翻訳会社・翻訳業界のAI活用事例｜MTPE・用語集運用・単価下落への対応策

翻訳業界のAI活用は、機械翻訳やLLMが一次翻訳を出し、人が用語・品質・ニュアンスを確かめて仕上げる形が標準になりました。2026年に入ってからは、さらに「AIが怪しい箇所を示し、人はそこを重点的に見る」方向へ工程が変わりつつあります。訳文を作る費用は下がる一方で、品質を保証する仕事の値打ちは残っている、というのが現時点の実態です。

この記事では、2026年10月時点の情報をもとに次の内容を扱います。

• 翻訳会社の業務フローのどこにAIが入っているか（業務別の一覧表）
• MTPE（機械翻訳ポストエディット）の区分と、単価の決め方の考え方
• 用語集・翻訳メモリの運用と、主要なCATツール・翻訳エンジンの対応状況
• ISO 18587の改訂案など品質の担保の仕組み
• 国内翻訳業の業績データを踏まえた、単価下落への立場別の対応策

こんな方に向けた記事です。

• 翻訳会社・LSP（言語サービスプロバイダ）で、AI導入や単価の見直しを検討している経営者・PM
• 翻訳を発注する企業の担当者で、コストと品質・機密のバランスを判断したい方
• 単価下落に直面し、これからの働き方や専門分野の選び方を考えているフリーランス翻訳者

翻訳業界のAI活用の全体像：業務フローのどこにAIが入るか

出典: DeepL 公式サイト

翻訳会社の仕事は「受注・見積もり → 一次翻訳 → ポストエディット → 用語集・翻訳メモリの更新 → 品質チェック → 納品」と進み、現在はこのほぼすべての工程にAIが入っています。人がゼロから訳す工程は減り、人の仕事は編集・確認・用語の設計に寄ってきました。

業務別に整理すると次のとおりです。

AIは翻訳の仕事を丸ごと置き換えたわけではなく、工程ごとに人とAIの分担が組み替わっているのが実態です。翻訳者や業界の論者の間では、「訳文を作るコスト」と「原文と照らし合わせて品質を保証するコスト」を分けて考える見方が広がっています。前者はAIで大きく下がりましたが、後者は人の確認が残ります。

翻訳を支える生成AIの仕組みから押さえたい場合は、生成AIとは何かの総合解説も参考になります。

MTPE（機械翻訳ポストエディット）とは：仕組みと2つのレベル

出典: みらい翻訳 公式サイト

MTPE（Machine Translation Post-Editing）は、機械翻訳の出力を人が編集し、求められる品質に仕上げる工程です。国際規格 ISO 18587:2017 が、作業の流れ、ポストエディターに求める力量、ライト/フルの区分などを定めています。

翻訳会社やフリーランスへの依頼は、「ゼロから訳す」から「AI訳を直す」へ大きく移りました。従来の翻訳と同じ感覚で受けると、作業量に見合わない単価で引き受けてしまうことがあります。

ライトポストエディットとフルポストエディットの違い

MTPEには品質目標に応じた区分があり、どこまで直すかを発注側と事前に決めておくことが欠かせません。決めないまま進めると、「思ったより品質が低い」「そこまで直さなくてよかった」という行き違いが起きます。

2026年は、品質推定を使って確認箇所を絞るやり方や、メーカーが「人の確認なしで完成」をうたう完全自動翻訳も出てきたため、実務では次の4つに分けて考えると整理しやすくなります。

MTPEの単価には、公的な統計がありません。「人手翻訳の5〜7割」「英日で1ワード6〜9円」といった数字は、翻訳会社や事業者のサイトが示す目安です。言語ペア、専門分野、分量、機械訳の元の品質で大きく変わるため、案件ごとに見積もりを取るのが現実的です。参考までに、日本翻訳連盟（JTF）の以前の業界調査では、英日翻訳の翻訳会社からの単価が1ワード7〜15円という結果が出ていましたが、調査時期が古く、現在の相場としては使えません。

ポストエディットで必ず工数が減るとも限りません。英中翻訳を対象にした2025年の実験（Yao, Han, Li。大学院生26人）では、GPT-4を使ったポストエディットは従来型と比べて作業時間を有意に短縮せず、修正の操作はむしろ増えました。一つの実験の結果ではありますが、「MTPEなら一律○割引」という決め方が実態と合わないことがある根拠になります。

