Media > AI活用ユースケース > 品質管理 > 翻訳会社が納品前の訳文を、Claude で顧客の用語集とスタイルガイドに照らして校正し、訳抜け・用語の違反・数字の転記違いを指摘する

翻訳会社が納品前の訳文を、Claude で顧客の用語集とスタイルガイドに照らして校正し、訳抜け・用語の違反・数字の転記違いを指摘する

実装ステータス:構成例 技術的に実現可能な構成として設計したもの。自社未検証

翻訳者から上がった訳文を納品する前に、数字の転記違いはプログラムで、訳抜けと用語・表記の違反の候補は Claude で挙げます。チェッカーは候補を見て採否を決めるだけになり、全文の目視から外れます。

サマリー
生成AI
ChatGPT/Claude/Gemini
連携・自動化
Python
対象業界
IT・SaaS/その他/製造
対象部門
品質管理
対象業務
内容確認・チェック/比較検討
主な課題
人手が足りない/属人化している/確認ミスが多い
AIで行う処理
校正
主な効果
入力漏れ削減/品質標準化/工数削減
導入難易度
★★★☆☆
実装レベル
本格構成
費用感
API連携(中)
人間の確認
条件付き
現在工数
200h/月
AI導入後
80h/月
想定削減
60%
年間削減
1,440h
モデル条件による試算値です。実在企業の実績ではありません。

01導入前 / 導入後の業務フロー

導入前(Before)
  1. 翻訳者が訳し終え、翻訳支援ツールで「翻訳済み」にする
  2. チェッカーが対訳を開き、顧客の用語集とスタイルガイドを横に並べる
  3. 翻訳支援ツールの標準のチェック(空のセグメント、タグの不一致など)を流す
  4. 原文と訳文を1セグメントずつ読み、訳抜けと誤訳を探す
  5. 用語集の語が原文に出てくるたびに、訳文で決められた訳語になっているかを見る
  6. 数字・単位・日付・型番が原文と同じかを見る
  7. スタイルガイドの決まり(です・ます、全角・半角、カタカナの長音など)に合っているかを見る
  8. 指摘を指摘票に書き、翻訳者に戻す
導入後(After)
  1. 人翻訳者が訳し終え、翻訳支援ツールから XLIFF の対訳ファイルを書き出して「納品前」フォルダに置く
  2. 自動ファイルの到着をきっかけに Python のスクリプトが動き、案件の管理表で顧客とAIの利用の可否を確かめる
  3. 自動XLIFF を読み、セグメントごとに原文と訳文を取り出す。翻訳の対象外の箇所は除く
  4. 自動数字・単位・日付・型番を原文と訳文から取り出して照らし、合わないものを指摘にする
  5. 自動用語集から、そのまとまりの原文に出てくる語だけを選ぶ
  6. 自動50セグメントずつ、選んだ用語集とスタイルガイドと一緒に Claude API に渡し、訳抜け・用語・表記の違反の候補を JSON で受け取る
  7. 自動機械の指摘とAIの指摘をまとめ、セグメントの番号順の指摘票にする
  8. 人チェッカーが指摘票を見て、1件ずつ採るか採らないかを決める。指摘票に無いところも、決まった割合で抜き取って読む
  9. 人採った指摘だけを翻訳者に戻し、翻訳者が翻訳支援ツールで直す
  10. 人チェッカーが直ったことを確かめて納品する
各工程の詳しい説明を読む
  1. 翻訳者が訳し終え、翻訳支援ツールで「翻訳済み」にする
  2. チェッカーが対訳を開き、顧客の用語集とスタイルガイドを横に並べる
  3. 翻訳支援ツールの標準のチェック(空のセグメント、タグの不一致など)を流す
  4. 原文と訳文を1セグメントずつ読み、訳抜けと誤訳を探す
  5. 用語集の語が原文に出てくるたびに、訳文で決められた訳語になっているかを見る
  6. 数字・単位・日付・型番が原文と同じかを見る
  7. スタイルガイドの決まり(です・ます、全角・半角、カタカナの長音など)に合っているかを見る
  8. 指摘を指摘票に書き、翻訳者に戻す

(a)用語集との照合が目視。 用語集が数千語ある顧客では、どの語が用語集にあるかをチェッカーが覚えているかどうかで、指摘の数が変わります。 翻訳支援ツールの用語の照合は語の一致で動くため、「取り付ける」と「取付ける」のような送り仮名の違いや、活用した形を拾えないことがあります。

