SoSafeのローカライゼーションチームは2人。ヨーロッパ、アジア、オーストラリアの組織向けに、34言語でコンテンツを展開しています。現在はLingo.devを使うことで、90本超のレッスンを全言語で完全に再翻訳しても、1日で終えられます。

これは単なるツール移行の話ではありません。ローカライゼーションをベンダー任せの業務ではなく、基盤として捉え直したときに何が起きるか。その変化を物語る事例です。

「Lingo.devのローカライゼーション基盤は、ゼロからAIファーストで設計されている。その点が気に入っています。以前は1回のリリースに6か月かかっていましたが、今では34言語すべてを1スプリントで出せるようになりました。しかも、その基盤をつくっているエンジニアと直接話せます。」

— SoSafe プロダクトエンジニアリング担当ディレクター Max Höffner

プロダクトがそれを求めていた#

SoSafeは、適応型ヒューマンリスクマネジメント領域で急成長を続けるプラットフォームです。世界6,000社超の組織が、変化するリスクに対応できる人材のレジリエンスを築くために利用しています。行動科学を基盤に、実際の脅威や行動から得られるコミュニティインテリジェンスを活用するこのプラットフォームは、日々のやり取りを適応型学習の機会へと変えていきます。トレーニングや学習を効果あるものにするには、コンテンツの精度、正確性、関連性が欠かせません。特定の法域に適した法的用語を正しく使うことは、GDPR研修全体の信頼性を高めます。フィッシングシミュレーションも、学びにつなげるには本物らしく感じられる必要があります。

「私たちは自社制作のコンテンツに強い誇りを持っています」と話すのは、SoSafeのプロダクトエンジニアリング担当ディレクター、Max Höffnerです。「ドイツでは常にフォーマルな表現を使います。一方、スイスでは公式な研修でもくだけた言い回しが好まれる傾向があります。こうした場面では、高品質なローカライゼーションは“あればいいもの”ではなく、プロダクト品質そのものの問題になります。」

コンテンツの関連性と品質は、SoSafeの競争優位性のひとつです。シミュレーションメールでは現地の機関に触れる必要があります。コンプライアンスモジュールでは、法域ごとの規制文言が欠かせません。ありきたりな翻訳は、翻訳がないよりも悪い結果を招きます。従業員に、誤った兆候を見抜くよう学習させてしまうからです。

AI以前、エンタープライズローカライゼーションはどう回っていたのか？#

2025年以前、SoSafeのローカライゼーションワークフローは、多くのエンタープライズ企業と同じ構成でした。レガシーなTMSがあり、実務は外部の翻訳会社が担い、その両者をつなぐのは手間のかかる手作業のプロセスでした。

SoSafeのローカライゼーションエンジニア、Annika Palmは、以前の仕事を感傷抜きでこう振り返ります。「たぶん仕事の90％はファイル管理でした。特別面白いわけでも、楽しいわけでもない。でも、やるしかなかったんです。ファイルのやり取りはほとんどメールで、やり取りの途中でファイルが見失われることもありました。Gitがなかったので、バージョン管理もいつも問題でした。」

1つのレッスンに対するワークフローはこうです。プロジェクトファイルを複製し、オーサリングツールで開き、各文字列をダブルクリックして、翻訳会社から受け取った訳文を貼り付け、保存し、エクスポートして、アップロードする。これをすべての言語、すべてのレッスンで繰り返していました。

品質管理が及んでいたのは、チーム内の誰かが実際に読める言語だけでした。それ以外の言語については、そもそも測定が一切行われていなかったのです。

「翻訳者は、必ずしもその分野特有の知識を持っているわけではありません」とAnnikaは言います。「訳文は十分ではありましたが、私たちが求める水準には届いていませんでした。」

