局ぜんぶ人が読み直さないと出せない」「読み直す時間がないから、機械の訳をそのまま載せている」——海外向けのサイトや資料を任されたマーケの担当者から、よく聞く二つの声です。正反対に見えて、どちらも品質の扱いを「全部読むか、読まずに出すか」の二択で考えている点では同じです。しかし今は、その二択の間に別の道ができています。AIが訳文を採点し、その点数で人が読む範囲を決める段階に来ています。問いは「何点以下を人に回すか、その点数を誰が信じるか」に変わりました。この記事では、米国の翻訳管理の基盤 Smartling が2026年5月に出した LQAエージェントを例に、しきい値・例外・最終の承認を誰が持つかを整理します。

Smartling の LQAエージェントは、訳文を採点して人に回す仕組み

Smartling は、企業のサイト・アプリ・マーケの資料などを多くの言語に訳すための翻訳管理の基盤です。訳す対象の文章を集め、機械翻訳・AI翻訳・人の翻訳者のどれで訳すかを工程として組み、できた訳文を元の場所へ戻すところまでを1つの仕組みで回します。2026年10月時点の公式の説明では、AI翻訳と工程の自動化と品質の確認を合わせた基盤と位置づけられています。

その中で2026年5月19日に発表されたのが LQAエージェントです。LQA は言語の品質の確認を指す業界の略語で、訳文の意味が正しいか、用語がそろっているか、読み手にとって自然かを確かめる作業を言います。LQAエージェントは、この確認をAIが行い、誤りを見つけて種類と重さで分け、言語ごとに点数と合否を付けます。点数は時間を追って記録され、傾向として見られるとされています。

公式の発表では、対象はAI翻訳だけではありません。Smartling の中で使うすべての訳し方、つまり人の翻訳者が訳した文章にも同じ物差しを当てられるとされています。動かし方は、人の確認を挟まずに全部をAIに任せる形と、問題が見つかった訳文だけを人の確認に回し、誤りが見つからなかった訳文はそのまま公開へ進める形の両方が組めると説明されています。

つまりこの製品が変えるのは、訳す工程ではなく「誰が、どの訳文を読むか」の工程です。導入を検討するときの論点も、訳の上手さより、採点の結果を受けて人が読む範囲をどう決めるかに移ります。この記事が扱うのは、その範囲の決め方と、決める人の置き方です。

どんな会社で、国内でまだ知られていない理由

Smartling は米国ニューヨークを発信地に発表を出している翻訳の会社で、公式には1,000を超える世界のブランドが使っているとされています（提供元の発表）。公式サイトでは、ホテルの運営会社、航空会社、ECの基盤、保険会社などが顧客として名前を挙げられています。

2026年9月15日には、投資会社のヴィトルビアン・パートナーズが過半の成長投資を行ったと公式に発表しました。発表では、それまでの株主だったバッテリー・ベンチャーズから取得した形で、経営陣は続投し、資金は製品の開発や欧州・アジア太平洋への展開などに充てるとしています。金額は公表されていません。同じ9月2日には、OpenAI のパートナー網に加わり、ChatGPT 向けのプラグインを出したことも発表しています。

国内でまだあまり知られていない理由は、確かめた範囲では3つあります。一つは、主な顧客が北米・欧州の大きなブランドで、発信も英語が中心であること。二つめは、アジア太平洋への展開を、9月の投資の使い道として「これから」に挙げていること。三つめは、この種の基盤は訳す量の多い企業向けで、年に数本の資料を訳す程度では工程ごと載せる理由が薄いことです。日本語の管理画面や国内の窓口の有無は、2026年10月時点の公式サイトでは確かめられませんでした。

日本語の訳文を採点できるかという点も、最初に気になるところです。MQM の枠組み自体は言語を問わない考え方ですが、日本語の訳文で人の評価とどれだけ合うかを示す公式の数字は見つかりませんでした。日本語を対象にするなら、試行の段階で自社の人の評価と突き合わせることが前提になります。

2026年5月の発表で出たものと、それぞれの提供状態

5月19日の発表は、翌20日の自社カンファレンス（Global Ready Conference）で披露された一連の機能です。LQAエージェントが中心ですが、一緒に出た機能のうちいくつかは、発表時点でプレビュー（先行公開）の扱いでした。提供中のものと混ぜて考えると、導入の効果を見誤ります。

