多言語対応をAIで実現する。この一文は、実務ではほとんど意味を持ちません。言語ごとに品質が違い、数え方も統一されていないためです。本記事では、その前提を一次ソースで確認します。
掲載する数値は、すべて公式ドキュメントか査読付き論文で確認しました。逆に、読み取りが確定できなかった数値は載せていません。
目次
多言語対応をAIに任せる前に知っておくこと
まず、押さえるべき論点は3つです。
| 論点 | 実務への影響 |
|---|---|
| 言語ごとに品質が違う | 同じ設計を全言語に適用できない |
| 「対応言語数」の定義が揃っていない | ベンダー比較が成立しない |
| 言語に関する法的要件がある | AI以前に守るべき前提がある |
順に見ていきます。
言語によって多言語対応AIの品質は変わる
この差は感覚ではありません。公開されている研究で定量化されています。
学習データ量と誤り率の関係
まず、OpenAIのWhisper論文を見ます（2022年12月6日）。同論文は75言語を対象に分析しています。単語誤り率（WER）の対数と学習データ量の対数を取ると、決定係数0.83の相関があるとしています。そして回帰係数から、学習データが16倍になるごとにWERが半減すると推定しています（3.4節・Figure 3）。
ただし読み方に注意が要ります。これは言語間の相関から導かれた推定です。したがって特定のシステムにデータを追加したときの効果を保証するものではありません。
言語間の差はどれくらいか
次に、大規模言語モデル側のデータです。OpenAIのGPT-4テクニカルレポートを見ます。MMLUを機械翻訳して多言語で評価した結果が載っています。英語が85.5％だったのに対し、最下位のテルグ語は62.0％でした。つまり20ポイント以上の開きがあります。
また同社は、26言語中24言語で英語性能を上回ったとしています。比較対象はGPT-3.5やChinchilla・PaLMです。
ただし前提が2つあります。まず、これは2023年3月時点のGPT-4の測定であり、現行モデルの性能を示すものではありません。次に、評価データ自体が機械翻訳されたものです。したがって翻訳品質が交絡している可能性があります。それでも、言語間に大きな差がある構造は変わりません。
さらにMetaのNLLB-200研究も同じ方向を示しています（Nature、2024年6月5日）。低リソース言語は追加の対応をしなければ、高リソース言語並みの品質に届きません。
「対応言語数」は比較できない──多言語対応AIの数え方の問題
ここが最も実務的な落とし穴です。ベンダー比較の際、対応言語数は最初に見る数字でしょう。しかしこの数字は、そのままでは比較できません。
同じページ内で数字が食い違う
Google Cloud Speech-to-Textの公式ページを見てください。製品ハイライトには「Supports over 125 languages」とあります。一方で機能セクションの見出しは「85+ languages and variants」です。さらに「100+ languages」も登場します。ただしこれはChirp 3の学習データがまたぐ言語数です。つまり対応言語数ではありません。
同様の食い違いは他社にもあります。Amazon TranslateのFAQは「75 languages」と明記しています。一方でDeveloper Guideの対応言語表は違います。地域バリアントを含め100件を超えるエントリを列挙しています。しかもこの表には、総数を述べる記述がありません。
ロケールと言語は別物
根本的な原因は単位です。Microsoft Azure AI Speechの公式ドキュメントを見ます。音声認識について約148のロケールを列挙しています（2026年7月時点）。なおロケールは言語と地域の組み合わせです。
つまり中国語（繁体字）と中国語（簡体字）、カナダフランス語とフランス語は、別のエントリとして数えられます。したがって「148対応」と「75対応」を並べても、同じものを比べていません。
実際に、Googleの表記だけがバリアントを含む旨を明示しています。比較するなら、まず単位を揃えて質問してください。具体的には、自社が必要とする言語と地域の組み合わせを列挙します。そのうえで対応可否を個別に確認するのが確実です。
機械翻訳を挟む設計のリスク
多言語対応の実装方式には、大きく2つあります。多言語モデルで直接応答する方式と、機械翻訳を前後に挟む方式です。
後者について、欧州委員会が自組織の機械翻訳サービスに付けている注意書きが参考になります。同委員会は3点を述べています。まず、機械翻訳の品質と精度は、テキストや言語ペアによって大きく異なりうる。次に、欧州委員会は正確性を保証せず、誤りについて一切の責任を負わない。そしてEU法令の翻訳には使わないこと、というものです。
これはEU機関の自己使用ガイドラインです。つまり民間企業に直接適用される規制ではありません。ただし翻訳を挟む設計では、責任の所在が論点になります。加えて、取り違えが起きたときの復旧手順も決めておく必要があります。
多言語対応で企業が負う法的要件──AI以前の前提
言語には、技術以前の制約もあります。
EU──加盟国ごとに言語要件がある
EU消費者権利指令（Directive 2011/83/EU）の第6条(7)を見ます。加盟国は言語に関する要件を国内法で維持または導入できる、という内容です。目的は、契約情報が消費者に容易に理解されるようにすることです。
