翻訳インテリジェンスとは？

翻訳がボトルネックなのではありません。不足しているのはコンテキストです。

ローカライゼーションは長い間、翻訳の問題として扱われてきました。

業界は何年もの間、この前提を中心に最適化してきました。翻訳管理システムは、チームがワークフローに沿ってコンテンツを進めるのに役立ちます。機械翻訳を使えば、初稿をより速く作成できます。翻訳メモリは、以前のセグメントを再利用します。用語集は、用語の一貫性を高めます。レビュー工程を設けることで、コンテンツ公開前に人が誤りを修正できるようになります。

これらのシステムにより、ローカライズの効率が向上しました。企業は、より多くのコンテンツをより多くの言語に翻訳し、運用をより細かく管理できるようになりました。

しかし、ローカライズの最も難しい部分はまだ解決できていません。

最も難しいのは、もはや翻訳を作ることではありません。AIは今や、流暢な多言語の文章を数秒で生成できます。より難しいのは、その翻訳が、使われる製品やブランド、市場、そして顧客体験にふさわしいかどうかを見極めることです。

翻訳は文法的に正しくても、失敗することがあります。

製品用語を誤って使うことがあります。ブランドイメージにそぐわない表現になることもあります。マーケティングメッセージの意図を汲み取れないこともあります。ボタンに収めるには長すぎることもあります。翻訳エディター上では意味が通じても、実際の製品内では不自然に感じられることもあります。原文の文字どおりの意味を保ちながら、原文を効果的にしていたニュアンスが失われることもあります。

だからこそ、翻訳の品質を左右する要因は、翻訳結果そのものではなく、それを取り巻くインテリジェンスへとますます移りつつあります。

それが翻訳インテリジェンスの役割です。

翻訳インテリジェンスとは、散在する製品、ブランド、UI、市場、レビュアーに関する知識を、より適切なローカライズの判断につなげる基盤です。翻訳を始める前に、コンテンツの意味、表示される場所、ふさわしい文体、遵守すべき制約を人間とAIが理解できるようにします。

簡単に言うと、翻訳インテリジェンスは、翻訳を役立つものにするために必要なコンテキストを翻訳に与えます。

翻訳だけでは不十分な理由

ほとんどの翻訳ワークフローは、原文から始まります。

そのテキストは、製品内の文言、ヘルプセンターの記事、メール、キャンペーンの見出し、オンボーディングメッセージ、法的通知などの場合があります。多くのシステムでは、翻訳者やAIモデルには、原文、対象言語、場合によっては用語集の候補が表示されます。

しかし、言語だけで十分な情報が伝わることはめったにありません。

単純な文字列を考えてみましょう：

プロジェクトを作成する

これは簡単に翻訳できそうです。しかし、正しい訳は、いくつかの質問によって異なります。

それはボタンですか、メニュー項目ですか、それともページタイトルですか？「プロジェクト」は製品内の正式なオブジェクト名ですか、それとも一般的な単語ですか？ユーザーは空のプロジェクトを作成するのですか、インポートするのですか、それともテンプレートから開始するのですか？対象言語では、より明示的な文法が必要ですか？ボタンには文字数制限がありますか？同じ製品オブジェクトは、すでに別の場所で翻訳されていますか？技術的、シンプル、またはエンタープライズ向けのどのようなトーンにしますか？

この文脈がなければ、人間もAIも推測するしかありません。

マーケティングのローカライズでも、同じ問題が起こります。キャンペーンの見出しは、英語では短く、巧みで、感情に訴えかけるものでも、直訳すると別の市場では同じ意図が伝わらないことがあります。翻訳者には、言葉だけでなく、ポジショニング、ターゲット層、オファー、トーン、そして期待する反応まで理解する必要があります。

サポートコンテンツにも表示されます。ヘルプ記事には、インターフェースとの一貫性を保つ必要がある製品用語が含まれている場合があります。記事と製品で異なる用語が使われていると、すべての文が文法的に正しくても、ユーザーが混乱する可能性があります。

これは単なる言語の問題ではありません。文脈の問題です。

ボトルネックは生産から判断へと移った。

AIによって翻訳の経済性が変わりました。

初稿の生成は、今やすばやく行えます。多言語コンテンツをさらに作成することも、これまでになく簡単です。しかし、このスピードによって新たな課題が生まれています。チームは、何を信頼できるのか、何にレビューが必要なのか、何に製品や市場へのより深い理解が求められるのかを判断しなければなりません。

言い換えれば、ボトルネックは生産から判断へと移った。

重要な問いは、もはや単に次のことだけではありません：

これはどのように翻訳すればよいですか？

現在は：

この特定のユースケースに適した翻訳ですか？

その問いに答えるには、流暢さだけでは不十分です。文脈が必要です。

質の高いローカライズの判断には、製品の意味、ユーザーの意図、ブランドボイス、デザイン上の制約、用語ルール、市場の期待、コンプライアンス要件、過去の決定を考慮する必要があります。こうした情報が不足している場合、ローカライズチームが手作業で補います。