用語集・翻訳メモリ（TM）運用：AIで品質と一貫性を上げる

出典: memoQ 公式サイト

AI翻訳の品質を安定させる一番の手段は、用語集・翻訳メモリ・スタイルガイドを整えて、訳出の時点でAIに渡すことです。2026年は主要ツールがそろってこの方向に機能を広げており、「人が作った言語資産をAIの訳出にどう生かすか」が翻訳会社の腕の見せどころになっています。

CATツール・用語集・翻訳メモリの基本

翻訳会社の現場では、CATツール（翻訳支援ツール）で機械翻訳の結果を訳文候補として読み込み、人が採否を決める運用が一般的です。CATツールは主に次の要素でできています。

• 翻訳メモリ（TM）：原文と訳文の組をデータベースにためて、同じ文や似た文が出てきたときに再利用する
• 用語集／用語ベース（Termbase）：社内用語・業界用語の訳語を登録し、訳ブレを防ぐ
• 品質チェック（QA）機能：訳抜け・数値の誤り・用語の不統一を自動で見つける

これらに加えて、案件・ワークフロー・翻訳者の割り当て・進捗までまとめて管理するのがTMS（翻訳管理システム）で、Phrase、Trados、memoQ、XTM、Smartcat などがよく使われています。

主要ツールの用語集・翻訳メモリ・品質推定の対応状況

2026年10月時点で公式情報から確認できた範囲をまとめます。料金や機能は改定されることがあるため、契約前に各社の公式ページで確かめてください。

DeepL Pro の用語集は、プランで使える数が大きく変わります。公式の料金ページ（ユーロ表示）では次のとおりでした。

無料版とIndividualは用語集が1つ・5語までなので、業務で用語を管理するならTeam以上が前提になります。日本円の価格は地域で表示が変わるため、公式の日本向けページで確認してください。

用語集運用の実務で押さえたいこと

• 用語集は「訳語を決めた理由」とセットで管理する：禁止訳や、顧客が指定した表記ゆれのルールも一緒に残すと、翻訳者が交代しても判断がぶれにくくなります
• 翻訳メモリは古い訳を整理してから渡す：誤訳を含む過去訳をそのままAIに参照させると、誤りが再生産されます。TMXで取り込む前に、廃止した製品名や旧表記を除いておきます
• スタイルガイドもAIに読ませる：Phrase や DeepL のように、文体ルールを訳出時に当てられるツールが増えました。敬体/常体、数字の表記、カタカナ語の扱いを文書にしておくと効果が出やすくなります
• AIエージェントから言語資産に触れる権限を決める：Phrase の MCP サーバーのように、外部のAIエージェントから翻訳メモリや用語ベースを参照・操作できる経路が出てきました。読み取りだけか書き込みもできるか、誰がいつ使ったかの記録が残るかを確認しておきます。AIエージェントの基本はAIエージェントとは何かの解説で整理しています

エンジン選びでは、国産LLMの日本語の訳しぶりを重視するならSakana AIの翻訳サービス解説も比較の材料になります。

ISO 18587と品質担保：MTPEを「安心して発注できる」制度

出典: 一般社団法人日本翻訳連盟 公式サイト

MTPEは安く出せる分、品質のばらつきや責任の所在が発注側の不安になります。その不安に応える仕組みが国際規格 ISO 18587 で、現行の2017年版に加え、LLMの出力も対象に含める改訂案が2026年に国際規格案（DIS）の段階まで進んでいます。

ISO 18587:2017 は「機械翻訳出力のポストエディット―要求事項」を定めた規格で、ポストエディットの工程、修正の範囲、ポストエディターの力量などを規定しています。日本には第三者認証の支援機関がなく、AAMT（アジア太平洋機械翻訳協会）が2022年に「供給者適合宣言（自己適合宣言）」のためのガイドラインを作りました。宣言の責任はサービスを提供する会社側が負います。

2026年時点では、品質の規格について次の動きがあります。

• ISO 18587 の改訂案：表題が「Post-editing of non-human translation output（人以外による翻訳出力のポストエディット）」に変わり、機械翻訳だけでなくLLMの出力も対象に含める方向です。ドイツ規格協会（DIN）に2026年9月11日付で草案（ISO/DIS 18587:2026）が掲載され、意見募集の期限は2026年11月11日です。2026年10月時点で改訂版はまだ発行されておらず、発行時期は決まっていません
• ISO 5060:2024：2024年2月に発行された、訳文の品質評価の指針です。人手翻訳、ポストエディット済みの機械翻訳、編集していない機械翻訳のいずれも対象にし、エラーの種類と減点で品質を数値にする評価方法を中心に説明しています。発注側と翻訳会社が「どの品質を目標にするか」を数字で合意するときの拠り所になります

