翻訳・通訳のデータ活用で粗利改善 再利用率と受注率を伸ばす実務

翻訳・通訳会社の売上は「案件数」より「粗利設計」で決まる

翻訳・通訳業の売上は、単純な受注件数だけでは伸びません。実際には、案件ごとの再利用率、見積精度、レビュー手戻り、外部翻訳者・通訳者のアサイン精度が粗利を大きく左右します。特に産業翻訳では、同じ製品群の取扱説明書、SOP、契約書ひな型、eラーニング字幕など、繰り返しが多い案件をどれだけ翻訳メモリに寄せられるかで利益構造が変わります。

さらに翻訳・通訳業は、ほかの受託業よりも「案件管理の粒度」が細かい業種です。言語ペア、専門分野、納期、レビュー体制、機密区分、DTP有無、通訳なら逐次か同時か、現地か遠隔かで必要な人材も原価も変わります。ここを感覚ではなくデータで管理できる会社ほど、価格競争に巻き込まれにくくなります。

機械翻訳や生成AIの活用が広がった今でも、人の仕事がなくなるわけではありません。むしろ現場では、どの案件をMTPE（機械翻訳＋ポストエディット）に回せるか、どの案件は専門レビュアーを必須にするかを判断する管理力が重要になっています。データ活用の目的は、単なる省人化ではなく、利益の薄い案件を減らし、高単価案件で品質を守りながら回転率を上げることです。

最初にそろえるべきKPI

翻訳・通訳業で使いやすいKPIは、一般的な売上集計よりも現場に近いものです。

• 受注率: 見積件数に対して何件受注したか。顧客別、言語ペア別、分野別に見る。
• 実効単価: 売上を原文ワード数ではなく、100% match、fuzzy match、新規文を加重した実効ボリュームで割って見る。
• TM再利用率: 翻訳メモリの一致率。案件種別ごとに比較すると改善余地が見えやすい。
• LQA指摘率: Major error、Minor error、用語違反、数値転記ミスなどを分けて記録する。
• 納期遵守率: 顧客納期だけでなく、社内レビュー締切や外注戻し締切まで分解する。
• PM工数/案件: 見積、アサイン、QA、請求までに何分かかっているか。管理負荷の高い顧客が見える。
• 通訳稼働率: 通訳案件では、分野適合率、移動時間、キャンセル率、待機時間も採算に直結する。

これらをCRM、TMS、CATツール、会計データで横断的に見られるようにすると、「売上はあるのに粗利が薄い顧客」「急ぎ案件ばかりでPMが疲弊する言語ペア」がすぐに判別できます。

翻訳・通訳業の課題とデータ活用の対応表

この表のポイントは、翻訳・通訳業では「品質」と「原価」が同じデータから見えることです。見積の精度が上がると失注が減り、TMや用語集の整備が進むとレビュー工数も減ります。別々の課題に見えても、裏では同じデータ基盤につながっています。

モデルケース: 製造業マニュアルの多言語展開をどう改善するか

以下は、実在企業の事例ではなく、翻訳会社でよくある条件を置いたモデルケースです。

前提条件

• 月間の原文量は約30万ワード
• 対象は産業機械の取扱説明書、保守手順書、部品表
• 言語は日英、日タイ、日ベトナムの3言語
• 使用ツールは Trados Studio と Phrase TMS
• 顧客指定の用語集とスタイルガイドがあり、DTP戻しも発生する

この案件で利益を圧迫しやすいのは、新規翻訳量そのものよりも、改版のたびに同一表現を別訳してしまうことと、用語不統一によるレビュー差し戻しです。そこで見るべきデータは、原文ワード数ではなく次の5つです。

• 100% match、95-99% match、85-94% match、新規文の比率
• 言語別の用語違反件数
• DTP戻しの発生箇所と回数
• レビュアー差し戻し理由
• PMが見積とアサインに使った時間

運用としては、製品シリーズ単位でTMを分け、部品名や警告文を用語集で固定し、見積時点で「新規文」「fuzzy match」「完全一致」の比率を出します。レビュー工程ではLQAの分類を統一し、「数値転記」「用語違反」「禁則」「参考図との不一致」を分けて記録します。すると、どの工程が粗利を削っているかが見えます。

この種の案件は、再利用率が上がるほど利益が改善しやすい一方、誤訳や数値ミスがあると顧客の設備保全や安全文書に影響します。だからこそ、単にMTを入れるのではなく、再利用率の高い章はMTPE、警告文や保守手順は人手レビュー強化のように工程を分ける判断が重要です。ここが翻訳・通訳業のデータ活用で最も差がつく部分です。

