多言語AIデータサービスとは？7つの選定基準と料金の決まり方を翻訳会社が解説

自社のAIを日本語以外でも使えるようにしたい。ところが、英語では答えが自然なのに中国語やタイ語になると急に精度が落ちる。そうした壁に当たり、「多言語のAIデータを作ってくれる会社」を探す企業も少なくありません。

多言語AIデータサービスとは、AIの学習や評価に使う言語データを、言語ごとに収集・作成・ラベル付け・評価し、品質を保証して納品するサービスです。単なる翻訳ではなく、言語ごとに「何を正解とするか」を設計し、ネイティブの目で揃えられるかが分かれ目です。

この記事では、サービスの中身と料金の決まり方、外注先を選ぶ基準、発注前に確認したい法務のポイントまでを、翻訳・ローカライズを24年以上手がけてきた翻訳会社の実務の視点で整理します。

多言語AIデータサービスとは｜言語ごとに作り、品質を保証するサービス

多言語AIデータサービスは、AIモデルの学習データと評価データを、複数の言語で「使える品質」にして届けるサービスです。対象は大規模言語モデル（LLM）、チャットボット、機械翻訳、音声認識など、言語を扱うAI全般です。

英語だけで開発したAIを他言語に広げる企業や、最初から複数言語で使うAIを作る企業が主な利用者です。

3つのサービス領域

多言語AIデータサービスの中身は、大きく次の3つの領域に分かれます。

領域	主な作業	納品物の例
データ収集・整形	要件定義、収集と権利処理、合成データでの拡張、重複・ノイズの除去、個人情報のマスキング	JSONL・CSV等のデータセット、データ辞書
アノテーション（ラベル付け）	ラベル体系の設計、テキスト・画像・音声への注釈、多段階レビュー、言語別ガイドラインの運用	ラベル付きデータ、作業ガイドライン、品質レポート
評価データ・人手評価	テストセットの作成、採点基準（ルーブリック）の設計、ネイティブによる出力評価	評価セット、採点基準、評価結果、エラー分類

LLMの開発では、指示文と模範回答の組（指示データ）や、2つの回答のどちらが良いかを人が選んだデータ（選好データ）も、これらの領域で扱われます。

3つは別々にも頼めますが、同じ会社にまとめて任せると、言語ごとの用語や表記の基準を学習データと評価データで揃えやすくなります。

翻訳サービス・アノテーション外注との違い

翻訳サービスは「原文の意味を別の言語で正しく伝える」ことが目的です。一方、多言語AIデータサービスは「AIが言語ごとに正しくふるまうための材料を作る」ことが目的です。

アノテーション外注との違いは、言語ごとの品質管理まで責任を持つことです。画像のラベル付けなら言語の違いはほとんど問題になりません。しかし、テキストや音声の注釈では、日本語とタイ語で同じ作業ガイドラインがそのまま通用しないことは珍しくありません。

アノテーション全般の費用相場や外注の進め方は、アノテーション外注の費用相場と選び方で詳しく解説しています。この記事では、そこに「多言語」が加わったときに何が変わるかに絞って説明します。

なぜ多言語のAIデータづくりに外部の専門サービスが必要なのか

多言語のAIデータを社内だけで用意するのが難しい理由は、データの絶対量が少ないこと、言語ごとに正解の基準が違うこと、ネイティブの作業者を集めにくいことの3つです。

英語以外の言語データは絶対量が少ない

AIの学習に広く使われるウェブ収集データ「Common Crawl」の言語別統計を見ると、英語と他言語の差がはっきり分かります。2026年10月公開の最新クロール（CC-MAIN-2026-43）で、ページの主要言語の比率は次のとおりです。

言語	ページ比率	英語との比較
英語	42.56%	―
日本語	4.89%	約9分の1
中国語	4.37%	約10分の1
インドネシア語	1.06%	約40分の1
ベトナム語	0.98%	約43分の1
韓国語	0.88%	約48分の1
タイ語	0.35%	約122分の1