機能	中身（公式の説明の範囲）	発表時の扱い
LQAエージェント	MQM の枠組みで誤りを種類と重さに分け、言語ごとに点数と合否を付け、傾向を記録する	2026年5月20日から提供
使うモデルの自動選択	大規模言語モデルの選択、指示の組み立て、継続的な比較を Smartling 側が担う。自社の翻訳メモリと用語集を参照する	2026年5月20日から提供
地域の言い換え	米国の英語から英国の英語へ、のように既存の訳文を地域の変種に合わせて直す	2026年5月20日から提供
AI向けの表記ルール（Style Rules）	句読点・日付の書き方・地域の表記をAI翻訳の出力に当てる。30を超える地域の既定のルールがある	プレビュー
即時のAI翻訳	訳文をすぐ返す窓口で、CMSやデザインの道具との連携を支える	プレビュー
画像の中の文字の翻訳	画像から文字を取り出して訳し、訳文を入れた画像を作り直す	プレビュー

その前の2025年には、利用するAIの提供元を選べる AI Hub、文法・言い回し・意味の正しさを確かめて用語集の語を当てるAIの手直しのエージェント、大規模言語モデルの作り話らしい出力を見つけて別の翻訳の工程へ回す自動検出、AIの助手から翻訳の機能を呼び出せる MCP サーバーとの連携を出しています（2026年1月28日の発表）。LQAエージェントは、この発表の中で「2026年4月に提供予定」とされていたもので、実際の提供は5月20日でした。

プレビューの機能は、中身も時期も変わることがあります。プレビューの機能は、導入の効果の見積もりに数えないのが安全です。表記ルールのように「点数の物差しそのもの」に関わる機能がまだプレビューにあることは、後で述べるしきい値の決め方にも影響します。稟議には、提供中の機能だけを数えてください。

採点の物差しになる MQM の考え方

MQM は、訳文の品質を「誤りの数と重さ」で測る枠組みです。翻訳の業界で広く使われている考え方で、一般には、誤りを正確さ（意味が違う・抜けている・余計に足されている）、流暢さ（文法・表記）、用語、文体、地域の慣習などの種類に分け、それぞれに軽微・重大・致命的といった重さを付け、重さに応じた減点から点数を出します。

この考え方のよいところは、「なんとなく訳が硬い」を、どの種類の誤りが何件あったかに置き換えられることです。人によって良し悪しの感覚が違っても、誤りの種類の定義を共有していれば、議論を同じ言葉で始められます。翻訳会社と社内の担当者の間で揉めやすい「好みの問題か、誤りか」の線も、種類の定義で引けるようになります。

一方で、MQM はあくまで枠組みで、どの種類を数えるか、重さの判定をどこまで厳しくするかは使う側が決めます。Smartling の公式ヘルプの説明では、LQAエージェントは工程に割り当てた MQM の型に沿って訳文を確かめ、見つけた誤りを記録するとされています。つまり、物差しの目盛りを決めるのは提供元ではなく自社です。

同じ公式ヘルプでは、このエージェントは人の評価者より厳しめに採点する傾向があり、人の確認の優先順位を付ける最初の段として使うのが向く、と説明されています。点数が低く出たからといって、そのまま訳が悪いとは限りません。この前提を、使う部門の全員が知っておく必要があります。

「点数が高ければ読まなくてよい」は半分しか正しくない

提供元の発表では、社内の試験で人の評価者との一致が90%、重大な誤りの検出で99%の正確さだったとされています。独立した検証は見つかっていませんが、仮にこの数字どおりだとしても、外れる部分をどう扱うかは別に決めなければなりません。

採点が見ているのは、元の文と訳文の対応です。元の文そのものが古い、価格が改定前のまま、という誤りは、訳が正確であるほど高い点で通ってしまいます。また、法的に意味が変わる言い回しや、ブランドとして避けたい表現は、文法として正しければ誤りとして数えられないことがあります。

さらに、重さの判定は文脈で変わります。製品の仕様で単位が一つ違うのは致命的ですが、ブログ記事の言い回しが少し硬いのは軽微です。同じ物差しを全部の文書に当てると、重要な文書の誤りを見落とすか、重要でない文書で人の手を浪費するかのどちらかになります。

点数は、人が読む順番を決める材料であって、品質の証明ではありません。だから問いは「点数を信じるか」ではなく、「どの文書なら点数で人の手を省いてよいか」です。次の節から、その線の引き方を順に見ます。

