翻訳の現場には、経験則として静かに共有されている感覚があります。「一次翻訳の質が、最終的な品質を決めてしまう」というものです。初稿が良ければ最終稿も良い。初稿が粗いと、どれだけ手を入れても、どこか伸び切らない。
ここで、当然の反論が浮かびます。「原文と突き合わせて、きちんとレビューを入れているのに?」。実際、多くの現場では、訳した本人とは別の人が、原文と訳文を照らし合わせて直す工程が入ります。AI翻訳を一次翻訳に使い、その出力を人やAIでチェックする体制を整えている場合も、同じです。チェックを重ねているのに、なぜ仕上がりがもう一段よくならないのか。今回は、そこを解き明かします。
前回・前々回では、AIチェックの二つの罠（流暢な誤りの見逃し、そして過剰な指摘）を見てきました。今回はもう一段さかのぼって、そのレビューをどう工夫しても、品質の上限は初稿で決まってしまう、という構造そのものを扱います。
1. 何が品質を決定するのか？経験則を、正確に言い直してみる
まず、言葉を正確にしておきます。「一次翻訳が最終品質を決定する」は、少し言い過ぎです。
原文と突き合わせるレビューを入れれば、初稿の誤りは検出でき、直せる余地があるからです。より正確には、こうなります。
校正やレビューは、床を引き上げる工程です。誤字や用語の不統一を潰し、荒れた仕上がりを整える。けれど、天井そのものを大きく上へ作り直すことは、なかなかできません。
なぜ「原文を見て直しているのに」天井が動かないのか。理由は3つあります。
2. なぜ、レビューでは天井が上がらないのか
| 理由 | 内容 |
|---|---|
| ①アンカリング | 人は、最初に示された案に引きずられます。行動経済学でよく知られた認知の癖で、先に提示された案が、その後の判断の基準点になってしまう現象です。レビュアーが原文を見ていても、初稿という「たたき台」を読んだ瞬間から、判断は白紙ではなく初稿を起点に動きます。全面的に訳し直すより、部分的に手を入れる方向へ自然と傾く。これは意志の弱さではなく、認知の構造です。 |
| ②修正コストの非対称 |
直すには「距離」が要り、その距離はふつう計画（予算）に入っていません。 粗い初稿を優れた訳へ引き上げるには、広い範囲を書き直す——大きな「編集距離」が必要です。ところがレビュー工程は、その全面改稿を、時間にも心理にも織り込んでいません。結果として、初稿の質が高いほど、同じ工数で到達できる最終品質も高くなります。これは手抜きではなく、限られた工数を配分するうえでの合理的な帰結です。 |
| ③エラーの伝搬 | 一次翻訳で原文の意図や論理を取り違えると、その解釈を前提に、語句、主語、文の接続、段落構成が選ばれていきます。初稿が流暢であるほど、その誤った前提に沿った訳文全体も自然に見える。後工程で局所的な誤りを見つけて直しても、そこから派生した選択をすべて洗い出すには、実質的に訳し直しに近い作業が要ります。初稿の誤りは一箇所で完結せず、後続の判断を通じて広がっていくのです。 |
ここで大事なのは、検出と修正は別の工程であり、しかも誤りは検出した一箇所だけにとどまらないことです。原文照合は、誤りの起点を「見つける」のを助けます。けれど、そこから派生した選択までどこまで戻るかは、アンカリング（①）と工数配分（②）に縛られます。だから、原文を見ていてもなお、初稿が最終品質の天井を規定するのです。
3. 現場は、天井をどう扱っているか
この構造を、翻訳の現場は経験的に知っています。そして実務の工夫の多くは、突き詰めると「天井そのものを上げる」か「天井への到達度を上げる」かのどちらかに整理でき、しかも本当に効くのは前者に寄っています。
天井を上げる——用語集と過去訳
いちばん効くのは、初稿の質を最初から高くしておくことです。
・用途・読者・トーンを訳す前に共有する。
・用語集とスタイルガイドを整える。
・参考資料や過去の訳を渡す。
・原文の曖昧なところは、訳す前に発注元へ確認して潰しておく。
これらはすべて、後工程では持ち上げられない天井を、上流で引き上げる投資です。とくに用語集と過去訳の整備は、初稿の一貫性という天井を底上げし、同時に後工程の負担を軽くします。表層の照合に取られる工数が減れば、その分を「深い誤り」の検出に回せるからです。
AI翻訳を一次翻訳に使うなら、先に条件を整える
AI翻訳を一次翻訳に使うこと自体が、品質の天井を下げるわけではありません。ただし、AIに渡す前の条件が曖昧なままでは、もっともらしい初稿が、誤った前提を広げてしまいます。
AIを使うなら、用途・読者・トーン、用語集、スタイルガイド、参考となる過去訳を先に与え、原文の曖昧さも可能な限り解消しておく。そのうえで、出力を完成稿ではなく、人が検証し書き直せる「たたき台」として扱うことが重要です。