ROI試算: 翻訳メモリと見積精度の改善でどこまで回収できるか

ROIは断定的な数字で語るべきではありません。翻訳会社ごとに単価、外注比率、案件構成が違うため、前提を明記した試算にする必要があります。以下は一例です。

試算の前提

• 月間原文量: 30万ワード
• TM再利用率: 18% から 32% に改善
• 新規翻訳の外注原価: 1ワード12円
• 再利用箇所の確認原価: 1ワード4円
• PM工数: 1案件90分から60分へ短縮
• 月間案件数: 40件
• PM人件費: 1時間あたり3,500円
• 年間コスト: TMS・CAT・初期整備・教育込みで180万円

月次の改善額試算

この前提なら、年間改善額は約547万円です。年間コスト180万円を差し引くと、初年度の投資回収余地は約367万円となり、回収期間は約4か月が目安になります。もちろん、これは案件量、単価、再利用率が上記前提のときの試算です。通訳比率が高い会社や、レビュー工程を内製化している会社では前提を置き換えてください。

重要なのは、ROIを「AIを入れたら何％改善するか」で考えないことです。翻訳・通訳業では、TM整備、用語集承認、見積ルール統一、ベンダーマスタ整備のほうが、先に効くことが珍しくありません。

法令・制度・商習慣を踏まえた運用設計

翻訳・通訳業のデータ活用は、単なるダッシュボード構築では終わりません。扱う文書が契約書、IR資料、治験関連文書、未公開製品仕様、採用情報である以上、制度対応を運用に埋め込む必要があります。

1. 個人情報保護法と委託先監督

個人情報保護委員会のガイドラインでは、個人データの取扱いを委託する場合、委託先に対する必要かつ適切な監督が求められています。翻訳会社では、顧客原稿を外部翻訳者、DTP会社、音声書き起こし会社へ再委託することがあるため、少なくとも次はデータとして残すべきです。

• どの案件を誰に渡したか
• 再委託の許可条件
• ダウンロード権限と期限
• 持ち出し可否
• 作業ログと削除確認

海外フリーランサーや海外拠点にファイルを渡す場合は、契約形態が委託なのか第三者提供なのかを整理し、越境移転の論点も確認してください。EU居住者の個人データを含む案件では、GDPR上の処理者条項や越境移転の確認が必要になることがあります。

2. フリーランス法と発注データ

翻訳・通訳業は、外部翻訳者や通訳者への委託が多く、メールやチャットで発注条件が散らばりやすい業種です。フリーランス・事業者間取引適正化等法の施行後は、取引条件の明示と報酬支払期日の管理がより重要になりました。案件管理上も、次の情報を発注時点で残しておくと実務が安定します。

• 給付内容と言語ペア
• 報酬額と支払期日
• 納品日、レビュー日、検査完了日
• 使用ツール、参照TM、用語集
• 守秘義務と再委託可否

これらをTMSや発注台帳に残しておけば、支払遅延だけでなく、どのベンダーにどの条件で頼んだときに品質が安定したかも追えます。

3. AI利用ガイドラインと入力ルール

機械翻訳や生成AIを使うなら、ツール導入より先に入力ルールを決めるべきです。経済産業省のAI事業者ガイドラインでも、リスク管理と適正利用の考え方が整理されています。翻訳会社では、最低限次を案件区分ごとに決めておくと事故を減らせます。

• 公開AIに投入してよい文書の範囲
• 学習利用の可否
• ベンダー側の保存期間とログ取得可否
• 人手レビュー必須の文書種別
• 顧客同意が必要なケース

たとえば、IR公表前資料、M&A関連文書、訴訟資料、治験関連文書は、公開AIに直接投入しない運用が現実的です。逆に、公開済みマーケティング文やFAQ翻訳は、MTPEの効果が出やすい領域です。案件の機密度と品質要求を分けて運用できる会社が、AI時代でも信頼を維持します。

導入ステップ

1. サービス別に原価構造を切り分ける

まず、産業翻訳、法務翻訳、医療翻訳、字幕、逐次通訳、同時通訳を同じ指標で見ないことが重要です。翻訳と通訳は原価の立ち方が違います。翻訳はワード数と再利用率、通訳は拘束時間と移動・待機時間で見る必要があります。