• 出典：Common Crawl 言語別統計（ページ単位の主要言語比率。トークン量ではない）

日本語でも英語の約9分の1、東南アジアの言語では数十分の1から100分の1以下です。ウェブから集めるだけでは、英語と同じ質と量のデータはそろいません。

そのため、英語以外の言語では、人がデータを作る・選ぶ・直す工程の比重が大きくなります。

言語ごとに「正解」の基準が変わる

多言語データで最も見落とされやすいのは、言語ごとに「良い回答」の条件が違うことです。

• 日本語：敬語の段階、です・ます調とだ・である調の統一、全角・半角や漢字・かなの表記ゆれ
• 中国語：簡体字と繁体字、中国本土・台湾・香港での語彙の違い
• タイ語・ベトナム語など：単語の区切り、声調記号、数字・日付の書き方

翻訳の現場では、同じ英文でも訳者によって丁寧さの度合いや用語が変わることを日常的に経験します。そのため翻訳会社は、案件ごとにスタイルガイドと用語集を作り、全員が同じ基準で訳すように管理しています。

AIデータでも同じことが起きます。基準を言語ごとに決めずに作業を始めると、作業者ごとに正解が揺れ、AIはその揺れまで学習してしまいます。

ネイティブの作業者・評価者を集めにくい

多言語AIデータの品質は、その言語を母語とし、対象分野も分かる人がどれだけ関われるかで決まります。

英語や中国語なら作業者は見つかります。しかし、医療や法務などの専門知識もある人に限ると、どの言語でも大きく減ります。少数言語ではなおさらです。

クラウドソーシングで人を集める方法もありますが、作業者の母語や専門性を確かめにくく、品質の監査が手薄になりがちです。言語ごとに作業者を確保し、レビューする人まで用意できるかどうかで、外注先の実力に差が出ます。

英語のデータを翻訳して学習データにしてもよいか

英語のデータを翻訳して多言語の学習データにする方法は、用途によっては有効です。ただし、翻訳データだけで多言語AIを作ると、その言語らしさに欠けたAIになりやすいため、使いどころを分ける必要があります。

翻訳データが向く用途と向かない用途

区分	用途の例	理由
向く	事実や手順を答えるQ&A、製品マニュアルに基づく回答、分類用のラベル付きデータ	内容が正しく移せれば、言語らしさの影響が小さい
注意が必要	接客チャット、営業メール文の生成、要約	敬語や言い回しが英語の発想のまま残りやすい
向かない	その国の文化・制度・時事を扱う質問、ユーモアや言葉遊び、評価データ	現地の人が実際に尋ねる内容そのものが英語圏と違う

特に評価データは、翻訳ではなく現地の言語で作るのが原則です。英語の質問を翻訳した評価セットでは、その言語の利用者が本当に尋ねることを測れません。

機械翻訳で量を増やすときの品質管理

機械翻訳でデータを増やす場合は、人が訳文を確認して直す「ポストエディット」を必ず挟みます。機械翻訳の出力をそのまま学習に使うと、誤訳や不自然な表現まで学習してしまうためです。

ポストエディットには、ISO 18587という国際規格があります。同規格が要求事項を定めるのは、人が訳した水準まで直す「フルポストエディット」です。最低限の修正で意味の正しさだけを確保する「ライトポストエディット」は、参考情報（附属書B）として扱われています。どちらの水準で直すかは、用途に合わせて決めます。

アットグローバルは、ISO 18587の供給者適合宣言を行っています。また、翻訳者とは別の人が必ず確認する体制を求めるISO 17100の認証も取得しています（詳しくはISO 17100とは）。翻訳データを使う場合も、この二重確認の考え方をAIデータに応用すると品質が安定します。

用途別｜多言語AIデータサービスで頼めること

多言語AIデータサービスで何を頼むべきかは、作りたいAIの用途で決まります。主な4つの用途と、必要になるデータを整理します。

多言語チャットボット・問い合わせ対応AI

多言語の問い合わせ対応AIには、各言語の「実際の質問の言い回し」と「模範回答」の組が必要です。

同じ質問でも、日本語の利用者は丁寧に前置きをし、英語の利用者は要点だけを短く書く傾向があります。現地の言い回しで質問のバリエーションを作ることが、回答の取りこぼしを減らす近道です。