(b)数字の転記違いを見落とす。 4番で意味を読んでいるうちに、6番の数字の確認が浅くなります。「0.5 MPa」が「5 MPa」、「2026年3月」が「2025年3月」になっていても、文として自然なので目が止まりません。 取扱説明書では、数字の誤りがそのまま事故につながりえます。

(c)チェッカーごとに見る深さが違う。 あるチェッカーはスタイルガイドの細かい決まりまで見て、あるチェッカーは意味の誤りに集中します。同じ顧客の案件でも、誰が見たかで指摘の傾向が違います。 顧客から「前回は直っていたのに」と言われるのは、たいていここです。

(d)締切前に深さが落ちる。 月末に1日5〜6件を見る日は、4番から7番を全部の文でやりきれません。 忙しい日ほど省かれる確認があることを、チェッカー自身が分かっています。

  1. 【人】 翻訳者が訳し終え、翻訳支援ツールから XLIFF の対訳ファイルを書き出して「納品前」フォルダに置く
  2. 【自動】 ファイルの到着をきっかけに Python のスクリプトが動き、案件の管理表で顧客とAIの利用の可否を確かめる
  3. 【自動】 XLIFF を読み、セグメントごとに原文と訳文を取り出す。翻訳の対象外の箇所は除く
  4. 【自動】 数字・単位・日付・型番を原文と訳文から取り出して照らし、合わないものを指摘にする
  5. 【自動】 用語集から、そのまとまりの原文に出てくる語だけを選ぶ
  6. 【自動】 50セグメントずつ、選んだ用語集とスタイルガイドと一緒に Claude API に渡し、訳抜け・用語・表記の違反の候補を JSON で受け取る
  7. 【自動】 機械の指摘とAIの指摘をまとめ、セグメントの番号順の指摘票にする
  8. 【人】 チェッカーが指摘票を見て、1件ずつ採るか採らないかを決める。指摘票に無いところも、決まった割合で抜き取って読む
  9. 【人】 採った指摘だけを翻訳者に戻し、翻訳者が翻訳支援ツールで直す
  10. 【人】 チェッカーが直ったことを確かめて納品する

8番目が、この設計の分かれ目です。 指摘票に載るのは候補で、採るかどうかはチェッカーが決めます。 AIの指摘には、用語集の語が別の意味で使われている箇所への誤った指摘も混ざるからです。抜き取りで指摘票に無いところも読むのは、AIが見落としたものを見つけるためです。

4番目をAIより先に置いているのも、意図してのことです。 数字の照合は機械の規則で決まり、同じファイルなら何度流しても同じ結果になります。 AIの指摘は、その上に重ねる層です。

02今回想定するシステム構成

構成図
翻訳支援ツール(翻訳者の作業)
   │  訳し終えたら XLIFF を書き出す
   ▼【トリガー】「納品前」フォルダへの保存
Python のスクリプト
   ├──▶ 案件の管理表:顧客、AIの利用の可否、用語集とスタイルガイドの版
   ├──▶ XLIFF の読み込み(unit/segment/source/target、translate="no" を除く)
   ├──▶ 数字・単位・日付・型番の機械的な照合
   └──▶ 用語集の絞り込み(原文に出てくる語だけ)
   ▼
Claude API(Messages API、構造化出力)
   │   50セグメントずつ
   │   ① 訳抜けの候補   ② 用語集の違反の候補   ③ スタイルガイドの違反の候補
   ▼
Python ── 機械の指摘とAIの指摘をまとめて指摘票にする
   ▼
【チェッカーが採否を決め、抜き取りで読む】
   ▼
翻訳者が翻訳支援ツールで直す → チェッカーが確かめて納品
役割想定する製品代替候補
処理Claude API(Messages API。構造化出力で指摘を返す)OpenAI API、Gemini API
集計Python(XLIFF の読み込み、数字の照合、用語集の絞り込み、指摘票の作成)-
翻訳の作業既存の翻訳支援ツール(XLIFF を書き出せるもの)-
用語集・スタイルガイド顧客ごとの共有フォルダ(版を付けて管理)-

翻訳支援ツールの中の訳文を、この構成から書き換えることはしません。 指摘票は別のファイルとして出し、直すのは翻訳者が翻訳支援ツールの中で行います。 翻訳メモリに残るのは、翻訳者が直した訳だけです。