翻訳者は質問し、レビュアーはコピーを書き直し、プロダクトマネージャーは機能を説明し、ローカリゼーションマネージャーはスクリーンショットを集めます。各地域のチームはトーンについて議論し、エンジニアはUIの表示崩れを修正します。同じ用語に関する判断が、プロジェクトをまたいで何度も繰り返されています。

これは、チームのローカライズがうまくいっていないという意味ではありません。システムに十分な知能が備わっていないということです。

翻訳インテリジェンスと翻訳管理の比較

翻訳管理と翻訳インテリジェンスは、それぞれ異なる課題を解決します。

翻訳管理とは調整のことです。チームがコンテンツを整理し、作業を割り当て、言語を管理し、進捗を追跡して、翻訳を承認するのに役立ちます。

翻訳インテリジェンスは、意思決定の質を高めるものです。チームがコンテンツを十分に深く理解し、適切に翻訳、レビュー、調整できるよう支援します。

翻訳管理システムは、文字列がレビュー可能になったことをローカライズマネージャーに知らせることができます。

翻訳インテリジェンスレイヤーでは、その文字列にスクリーンショットがないこと、用語集のルールと矛盾していること、リスクの高い製品用語が使われていること、UIの文字数制限を超えていること、または以前に承認された翻訳と異なることを確認できます。

この違いが重要なのは、ローカライズの品質はワークフローが完了したかどうかだけで決まるのではなく、翻訳の判断が下される時点で利用できる知識によって決まるためです。

文脈が欠けていると、経験豊富な翻訳者や高度なAIモデルでさえ、訳にばらつきが生じます。文脈があれば、ワークフローの信頼性が高まります。

翻訳インテリジェンスに含まれるもの

翻訳インテリジェンスは、ローカライズチームが通常手作業で探し回る必要のある知識を集約します。

製品のコンテキストが含まれています。つまり、機能の内容、ユーザーが機能をどのように操作するか、また、特定の製品オブジェクトやアクションを指す表現について説明しています。

視覚的なコンテキストが含まれています：スクリーンショット、UI上の配置、コンポーネントの種類、文字数制限、デザイン上の制約。

これには、さまざまな市場で求められるブランドコンテキスト（ボイス、トーン、メッセージングの原則、フォーマルさの度合い）が含まれます。

用語に関するコンテキストが含まれます。承認済み用語、製品名、使用禁止語、用語集のルール、ドメイン固有の言語などです。

市場の背景が含まれます。文化的な期待、地域ごとの好み、現地の慣習、そして直訳と翻案の違いです。

これにはワークフローのコンテキストが含まれます。コンテンツをレビューする必要がある人、リスクレベル、そして人による承認が必要かどうかです。

最も重要なのは、意思決定の履歴が含まれていることです。何が変更され、何が承認され、レビュアーが何を修正し、特定の選択がなぜ行われたのかが記録されています。

従来のローカライズシステムでは、ここがしばしば不十分です。最終的な翻訳は保存できても、その判断に至った理由までは必ずしも保持されません。その結果、チームは何を翻訳したかは覚えていても、なぜそうしたのかは覚えていません。

翻訳インテリジェンスはそれを変えます。ローカライズの知識を再利用可能な資産に変えるのです。

翻訳メモリから意思決定メモリへ

翻訳メモリは、ローカライズにおける最も重要な考え方のひとつです。チームが過去の翻訳を再利用し、同じ作業の繰り返しを減らし、一貫性を保つのに役立ちます。

ただし、翻訳メモリには出力を記憶するという制約があります。

文脈を常に記憶しているわけではありません。

ある文が特定の方法で翻訳されたことは分かるかもしれませんが、その選択がブランドのトーン、UI上のスペース、製品用語、法務上の判断、あるいはレビュアーからのフィードバックのどれによるものかまでは分からない場合があります。また、その翻訳が実際の運用でうまく機能したかどうかも分からない場合があります。同じ判断を新機能やキャンペーンにも適用すべきかどうかについて、説明されないこともあります。

翻訳インテリジェンスは、翻訳メモリの概念を翻訳済みセグメント以外にも広げます。

意思決定の記憶を作成します。

意思決定メモリは、ローカライズの選択の背景にある理由を記録します。チームは、何を翻訳したかだけでなく、なぜそのように翻訳したのかも理解できます。AIがワークフローに組み込まれている場合、構造化されたコンテキストと人間からのフィードバックを学習できるため、これは特に重要です。