とくに、人が最初に確認すべきなのは、文ごとの自然さではなく、文書全体の意図と論理です。誰に何を伝える文書なのか。主語、条件、否定、因果関係は原文どおりか。段落どうしは同じ論理でつながっているか。こうした前提を人が固めてからAIに初稿を作らせれば、AIは用語の一貫性や定型表現の展開で力を発揮し、初稿の天井を上げる助けになります。
一方で、次のような文書では、AI翻訳を一次翻訳として使わない、あるいは人が先に骨格を訳してから限定的に使うほうが安全です。
- 原文自体に曖昧さや不足情報があり、発注元への確認なしには意味を確定できない文書
- 契約、規制対応、安全上の指示など、ひとつの解釈違いのコストが大きい文書
- コピーやメッセージのように、言葉の選択そのものが価値であり、読者に与える印象を細かく設計する文書
- 文脈の把握や専門家の判断が中心で、訳語の置き換えだけでは原文の意図を再構成できない文書
これはAIを使わないという二択の話ではありません。AIに任せる範囲を、条件が整った反復的な表現や用語の展開に絞り、意図の確定や責任の重い判断は人が担う。その切り分けが、AIを一次翻訳に使いながら天井を下げないための実務になります。
大きな見落としを、機械の目で拾う——AIの使いどころ
初稿の誤りが伝搬した訳文は、全体として自然に見えるほど、人間が前提の取り違えに気づきにくい。ここでAIチェックが効きます。ただし、その使いどころには勘所があります。
AIは、大きな誤り＝強い信号の全数チェックに使うのが有効です。
数値の桁違い、固有名詞の取り違え、否定の脱落、段落まるごとの訳し漏れ——こうした致命的だが目立つはずの誤りを、人間はかえって「まさかそんな初歩を間違えるはずがない」と読み飛ばしがちです。疲労も思い込みもないAIが、原文と訳文を機械的に突き合わせて、人間が油断する強い信号を安定して拾う。人間は、そのぶん文脈依存の微妙な判断に集中できます。
ただし、前回・前々回で見たとおり、AIは流暢な誤りには弱く、指摘を出しすぎる癖もあります。だからAIの守備範囲は「大きな抜け・取り違え」に絞り、最終判断は人間が原文基準で行う——という切り分けが要ります。
訳者を固定し、チェッカーが「クセ」を知る
もうひとつ、人間ならではの工夫があります。翻訳者を固定し、チェッカーがその訳者の傾向を把握することです。
これは、先ほどのアンカリングを逆手に取る発想でもあります。訳者が固定されていれば、チェッカーは「この人は否定を落としがち」「この訳者は主語を補いすぎる」といった、その訳者に固有の誤りパターンを事前に持てる。どこに注意を向ければいいかを予測できるので、検出の的が絞れます。同時に、修正の質も上がります。チェッカーが訳者の意図やクセを理解していれば、「これは誤りか、それともこの訳者一流の意図的な選択か」を見分けられる。直すべきでない箇所を壊さず、直すべき箇所だけを的確に直せます。関係が続くほど、この"訳者理解"は精緻になっていく。
AI時代にあっても、人間どうしの継続した関係が品質を生む——ここは、機械のチェックリストでは簡単に代替できない領域です。
まとめ——校正は床を上げ、初稿が天井を決める
- 「一次翻訳が最終品質を決める」という経験則は、正確には「初稿が天井を規定し、後工程は天井への到達度を上げる」。原文を見て直しても、天井そのものは動かしにくい。
- 理由は、初稿に引きずられるアンカリング、全面改稿を織り込まない修正コストの非対称、そして初稿の解釈の誤りが後続の選択へ広がるエラーの伝搬。検出と修正は、別の工程です。
- だから、レビューを厚くするより、一次翻訳に投資するほうが効く。用語集と過去訳で天井を上げ、大きな見落としはAIの目で拾い、訳者を固定してチェッカーがクセを知る。
翻訳の品質は、最後の仕上げではなく、最初の一稿でその上限が決まっています。だからこそ、私たちは「直す」より前の工程——どんな準備で、誰がどこまで関わって、最初の一稿を作るか——を大切にしています。
全3回にわたって見てきたのは、結局のところ同じことでした。AIは強力な道具ですが、見逃しも過剰指摘もある。そして品質の天井は、初稿を作る前提と、その初稿に人がどう関わるかで決まる。
道具をどう使うかと同じくらい、最初の一稿をどんな条件で作り、誰がどう向き合うかが、最終的な品質を左右するのです。
WIPジャパンの品質チェック体制
WIPジャパンでは、翻訳とDTP・多言語品質管理をワンストップで対応しています。用語集・スタイルガイドの整備から、AIを組み込んだ品質チェック体制の設計まで、翻訳工程の上流からご相談いただけます。