発注企業にとっては、MTPEを安く出す会社より、ポストエディットの手順と品質評価の方法を説明できる会社を選ぶことがリスク管理になります。翻訳会社にとっては、規格に沿った手順と評価の仕組みを示せることが、価格以外で選ばれる理由になります。

翻訳業界のAI活用事例：導入で何が変わったか

出典: ElevenLabs 公式サイト

国内外の公表事例を見ると、AIの効果は「一次翻訳の自動化」から「確認作業の絞り込み」「音声・動画への展開」へ広がっています。いずれも各社の発表や報道に基づくもので、数値はメーカー自身の評価を含みます。

• ロゼッタ T-4OO「最高精度（完全自動）」モード：2026年10月5日に先行提供を始め、10月14日に本リリースを予定していると発表しました。日英・英日のみで、人の確認・修正なしで完成させる設計です。同社の評価では、取扱説明書・マニュアルの日→英（テキスト同士）で修正が必要な割合が0.003%でした。一方で、ファイルからの文字の抽出やレイアウトの再現は評価の対象外で課題が残ること、すべての文書でこの数字を保証するわけではないことを同社自身が明記しています。医薬・法務・特許などでは人の確認を組み合わせる選択肢も用意されています
• ロゼッタ T-4OO「超高精度（熟考）」モード：2026年4月に発表。契約書で文単位の修正必要率0.05%（同社の評価）とし、誤訳の可能性がある箇所をハイライトします
• みらい翻訳 FLaT の生成AI校閲：2026年3月に、翻訳ソリューション「FLaT」へ生成AIによる校閲機能を加えました。9月にはリアルタイム音声翻訳「リスニングアシスタント」がiPhone/iPadに対応しています
• 三菱商事 × みらい翻訳：2016年に検討を始め、2019年4月に正式利用を開始。約2,000名のグループ社員が10言語・月1,000万語規模で使っていると、2022年時点で公表されています（ベンダー提供の情報）
• 十印 × ElevenLabs Japan：十印が文字起こしと翻訳を担い、ElevenLabsの技術で音声を作る業務提携です。用語の統一やブランドトーンの品質管理は十印が受け持ちます。翻訳会社が「品質管理役」として音声ローカライズに入っていく例です
• リアルタイム通訳支援：GoogleのGemini 3.5 Live TranslateやOpenAIのGPT-Realtime-2、DeepL Voice などが、会議や商談の多言語対応を支えています

OpenAIは2026年1月15日に単体の翻訳画面「ChatGPT Translate」を公開しました。公開時の報道では、トーン（ビジネス・学術など）を選んで訳せる機能が紹介されています（現在の対応言語や機能は公式で確認してください）。個人や社内の簡単な翻訳が無料・低価格のツールで済むようになり、翻訳会社の単価には下げ圧力がかかっています。

翻訳と関わりの深い業界の動きは、出版業界のAI活用、アニメ業界のAI活用（字幕・ローカライズ）、多言語接客の観光業・ホテルのAI活用事例でも取り上げています。

単価下落への対応策：立場別の実務処方箋

翻訳業界でいちばん大きな問題は単価下落で、国内では業績にもはっきり表れています。対応の軸は、訳文を作る作業の値下がりは受け入れたうえで、品質保証・用語設計・専門分野の責任といった、AIで置き換えにくい工程で稼ぐ形に組み替えることです。

東京商工リサーチ（TSR）が2026年9月に公表した調査では、5期分の業績を比べられる翻訳業100社の合計で次の結果が出ています。

2023〜2025年度は3期連続の減収減益で、翻訳業の倒産は2026年1〜8月に3件（前年同期1件）、休廃業・解散は2025年に50件でした。TSRは、機械翻訳の進化で簡単な文章は無料で訳せるようになり、価格競争が激しくなったと分析しています。一方で、複雑な契約書やニュアンス、専門分野では人の翻訳や最終チェックが欠かせないとも指摘しています。

世界の市場も大きくは伸びていません。業界調査会社 Slator の2026年版レポートでは、翻訳・ローカライズ・吹き替え・字幕・音声翻訳などを含む市場は2025年に約308.5億ドル、2031年に約361億ドルで、年平均の成長率は約2.65%と見込まれています（市場の範囲の取り方で数字は大きく変わります）。

