# 第1章　言語サービスとは何か

> **ナビゲーション**
>
> * 前の章: [はじめに（序文）](/ja/solutions/readme.md)
> * 次の章: [第2章　APIとは何か](/ja/solutions/part1-vision/ch02-what-is-api.md)

***

![言語サービスの構造的変革とAI翻訳（AIT）のパラダイム](/files/FxXTRNe4xSciL3VN1TPg)

***

## 1.1 「翻訳」だけじゃない——言語サービスの全体像

「言語サービス」と聞いて、多くの人がまず思い浮かべるのは「翻訳」でしょう。しかし実際には、言語サービスはもっとずっと広い世界をカバーしています。

**言語サービス（Language Services）** とは、人間や機械が扱う言語コンテンツを、何らかの形で変換・処理・品質向上させるサービス全般を指します。以下に主なサービスタイプを挙げます。

| サービス名      | 略称・別名                   | 説明                        |
| ---------- | ----------------------- | ------------------------- |
| テキスト翻訳     | Translation / MT        | ある言語のテキストを別の言語に変換する       |
| 通訳         | Interpretation          | 話し言葉をリアルタイムで別の言語に変換する     |
| 文字起こし      | STT / ASR               | 音声をテキストに変換する              |
| 音声合成       | TTS                     | テキストを音声に変換する              |
| ローカライゼーション | L10n                    | 製品・コンテンツを特定の地域・文化向けに適応させる |
| 字幕・キャプション  | Subtitling / Captioning | 映像に合わせたテキストを生成・付与する       |
| 言語検出       | Language Detection      | テキストや音声がどの言語かを判定する        |
| スタイル変換     | Style Transfer          | 同一言語内で文体・トーンを変換する（敬語化など）  |

![言語サービスは単なるテキスト翻訳にとどまらず、多様なコンテンツを変換・最適化する広大なエコシステムである](/files/eyCiuY12XxfWtgDm2exV)

> **業界用語メモ**
>
> * **LSP（Language Service Provider）**: 翻訳・通訳などの言語サービスを提供する事業者の総称。大手から個人フリーランサーまで含む。
> * **L10n（Localization）**: "Localization" の "L" と "n" の間に10文字あることから来た略称。同様に **i18n（Internationalization）** も使われる。
> * **MT（Machine Translation）**: 機械翻訳の略。

これらのサービスは互いに組み合わさることも多く、たとえば「音声ファイルを文字起こしして翻訳し、字幕として映像に付与する」という一連の処理が、現代では自動化されたパイプラインとして実現されています。

![現代の言語サービスは、複数の変換プロセスを組み合わせた「自動化パイプライン」として機能する](/files/sf49WSqtUwFafuTvrUqF)

***

## 1.2 人間が担ってきたこと、機械が担いはじめたこと

### 人間翻訳者・通訳者の役割

長い歴史の中で、言語の壁を越える仕事は専門家たちが担ってきました。翻訳者は書き言葉を、通訳者は話し言葉を、それぞれの言語と文化の深い理解をもとに変換してきました。この仕事には、語彙の知識だけでなく、文脈の読解力、文化的感受性、そして専門領域（法律・医療・技術など）の知識が求められます。

### 機械翻訳（MT）の発展

機械による翻訳の試みは1950年代に始まりました。当初は単純な辞書引きに過ぎませんでしたが、その後大きく進化しました。

1. **ルールベースMT（RBMT）**: 文法規則と辞書を組み合わせた翻訳。精度に限界があり、例外だらけの自然言語には対応しきれなかった。
2. **統計的MT（SMT）**: 大量の対訳コーパス（翻訳文のペア集）を学習し、統計的に最も尤もらしい翻訳を出力する。2000年代に主流となったが、文脈の把握が苦手だった。
3. **ニューラルMT（NMT）**: 深層学習（ディープラーニング）を用いた翻訳。2016年頃からGoogle翻訳などで採用され、品質が飛躍的に向上した。
4. **AI翻訳（AIT: AI Translation）**: 2022年以降に登場した大規模言語モデル（LLM）を基盤とする翻訳。NMTと根本的に異なるのは、**原文を入力しなくても翻訳文書を生成できる**点である。「オーディエンスは誰か」「文書の目的は何か」「長さはどの程度か」「どのトーンで書くか」といった**文書要件をAIに指示することで、ターゲット言語での文書を直接生成する**。翻訳というより「多言語コンテンツ生成」と表現した方が正確かもしれない。

![1950年代から続く機械翻訳の進化は、2022年以降の大規模言語モデル（LLM）登場により全く新しいフェーズに突入した](/files/yzv3MEXjc02lpi6H5KbX)

### AI翻訳がもたらした構造的変化

NMTの登場後しばらくは、機械翻訳の出力を人間翻訳者が修正・改善する **MTPE（Machine Translation Post-Editing）** が業界の主流でした。しかし2022年以降、AI翻訳（AIT）の能力が明らかになるにつれ、翻訳プロセスの構造そのものが変わりはじめています。

最も大きな変化は、**著者が自らAIを使って多言語文書を生成できるようになった**ことです。翻訳者を仲介させる必要がなくなりつつあります。

```
【従来のMTPEフロー】
[著者] → 原文作成 → [MT] → 翻訳ドラフト → [翻訳者がポストエディット] → 最終訳文

【AI翻訳（AIT）フロー】
[著者] → 文書要件を指示（対象読者・目的・長さ・トーン）→ [AI] → ターゲット言語の文書を直接生成
```