つまりEU全体で一律に自国語を義務付けているわけではありません。加盟国の裁量に委ねる規定です。したがって展開先の国ごとに、国内法を確認する必要があります。
カナダ──公用語規則の閾値
カナダの公用語規則（SOR/92-48）は、より具体的です。同規則は「significant demand」を人口基準で定義しています。たとえば国勢調査大都市圏（CMA）内では、言語的少数派人口5,000人以上が閾値です。またCMA外の国勢調査細分区（CSD）内では、500人以上かつ総人口の5％以上とされています（第5条・第7条）。
なお閾値は、施設の種類や立地により複数の号に分かれて規定されています。したがって実務では条文の該当号を個別に確認してください。個別の法的判断は必ず専門家にご相談ください。
多拠点で運用している事例
実際に多言語で運用している例を2つ挙げます。いずれも自社発表である点に留意してください。
Vodafone──13か国11言語
Vodafoneは2024年7月に発表しています。チャットボットTOBiが欧州・アフリカの13か国で稼働し、11言語を理解するという内容です。さらに生成AI版のSuperTOBiをポルトガルで導入しました。その結果、初回解決率が15％から60％へ改善したとしています。またオンラインNPSが14ポイント上昇し、64に達したとも述べています。
ただし、いずれも同社の自己申告値です。測定期間・母数・算定方法は公表されていません。加えて2024年7月時点の発表です。したがって現在も同じ水準かは確認できていません。
ドイツテレコム──130以上の言語
ドイツテレコムは2026年2月25日に発表しています。Parloaのプラットフォームが130以上の言語で対応可能だという内容です。ただしこれは能力に関する表記です。対象言語の一覧や品質の検証条件は公表されていません。
多言語対応AIの設計指針
以上を踏まえた実務的な指針です。
- まず、言語ごとに別の製品として扱うこと。全言語で同じ自動化率を目標にしないでください。
- 次に、言語別に品質を測ること。全体平均では、少数言語の劣化が見えません。
- さらに、有人へのエスカレーション先を言語ごとに確保すること。AIが対応できても、渡す先がなければ止まります。
- 加えて、法的要件のある言語を先に特定すること。技術選定より前の作業です。
- 特に、対応言語の可否はロケール単位で確認すること。「対応言語数」では判断できません。
まとめ：多言語対応AIは言語ごとに別の製品と考える
多言語対応は、一度の設定で終わる作業ではありません。言語ごとに品質が違い、必要な運用体制も違います。したがって問うべきは「何言語に対応しているか」ではありません。「自社が必要とする言語で、どの水準に届くか」です。
一方で、法的要件は技術の外側にあります。展開先の言語規定を先に確認しておけば、後戻りを避けられます。
多言語での運用設計についてご相談があれば、vottiaまでお気軽にお問い合わせください。
執筆：阪口 凛空（vottia株式会社 インターン）。監修：池田 龍矢（vottia株式会社 マーケティング責任者）。vottia株式会社は「maestra」を提供しています。コンタクトセンター向けのAIエージェントプラットフォームです。本記事は法的助言ではありません。最終更新：2026年7月27日。
Q. よくある質問
Q1. 多言語対応AIは何言語から始めるべきですか
問い合わせ件数の上位から2〜3言語です。すべての言語を同時に始めると、品質の低い言語が全体の評価を下げます。まず高リソース言語で運用を安定させてください。そこで得た知見を他言語へ展開するほうが確実です。
翻訳を挟む方式と多言語モデル、どちらがよいですか
用途によります。定型の案内であれば、翻訳を挟む方式でも実用に耐えます。一方で、契約条件や金額に関わる対応では誤訳の影響が大きくなります。欧州委員会も自組織の機械翻訳について、正確性を保証しないと明記しています。
Q3. 言語ごとの品質はどう測りますか
言語別に指標を分けて記録してください。自己解決率、有人転送率、再問い合わせ率の3つが最低限です。全体平均で追うと、少数言語の劣化が数字に現れません。
参考リンク
- OpenAI：Robust Speech Recognition via Large-Scale Weak Supervision（Whisper論文、2022年12月）
- OpenAI：GPT-4 Research（2023年3月14日）
- Nature：Scaling neural machine translation to 200 languages（2024年6月5日）
- Microsoft：Azure AI Speech 言語サポート
- European Commission：Use machine translation on europa.eu
- EUR-Lex：Directive 2011/83/EU（消費者権利指令）
- Government of Canada：Official Languages Regulations（SOR/92-48）
- Vodafone：SuperTOBi（2024年7月4日）
- Deutsche Telekom：Parloaとの協業に関する発表（2026年2月25日）