国内の翻訳会社は売上も利益も縮み、世界でも成長はゆるやかです。この前提に立つと、打つ手は立場ごとに次のように変わります。

発注企業：安さだけで選ばない

• 文書の重要度で使い分ける：社内の参考資料は機械翻訳やライトPE、契約書・医療・人事など誤訳が紛争や健康被害、経営判断の誤りにつながる文書はフルPEと専門家の確認を必須にします。契約書の扱いは法務分野のAI活用もあわせて確認してください
• 品質の目標を数字で合意する：ライト/フルのどちらかに加え、ISO 5060 のようなエラー分類と許容点数で目標を決めておくと、納品後の手戻りが減ります
• 機密情報は無料ツールに入れない：法人向けプランでデータの扱いが明記されたサービスを選びます
• ポストエディットの手順を説明できる会社を選ぶ：単価の安さより、誰がどこまで確認し、品質をどう測るかを示せるかを確認します

翻訳会社：価格競争から付加価値へ

• 単価の決め方を見直す：MTPEを「人手翻訳の○割」と一律に割り引くと、機械訳の品質が悪い案件で赤字になります。修正量（どれだけ書き換えたか）、作業時間、品質推定のスコアに応じた段階料金など、実際の工数に合う料金体系を用意します
• 言語資産を顧客ごとの強みにする：顧客の用語集・翻訳メモリ・スタイルガイドを整え、AIの訳出に生かす運用は他社がまねしにくい資産になります
• 品質推定で確認作業を絞る：Trados の MTQE や Phrase の Quality Profiles などで低評価の箇所を先に見つけ、人の時間を重要な箇所に集中させます
• 前後の工程へ広げる：用語設計、多言語コンテンツの制作、音声・動画ローカライズ、完全自動翻訳を入れる企業向けの品質監査など、翻訳の前後の仕事を取りにいきます
• 見積もり・原価管理を仕組みにする：案件ごとの機械訳の品質、修正量、作業時間を記録しておくと、料金の根拠を顧客に示せて、赤字案件も早く見つかります

見積もりや原価管理、受注管理のシステムにAIを組み込むときは、翻訳の工程や言語資産の扱いを理解している開発会社かどうかで、要件の詰め方やデータの準備の手間が変わります。外部に開発を頼む場合の判断材料は、業界に詳しいAI開発会社に頼むべきかで整理しています。

フリーランス翻訳者：役割を上流へシフト

• MTPEは作業量で交渉する：文字数単価が一律だと、機械訳の出来が悪いほど時給が下がります。サンプルで修正量を見せたうえで、時間単価や段階料金を提案します。原文1文字あたり約1円といったポストエディットの募集も見られるため、受ける案件を選ぶ基準を持っておきます
• 専門分野に絞る：医療・法律・特許・金融など、用語の正確さと責任が重い分野は、人の確認が残りやすい領域です
• 確認と設計の仕事に価値を移す：用語集の設計、品質評価、翻訳のディレクション、AI訳の監修といった役割を取りにいきます
• AIツールを使いこなす：CATツールとLLMを組み合わせて処理量を上げます。業務に使えるAIツールの全体像は生成AIツールおすすめ比較が参考になります

同志社大学の調査研究（2025年3月）でも、AIで足りる軽い翻訳と、熟練者が要る難しい案件に需要が分かれていく様子が紹介されています。翻訳者の仕事がなくなるというより、一次翻訳から、AI訳の監修・用語設計・品質の保証へ役割が移っていると見るのが現時点では妥当です。

セキュリティと制約：AI翻訳で気をつけること

出典: Model Context Protocol 公式サイト

AI翻訳を業務で使うときは、品質の限界と情報管理の両方を押さえておく必要があります。特に2026年は、LLMを持ち込むCATツールやAIエージェントからの接続が増え、データがどこを通るかを確かめる手間が増えました。

品質面でAIが苦手なこと

• 文脈で訳し分ける専門用語・固有名詞と、文書全体での一貫性（用語集・翻訳メモリと人の確認が必要）
• 文化・習慣の違いや、細かなトーン・ニュアンスの読み取り
• 一見流暢な訳に紛れ込む意味のずれ（流暢な訳ほど見落としやすい）
• ファイルのレイアウト再現（完全自動翻訳をうたうツールでも、メーカー自身が課題としている）

