AI翻訳や生成AIは、業務翻訳の現場でも広く利用されるようになっています。欧州言語産業調査ELIS 2026では、企業がAIを初稿作成に利用し、言語専門家がその出力を確認・修正する業務への移行が進んでいると報告されています。

一方で、すべての文書にそのまま使えるわけではありません。その文書が対外提出や法的手続きに使われる場合、確認体制なしに使うことは大きなリスクになります。AI翻訳をどこまで利用できるかは、文書の種類だけでなく、用途・体制・文書特性の3つの観点から判断する必要があります。

1. よくあるケース：AI翻訳した開示資料がHQに差し戻された

AI翻訳が実際にどのような場面で問題になるか、よくあるケースをご紹介します。
（以下は、翻訳発注時に起こり得る問題を説明するための架空のケースです）

ある企業の経営企画担当者が、HQ（海外本社）向けの月次経営報告書をDeepLで翻訳し、軽く読んで「問題なさそう」と判断して送付した。翌週、HQのCFOから差し戻しが来た。「財務数値の単位が日本基準のままになっている」「表現が直訳調で稚拙な印象を与える」という指摘だった。

再翻訳と再送付に時間がかかり、取締役会の前日に修正対応を余儀なくされた。AI翻訳は確かに「意味は通っていた」が、HQが求める水準には達していなかった。

問題は翻訳ツールではなく、「この文書にAI翻訳が適切かどうか」を判断する基準がなかったことでした。

目次に戻る

2. AI翻訳の活用を判断する3つの基準

AI翻訳が使えるかどうかは、文書のジャンルではなく次の3つの観点で判断できます。

基準①「この文書、最終的に何に使われますか？」

内容の概要把握を目的とした社内参考資料で、誤訳が意思決定や安全、法務対応に直接影響しない場合は、AI翻訳のみでも目的を満たせることがあります。用途によっては、訳語のゆれや文体上の粗さを許容し、内容把握を優先できる場合があります。

一方、HQへの提出・投資家向け開示・規制当局への報告・法的効力を持つ契約書類は、誤訳が意思決定、信用、契約解釈、規制対応に影響し得るため、AI翻訳の出力を未確認のまま使用しない方が安全です。「意味が通る」だけでは不十分で、相手が期待する水準・表現・形式に合っている必要があります。

基準②「納品後、社内で確認できる人はいますか？」

AI翻訳の出力は、必ずしも誤りを含むわけではありません。問題は「誤りがあったとき、誰が気づけるか」です。

原文と訳文の両方を理解し、対象分野の内容や社内用語を確認できる担当者がいる場合は、AI翻訳を下訳として利用し、社内で対照確認する方法も考えられます。訳文の自然さだけを確認するネイティブチェックでは、原文からの誤訳や脱落を発見できない場合があります。

しかし確認体制がない場合、AI翻訳に誤りが含まれていても、外部使用前に発見できない可能性があります。確認体制の有無は、AI翻訳をどこまで利用できるかを判断する重要な条件の一つです。

基準③「この文書に、AI翻訳が誤りやすい要素がありますか？」

AI翻訳が特に苦手とする文書特性があります。
（以下で紹介する研究の多くは、従来型のニューラル機械翻訳（NMT）を対象としています。現在の生成AI型翻訳ツールは仕組みや性能が異なるため、研究結果をそのまま当てはめることはできません。一方、数値、否定、修飾関係、専門用語、文体は、誤りが生じた場合の影響が大きいため、使用する翻訳方式にかかわらず重点的な確認が必要です。）

• 数値・単位を含む文書：ニューラル機械翻訳（NMT）を対象とした研究では、数値表現の種類や言語ペアによって、数値の訳出に誤りが生じることが報告されています。これらの研究結果を現在の生成AI型翻訳へそのまま適用することはできませんが、数値、単位、通貨、日付は訳文だけで判断せず、原文と個別に照合する必要があります。
• 否定・禁止・条件節を含む文書：ニューラル機械翻訳（NMT）を対象とした研究では、否定表現の訳出性能は改善しているものの、否定の過少翻訳などの誤りがなお確認され、精度も言語ペアや翻訳方向によって異なることが報告されています。また、英日NMTを統制されたデータセットで評価した研究では、既知の語を未知の構文構造で組み合わせた文について、語彙だけが新しい場合よりも正確な一般化が難しいことが報告されています。実務文書に結果をそのまま当てはめることはできませんが、関係節や入れ子構造の多い文は、主語・述語・修飾関係を原文と確認する必要があります。
• 専門用語が多い文書：機械翻訳に用語情報を与える効果を評価した「機械翻訳の国際評価会議WMT 2025」の共有タスクでは、用語指定が訳出改善に役立つことが報告されています。ただし、用語が正しく訳されても文書全体の正確性が保証されるわけではありません。法律、医療、金融など、用語選択の影響が大きい分野では、用語集の指定に加え、対象分野を理解する担当者による確認が必要です。
• トーンが重要な文書：対外文書では、意味の一致だけでなく、相手が期待する文体・レジスターへの適合が別途求められます。NMTの文体制御を扱った研究では、訳文の意味を保ちながら、フォーマリティを用途に合わせて調整することが独立した課題として扱われています。対外文書では、内容が理解できるだけでなく、対象読者に適した文体かどうかも確認する必要があります。

これらの要素が含まれる文書は、AI翻訳の出力をそのまま使うリスクが高くなります。

目次に戻る

3.「AI翻訳＋確認工程」の設計が現実解

AI翻訳を使わないことが正解ではありません。コストと納期の制約がある中で、品質を確保するには「AI翻訳をどこまで使い、どこから人の工程を加えるか」を文書ごとに設計することが現実的な対応です。

具体的には、次のような工程設計が参考になります。

目次に戻る

まとめ

AI翻訳をどこまで利用できるかは、文書の種類だけでなく、「用途・確認体制・文書特性」の3つの観点から判断する必要があります。対外提出・法的効力・HQ向けの文書、確認体制がない状況、数値や否定表現を多く含む文書——当社では、対外使用、確認者不在、数値・条件・専門用語などの要素が重なるほど、人による確認工程を厚くする必要があると考えています。

「使える・使えない」ではなく、「どこまで使い、どこから人の工程を加えるか」を設計することが、品質とコストを両立するための現実解です。

参考資料
・Wang et al., “As Easy as 1, 2, 3: Behavioural Testing of NMT Systems for Numerical Translation,” Findings of ACL-IJCNLP 2021（2021年）
・Hossain et al., “It’s not a Non-Issue: Negation as a Source of Error in Machine Translation,” Findings of EMNLP 2020（2020年）
・Tang et al.「Revisiting Negation in Neural Machine Translation」TACL（2021年）
・Kumon et al.「Evaluating Structural Generalization in Neural Machine Translation」ACL（2024年）
・Semenov et al.「Findings of the WMT25 Terminology Translation Task」ACL（2025年）
・Niu et al., “A Study of Style in Machine Translation: Controlling the Formality of Machine Translation Output,” EMNLP 2017（2017年）
・ELIS Research, “European Language Industry Survey 2026: Trends, expectations and concerns of the European language industry,” 2026.（2026年）
※ 2022年以前の研究はニューラル機械翻訳（NMT）を対象としています。生成AIを含む現在のAI翻訳ツールへの適用については継続的な研究が進んでいます。