AI翻訳ツールを利用する人のほとんどは、単一のフレーズや引用文を理解するといった、日常的で比較的重要度の低いタスクに利用しています。こうした基本的なサービスは、15言語で技術文書を提供する企業には不十分です。しかし、Lengooのカスタム機械翻訳モデルは、まさにその役割を果たしてくれるかもしれません。そして、新たに2,000万ドルのBラウンドを調達することで、同社は大きなリードを築くことができるかもしれません。
翻訳ビジネスは数十億ドル規模の巨大ビジネスであり、今後も衰退する気配はありません。文書、ソフトウェア、あるいはウェブサイトを複数言語、場合によっては数十言語でリリースしなければならないという業務は、あまりにも日常茶飯事です。
今では、こうした作業は翻訳会社によって行われ、専門の翻訳者を雇用して、オンデマンドで高品質な翻訳を提供しています。日常的なツールとしての機械翻訳の台頭は、あなたが考えるほど翻訳会社に影響を与えていません。なぜなら、ポルトガル語のユーザーが韓国語のウェブサイトでGoogleのウェブページ翻訳機能を使うのはごく稀なケースであり、ソーシャルメディアの投稿や個々の文章の翻訳などは、プロに依頼できるような、あるいは依頼するほどのものではないからです。
こうしたよくあるケースでは、「十分」が原則です。なぜなら、誰もが本当に求めているのは、その意味の素晴らしさだけだからです。しかし、10の異なる言語で10の異なる市場に製品をリリースする場合、説明書、警告、法的契約書、技術文書が1つの言語では完璧でも、他の9つの言語では「まあまあ」という程度では不十分です。
AmazonがEchoデバイス向けライブ翻訳機能を開始
Lengoo は、企業と翻訳者間のワークフローを自動化するチームから始まりました。
テッククランチイベント
サンフランシスコ | 2025年10月27日～29日
「次のステップは、当然ながら翻訳そのものの自動化でした」と、CEO兼創業者のクリストファー・クランツラー氏は述べた。「今後も長い間、人間の介入は必要になるでしょう。目標は、モデルを実際に使えるレベルまで到達させ、人間が行う翻訳の回数を減らすことです。」
機械学習の能力は絶えず向上しており、これは決して非現実的な目標ではありません。DeepLやLiltなど、他の企業もすでにその道を歩み始めています。彼らはGoogleやMicrosoftのフレームワークに比べて大幅な改善を見せて自社の主張をアピールしましたが、プロセスから人間を排除するとは決して主張していません。
Lengooは、スピードと特異性を重視しながら、作業を繰り返し進めています。つまり、クライアントの専門用語、文体の好み、フォーマット要件をすべて統合した言語モデルを構築することです。そのために、Lengooは顧客自身の文書やウェブサイトだけでなく、翻訳プロセス自体からのフィードバックを継続的に取り入れることで、カスタム言語モデルを構築しています。
「モデル用の自動トレーニングパイプラインを備えています」とクランツラー氏は述べた。「修正プロセスに貢献する人が増えれば増えるほど、プロセスは高速化します。最終的には、GoogleやDeepLの約3倍の速度を実現できるでしょう。」
新規クライアントは、過去数年間の数千の文書に基づいてカスタマイズされたモデルから始めるかもしれません。しかし、モデルが修正が必要なテキストを生成するたびに、その修正内容を記憶し、残りのトレーニングデータと統合します。
翻訳の「品質」を客観的に定量化するのは難しい場合がありますが、この場合は問題ありません。人間の翻訳者のためのツールとして機能するため、品質チェック機能が組み込まれているからです。翻訳の質は「修正距離」、つまりモデルが提案したテキストに対して人間が行う修正の量によって測定できます。修正が少ないということは、翻訳の質が高いだけでなく、翻訳速度も速いことを意味します。つまり、品質と速度の両方に客観的な指標があるということです。
こうした改善により、これまで過剰な自動化に警戒感を抱いていた顧客の支持を得ることができました。
「当初は抵抗もありました」とクランツラー氏は認めた。「人々は日常の翻訳にGoogle翻訳を使うようになり、品質が向上していることを実感しています。GoogleとDeepLは、まさに市場を啓蒙してきたのです。今では、正しく行えば機械翻訳はプロフェッショナルな用途でも通用することを人々は理解しています。大口顧客は30人、40人、50人の翻訳者を抱え、それぞれ独自のスタイルを持っています。…私たちは、より速く、より安価であることだけでなく、一貫性という点で品質も向上していることをアピールできます。」
顧客データを使ってモデルをカスタマイズするというアプローチ自体は決して独創的とは言えませんが、Lengooは競合他社や、製品の改善が追いつかないほどのスピードで対応できない大企業に対して優位性を築いているようです。そして、同社は技術スタックを刷新することで、その優位性をさらに強化しようとしています。
問題は、ほぼ従来型の機械学習技術に依存しているため、翻訳者とAI間の重要なフィードバックループが限られていることです。モデルの更新速度は利用頻度に依存しますが、数百語分のコンテンツを統合するためだけに大規模なモデルを再学習させる人はいません。再学習には計算コストがかかるため、散発的にしか実行できません。
しかし、Lengooは、様々なパイプラインとプロセスを統合した、より応答性の高い独自のニューラル機械翻訳フレームワークを構築する計画です。翻訳結果はリアルタイムで向上するわけではありませんが、より迅速かつ簡便な方法で最新の情報を取り入れることができます。
「セグメントごとに改善していくと考えてください」と、応用研究リーダーのアフマド・タイエ氏は述べた（セグメントのサイズは様々ですが、一般的には論理的なテキストの「塊」です）。「1つのセグメントを翻訳すると、次のセグメントを翻訳する頃には、モデルにすでに改善が反映されているのです。」
もちろん、顧客をつなぎとめるには、主要な製品機能を顧客ごとに改善し、より迅速かつ容易に実装できるようにすることが鍵となります。この分野では熾烈な競争が予想されるものの、クランツラー氏は、アジャイル開発ではなく買収と統合を重視する傾向のあるGoogleや既存の大企業からの競争はないと予想しています。
Liltは人間を中核とした機械翻訳ビジネスを構築している
人間の専門翻訳者については、この分野が彼らに取って代わることはないでしょうが、最終的にはその有効性を桁違いに高める可能性があります。その結果、翻訳者の労働力は縮小する可能性があります。しかし、国際市場が成長を続け、それに伴って専門翻訳の需要も高まれば、翻訳者もそれに追いつく可能性はあります。
Inkef Capitalがリードする2,000万ドルの資金調達ラウンドにより、Lengooは北米市場だけでなく欧州市場にも進出し、より多くのエンタープライズスタックとの統合が可能になります。既存投資家のRedalpine、Creathor Ventures、Techstars（LengooはTechstarsから生まれたプログラム）、そしてエンジェル投資家のMatthias Hilpert氏とMichael Schmitt氏に加え、新規投資家のPolipo VenturesとVolker Pyrtek氏もこのラウンドに参加しました。