LLMの多言語ファインチューニング

既存のLLMを自社用に調整する場合は、言語ごとの指示データと選好データが中心になります。言語ごとの件数の偏りは、そのまま精度の偏りにつながります。

ファインチューニングとRAG（検索拡張生成）の使い分けや手順は、LLMファインチューニング完全ガイドで解説しています。

音声認識・音声アシスタント

音声のAIでは、話者の性別・年代・地域のなまり、収録環境の雑音まで条件をそろえた音声データと、その書き起こしが必要です。

書き起こしでは、言いよどみや言い直しを残すか消すかなど、言語ごとに表記ルールを決めておく必要があります。

多言語LLMの評価・安全性テスト

AIを公開する前に、各言語で正確さ・指示への従い方・口調・安全性を採点する評価データと評価者が必要です。

不適切な回答を引き出そうとする質問（レッドチーミング用の質問）も、言語ごとに作り直す必要があります。差別表現やタブーは国によって違い、英語の質問を訳すだけでは各国のリスクを洗い出せないためです。

多言語AIデータサービスの料金はどう決まるか

多言語AIデータサービスの料金は、「件数×1件あたりの作業時間×作業者の単価」に、品質管理と設計の費用を足した形で決まります。価格表を出している会社は少なく、多くは要件を聞いたうえでの個別見積もりです。

料金を左右する5つの変数

変数	料金が上がる条件	料金が下がる条件
言語	少数言語、作業者の少ない言語	英語・中国語など作業者の多い言語
専門性	医療・法務・金融など専門知識が要る	日常会話、一般的な製品情報
作業の種類	ゼロからの文章作成、選好の判定、音声収録	既存データの分類、簡単なラベル付け
品質基準	二重・三重のレビュー、高い一致率の保証	抜き取り検査のみ
量と期間	短納期で少量、急な増量	長期で一定量、事前に計画できる

参考として、アノテーションの相場は、150文字程度の文章全体の分類で1件約10円、音声の書き起こしで1分350〜500円程度です（アノテーション外注の費用相場より）。多言語になると、ここに言語ごとの作業者確保と、言語別のガイドライン作成・レビューの費用が加わります。

料金を抑えながら品質を守る3つの方法

• 評価データを先に作り、足りない能力だけ学習データを買う
• 最初に少量の試作を行い、作業ガイドラインを固めてから量を増やす
• 既存の用語集や過去の翻訳文書など、社内にある多言語資産をデータの材料に使う

とくに優先したいのは1つ目です。何が苦手かを測る前に大量の学習データを買うと、すでに得意な能力のデータにまで費用をかけてしまいます。

多言語AIデータサービスの選び方｜7つの選定基準

外注先は、対応言語の数よりも「言語ごとの品質をどう保証するか」を説明できるかどうかで選びます。見積もりや打ち合わせの場で、次の7点を確認してください。

チェック項目	確認する質問	見極めのポイント
ネイティブ体制	作業者とレビュアーは各言語の母語話者か	作業者だけでなくレビュアーも母語話者か
専門分野	対象分野の経験者を割り当てられるか	分野ごとの作業者の確保方法を説明できるか
言語別ガイドライン	言語ごとの表記・口調の基準を作るか	共通ガイドラインの翻訳だけで済ませていないか
品質の測り方	作業者間の一致率などを数値で報告するか	Cohen’s kappaなどの指標と目標値を示せるか
レビュー体制	何段階で確認するか	作業者・レビュアー・最終判定者が分かれているか
セキュリティ	情報管理の認証と、海外拠点での扱い	ISO 27001等の認証、データの保管場所の明示
試作対応	本発注前に少量の試作ができるか	試作の結果を見て仕様を直せるか

試作では、言語ごとに数十件を抜き出し、社内のネイティブか第三者に「自然さ」と「口調の一貫性」を見てもらうと、各社の差がはっきり出ます。

発注前に確認したい法務とガイドライン

多言語AIデータを外注するときは、データの著作権、個人情報の国外への提供、AIの開発・利用に関する国のガイドラインの3点を、発注前に確認しておきましょう。

著作権法30条の4と学習データ

日本の著作権法30条の4は、著作物に表現された思想や感情を味わうこと（享受）を目的としない利用を、一定の条件で認めています。AIの学習もこれに当たる場合があります。