レガシーTMSが限界を迎えるのはいつか？#

転機は、構造そのものの見直しから始まりました。SoSafeはコンテンツアーキテクチャを、独自のオーサリングツール形式からGitリポジトリ上のJSONファイルへ移行したのです。コンテンツがGit上で管理されるようになると、疑問は自然と明らかになりました。なぜローカライゼーションだけがこのパイプラインの外にあるのか、と。

Max Höffnerには、それが業界全体で見てきたのと同じ構図に映りました。「既存プレイヤーの問題は、私の見立てでは、もともと壊れていたプロセスにAI機能を上乗せしていただけだったことです。GitHub連携があるものもあれば、別の機能を持つものもありました。でもLingo.devが違ったのは、ローカライゼーションを最初からAIファーストで考え抜いていたことです。しかもチーム体制のおかげで、私たちはその基盤をつくっているエンジニアと直接話せる。エッジケースもその日のうちに解決します。」

チームは3〜4つの選択肢を比較検討しました。ですが、どれも提案の本質は同じでした。レガシーTMSのワークフローに、AIのレイヤーを後付けしただけのものだったのです。

「CTOとその話をしたのを覚えています」とMaxは言います。「私はこう言いました。既存プレイヤーは、壊れたプロセスの最後にAIを足しているだけだ、と。中には、人手によるやり方を進める間の中間ステップとしてAIを提供しているところもありました。でも私は思ったんです。だったら、AI版そのものをもっと良くすればいいのではないか、と。」

ローカライゼーションエンジンは、どうやって翻訳会社を置き換えるのか？#

現在、SoSafeのローカライゼーションは、一連のローカライゼーションエンジンを通じて運用されています。設定されているのは、4,417件の用語集用語、各ロケール向けのプロ仕様のスタイルガイド、フォーマル／カジュアルの文体に関するロケール別の指示、用語の優先ルール、そして規制対応の文言です。

技術的なワークフローはシンプルです。コンテンツは構造化JSONとしてGitリポジトリに置かれ、ローカライゼーションはCLIコマンドとして実行されます。

「私たちには、共有された唯一の正しい情報源があります」とAnnikaは言います。「GitHub上のバージョンこそが、プラットフォームに載るべきバージョンだと全員が分かっています。誰もファイルを探し回る必要はありませんし、『これが本当に本番のバージョン？』と確認する必要もありません。」

用語集は、あらゆる言語ペアで用語の一貫性を担保します。GDPR固有の用語、サイバーセキュリティの語彙、プロダクト固有の表現まで対象です。4,417件の用語集用語をローカライゼーションエンジンに設定したことで、34言語すべてにおける用語の整合性が、初めて測定可能な水準に達しました。以前なら顧客からのクレームを通じて数週間後にようやく見えていた問題も、今では数分でフラグが立ちます。たとえば、スイスドイツ語で用語集用語の欠落が原因でスコアに問題が出れば、Annikaがその用語を追加し、再翻訳を実行します。アラートから修正までの平均解決時間は8分。これはMax Höffnerが最も気に入っている指標です。

導入を寸前で止めかけた懸念#

Annikaにとって最大の不安は、コントロールを失うことでした。「私たちのコンテンツは毎日何千人もの人に見られています。ほぼ毎日のようにクレームも来ます。もし翻訳を速くできても、出力に対するコントロールが弱くなるようなら、それは私たちにとって良い選択ではありませんでした。」

彼女の考えを変えたのは、ローカライゼーションエンジンの設定自由度でした。用語集、翻訳ルール、ブランドボイス、ロケールごとの指示です。「ある意味、エンジンを翻訳者のように捉えることもできます」と彼女は言います。「翻訳者は用語集を手元に持ち、翻訳ルールを与えられ、プロダクトへの理解も求められます。エンジンは、翻訳者が持ち込む知識のパッケージをすべて備えながら、それをより凝縮し、より信頼できる形にしたものです。」

もうひとつの潜在的な障壁はGDPRレビューでした。SoSafeはドイツのサイバーセキュリティ企業であり、調達にはISM、法務、IT、財務、そして複数段階のマネジメント承認が関わります。