![AITは翻訳というより「多言語コンテンツ生成」であり、文書要件のAIへの指示から直接ターゲット言語の文書を出力する](/files/S1kwyfexj2F5HZr0Qw6T)

![AI翻訳（AIT）の登場により、翻訳は「専門家への委託」から「著者自身による多言語生成」へと根本的に変化した](/files/NtUx3ZaGRehvQeSWxkpN)

### 著者が自ら翻訳することの2つの利点

著者がAIを使って翻訳・生成する場合、専門の翻訳者に委託するのと比べて、構造的な優位性が2つあります。

**利点1：著者には原文を修正する権限がある**

翻訳者は訳文の範囲でしか作業できませんが、著者は原文そのものを変更できます。「この表現は別の言語では伝わりにくい」と気づいたとき、著者はソースを改稿することができます。これは翻訳品質の根本的な向上につながります。

**利点2：著者は対象文書の背景知識を最も豊かに持っている**

翻訳者は文書の内容を外側から理解するしかありませんが、著者はその文書が生まれた文脈・意図・制約を知っています。そのため、AIへの要件指示の精度も、生成された翻訳の評価も、著者の方が翻訳者よりも妥当かつ細やかに行えます。

![著者自身がAIで翻訳を行うことには、「原文修正の権限」と「深い背景知識」という2つの構造的優位性がある](/files/DgXhXCt81sNQcDQQpkdB)

***

## 1.3 品質とは何か

### 翻訳品質の多面性

「翻訳の品質が高い」とはどういうことでしょうか。実はこれは一つの軸では語れません。

| 品質の側面                          | 説明                   | 例                    |
| ------------------------------ | -------------------- | -------------------- |
| **正確さ（Accuracy）**              | 原文の意味が正しく伝わっているか     | 数字・固有名詞のミスがないか       |
| **流暢さ（Fluency）**               | 訳文が自然で読みやすいか         | 不自然な語順・直訳調でないか       |
| **適切さ（Adequacy）**              | 原文のニュアンスが適切に再現されているか | ユーモアや感情表現が伝わるか       |
| **目的適合性（Fitness for Purpose）** | その翻訳がその用途に合っているか     | 社内メモと法的契約書では要求水準が異なる |

![「翻訳品質」は単一の指標ではなく、ビジネス上の目的に応じて4つの異なる側面から総合的に評価される](/files/sVLj3v3MvE6ik4h0rqFV)

### 品質グラデーション——4つのレベル

実際のビジネスにおいては、用途に応じて「どこまでの品質が必要か」を判断する必要があります。AI翻訳の登場を踏まえ、現在は以下の4つのレベルで整理するのが実態に即しています。

| レベル                    | 名称            | 概要                                                       |
| ---------------------- | ------------- | -------------------------------------------------------- |
| **MT**                 | 機械翻訳のみ        | 人間のチェックなし。速くて安いが品質は保証されない                                |
| **MTPE**               | MT＋ポストエディット   | MTの出力を翻訳者が確認・修正する。軽微〜完全の幅がある                             |
| **AIT**                | AI翻訳          | 著者が文書要件をAIに指示し、ターゲット言語の文書を直接生成する                         |
| **Expert-in-the-Loop** | エキスパート検証付きAIT | 著者がAITで生成した文書を、言語専門家がcertification/verificationする最高品質レベル |

![生成AIの普及を踏まえ、現代の翻訳品質は人間の介在度と手法に応じた「4つのティア」で定義される](/files/ZHTZo3BLTf2MgZexyOqY)

### ビジネス判断としての品質

「品質を上げる」ことはコストと時間の増加を意味します。すべての翻訳を最高品質で行う必要はなく、**用途に応じた品質の選択**が重要なビジネス判断になります。

* **社内メモ・情報収集目的**: MT品質で十分な場合が多い
* **顧客向けWebサイト・マーケティング**: AITが有効。著者が要件を指示して生成
* **製品マニュアル・技術文書**: MTPE またはAITで対応
* **規制対応文書・公的提出物**: Expert-in-the-Loopによる言語専門家の検証が必要

![すべての翻訳に最高水準を求めるのではなく、用途やリスクに応じた「品質ティアの選択」こそが重要なビジネス判断となる](/files/i5Om21PMbjiMl3Lvmew5)

このような品質ティアの考え方は、後の章（第4章）でAPIの設計に組み込む方法として詳しく論じます。

***

> **まとめ**
>
> * 言語サービスは翻訳だけでなく、STT・TTS・ローカライゼーション・字幕など広範なカテゴリを含む
> * 機械翻訳はRBMT→SMT→NMTと進化し、2022年以降はLLMを基盤とするAI翻訳（AIT）が登場。著者が翻訳者を介さずに多言語文書を生成できる時代になった
> * AITの最大の変化は「著者自身が翻訳できること」。原文修正権と背景知識という2つの利点がある
> * 品質は MT / MTPE / AIT / Expert-in-the-Loop の4段階で考え、用途に応じた選択がビジネスの核心となる

![言語サービスのパラダイムシフトに適応し、自社のコンテンツ戦略をAPIアップデートするための次のアクション](/files/yQfSgOt6SdjKcGpO9ZMM)

> 次の章: [第2章　APIとは何か](/ja/solutions/part1-vision/ch02-what-is-api.md)


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://translationlab.gitbook.io/ja/solutions/part1-vision/ch01-language-services.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.