ただし、学習したデータの創作的な表現をそのまま出力させる目的がある場合や、著作権者の利益を不当に害する場合は対象外になりえます。文化庁は2024年3月に、文化審議会著作権分科会法制度小委員会の議論をAIと著作権に関する考え方としてまとめています。

外注先がデータを集める場合は、出どころと利用条件の記録を納品物に含めてもらうと、後から説明を求められたときに対応できます。

海外の作業者に個人データを渡すとき

多言語の作業は海外の作業者が担うことが多く、個人データを渡すときは個人情報保護法28条の「外国にある第三者への提供」に当たる可能性があります。

この場合、原則として本人の同意が必要で、同意を得る際には提供先の国名やその国の個人情報保護制度などの情報を本人に示す必要があります。ただし、提供先が個人情報保護委員会の定める基準に適合する体制を整えている場合など、同意が不要になる例外もあります。外注では、契約でこの体制を整える方法が実務上の選択肢になります。例外や詳しい要件は、個人情報保護委員会の外国にある第三者への提供編ガイドラインで確認できます。

なお、2026年7月17日には改正個人情報保護法が公布されました。改正法には、統計情報等の作成にのみ利用する場合の特例が盛り込まれています（統計作成等と整理できるAI開発等も対象）。個人データの第三者提供と、公開されている要配慮個人情報の取得について、本人の同意が不要になります。ただし、施行に必要な政令・規則・ガイドラインは個人情報保護委員会が整備を進めている段階のため、適用の範囲と条件は今後の公表を確認してください。

実務では、外注前に個人情報をマスキングし、そもそも個人データを渡さない設計にするのが最も安全です。

AI事業者ガイドライン（第1.2版）

総務省と経済産業省は、AIの開発者・提供者・利用者が取り組むべきことをまとめた「AI事業者ガイドライン」を公表しています。2026年3月31日に第1.2版が公表され、AIエージェントなどへの対応が加わりました。

法的な拘束力はありませんが、取引先からAIの安全性や公平性について説明を求められたときの拠り所になります。原文とチェックリストは総務省のAI事業者ガイドラインのページで公開されています。

企業の状況別｜多言語AIデータの最初の進め方

多言語AIデータへの投資は、企業が今どの段階にいるかで始め方が変わります。代表的な2つの状況での進め方を紹介します。

初めて多言語のAIを作る企業は、評価データから始める

初めて多言語展開に取り組む企業は、まず対象言語ごとに数百件規模の評価データを作り、今のAIがどの言語のどの場面で弱いかを測ることから始めるのが定番の進め方です。

測る前に学習データを大量に発注すると、費用のわりに効果が見えません。評価データは、学習後の効果を確かめる物差しにもなります。

英語版のAIがすでにある企業は、言語別の弱点診断から始める

英語でうまく動くAIがある企業は、英語の評価観点を土台にしつつ、各言語の利用者が実際に尋ねる質問で評価セットを作り直します。

そのうえで、精度が落ちた言語と場面に絞って学習データを追加すると、費用を抑えながら言語間の品質差を縮められます。

外部の多言語AIデータサービスが向くケース・向かないケース

外部サービスは、社内で集めにくい言語やネイティブの評価者が必要な場面ほど効果が大きくなります。反対に、次のように社内で回した方がよい場合もあります。

向いているケース	向いていないケース
3言語以上を同じ品質基準でそろえたい	対象が日本語だけで、社内に作業者がいる
少数言語や専門分野の作業者が必要	社外に一切出せない機密データしかない
評価の採点基準づくりから相談したい	ラベルが単純で、言語の知識がほぼ不要
急な増量や短期での立ち上げが必要	仕様が毎日変わり、外部との調整が追いつかない

向いていないケースでも、作業ガイドラインの作成や品質監査だけを外部に頼む方法があります。

アットグローバルの多言語AIデータサービス

アットグローバルは、2002年の設立以来、翻訳・通訳・海外市場調査を中心に1,000社以上の取引実績を持つ翻訳会社です。AIデータサービスでは、翻訳事業で培った言語ネットワークを使い、多言語の学習データと評価データを提供しています。

