投稿者 投稿日: カテゴリー EC経営・判断軸
AI翻訳の精度は、言語とカテゴリの組み合わせで「人の確認の要否」が決まる水準です。
越境ECの現場で、商品説明の英訳を外部翻訳者に頼むと1商品あたり2,000〜5,000円、納期は数日かかります。AI翻訳なら数十秒でゼロ円に近い。この差を前に「全部AIでよいのでは」と考える経営者は多いのですが、実際の判断はそれほど単純ではありません。AI翻訳の精度は言語とカテゴリによってむらがあり、任せてよい領域と人間が握るべき領域の境界線を引くのは、ツール選定ではなく経営判断です。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル(うるチカラ運営)が、その境界線の引き方を6つの判断軸で示します。
AI翻訳の精度を「どこまで信じるか」が経営判断になった理由
結論から言うと、AI翻訳の品質論争は「使えるか使えないか」の段階を終え、「どの業務のどの言語で、どこまで確認工程を残すか」という資源配分の問題に移りました。2026年時点の大規模言語モデル(ChatGPT・Claude・Geminiなど)による翻訳は、英語⇔日本語の一般的な商品説明であれば、読んで違和感のない水準に達しています。つまり、翻訳の巧拙そのものより、確認にかける人件費と、誤訳が事故になったときの損失のバランスをどう設計するかが論点になったということです。
この判断が難しいのは、精度のむらが「言語別」と「カテゴリ別」の2方向に走っているためです。世の中のAI翻訳の解説記事の多くはツールの比較(どのサービスが高精度か)で止まっており、言語とカテゴリを掛け合わせた現場の判断基準まで踏み込んだものはほとんど見当たりません。しかし実務で事故が起きるのはまさにこの掛け合わせの死角です。英語の雑貨説明では何の問題もなかった運用を、そのまま食品×東南アジア言語に横展開した瞬間に、成分表示の誤訳という重い事故が起きる。この構造を理解しないまま「AI翻訳は使える/使えない」と一般論で語ること自体が、判断を誤らせます。
前提となるモデル環境にも触れておきます。2026年7月時点の主要モデルは、OpenAIのGPT-5.6ファミリー、AnthropicのClaude Sonnet 5とOpus 4.8、GoogleのGemini 3.5系で、いずれも翻訳を明示機能ではなく汎用能力として備えています。専用翻訳サービスと汎用モデルの品質差は年々縮まっており、しかも汎用モデルは「用語集を渡す」「トーンを指定する」「自己検査させる」という指示による制御が効きます。つまり2026年のAI翻訳の精度は、どのツールを買うかより、どんな指示と確認工程で運用するかで決まる度合いが強まっています。この構造変化が、翻訳をツール選定の話題から経営判断の話題へ押し上げました。
なお、どの国に出るかという手前の判断は越境ECの国選びの判断軸の記事で扱っています。本記事は「出る国が決まった後、翻訳をどう運用するか」の判断です。
判断の6軸:言語×カテゴリ×コストで境界線を引く
境界線は6つの軸で引きます。各軸に数字の目安を添えますが、これらは2026年7月時点の現場感覚にもとづく目安であり、自社の商材での抜き取り検証を前提にしてください。
軸1:言語ペア(英語は本番投入可、低リソース言語は確認必須)
第一の軸は言語です。日本語⇔英語は、AI翻訳の学習データが最も厚い言語ペアで、一般商材の説明文なら人間の全文チェックなしでも実用になる水準です。中国語(簡体字・繁体字)、韓国語も比較的安定しています。一方、タイ語・ベトナム語・インドネシア語などの東南アジア言語は、学習データが相対的に薄く、敬語体系や商習慣の語彙で不自然さが残る頻度が上がります。目安として、英語は「抜き取り1割チェック」、中国語・韓国語は「抜き取り2〜3割チェック」、東南アジア言語は「ネイティブによる全文チェックを最初の3か月は維持」から始め、事故率を見て緩める運用が現実的です。多言語の音声接客まで視野に入れる場合はGrok Voiceの多言語EC接客の記事も参考になります。
軸2:カテゴリの規制密度(規制語のあるカテゴリは人間が最終責任を持つ)
第二の軸は商品カテゴリです。化粧品・健康食品・食品・医療機器周辺は、各国の薬事・食品表示の規制語が絡むため、AI翻訳の出力をそのまま載せる運用は禁物です。誤訳が「表現の不自然さ」ではなく「法令違反」に直結するからです。たとえば化粧品の効能表現は国ごとに許される範囲が違い、日本語では適法な表現の直訳が輸出先では違反になるケースがあります。このカテゴリ群では、AI翻訳は下訳と割り切り、現地規制に通じたチェッカーの確認を工程から外さないことです。逆に、雑貨・文具・アパレルの大半・ホビーなどの規制密度が低いカテゴリは、AI翻訳の本番投入を先行させてよい領域です。