XLIFF を使うのは、対訳の構造が決まっているからです。 XLIFF 2.1 の仕様では、<unit> は翻訳する原文を入れる器で、その中の <segment> が原文(<source>)と訳文(<target>)を対にして持つとされています。<segment> の state 属性は initial(初期)・translated(翻訳済み)・reviewed(レビュー済み)・final(確定)の4つで、この順に進む単純な状態の流れとされています。チェッカーが見るのは translated のセグメントです。

Claude API の構造化出力で指摘を受けます。 公式のページでは、リクエストの output_config.format に type: "json_schema" とスキーマを置き、現在はベータのヘッダーが要らないとされています。指摘の形をスキーマで決めておくと、スクリプトが指摘票にそのまま並べられます。

03どうやって実装するのか

Step1

処理の起点を決める

翻訳者が XLIFF を「納品前」フォルダに置いたことを起点にします。 スクリプトはフォルダを数分おきに見て、新しいファイルがあれば処理します。締切が集中する月末でも、翻訳者が訳し終えた順に指摘票ができるので、チェッカーの手が空くのを待ちません。

翻訳支援ツールの「翻訳済み」の印だけで動かさないでください。 翻訳者が訳の途中で一度「翻訳済み」にすることがあり、未完成の訳に指摘票ができてしまいます。 書き出しは、翻訳者が「これで終わり」と決めてから行う手順にします。

同じファイルが置き直されたら、前の指摘票を古い版として残し、新しく作り直します。 翻訳者が直したあとの確認でも同じスクリプトを流し、機械の指摘が0件になったかを確かめます。

Step2

入力データを集める

データ中身取得元
対訳ファイルXLIFF。セグメントごとの原文と訳文、state、翻訳の対象外の印翻訳者が書き出す
案件の情報顧客、言語の組み合わせ、文書の種類、AIの利用の可否案件の管理表
顧客の用語集原語、訳語、使ってはいけない訳語、備考(使い分け)顧客ごとの共有フォルダ
顧客のスタイルガイド文体、全角・半角、数字と単位の書き方、カタカナの長音、括弧同上
自社の共通の決まりスタイルガイドに無いときの既定の表記品質管理部の共有フォルダ

質を決めるのは、用語集の「使ってはいけない訳語」と「備考」の列です。 訳語だけの用語集では、「この文脈ではこちらを使う」という使い分けがAIに伝わらず、正しく使い分けた箇所まで違反として挙がります。 用語集を整えることが、この構成のいちばんの準備です。

案件の情報の「AIの利用の可否」を必ず持ちます。 顧客によっては、預けた原文をAIのサービスに送ることを契約で禁じていることがあります。この列が「否」の案件は、スクリプトが Claude API を呼ばず、機械の照合だけを行います。

Step3

データの取得方法を決める

XLIFF は、Python の標準の XML の読み込みで扱えます。 <unit> ごとに <segment> を取り出し、<source> と <target> の文字列と、state 属性を読みます。

取るものどこから何に使うか
セグメントの番号<unit> と <segment> の id指摘票で場所を指す
原文と訳文<source> と <target>照合とAIへの入力
状態<segment> の statetranslated 以外を除く
翻訳の対象外translate 属性no の箇所を除く
書式のコード<ph>・<pc> などのインラインの要素AIに渡す前に記号に置き換える

translate="no" の箇所は、照合からもAIへの入力からも除きます。 XLIFF 2.1 の仕様では、translate 属性は原文を翻訳の対象とするかを示し、値は yes か no、指定が無ければ親の要素の値を引き継ぐとされています。製品名や画面のコードなど、訳さないと決めた箇所を除かないと、「訳されていない」という指摘が大量に出ます。

インラインの要素は、AIに渡す前に {1} のような記号に置き換えます。 XLIFF 2.1 では、<ph> は原文の書式の単独のコード、<pc> は始まりと終わりのある書式のコードを表すとされています。タグのまま渡すと、AIがタグの中身まで訳文として読み、指摘がぶれます。 記号の対応は、スクリプトの側で持っておきます。