特に、日本語を含む複数言語のAIデータを、言語ごとの品質管理まで含めてまとめて任せたい企業に向いています。

• データ収集・整形、アノテーション、評価データ・人手評価の3領域に対応
• 作業者・レビュアー・最終判定者の3者による多段階レビュー
• 50言語・約2,300人の登録ネットワークで、少数言語の作業者も確保
• 日本人のプロジェクトマネージャーが窓口となり、各言語のネイティブと連携
• ISO 17100（翻訳サービス）認証、ISO 27001（ISMS）登録、プライバシーマークを取得

アットグローバルは、グローバルIT企業の日本語ローカライズを20年以上にわたり担当してきました。ローカライズの現場では、製品の文言を言語ごとのスタイルガイドと用語集で統一し、翻訳者とは別のレビュアーが確認する工程を長年続けています。言語ごとに基準を決めて、別の人が確かめるというこの仕組みは、多言語AIデータの品質管理にも応用できます。

一方で、画像の大量ラベル付けのように言語の知識がほぼ不要な作業は、専業のアノテーション会社の方が安く済む場合があります。言語の品質が成果を左右する部分について、ご相談ください。

よくある質問

多言語AIデータサービスの料金はどのくらいですか？

言語、専門性、作業の種類、品質基準、量と期間の5つで大きく変わるため、多くの会社は個別見積もりです。費用の見通しを立てるには、まず各言語で数十件の試作を依頼し、1件あたりの作業時間と品質を確かめてから全体の見積もりを取るのがおすすめです。少数言語や専門分野では、作業者の確保に時間がかかる点も見込んでおきましょう。

初めて依頼する場合、何から頼むのがおすすめですか？

対象言語ごとの評価データから始めるのがおすすめです。今のAIがどの言語・どの場面で弱いかが分かれば、学習データを買う範囲を絞れます。評価データは、学習後に精度が上がったかを確かめる物差しとしても使い続けられます。

クラウドソーシングと専門の会社では何が違いますか？

大きな違いは、作業者の母語・専門性の確認と、品質の保証の仕組みです。クラウドソーシングは単価を抑えやすい一方、作業者ごとの品質のばらつきを自社で管理する必要があります。専門の会社は、言語別のガイドライン作成や多段階レビュー、一致率の報告まで含めて請け負うため、自社の管理工数を減らせます。

外注するデメリットや注意点はありますか？

データを社外に出すため、情報管理の確認が欠かせません。海外の作業者が関わる場合は、個人データの扱いが個人情報保護法の国外提供の規定に当たらないかも確認が必要です。また、仕様が固まらないまま大量に発注すると、作り直しの費用がかさみます。少量の試作で仕様を固めてから量を増やしましょう。

翻訳会社にAIデータを頼むメリットとデメリットは何ですか？

翻訳会社は、言語ごとのスタイルガイドと用語集を作り、翻訳者とは別の人が確認する体制を日常的に運用しています。そのため、言語ごとの表記や口調をそろえる作業を得意とします。一方で、画像処理など言語と関係の薄い作業は専業のアノテーション会社の方が得意な場合もあるため、依頼する範囲で選び分けましょう。

多言語AIデータサービスを選ぶためのまとめ

• 多言語AIデータサービスは、AIの学習・評価に使う言語データを、言語ごとに作って品質を保証するサービス
• 中身はデータ収集・整形、アノテーション、評価データ・人手評価の3領域
• 2026年10月のCommon Crawlでは、日本語ページの比率は英語の約9分の1、タイ語は約122分の1にとどまる
• 言語ごとに「正解」の基準が違うため、言語別のガイドラインとネイティブのレビューが欠かせない
• 英語データの翻訳は事実中心のQ&Aには使えるが、評価データは現地の言語で作るのが原則
• 料金は言語・専門性・作業の種類・品質基準・量と期間の5つで決まる
• 外注先は対応言語の数より、言語ごとの品質を数値で説明できるかで選ぶ
• 初めてなら、言語ごとの評価データで弱点を測ることから始める