Max Höffnerが取ったアプローチは、データフローの範囲を明確に切り分けることでした。「システムに入るデータを自分たちでコントロールできる限り、GDPRの観点でもコントロールできます。PIIに当たるものは送らない。それ以外、つまり自社の研修コンテンツや社内資料については進められます。」DPAは締結され、法務の承認も得て、ITも確認を完了しました。論点は、AIローカライゼーションがコンプライアンス上問題ないかどうかではありません。どのコンテンツがその境界の内側に入るのか、という点でした。

34言語を同時に、どこまで速く出せるのか？#

34言語すべてを同時にリリースしています。最終版のドイツ語コンテンツから全言語公開までの本番サイクルは、数か月からわずか1スプリントへと短縮されました。

「もうティア制は必要ありません。1言語だけ訳す場合でも、30言語を同時に訳す場合でも、もはや違いがないからです」とShereeは言います。

この変化は、数字にも表れています。新しい言語のリリースは、いまやエンドツーエンドでわずか1スプリントです。何年ぶりかで、ローカライゼーションはもはや本番のボトルネックではなくなりました。「ボトルネックは別のエンジニアリングプロセスに移りました。更新が必要なデータベースエントリや、他の場所に残る手作業の工程です」とMax Höffnerは言います。「ここ数年ずっとローカライゼーションチームに向けられていたボトルネックの議論が、完全に別の場所へ移ったのです。」

最も象徴的だったのは、AI生成レッスン機能を開発していたプロダクトチームの事例です。顧客がアップロードしたPDFから、異なるソース言語でレッスンを生成する際のローカライゼーションをどうするか。チームがMaxに尋ねると、返答は「Lingo.devを使う」でした。実装はわずか1日。以前のやり方なら、専用の1スプリントが必要だったはずです。「この件は深く考え込む必要がありませんでした」と彼は言います。「チームに聞かれて、その日から実装したんです。」

ローカライゼーションエンジニアの仕事は、実際どう変わったのか？#

Annikaの肩書きは変わっていませんが、仕事の中身は大きく変わりました。「今の私は、文字どおりあらゆる意味でエンジニアになりました」と彼女は言います。「もう他の人の助けに頼る必要はありません。もっと主体的に動けます。以前は開発エンジニアに頼らなければなりませんでしたが、今は自分たちで解決策をつくれます。」

この変化は、オペレーションからアーキテクチャへのシフトです。ベンダーとのメールのやり取りを管理したり、文字列をファイルにコピーしたりする代わりに、チームはエンジンを設定し、用語集を磨き込み、品質スコアを監視し、自動化スクリプトを構築しています。

「今は、私たち自身がソリューションを提供する側です」とAnnikaは言います。「プロセスはずっとスリムになりました。いまは解決策そのものに集中できます。以前は、解決策を提供してくれる人たちを管理するのが中心でした。」

AIワークフローによって自分たちの役割が薄れるのではないかと不安を感じるローカライゼーションエンジニアに何と伝えるか――そう尋ねられた彼女は、こう答えました。"知見は私たちのもとに残ります。何をもって高品質とするのか、何を翻訳すべきか、誰に届けるのか。その判断は私たちにあります。退屈な作業をAIローカライゼーションインフラに任せれば、本当に重要な課題をもっと速く解決できるのです。"

今後の展望#

SoSafeは、すべてのプロダクトチームにローカライゼーションインフラを展開しています。Shereeはこのモデルを"中央集権型の分散化"と呼びます。ガバナンス、品質基準、エンジンの設定は彼女のチームが担い、各チームはそのガードレールの中で自律的にローカライズを実行します。

"私たちが全体を支えるインフラを提供しているからこそ、各チームはより自律的に動けるのです"とShereeは語ります。"もう私たちが介入する必要はありません。チームは、エンジンの情報が必要な基準を満たしていると信頼し、通常の開発サイクルの中で滞りなく実行できます。"