Step4

AIへ渡す前に整形する

  1. AIの利用の可否の確認 … 案件の管理表で「否」なら、機械の照合だけにします
  2. 対象のセグメントの選別 … state が translated のものだけにし、translate="no" を除きます
  3. 数字・単位・日付・型番の取り出し … 原文と訳文の両方から正規表現で取り出し、全角・半角と桁区切りをそろえてから照らします
  4. 用語集の絞り込み … まとまりの原文に出てくる原語だけを用語集から選びます。数千語を毎回全部渡しません
  5. まとまりに分ける … 50セグメントずつに分け、前後のつながりが分かるよう、前のまとまりの最後の2セグメントを参考として付けます
  6. インラインのコードを記号に置き換える … 対応をスクリプトに残します

3番目が、この構成のいちばん確実な部分です。 取り出した数字の並びが原文と訳文で違えば、理由が何であれ指摘票に載せます。 ただし、「3.5」を「3,5」と書く言語、インチをミリに換算するよう顧客が指示している案件などがあるので、照らし方の例外を顧客ごとの設定に書いておきます。

4番目は、指摘の精度にも効きます。 用語集を全部渡すと、原文に無い語の決まりまでAIが考え、関係のない指摘が混ざります。

Step5

AIに処理させる

させるのは、セグメントごとに、訳抜け・用語集の違反・スタイルガイドの違反の候補を挙げ、根拠と直し方の案を添えることだけです。

見るもの判定の仕方判断できないときの扱い
訳抜け原文の句・節に当たる内容が訳文に無いか意訳でまとめた可能性があれば severity を check にする
用語集の違反原文に用語集の原語があるとき、訳文が決められた訳語か。使ってはいけない訳語が無いか備考の使い分けに当たる可能性があれば check
スタイルガイドの違反文体、全角・半角、長音、括弧などの決まりに合うか決まりに書かれていない表記は挙げない
原文の誤りの疑い原文そのものに誤記がありそうな箇所指摘ではなく source_issue として挙げる

1行目が、AIを使ういちばんの理由です。 原文の「〜し、〜した場合は〜してください」の後半が訳文から落ちていても、訳文だけを読むと自然な文なので、目視では見落とします。 原文の内容と訳文の内容を突き合わせる作業は、文字列の一致ではできません。

させないこと理由
訳文の書き直し訳すのは翻訳者。誰の訳か分からなくなる
数字・単位・日付の照合機械の照合のほうが確実。AIの見落としに頼らない
用語集に無い訳語の良し悪し顧客と決めること。好みの指摘が増える
文体の好みによる指摘スタイルガイドに書かれた決まりだけを根拠にする
指摘の採否の決定チェッカーが決める

4行目がいちばん起きやすい失敗です。 何も言わなければ、AIは「より自然な訳」を提案し始めます。根拠の無い指摘が増えると、チェッカーは指摘票を読まなくなります。 指摘には必ずスタイルガイドの項目か用語集の行を添えさせ、添えられない指摘は出させません。

Step6

指示内容を固定する

あなたは翻訳会社の品質管理の担当として、納品前の訳文を校正する立場です。
渡されるのは、原文と訳文のセグメント(最大50件)、この範囲に出てくる顧客の用語集の行、
顧客のスタイルガイド、自社の共通の決まりです。これらだけを根拠にしてください。

【挙げるもの】
1. omission:原文の内容(句・節)が訳文に無い
2. terminology:用語集の原語が原文にあるのに、訳文が決められた訳語でない、
   または「使ってはいけない訳語」が使われている
3. style:スタイルガイドまたは共通の決まりに合わない表記・文体
4. source_issue:原文そのものに誤記の疑いがある(訳文の指摘ではない)

【厳守事項】
- 訳文を書き直さないでください。suggestion には、指摘した箇所の直し方の案だけを
  短く書いてください。文全体の訳し直しを書かないでください。
- 数字・単位・日付・型番の照合はしないでください(別の仕組みで行います)。
- 各指摘には、根拠として用語集の行番号、またはスタイルガイドの項目番号を
  rule_ref に必ず書いてください。根拠を書けない指摘は出さないでください。
- 用語集とスタイルガイドに書かれていない好み(より自然な言い回しなど)を
  指摘しないでください。
- 用語集の備考に使い分けが書かれているときは、その使い分けに当たる可能性を考え、
  迷う場合は severity を check にしてください。
- 意訳でまとめた可能性がある訳抜けは severity を check にしてください。
- source_quote と target_quote には、該当箇所をそのまま写してください。
- {1} のような記号は書式のコードです。訳文の一部として扱わないでください。
- 参考として付けた前のセグメント(context)には指摘を出さないでください。
- 指摘が無いセグメントは出力に含めないでください。