情報管理面の注意

• 無料版と法人版でデータの扱いが違う：DeepL Pro は「Proのデータは学習に使わない」「サービス提供に必要な範囲で一時的に保存し、その後削除する」と公式に説明しています。「保存しない」ではない点に注意してください。無料版は学習に使われる場合があるため、規約を確認してから使います
• LLMを持ち込む方式は、接続先の規約で決まる：Trados の AI Bridge のように自分のLLM契約をつなぐ方式では、データの扱いは接続したLLMサービス側の規約に左右されます
• AIエージェントからの接続は権限と記録を確認する：MCP経由で翻訳メモリや用語ベースに触れる場合、読み取りか書き込みか、利用者ごとの権限、アクセスの記録が残るかを確かめます
• 機密文書の基本対策：翻訳前に固有名詞・数値を伏せる、NDAを結んだ翻訳者に限る、翻訳後にデータを消去する、法人契約のツールを使う

生成AI全般の情報漏えい対策は生成AIのセキュリティリスクと対策で詳しく扱っています。

翻訳業界のAI活用をおすすめできる企業・慎重に進めたい企業

AI活用（機械翻訳、MTPE、言語資産の整備、品質推定）で効果が出やすいのは、同じ種類の文書を大量に、継続して訳す企業です。逆に、訳す量が少ない企業や、誤訳の影響が大きい文書が中心の企業は、人の確認を前提に小さく始めるのが安全です。

おすすめできる企業・組織

• マニュアル、製品情報、社内規程、Webコンテンツなど、定型的な多言語文書を継続して扱う企業
• 過去訳や用語集がたまっていて、それを整えてAIの訳出に生かす余力がある企業
• 価格競争から抜け出し、品質保証や用語設計を売りにしたい翻訳会社・LSP
• 動画・音声を含む多言語コンテンツを短い期間で増やしたい企業

慎重に進めたい企業・ケース

• 契約書・医療・特許など、誤訳が法的・人的なリスクに直結する文書が中心の場合（専門家の確認を前提にする）
• 機密性の高い情報を扱うのに、外部ツールの規約や権限を管理する担当がいない場合
• 翻訳の量が少なく、法人プランや用語整備の費用を回収しにくい場合

導入のコストの目安として、DeepL Pro の Team・Business プランは1ユーザーあたり月€24.99〜€49.99（年払い時・ユーロ表示）です。TMSの導入、カスタマイズ、言語資産の整備、社内システムとの連携まで進めると、費用は個別見積もりになり、整備にかかる人の時間も大きくなります。

よくある質問（FAQ）

Q. 完全自動翻訳が出てきたら、MTPEは不要になりますか？

すぐに不要にはなりません。完全自動をうたうツールも、メーカーが評価した文書の種類や言語ペアに条件がついており、ファイルのレイアウト再現などは課題として残っています。当面は、条件に合う文書だけ自動化し、それ以外はポストエディットや誤訳候補の確認を組み合わせる運用が現実的です。

Q. 社内で翻訳を内製化するのと、翻訳会社に外注するのはどちらがよいですか？

社内資料のように誤りの影響が小さく量が多い文書は、法人向けの機械翻訳を使った内製で足りることが多くなりました。顧客に出す文書や専門分野の文書は、品質を測る仕組みと専門の翻訳者を持つ翻訳会社に任せる方が、手戻りを含めた総費用で見て安くなることがあります。文書の種類ごとに分けて判断してください。

Q. LLM（ChatGPT・Claude・Gemini）と翻訳専用エンジンはどう使い分けますか？

一般的には、文脈の指定や言い換えなど細かな指示を出したい場面ではLLM、用語集や翻訳メモリを反映させて大量に安定して訳す場面では翻訳専用エンジンやCATツールが向いています。Trados の AI Bridge のように、CATツールの中でLLMを使う方法もあります。精度の比較値は提供元の評価を含むため、自社の文書で試してから決めるのが確実です。

Q. 用語集はどのくらいの規模から整備する価値がありますか？

同じ製品・同じ顧客の文書を繰り返し訳すなら、数十語の段階から効果があります。訳ブレがよく起きる製品名、機能名、社内の固有表現から登録し、レビューで見つかった修正を少しずつ加えていくと続けやすくなります。

Q. ISO 18587の改訂でポストエディットの実務は変わりますか？

改訂案では対象が「人以外による翻訳出力」に広がり、LLMの出力をポストエディットする作業も規格の範囲に入る見込みです。2026年10月時点ではまだ規格案の段階なので、発行後の正式な内容を確認してから、手順書や適合宣言を見直すのがよいでしょう。