レビュー担当者が用語を変更したら、システムはその変更から学習する必要があります。地域のエキスパートがある表現がその市場で通用しない理由を説明した場合、その知識を次回に活用できるようにする必要があります。プロダクトマネージャーが機能の意味を明確にした場合、その説明が今後、関連する文字列にも反映される必要があります。

こうしてローカリゼーションは自ら改善していきます。

実際にはどのようなものか

コンテキストを考慮したローカライズのワークフローは、従来の文字列ベースのワークフローとは大きく異なります。

翻訳を開始する前に、システムは普段使われているツールから関連するコンテキストを収集します。コンテンツがどこから来たのか、製品のインターフェース、ヘルプ記事、マーケティングページ、キャンペーンのどれに属するのかを把握できます。また、スクリーンショットを添付し、用語を検出し、関連する文字列を特定し、過去の決定を参照して、翻訳者やレビュー担当者がタスクを見る前にリスクを明らかにできます。

翻訳中、AIの提案は製品知識、用語集のルール、ブランドのトーン、UIの制約に基づいて作成されます。一般的な翻訳を生成するのではなく、実際の用途に合った翻訳を提案できます。

レビューでは、人間がすべてを一から確認する必要はありません。曖昧な用語、影響の大きい文言、市場に合わせた調整、法的リスク、トーン、以前のガイダンスと矛盾するコンテンツなど、判断が必要な点に集中できます。

レビュー後、このワークフローは最終的な翻訳を保存するだけではありません。変更内容を記録し、その知見を今後の作業に反映します。

これは、翻訳を一度きりの作業と捉える段階から、ローカライズを学習システムと捉える段階への移行です。

なぜHyperlocaliseは翻訳インテリジェンスを軸に構築しているのか

Hyperlocaliseでは、次世代のローカリゼーションソフトウェアは、翻訳の速さだけで定義されるものではないと考えています。

スピードは重要です。しかし、文脈を伴わないスピードは、レビュアーの作業を増やし、市場間の不整合を招き、公開前の不確実性を高めることがあります。

Hyperlocaliseは、チームが最初からプロセスにコンテキストを取り入れられるよう、ローカリゼーションワークフローに翻訳インテリジェンスを組み込んでいます。私たちのアプローチは、AIと人間のレビュアーが必要な情報を活用できるよう支援することです。製品のコンテキスト、スクリーンショット、用語集のルール、ブランドボイス、UIの制約、ワークフロー要件、そしてこれまでのローカリゼーションに関する決定事項などです。

これは重要なことです。なぜなら、ほとんどの企業は、より良いローカリゼーションに必要な知識をすでに持っているからです。問題は、その知識があちこちに散らばっていることです。製品ツール、デザインファイル、サポートプラットフォーム、コンテンツシステム、レビューコメント、Slackでの議論、そして個々のチームメンバーの頭の中に存在しています。

Hyperlocaliseは、その知識を実際に活用できるよう支援します。

翻訳者やレビュー担当者に文脈を探し回らせるのではなく、Hyperlocaliseは適切な文脈を翻訳作業に自動的に取り込むことを目指しています。AIを汎用的な翻訳ツールとして扱うのではなく、Hyperlocaliseは文脈を活用して、AIがより適切な判断を下せるよう導きます。タスク完了後にレビュー担当者のフィードバックが失われるのではなく、Hyperlocaliseはフィードバックを記憶として蓄積し、今後の作業の改善に役立てます。

人間の判断をなくすことが目的ではありません。人間の判断をより的確で、十分な情報に基づき、再利用できるものにすることが目的です。

ローカライゼーションの未来は、文脈を理解することです

グローバル市場で成功する企業は、単に最も多くの言葉を翻訳する企業ではありません。あらゆる市場で、明確かつ一貫性のある、自然なコミュニケーションを実現する企業です。

それには単なる翻訳以上のものが必要です。

それには、言語、製品、ブランド、デザイン、顧客体験の関係性を理解するシステムが必要です。

だからこそ、翻訳インテリジェンスが重要なのです。

AIと連携するローカライズチームに、より良い基盤を提供します。繰り返しコンテキストを収集する手間を減らします。レビュー担当者が価値の高い判断に集中できるようにします。製品、マーケティング、サポートのコンテンツ全体で一貫性を高めます。翻訳の選択の背景にある知識を保持し、チームが同じ問題を何度も解決しなくて済むようにします。

翻訳はもはやボトルネックではありません。

コンテキストが不足しています。

翻訳インテリジェンスは、現代のローカリゼーションチームがそのギャップを埋めるための手段です。

翻訳から市場投入に適したコミュニケーションへの、より広範な変化については、ハイパーローカリゼーション：グローバルな成長に翻訳以上のものが必要な理由をご覧ください。プラットフォームを評価する際にこれらの考え方をどう活用するかについては、継続的なローカリゼーションのワークフローを選ぶ方法をご覧ください。