しきい値は、文書の種類ごとに分けて決める

しきい値は、合否を分ける点数の線です。発表では言語ごとの合否が出るとされていますが、2026年10月時点で確かめた公式の資料には、既定の値や設定の細かさは書かれていませんでした。ここでは設定の手順は扱わず、何を基準に線を決めるかを考えます。

最初にやるのは、訳す文書を「誤ったときの損」で分けることです。たとえば、製品の仕様書や料金のページは誤ったときの損が大きい。キャンペーンの告知は中くらい。過去のブログ記事や社内向けの案内は小さい。損が大きい文書ほど線を高くし、人に回る割合を増やすのが基本です。

次に、言語ごとに分けます。主要な市場の言語と、試しに展開している言語とでは、同じ点数でも許せる範囲が違います。展開を始めたばかりの言語は、まず線を高めにして人が多めに読み、点数と人の評価の関係が見えてから下げるほうが安全です。

線を決めたら、決めた人と理由と日付を、線と一緒に残します。後から「なぜこの言語だけ線が低いのか」と聞かれたときに答えられないしきい値は、誰も直せなくなります。担当者が異動しても理由が残っていれば、次の人が同じ議論を最初からやり直さずに済みます。

点数に関係なく人が読む文書を先に決める

しきい値より先に決めておきたいのが、点数がいくら高くても必ず人が読む文書です。代表は法務・価格・ブランドの言い回しの3つです。ここを決めずに線だけを引くと、点数が高い法務の文書が人の目を通らずに公開されます。

法務に関わる文書は、利用規約、保証の条件、個人情報の扱いの説明、表示の規制に触れる宣伝文などです。訳が文法として正しくても、ある国では意味が強すぎたり弱すぎたりする。こうした違いは誤りの種類として数えにくく、採点から漏れやすいところです。

価格と契約の条件は、数字と単位、税の扱い、通貨の書き方が一つずれるだけで、取引の問題になります。ブランドの言い回しは、標語や製品名の訳し方、使わない言葉の一覧などで、これは文法の正しさとは別の物差しです。Smartling には AI 向けの表記ルールの機能もありますが、発表時点ではプレビューでした。

こうした文書は、工程の上で、採点の結果に関係なく人の確認に回る道を別に作るのが確実です。採点そのものは参考として走らせてもかまいませんが、公開の判断は点数ではなく、担当者の承認で行います。

人が読む範囲を3つに分ける

ここまでを合わせると、訳文は3つの区分に分かれます。AIの採点だけで公開に進めてよいもの、点数が線を下回ったときだけ人が読むもの、点数に関係なく人が読むもの、の3つです。

区分	対象の例	AIに任せること	人が持つこと
採点だけで公開	過去のブログ記事、社内向けの案内、更新の多いヘルプの定型文	採点・誤りの記録・傾向の集計	抜き取りでの確認、区分の見直し
線を下回ったら人	キャンペーンの告知、製品紹介のページ、メールの本文	採点と、線を下回った訳文の振り分け	回ってきた訳文の修正と公開の承認
点数に関係なく人	利用規約、料金・契約の条件、表示の規制に触れる宣伝文、ブランドの標語	採点（参考として）と誤りの候補の指摘	全文の確認、公開の承認、例外の判断

区分の割り当ては、マーケの担当者だけで決めないほうがよいものもあります。法務の文書の範囲は法務部門と、価格の文書は営業企画や経理と、ブランドの言い回しは広報やブランドの責任者と、それぞれ合意しておきます。

最初は「点数に関係なく人」の区分を広めに取り、点数と人の評価の関係が分かってから、少しずつ「線を下回ったら人」へ移していくのが無理のない進め方です。逆に、最初から「採点だけで公開」を広く取ると、問題が起きたときに戻す範囲が大きくなります。

点数を誰が信じるか――採点の持ち主と承認者

採点の仕組みを入れると、「この点数は正しいのか」という問いが必ず出ます。この問いに答える人を決めていないと、点数は誰も責任を持たない数字になり、現場は結局すべてを読み直すか、まったく読まなくなるかのどちらかに流れます。

決めておく役割は3つです。物差しの持ち主は、MQM のどの種類を数え、重さをどう判定するかを決め、変える人です。しきい値の持ち主は、文書の種類と言語ごとの線を決める人です。公開の承認者は、人に回ってきた訳文や、点数に関係なく人が読む文書を、最終的に出してよいと判断する人です。