【セグメント】{segments}
【前のつながり(参考)】{context}
【用語集(この範囲の行だけ)】{glossary_rows}
【スタイルガイド】{style_guide}
【自社の共通の決まり】{house_rules}

「根拠を書けない指摘は出さない」が、この指示の要です。 これが無いと、AIは丁寧なほど指摘を増やします。チェッカーが1件ずつ根拠を確かめられる指摘だけが、採否の判断に乗ります。

「数字の照合はしない」と書くのは、二重の指摘を避けるためです。 機械の照合とAIの両方が同じ数字を指摘すると、指摘票が重複し、片方だけが指摘したときにどちらを信じるかで迷います。 数字は機械の側だけに置きます。

Step7

出力形式を固定する

次の形のJSONで受け取ります。

{
  "batch_id": "",
  "findings": [
    {
      "segment_id": "",
      "category": "omission | terminology | style | source_issue",
      "severity": "error | check",
      "source_quote": "",
      "target_quote": "",
      "rule_ref": "",
      "suggestion": ""
    }
  ]
}

公式のページでは、構造化出力のスキーマで、オブジェクトの additionalProperties は false にする必要があり、 数値の minimum・maximum や文字列の minLength・maxLength には対応せず、対応しない指定を使うと400のエラーになるとされています。この形は文字列と列挙だけで組んであるので、その制約に当たりません。

1つ目の理由は、category で指摘票を並べ替えられることです。 チェッカーは omission を先に見て、次に terminology、最後に style を見ます。重い指摘から見られるので、時間が足りない日でも訳抜けは必ず見ます。

2つ目は、severity で迷いを分けられることです。 error は根拠の決まりに明らかに反するもの、check は使い分けや意訳の可能性があるものです。check の多さは、用語集の備考が足りないことの目安にもなります。

3つ目は、rule_ref で根拠に戻れることです。 指摘票の画面で、用語集の行やスタイルガイドの項目をすぐ開けます。根拠を確かめずに採ると、AIの誤りがそのまま翻訳者に渡ります。

指摘票は、機械の指摘とAIの指摘を1つの表にします。

列中身
セグメント番号と、原文・訳文の該当箇所
出どころmachine(数字の照合)か ai
種類number/omission/terminology/style/source_issue
重さerror/check
根拠用語集の行、スタイルガイドの項目、または取り出した数字の並び
採否チェッカーが accept/reject を付ける

「出どころ」の列を残すのは、後で精度を数えるためです。 AIの指摘のうち何割を採ったかが、指示と用語集を直す材料になります。

Step8

システムへ連携する

つなぎ先方式内容
「納品前」フォルダスクリプトが数分おきに見るXLIFF の到着を検知する
案件の管理表スクリプトが読む顧客、AIの利用の可否、用語集の版
用語集・スタイルガイドスクリプトが読む版の付いたファイルを使う
Claude APIスクリプトから呼ぶ50セグメントずつ指摘を受け取る
指摘票スクリプトが書くチェッカーが採否を付ける表
翻訳支援ツール翻訳者が手で直すこの構成からは書き込まない

翻訳支援ツールへは書き込みません。 指摘を自動で訳文に反映すると、翻訳者が知らないうちに訳が変わり、翻訳メモリにもその訳が残ります。 直すのはいつも翻訳者です。

用語集とスタイルガイドは、版を付けて読みます。 顧客が用語集を改定したとき、どの版で照らした指摘票かが分からないと、前の版の決まりで直させてしまいます。

Step9

人が確認する

チェッカーは、指摘票の採否と、指摘票に無い箇所の抜き取りの2つを行います。

  1. machine の指摘を見る … 数字の並びの違いを原文と訳文で確かめます。ほとんどは採ります
  2. omission を見る … 原文と訳文を読み、本当に落ちているかを確かめます
  3. terminology と style を見る … 根拠の行・項目を開き、採るかを決めます。check は使い分けの備考を読んでから決めます
  4. source_issue を見る … 原文の誤りの疑いは、翻訳者ではなく営業の担当を通じて顧客に確かめます
  5. 抜き取りで読む … 指摘票に無いセグメントから、ファイルの1割を決まった方法で選んで原文と訳文を読みます
  6. 採った指摘を翻訳者に戻す … reject にした指摘は戻しません