軸3:誤訳事故のコスト(客単価と返品コストで確認密度を決める)
第三の軸は、誤訳が起きたときの損失額です。目安の計算はシンプルで、「誤訳起因の返品・クレーム1件あたりコスト×想定発生率」と「確認人件費」の比較です。客単価3,000円の雑貨で、誤訳によるサイズ誤認の返品が月に数件なら、返品コストは国際送料込みでも数万円で、全文チェックの人件費より安いことがあります。一方、客単価3万円の家電や、1件のクレームがモールアカウントの健全性評価に響くAmazonのような環境では、確認を厚くする方が安い。「確認は品質のため」ではなく「確認は保険料」と捉え、保険料が損失期待値を上回っていないかを四半期ごとに見直すのが経営の仕事です。
軸4:文章の役割(検索に効く文言は人間、読み流される文言はAI)
第四の軸は、その文章が果たす役割です。同じ商品ページの中でも、文章の重みは均一ではありません。検索結果に露出する商品名・タイトルは、1語の選択が流入数を左右するため、AI翻訳の出力を現地の検索語と突き合わせる人間の工程を残すべきです。現地の買い手が実際に打ち込む検索語は、辞書的に正しい訳語と一致しないことが多いからです。一方、商品説明の後半、スペック表の定型部分、購入後メールの定型文はAI翻訳の独壇場です。ページ内の文章を「検索接点・意思決定接点・確認接点」に3分類し、上から順に人間の関与を厚くする設計が定石です。
生成AI検索の普及もこの軸に影響しています。現地の買い手がAIアシスタントに「日本製の弁当箱でおすすめは」と聞く購買行動が増えるほど、AIに引用されやすい明快な説明文の価値が上がります。引用されやすさの観点では、翻訳の自然さに加えて「結論を先に言い切る構成」「数値仕様の明記」が効くため、翻訳工程と説明文の構成改善をセットで見直すと投資効率が良くなります。
軸5:更新頻度とSKU数(月100SKUを超えたら全人力は破綻する)
第五の軸は物量です。月間のSKU追加・更新が数十件までなら、人間翻訳中心でも回ります。月100SKUを超えるあたりから、翻訳を外注に出す管理コスト(依頼・納品確認・反映)自体がボトルネックになり、全人力体制は事実上破綻します。この規模では「AI翻訳を既定とし、軸1〜4で決めた高リスク箇所だけ人間が触る」体制への移行が必須です。逆に言えば、SKUが少ないうちに小さくAI運用の型(用語集、チェック基準、抜き取り率)を作っておくと、物量が増えたときに破綻しません。
軸6:ブランドの声の重要度(世界観で売る商材は用語集投資が先)
第六の軸は、ブランドとしての文体の一貫性がどれだけ売上に効く商材かです。機能で選ばれる消耗品なら、翻訳文体のばらつきは売上にほぼ影響しません。一方、世界観で選ばれる工芸品・デザイン雑貨・ハイエンド食品では、直訳調の説明文がブランド毀損になります。この場合に投資すべきは高価な翻訳者の常時起用ではなく、「ブランド用語集と文体ガイドの整備」です。固有名詞の表記、使ってよい形容の方向性、避けたい直訳表現を50〜100項目の用語集にまとめてAIに毎回渡すだけで、出力の一貫性は大きく変わります。用語集は一度作れば資産になり、翻訳者に依頼する場合の指示書としても機能します。
意思決定の進め方:90日のロードマップ
判断軸を実運用に落とす手順を、90日で設計します。
最初の30日は現状把握と抜き取り検証です。既存の翻訳済みページから言語×カテゴリの組み合わせごとに10〜20件を抜き取り、ネイティブまたは現地パートナーに「致命的誤訳(事実・規制・数値の誤り)」と「不自然さ(売上に影響しうる表現)」を分けて採点してもらいます。このとき次の1本のようなプロンプトで、AI自身に自己検査させる工程を挟むと、人間チェックの負荷が下がります。
翻訳品質の抜き取り検査
あなたは越境ECの翻訳品質検査員です。以下の原文と訳文を比較し、
1. 事実の誤り(数値・素材・サイズ・成分の不一致)
2. 規制リスク(効能表現・最上級表現・原産地表記)
3. 不自然な表現(直訳調・現地で使わない語彙)
の3分類で問題箇所を列挙してください。問題がない場合は「なし」と明記し、確信が持てない箇所は「要人間確認」として理由を添えてください。
原文: {日本語}
訳文: {対象言語}
次の30日は境界線の確定と用語集整備です。検証結果を6軸に当てはめ、「AI単独」「AI+抜き取り」「AI+全文確認」「人間翻訳」の4区分に業務を振り分けます。あわせてブランド用語集の初版を作ります。最後の30日は運用移行と計測です。区分ごとの処理件数・確認工数・事故件数を月次で記録する台帳を作り、翌四半期から「事故率が低い区分の確認を1段階緩める」見直しサイクルに入ります。
