ニューラル機械翻訳とLLM翻訳:実際に何が変わったのか
Google翻訳、DeepL、Papagoといった従来型のニューラル機械翻訳(NMT)は、対訳コーパスで特化学習されたエンコーダ・デコーダモデルです。文書全体の記憶をほとんど持たず、一文ずつ翻訳します。その設計ゆえに高速・低コスト・決定的で、同じ入力にはほぼ同じ出力を返します。しかし、おなじみの失敗もここから生まれます。先行詞が3文目にあったせいで12文目の代名詞の性が誤る。製品名がタイトルでは翻訳され、本文では音訳される。マニュアルの途中で敬体が常体に変わる、といった具合です。
大規模言語モデル(LLM)の翻訳は異なります。文章全体をひとつのコンテキストウィンドウ内で読むため、文をまたぐ参照や繰り返し表現、文書レベルの用語が数千語にわたって一貫します。さらに指示に従います。用語集、目標の文体、文字数制限、「ブランド名は翻訳しない」といったルールを与えれば、おおむね守ってくれます。その代償として、速度は遅く、単語あたりのコストは高く、非決定的です。同じプロンプトでも表現が揺れ、曖昧さを指摘する代わりに静かに言い換えて済ませることもあります。
実用的な使い分けはこうです。速度重視の大量・低リスクなテキストは専用NMTに、文脈・トーン・用語の一貫性がレイテンシより重要なテキストはLLM翻訳に。このツールは、LLM方式を機能させるための指示の行き届いたプロンプトを組み立てます。
文体は「おまけ」ではない:韓国語の반말/존댓말、敬語、T-V区別
英語は丁寧さの大半を語彙選択の中に隠しているため、英語話者は翻訳における「文体」の比重をいつも過小評価します。韓国語では、ほぼすべての文の語尾に丁寧さが文法として組み込まれています。해체(반말・ぞんざい体)、해요체(日常の丁寧体)、합쇼체(ニュースやビジネス文書の格式体)は、どれも同じ英文の「正しい」訳ですが、選択を誤ると失礼になるか、滑稽なほど堅くなります。日本語はさらに敬語が重なります。常体、です・ます体に加え、尊敬語と謙譲語という別々の動詞体系があり、誰の行為を高めるかで動詞そのものが変わります。ヨーロッパ言語にはT-V区別があります。フランス語のtu/vous、ドイツ語のdu/Sie、スペイン語のtú/usted。ビジネスドイツ語では、英語ならファーストネームで呼ぶ相手にも今なおSieが標準です。
機械翻訳は文体を推測するしかありませんが、短い入力にはその手がかりが欠けていることが多い。これは最も直しやすい翻訳の失敗です。文体を明示的に指定してください。誰が、誰に、どんな場面で話すのかを伝えるだけです。「企業から成人顧客へのサポート返信。丁寧だが堅すぎない文体で」と書けば、推測の余地は消えます。読めない言語へ翻訳するときは、どの文体を選んだかをモデル自身に明記させましょう。ネイティブのレビュアーが選択を逆算する代わりに、その場で検証できます。
Weak prompt:
"Translate to Korean: We're sorry, but your refund could not be processed."
Strong prompt:
"Translate to Korean. Context: customer-support email from an
e-commerce company to an adult customer. Register: polite 해요체,
warm but professional. Keep the brand name 'PayNow' untranslated.
Text: We're sorry, but your refund could not be processed."
Result (weak): 환불을 처리할 수 없다. <- abrupt, near-반말
Result (strong): 죄송하지만 PayNow에서 환불을
처리하지 못했어요. <- correct register日本語と韓国語が翻訳機を壊す理由:「は/が」、主語の省略、助数詞
最も危険な翻訳エラーは、流暢で文法的に正しいのに意味が違う出力です。日本語の「は」と「が」はその古典的な例です。「は」は主題(「Xについて言えば」)を、「が」は文法上の主語を示し、入れ替えると焦点や意味が変わります。「私は行きます」は中立的な表明ですが、「私が行きます」は「行くのは私です」という意味で、「誰が行くのか」への答えです。翻訳機はどちらも "I will go" に潰して対比を失い、逆方向では英語が表現していない区別を捏造しなければなりません。
日本語も韓国語も主語省略(pro-drop)言語です。文脈が補ってくれるなら主語も目的語も消えます。韓国語の「어제 봤어요」は文字どおり「昨日 見た」で、誰が何を見たかは前の文から復元するしかありません。一文ずつ処理するNMTは推測するほかなく、その一番のお気に入りが「I」なので、翻訳された会話文には幽霊のような一人称主語が大量発生します。文章全体をコンテキストに持つLLMははるかに上手に推測しますが、それは一行だけ切り出さず、実際に文章全体を与えた場合の話です。
さらに助数詞と類別詞があります。日本語は平たい物を「枚」、機械を「台」、小動物を「匹」で数え、中国語は量詞が必須(一本书、三张桌子)、韓国語は固有語数詞と漢数詞が異なる単位名詞と結びつきます。助数詞の誤りはネイティブには一瞬で見え、あなたには見えません。必ず前後の文脈ごと翻訳し、顧客の目に触れるものはネイティブチェックを通してください。
Context-free input (1 line):
"봤어요?"