5番目を省かないでください。 AIは見落とします。指摘票に何も無いことは、訳文に誤りが無いことを意味しません。 抜き取りで見つかった誤りは、指示か用語集のどちらかを直す材料として記録します。

目標は、1件をならして16分です。 内訳は、指摘の確認と採否12分、機械の指摘の確認2分、指摘票の仕上げと翻訳者への返却2分です。抜き取りは採否の時間に含めています。

Step10

例外に対処する

起きること対応
AIの利用が「否」の案件機械の照合だけを行い、残りは従来どおり目視
XLIFF が読めない(形式の違い、壊れたファイル)処理せずチェッカーに知らせる。翻訳者に書き出し直してもらう
translated でないセグメントが残っている指摘票の先頭に件数を示し、翻訳者に訳し終えたかを確かめる
用語集が見つからない・版が古いClaude API を呼ばず、案件の担当に知らせる
API がエラーを返す・応答しないそのまとまりだけ時間をおいて呼び直す。3回失敗したら、そのまとまりを目視に回す
スキーマに合わない応答そのまとまりを呼び直す。指摘票には「AIの指摘なし」ではなく「未処理」と書く
数字の照合で例外の換算がある顧客ごとの設定に例外を書き、設定に無い差は指摘として残す
指摘が極端に多いまとまり用語集の取り違え(別の顧客の用語集)を疑い、案件の情報を確かめる

上から6行目の「未処理」の区別が大事です。 失敗したまとまりを「指摘なし」と書くと、チェッカーはそのまとまりを読まずに済ませてしまいます。 何も見ていないことと、見て何も無かったことを分けます。

Step11

記録を残す

  • 受け取った XLIFF と、そのとき使った用語集・スタイルガイドの版
  • 機械の照合の結果(取り出した数字の並びと、合わなかったもの)
  • Claude API に渡した入力と、受け取った JSON の全文
  • 指摘票と、チェッカーの採否
  • 抜き取りで見つかった誤りと、それが指摘票に無かった理由の見立て
  • 翻訳者が直したあとの XLIFF と、再チェックの結果

4つ目の採否が、指示を直す材料になります。 顧客ごと・種類ごとに、AIの指摘のうち reject が多いものを月に1回数えます。terminology の reject が多い顧客は、用語集の備考が足りません。

5つ目は、AIの見落としの記録です。 抜き取りで見つかった訳抜けが続くなら、まとまりの大きさか指示に理由があります。見落としを数えないまま運用すると、指摘票を信じすぎるようになります。

04実装レベルの3段階

最小構成:手で選んだ XLIFF に、数字の照合と Claude API の呼び出しを流す / 1件ごとの指摘の候補
半自動化:上記+用語集の絞り込みと、機械の指摘とAIの指摘をまとめた指摘票 / 指摘票の作成まで
本格構成:上記+「納品前」フォルダの見張り、案件の管理表との照合、採否の記録と月次の集計 / 納品前のチェックの流れ全体と、精度の振り返り

最小構成では、チェッカーの手間はあまり減りません。 指摘を手で指摘票に写すので、確かめるための段階です。 半自動化で、1件40分が25分ほどになります。 指摘票は自動でできますが、ファイルを選んで流す作業と、AIの利用の可否の確認が手で残ります。本格構成で16分になり、この段階が本記事の想定です。 差が出るのは、案件の管理表との照合と採否の記録が自動になり、チェッカーが採否だけに集中できるからです。 段階を飛ばさないでください。 半自動化で1か月回すと、reject の多い顧客と、用語集の備考が足りない顧客が先に分かります。そこを直してから本格構成に進むほうが、指摘票が信頼されます。

05工数削減シミュレーション

前提値(モデル条件)
対象人数
5 名
月間件数
300 件
1件あたり現在時間
40 分
1件あたり導入後時間
16 分
現在  300件 × 40分 ÷ 60 = 200 時間/月
導入後 300件 × 16分 ÷ 60 = 80 時間/月
月間削減時間
120h
削減率
60%
年間削減時間
1,440h
年間金額換算(時間単価3,200円)
461万円
モデル条件による試算であり、実際の効果は業務内容・運用方法によって異なります。