マーケ部門が多言語のサイトを持つ場合、物差しとしきい値は多言語化の責任者か、それに当たる担当者が持ち、公開の承認は市場ごとの担当者が持つ形が考えやすいでしょう。小さな組織では1人が兼ねても構いませんが、「AIの点数が合格だったから出した」を、承認の理由にしないことだけは決めておきます。

承認者が見るのは点数そのものではなく、どの種類の誤りがどれだけ見つかったか、その誤りが自社にとって致命的かどうかです。点数は、その判断を速くするための入口にとどめます。採点の結果の画面を承認者に見せるときも、点数の大きさより誤りの中身が先に目に入る形が望ましいところです。

入れる前に、採点を人の評価と突き合わせる

提供元の一致率の数字は、提供元の試験の条件での結果です。自社の文書、自社の言語、自社の物差しで同じ一致が出るとは限りません。とくに日本語を対象にするなら、試行の段階で突き合わせることが欠かせません。

この突き合わせは、導入の判断材料であると同時に、後で「点数をどこまで信じてよいか」を説明するための根拠にもなります。結果は一致の割合だけでなく、判定が分かれた訳文の実例も残しておきます。実例があると、物差しを直すときの議論が具体的になります。

点数の傾向の見方

LQAエージェントは点数を時間を追って記録し、傾向を見られるとされています。運用が始まってから効いてくるのは、1件ごとの点数より、この傾向のほうです。

見るのは主に3つの切り口です。言語ごとの推移では、特定の言語だけ点数が下がっていないかを見ます。訳し方ごとの推移では、AI翻訳・人の翻訳・AIの訳を人が直したもの、の間で差が開いていないかを見ます。誤りの種類ごとの推移では、用語の誤りが増えている、数字や単位の誤りが出始めた、といった変化を見ます。

点数が急に下がったときは、まず訳す側ではなく、元の文や工程の変化を疑います。新しい製品名が用語集に入っていない、使うモデルが自動で切り替わった、元の文の書き手が変わった、といった原因が多いからです。使うモデルを自動で選ぶ機能を使う場合、どのモデルで訳したかを後から確かめられるかは、契約の前に提供元に確かめておきたい点です。

逆に、点数がずっと高いままのときも安心しきれません。物差しが甘すぎる、線を上回った訳文を誰も抜き取っていない、という可能性があるからです。点数が安定しているときほど、抜き取りを止めないことが、採点を信じ続けるための条件になります。

点数を品質の証明として社外に出さない

採点の仕組みが入ると、点数を外向けの説明に使いたくなる場面が出てきます。たとえば取引先に「この訳は品質の点数が基準を満たしています」と伝える、制作会社の成果報告に平均点を載せる、といった使い方です。

しかし点数は、自社が決めた物差しと線で、AIが出した判定です。相手にとっての品質を保証する数字ではありません。誤りが後で見つかったとき、「点数は高かった」は説明になりません。

• AIの採点の平均点を、訳の品質の証明として取引先や上長への報告に使う
• 点数が合格だったことを理由に、利用規約や料金のページを人が読まずに公開する
• しきい値を決めた人と理由を残さず、誰も線を直せなくなる
• 提供元の一致率の数字を、自社の日本語の訳文にもそのまま当てはまるとして稟議を通す
• プレビューの機能を、提供中の機能と同じように導入の効果に数える

社外に伝えるなら、点数ではなく工程を伝えます。どの文書を人が読んでいるか、誰が承認しているか、誤りが見つかったときにどう直すか。点数はその工程の中の道具の一つ、という位置づけです。

何が外に出るか、費用の増え方、止め方

翻訳管理の基盤は、訳す前の文章を外部のサービスに預ける仕組みです。2026年10月時点の公式のセキュリティの説明では、顧客のデータはアマゾン・ウェブ・サービスの世界各地の拠点に保管され、ISO/IEC 42001・ISO 27001・SOC 2 などの認証や準拠を得ているとされています。一方、預けた文章がAIの学習に使われるかどうか、どのAIの提供元に送られるかは、確かめたページには書かれていませんでした。

AI Hub では利用するAIの提供元を選べる仕組みになっているため、どの提供元に、どの文書を送ってよいかを、情報システム部門と先に決めておく必要があります。発表前の製品の情報や未公開の価格を訳すなら、とくに確かめておきたいところです。学習への利用と保存の期間は、契約の前に書面で確かめることを、導入の条件にしておきます。