体制と費用の目安も添えます。90日の推進役は1人で足りますが、検証の採点者だけは対象言語のネイティブまたは実務経験者を確保してください。クラウドソーシングや現地パートナー経由なら、初期検証の採点は言語あたり数万円規模で収まります。90日合計の追加費用は、検証費・用語集整備・AI利用料を含めて10万〜30万円程度が中央値のイメージで、翻訳外注を月10万円以上使っている店舗なら、移行後2〜3か月で回収できる計算になることが多いです(いずれも目安であり、商材と言語数で変動します)。
この90日で最も重要な成果物は、翻訳済みページの数ではなく、「どの組み合わせをどこまで信じるか」の社内基準書です。基準書があれば担当者が変わっても判断が再現され、新しい言語や新しいAIモデルが出てきたときも、同じ検証手順で基準を更新できます。
判断を間違えた店舗のパターン3つ
境界線を引き損ねた店舗には、共通の型があります。いずれも実在の特定企業ではなく、支援の現場で繰り返し観測してきたパターンの一般化です。
パターン1は「英語での成功体験の横展開」です。ある食品ジャンルの中規模店舗では、英語圏向けでAI翻訳の全面運用がうまく回ったため、同じ工程を東南アジア向けに広げたところ、原材料表記の誤訳を現地の買い手からの指摘で発見しました。売上被害よりも、確認工程を後から差し込む組織的な手戻りが大きくつきました。言語が変われば精度の前提が変わる、という軸1の理解が抜けていた例です。
パターン2は「精度への不信からの全文チェック固定」です。逆方向の失敗もあります。アパレル系の店舗で、初期に見つけた数件の誤訳を根拠に全言語・全カテゴリの全文チェックを義務化し、翻訳コストが人件費として温存された結果、SKU展開の速度が競合に劣り続けたケースです。事故率のデータを取らずに「不安だから全部見る」を続けるのは、保険料が損失期待値を大きく上回った状態であり、これも経営判断の誤りです。
パターン3は「商品名まで一括AI翻訳」です。説明文と同じ流れで検索接点の商品名まで自動化し、現地の検索語と噛み合わない直訳タイトルのまま出品を続けて、流入が伸びない原因を広告や価格に求め続けた例です。軸4の「文章の役割」の切り分けができていないと、問題の所在の特定にも失敗します。ページの成果が出ないとき、翻訳の質を疑う順番は「商品名→冒頭の訴求→説明本文」です。
3つのパターンに共通するのは、判断の根拠がデータではなく直近の印象(うまくいった、失敗したという記憶)だった点です。翻訳運用の意思決定を印象から切り離す装置が、90日ロードマップで作る事故率台帳と社内基準書にほかなりません。
よくある質問
AI翻訳の精度は人間の翻訳者を超えたのですか
いいえ、条件つきの互角です。一般的な商材の英語⇔日本語では実用上の差が小さくなりましたが、規制語が絡むカテゴリや低リソース言語、現地検索語への最適化では、いまも人間の専門性に優位があります。「超えたか」ではなく「どの業務で差が出るか」で考えるべき段階です。
まず何から始めればよいですか
既存ページの抜き取り検証です。言語×カテゴリごとに10〜20件を抜き取り、致命的誤訳と不自然さを分けて採点することから始めてください。この初期検証は外部パートナー込みでも数万円規模で実施でき、以後のすべての判断の土台になります。
翻訳ツールはどれを選べばよいですか
ツール選定は本記事の6軸の判断より優先度が下です。主要な大規模言語モデルの翻訳品質は接近しており、どれを選ぶかより「用語集を渡す」「自己検査をさせる」「抜き取り率を決める」という運用設計の方が結果を左右します。既に社内で使っているAIから始めるのが現実的です。
越境ECの初期段階でも用語集は必要ですか
はい、小さくても作るべきです。最初は固有名詞と禁止表現だけの20項目でも効果があります。SKUが増えてから遡って作るより、初期に型を作って育てる方が総コストは大幅に安くなります。用語集は翻訳の一貫性だけでなく、将来の担当者交代やAIモデル乗り換えの保険にもなります。
誤訳による法的リスクはどこまで心配すべきですか
カテゴリ次第です。化粧品・健康食品・食品は各国の表示規制に直結するため、AI翻訳単独の運用は避け、現地規制に通じた確認者を工程に残してください。雑貨・アパレルの一般表現であれば、優先すべきリスクはサイズ・素材・数値の事実誤りです。不明点は現地の専門家への確認を惜しまないでください。
確認工程はいつ緩めてよいですか
区分ごとの事故率データが3か月分たまってからです。抜き取りチェックで致命的誤訳がゼロの区分は、抜き取り率を段階的に下げて構いません。感覚ではなく台帳の数字で緩める、を原則にすれば、コスト削減と品質維持を両立できます。
著者：齋藤竹紘（株式会社オルセル 編集長／5,000社以上のEC支援実績／書籍3冊）
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