自社条件で導入効果を整理したい方へ

このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。

AI活用について相談する

06向いている企業・向いていない企業

向いている
  1. 日英・英日を中心に、製造業の取扱説明書や仕様書、IT企業の製品の文書などを継続して受け、顧客ごとに用語集とスタイルガイドを預かっている翻訳会社。納品前のチェックを数名のチェッカーが目視で行っていて、締切の集中する月末に見る深さが落ちる場合。翻訳支援ツールから XLIFF などの対訳ファイルを書き出せ、短いスクリプトを書ける人がいる場合。
向いていない
  1. 納品の件数が月に数件で、チェッカーが全文を読み比べて足りる場合。文芸や広告のコピーなど、用語集やスタイルガイドに照らすより表現の質を見る比重が大きい翻訳。顧客との契約で、預かった原文と訳文を外部のAIのサービスに送ることを認められていない案件(この構成の対象から外す)。なお、訳文として最終的に何を採るか、顧客の用語集に無い訳語をどう決めるかの判断は、この構成では代替できません。

07最小構成で試す方法

  1. 先月に納品した案件から、顧客を2社に絞って5件を選ぶ(うち1件は、納品後に顧客から誤りを指摘されたものにする)
  2. 5件の XLIFF と、当時の指摘票、顧客の用語集とスタイルガイドを用意する
  3. 短い Python のスクリプトで、数字の照合と、50セグメントずつの Claude API の呼び出しだけを作る
  4. 出てきた指摘を、当時チェッカーが書いた指摘と並べる
  5. 顧客から指摘された誤りが、どちらの指摘票に載っていたかを見る

5件は必ずやってください。 フォルダの見張りや指摘票の書式を作る前に、「AIの指摘が、チェッカーの目視とどこまで重なり、どこで違うのか」を確かめます。

出てきた内容判断
当時の指摘とおおむね重なり、見落としていた訳抜けも挙がったフォルダの見張りと指摘票の書式に進む
根拠の無い好みの指摘が多い指示の書き方で直る。構成は有効
用語の使い分けへの誤った指摘が多い用語集の備考が先。 AIの問題ではない

3行目が出ることは珍しくありません。 用語集は、使い分けを知っているチェッカーの頭の中で補われてきました。それを備考の列に書き出すこと自体が、チェッカーの交代に備えることになります。

08実装時につまずきやすいポイント

問題対策
好みの指摘が増え、指摘票が読まれなくなる根拠を書けない指摘は出させない。 用語集とスタイルガイドだけを根拠にする
数字の転記違いを見落とすAIに任せず、機械の照合で取り出して並べる
用語の使い分けに誤った指摘が出る用語集に備考の列を足し、迷うものは check にする
訳さない箇所が「訳抜け」として大量に出るtranslate="no" を除く
タグの中身まで訳文として読まれるインラインのコードを記号に置き換えてから渡す
失敗したまとまりが「指摘なし」に見える「未処理」と書き分ける
AIの利用を禁じた顧客の原文を送る案件の管理表で可否を持ち、「否」は API を呼ばない
別の顧客の用語集で照らす案件の管理表から用語集の版を引き、指摘が極端に多ければ疑う
構造化出力で400のエラーになるadditionalProperties を false にし、数値や文字列の長さの制約を使わない
指摘を自動で訳文に反映してしまう翻訳支援ツールへは書き込まない。 直すのは翻訳者
指摘票を信じすぎて抜き取りが減る抜き取りの割合を決め、見落としを数える

上の2行が、この構成の失敗のほとんどです。 どちらも、機械とAIとチェッカーのどれに何を任せるかが崩れたところから出ています。好みの指摘はAIに任せすぎ、数字の見落としはAIに任せる場所を間違えた結果です。

下から2行目と最後の行も、運用が回り始めてから効いてきます。 指摘票が便利になるほど、人はそれを信じます。AIの指摘は候補で、抜き取りは毎回行うと、運用の決まりに書いておいてください。