2人で34言語、全プロダクトにまたがる品質ガバナンスを実現。ベンダーとの調整も、待ち時間もありません。

10言語を超えて拡大するローカライゼーションチームにとって、これは何を意味するのか#

SoSafeの経験は、10言語の壁を超えたチームに共通するパターンを浮かび上がらせています。従来のTMS＋翻訳ベンダーというモデルがスケール段階で破綻するのは、翻訳品質が落ちるからではありません。コンテンツ量よりも調整コストのほうが速く膨らむからです。その前提を変えたのは、3つの要素でした。まず、用語集の適用徹底によって、34言語すべてで言語ペアごとの人手レビューなしに用語のぶれを解消。次に、品質スコアリングによって、チーム内の誰かが話せる言語だけでなく、すべての言語を測定可能に。そして、ローカライゼーションエンジニアリングのワークフローによって、オーナーシップはベンダー側のプロジェクトマネージャーから、実際にプロダクトを届けるチームへ移りました。

その結果、役割分担そのものが変わりました。翻訳会社が提供していたのは労働力です。ローカライゼーションインフラが提供するのは実行力です。SoSafeの2人チームは今や、以前の2人チームと4社のベンダーが1年かけて生み出していた以上の多言語アウトプットを、四半期ごとに統括しています。

本人たちの言葉#

プロダクトエンジニアリング担当ディレクター、Max Höffner氏が語る、ローカライゼーションをインフラとして捉えるべきかどうか。

"常にインフラです。ローカライゼーションは、常にインフラであるべきです。今の時代、もはや人に依存するプロセスではありません。"

コンテンツエンジニアリング チームリード、Sheree Foltin氏が語る、この転換を勧める理由。

"人が本当に重要なことに集中できるよう、プロセスを刷新することをおすすめします。"

ローカライゼーションエンジニア、Annika Palm氏が語る従来モデル。

"率直に言って、TMSとベンダーのモデルは終わりに向かっています。今のように変化の速い世界では、十分なスピードで適応できません。"

SoSafeは、組織が大規模に人のレジリエンスを引き出せるよう支援する適応型ヒューマンリスクマネジメントプラットフォームです。行動科学、グローバルなコミュニティインテリジェンス、そしてAIを組み合わせ、進化し続ける脅威の先を行きます。そのローカライゼーションインフラはLingo.devで動いています。

よくある質問#

2人のローカライゼーションチームで、何言語まで対応できますか？

SoSafeの2人チームは、ロケールごとの用語集、ブランドボイスのルール、AI品質スコアリングを設定したローカライゼーションエンジンを活用し、34言語を同時に展開しています。

ローカライゼーションエンジンで新しい言語を追加するには、どれくらい時間がかかりますか？

SoSafeでは、新しい言語向けに90以上のレッスンを完全に再翻訳するのに1日しかかかりません。このスピードアップは品質を犠牲にした結果ではなく、CLIを通じて実行される用語集の適用徹底と、ロケールごとのモデル設定によるものです。

ローカライゼーションエンジニアは、ローカライゼーションマネージャーと何が違うのですか？

SoSafeのAnnika Palm氏は、この変化をこう説明します。役割は、ベンダーとの関係構築やファイル転送の管理から、ローカライゼーションエンジンの設定、用語集のチューニング、品質スコアのモニタリング、自動化の構築へと移りました。チームは、解決策を提供する人たちを管理する立場から、自らが解決策の提供者になる立場へと変わったのです。

自分たちが話せない言語の翻訳品質は、どう測定するのですか？

SoSafeはAI品質スコアリングを活用しています。設定された基準に照らして各翻訳を評価する独立したモデルです。これまでにプラットフォーム全体で24万回を超えるスコアラー評価を実施してきました。スコアが問題を示した場合は、ローカライゼーションエンジニアが用語集や指示を調整し、再翻訳します。平均解決時間は8分です。