NMT output:
"Did you see it?" <- "you"/"it" are pure guesses
Same line with context supplied:
"A: 어제 새로 나온 예고편 봤어요?
B: 아직요. 오늘 밤에 보려고요."
LLM output:
"A: Did you watch the new trailer that came out yesterday?
B: Not yet. I'm planning to watch it tonight."
Rule: never translate dialogue line-by-line.
Paste the whole exchange and translate it in one pass.実務で機能する翻訳ワークフロー:文脈・用語集・逆翻訳
プロの翻訳者はいきなり訳し始めません。まず文脈を組み立てます。その規律を3ステップで拝借しましょう。
第一に、文脈を先に載せる。本文の前に、分野(法務・医療・マーケティング・雑談)、読者、目的、そしてUI文字列の最大長といった制約を明示します。2文の文脈が、どんな事後編集よりも訳質を改善することは珍しくありません。
第二に、用語集を維持する。すべての製品名・機能名・役職名には承認済みの訳語がちょうど1つずつあるべきで、そのリストを毎回の翻訳依頼に貼り付けます。用語のブレ — 同じ機能がヘルプセンターのあちこちで3通りに呼ばれる現象 — はAI翻訳ドキュメントで最も多い欠陥ですが、貼り付けた用語集がその大半を消します。訳してはいけない語も含めてください。ブランド名、コード識別子、法律の専門用語などです。
第三に、逆翻訳で検証する。ただし慎重に。訳文を新しいリクエストで(モデルが原文を見てそのまま繰り返せる同一会話内ではなく)元の言語へ訳し戻します。逆翻訳はスモークテストです。脱落、否定の反転、数字の誤りは確実に捕まえますが、ニュアンス・文体・自然さは保証できません。ぎこちない訳文ほど逆翻訳は完璧に通ったりします。法務・医療・金融など結果の重いテキストでは、逆翻訳はネイティブレビューの補助であって、代替には決してなりません。
Glossary block to prepend to every request:
GLOSSARY (use exactly these translations):
- "Workspace" -> 워크스페이스 (never 작업 공간)
- "billing cycle" -> 결제 주기
- "seat" -> 시트 (a license, not 좌석)
DO NOT TRANSLATE: SDK.ac, OAuth, API key, webhook
CONTEXT: SaaS admin console UI. Max 20 characters
per string. Register: 합쇼체 for buttons, 해요체 for
descriptions. Return a table: source | translation.それでも間違うもの — 人間に任せるべきとき
プロンプトが完璧でも、頻繁に間違うカテゴリーがあり、毎回手で確認すべきです。慣用句と言葉遊びは、モデルが気づかなければ直訳されます。"break a leg" が実際の字幕で「脚を折ってください」になった例があります。人名・地名の音訳は揺れます。表記を固定しない限り、김서연が同じ文書内で Kim Seo-yeon、Seoyeon Kim、Kim Seoyeon と別々に現れかねません。日付と数値は静かに形式が変わります。03/04/2026 はニューヨークでは3月4日、ロンドンでは4月3日ですし、日本語の「億」や韓国語の「억」には英語の対応単位がなく、金融文書で桁違いの誤りを招きます。単位、通貨、法律の専門用語(consideration、force majeure、韓国の전세)は真の等価語がないことが多く、翻訳ではなく翻案が必要です。
AI翻訳は「非常に有能な下訳」として扱ってください。社内メモ、コミュニティ投稿、サポート定型文といった低リスクのコンテンツなら、一読してから公開するのに十分な品質です。しかし契約書、医療指示、安全警告、トーンそのものが商品であるマーケティングコピーには、レビューなしで使える水準ではありません。モデルはどの文に自信がなかったかを教えてくれません。どちらにせよ自信満々の出力を返します。原文を見ずに訳文だけを読むネイティブ話者こそ、今なお最も価値の高い品質チェックです。