09セキュリティ・AIガバナンス上の注意点

この構成で扱うデータ: 顧客から預かった原文と訳文(発売前の製品の情報、社外秘の仕様書を含む)、顧客の用語集とスタイルガイド。

  1. 顧客との契約を先に確かめる … 翻訳の依頼では、原文を第三者に渡さないことを契約で決めていることが多くあります。AIのサービスに送ってよいかを顧客ごとに確かめ、案件の管理表に持たせます。 「否」の案件は、機械の照合だけにします
  2. 商用の API を使う … 公式のプライバシーの説明では、商用の製品(API を含む)の入力と出力は、既定ではモデルの学習に使わないとされています。個人のアカウントや無料のサービスで試しません
  3. 渡す範囲を絞る … 用語集は、そのまとまりの原文に出てくる行だけを渡します。顧客の用語集の全部を毎回送らないことは、精度のためでもあり、渡す情報を減らすためでもあります
  4. 訳文を自動で直さない … 直すのは翻訳者で、採るかはチェッカーです。誰がどの訳に責任を持つかを変えないためです
  5. AIを使った工程を説明できるようにする … ISO 17100 は、翻訳サービスの提供に必要な工程や資源の要件を定める規格で、機械翻訳の出力をポストエディットする使い方はその範囲外とされています。この構成は訳文を作るのではなく校正の候補を挙げるものですが、顧客から工程を聞かれたときに、AIがどこに入っているかを説明できるよう記録を残します
  6. 指摘票の保存の期間を決める … 指摘票には原文と訳文の断片が入ります。案件の資料と同じ期間で消す決まりにします

誤りが起きた場合のリスクは、AIの見落としで誤りのある訳文を納品することと、契約で禁じられた原文をAIのサービスに送ることの2つです。 前者は数字の機械の照合と抜き取りで、後者は案件の管理表の可否の確認で防ぎます。どちらも、AIの性能ではなく工程の決まりで守るものです。

10まず何から始めるか

1週目:用語集とAIの利用の可否をそろえる

継続案件の多い顧客から3社を選び、用語集に「使ってはいけない訳語」と「備考」の列を足します。あわせて、その3社の契約で原文をAIのサービスに送ってよいかを営業の担当と確かめ、案件の管理表に列を作ります。

2週目:5件で試す

先月の5件で、数字の照合と Claude API の呼び出しだけを流し、当時の指摘票と並べます。根拠の無い指摘と、用語の使い分けへの誤った指摘を最優先で見ます。

3週目:指摘票の形を決める

機械の指摘とAIの指摘をまとめた指摘票の列を決め、採否の付け方と抜き取りの割合をチェッカー全員で決めます。

4週目:3社の案件で半自動化を回す

チェッカーがファイルを選んで流し、指摘票で採否を付けます。この時点では、従来の目視も並行して行い、指摘票に無かった誤りを数えます。

2か月目: 「納品前」フォルダの見張りと案件の管理表との照合を足し、目視の並行をやめます。3か月目以降: 顧客を広げ、1件40分が何分になったかを実測します。AIの指摘の採用率と抜き取りでの見落としが顧客ごとに数えられ、用語集の備考を足すべき顧客が分かるようになった時点で、この構成は完成です。


11関連ユースケース

12この仕組みを理解するための記事

13技術仕様の確認日・参考情報

技術仕様確認日:2026-10-26/最終更新:2026-10-26
確認した内容情報源確認日
ISO 17100:2015 が品質の高い翻訳サービスの提供に必要な工程・資源などの要件を定めること。機械翻訳の生の出力とポストエディットが範囲外であること。通訳には適用されないこと。改訂予定の段階であり、2017年の追補1があることISO: ISO 17100:2015 Translation services2026-10-26
<unit> が翻訳する原文を入れる器で、<segment> が <source> と <target> を対にして持つこと。state 属性の値が initial/translated/reviewed/final で、この順に進むこと。translate 属性の値が yes/no で、指定が無ければ親の要素の値を引き継ぐこと。<ph> が単独の書式のコード、<pc> が始まりと終わりのある書式のコードを表すことOASIS: XLIFF Version 2.12026-10-26
構造化出力が output_config.format に type: "json_schema" とスキーマを置いて使え、ベータのヘッダーが要らないこと。オブジェクトの additionalProperties を false にする必要があること。数値の minimum・maximum、文字列の minLength・maxLength に対応せず、対応しない指定は400のエラーになることClaude Docs: Structured outputs2026-10-26
商用の製品(API を含む)の入力と出力を既定ではモデルの学習に使わないことAnthropic Privacy Center: Is my data used for model training?2026-10-26

訳文として最終的に何を採るか、用語集に無い訳語をどう決めるかは、翻訳者・チェッカーと顧客が決めます。 原文をAIのサービスに送ってよいかは、顧客との契約で確かめてください。本記事は上記の公開情報で確認できた範囲だけを扱っています。

実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。

自社の業務に使えるAI活用候補を整理します

このユースケース(UC-1796)についてのご相談はこちらから。

AI活用について相談する
目次