2. CRM・TMS・CATログを同じ案件IDで結ぶ

顧客台帳、見積、受注、外注、レビュー、請求が別管理だと、粗利が正しく出ません。最低でも案件IDを共通化し、顧客、言語ペア、分野、納期、使用ツール、機密区分を横断して追えるようにします。

3. 用語集とTMの責任者を決める

データを集めても、用語集が顧客承認済みかどうか不明な状態では品質は安定しません。誰が承認し、誰が更新し、どの案件へ適用するかを決めるだけで、差し戻し率は下げやすくなります。

4. 1つの案件種別でPoCを回す

最初から全社展開せず、反復性の高い案件に絞ります。製造マニュアル、契約書定型、SaaSヘルプセンター、月次IR翻訳のような継続案件は、再利用率と手戻りを測りやすく、改善幅も見えやすい領域です。

5. ダッシュボードを月次レビューに組み込む

見える化して終わりでは不十分です。受注率、TM再利用率、LQA、納期遵守率、PM工数を毎月見直し、「どの顧客にどの工程を標準化するか」まで会議で決める必要があります。

まとめ

翻訳・通訳業のデータ活用で重要なのは、一般的なBI導入ではなく、見積、TM、用語集、レビュー、外部人材管理を一気通貫でつなぐことです。特に利益が出やすいのは、再利用率の可視化、見積ルールの標準化、差し戻し理由の記録、フリーランス発注条件の整備です。

AIやMTは有効ですが、どの案件にどの工程を適用するかの設計がなければ、むしろ品質事故や情報漏えいのリスクが増えます。翻訳・通訳会社が売上を伸ばすには、受注件数の拡大より先に、案件ごとの粗利構造をデータで把握することが近道です。

よくある質問（FAQ）

Q1. データ活用の導入にかかる費用と期待できる回収期間（ROI）はどのくらいですか？補助金は使えますか？

翻訳・通訳会社では、CATツール1席の年額、TMSの利用料、機械翻訳やLLMのAPI費、初期設定、既存TM・用語集の整理費用を分けて見積もるのが実務です。目安として、数席規模のスモールスタートなら年額数十万円台から始められますが、TMS連携や権限制御、顧客別用語集の再整備まで行うと数百万円規模になることがあります。ROIは「再利用率向上による外注原価削減」「見積・アサイン工数削減」「手戻り減少」「失注減少」を足して試算し、前提を明記した上で6〜18か月の回収を目標に置くケースが一般的です。補助金はIT導入補助金などが候補になりますが、公募要領と対象経費を必ず確認してください。

Q2. 実際の導入はどのくらいの期間で進めるべきですか？段階的な進め方の例を教えてください。

翻訳・通訳業では、1つの言語ペアと1つの案件種別に絞ったPoCを1〜2か月、その後の本導入を3〜6か月で進める形が現実的です。順番は、1. 顧客別の見積ルールとKPI整理、2. CRM・TMS・CATログの突合、3. TMと用語集の整備、4. 受注からレビューまでの品質ゲート定義、5. 翻訳者・通訳者アサインと支払管理まで広げる、が無理のない流れです。最初から全案件を切り替えるより、医療、法務、製造マニュアルなど反復性が高い領域から始めるほうが失敗しにくくなります。

Q3. 顧客や機密情報を扱う場合のセキュリティ対策と、機械翻訳を使うときの注意点は？

契約書、IR資料、治験関連文書、未公開仕様書のような機密性が高い案件では、個人情報保護法に沿った委託先監督、アクセス権限、ログ管理、再委託条件を契約と運用の両方で定める必要があります。海外ベンダーや海外フリーランサーに渡す案件は、越境移転の論点やGDPRの適用有無も確認してください。機械翻訳やLLMは、学習利用の有無、保存期間、リージョン、監査ログを確認した上で、入力可否を案件区分ごとに分けるのが安全です。公開AIに原稿をそのまま投入せず、機密度に応じてエンタープライズ契約や人手レビューを組み合わせてください。

まずは無料で相談してみませんか？

「翻訳メモリや用語集はあるのに、利益に結び付いていない」 「AI翻訳やTMSを入れたいが、機密文書の扱いが不安」

そのような課題がある場合は、現場の実務フローとデータ項目を先に整理することが重要です。ArcHackでは、受託開発と業務設計の両面から、翻訳・通訳業のデータ活用基盤づくりを支援しています。

» まずは無料で相談する