費用は、訳す量と、使う機能の数で増えると考えておくのが自然です。2025年を振り返る発表では、顧客の大規模言語モデルの使用量が大きく増えたとされています。訳す言語と文書を増やすほど、採点の回数も増えます。金額や体系は公開の資料で確かめられなかったため、見積もりでは「何を単位に数えるか」を最初に聞きます。

止め方は、採点の工程を外しても訳す工程は残る、という形で考えます。LQAエージェントは工程の中の一段として置かれるため、外せば人の確認に戻すだけで済みます。そのためにも、人が読む体制を完全には手放さないことが、いつでも止められる状態を保つ条件になります。

四半期ごとの見直しで変えるもの

採点の運用は、入れたときの線のまま続けるとずれていきます。扱う製品、出す市場、使うモデルが変わるからです。四半期に1回、次の点を見直します。

1. 区分の割り当て：「採点だけで公開」に移してよい文書と、戻すべき文書はないか
2. しきい値：人の評価と点数の関係が変わっていないか。抜き取りで見つかった見落としの数
3. 物差し：数える誤りの種類と重さの判定は、今の文書に合っているか
4. 用語集と表記の決まり：新しい製品名や使わない言葉が入っているか
5. 使うモデル：自動で切り替わったモデルで点数の傾向が変わっていないか

見直しには、物差しの持ち主・しきい値の持ち主・市場ごとの承認者がそろう場を作ります。点数の推移だけでなく、人に回った件数、人が直した件数、公開後に見つかった誤りの件数を並べると、線が高すぎるのか低すぎるのかが見えてきます。

線を下げて人の手を減らす判断は、公開後の誤りが一定の期間ほとんど出なかったことを確かめてから行います。線を下げるのは、人が読んだ結果を根拠にしたときだけです。点数が上がったことだけを理由に線を下げると、物差しが甘くなったのか訳が良くなったのかを区別できません。

よくある質問

日本語の訳文も採点できますか

MQM の枠組みは言語を問わない考え方ですが、日本語の訳文で人の評価とどれだけ合うかを示す公式の数字は、2026年10月時点で確かめられませんでした。日本語を対象にするなら、試行の段階で自社の評価と突き合わせ、合う範囲を確かめてから線を決めてください。

翻訳会社に頼んでいる訳文にも使えますか

公式の発表では、Smartling の中で使うすべての訳し方が対象とされています。翻訳会社の訳文を同じ物差しで見られれば、会社ごとの傾向の比較にも使えます。ただし、点数を翻訳会社の評価や支払いに直接つなげるなら、物差しと線を相手と合意しておくことが前提です。

AIの採点だけで人の確認をなくせますか

仕組みの上では、人を介さずに運用する形も組めるとされています。ただ、法務・価格・ブランドの言い回しのように誤ったときの損が大きい文書は、点数に関係なく人が読むべきです。人の確認をなくせるのは、誤ったときの損が小さく、抜き取りで問題がないと確かめた文書に限られます。

AI翻訳に任せるか人が訳すかの判断とは何が違いますか

誰が訳すかの選び方は、AI翻訳に任せる範囲を品質で決める記事で扱っています。この記事で扱ったのは、訳した後に誰が読むかの線です。公開前の表記の点検については、Markup AI の記事に譲ります。

まとめ

AI翻訳の品質は、全部読むか読まずに出すかの二択ではなくなりました。Smartling の LQAエージェントは、MQM の枠組みで訳文の誤りを種類と重さで数え、言語ごとに点数と合否を出します（2026年5月20日から提供）。ただし、点数は人が読む順番を決める材料で、品質の証明ではありません。入れるなら、文書を誤ったときの損で分け、法務・価格・ブランドの言い回しは点数に関係なく人が読む道を作る。物差し・しきい値・公開の承認の持ち主を決め、試行で自社の人の評価と突き合わせてから線を引く。採点・誤りの指摘・傾向の集計はAIに任せ、しきい値の設定・例外の判断・公開の承認は人が持つ。点数を社外に出さず、四半期ごとに人が読んだ結果を根拠に線を引き直してください。

• 製品の機能と提供状況は、Smartling の2026年1月28日・5月19日・9月2日・9月15日の発表と、公式ブログ・公式のセキュリティの説明を2026年10月22日に確かめた範囲に基づきます。プレビューの機能は中身や時期が変わることがあります
• 人の評価との一致率などの数字は提供元の発表によるもので、独立した検証は確かめられませんでした。学習への利用、使うAIの提供元、料金の体系は、契約の前に提供元に直接確かめてください

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。