クライアントとの翻訳品質に関する期待値の測定基準とプロセス

一部のプロジェクトでは、翻訳出力の誤りではなく文脈に基づいて品質を測定する方が有用な場合があります。SDLの機械学習ソリューション担当副社長、ミハイール・ヴラドは次のように述べています。SDL 機械学習ソリューション担当副社長は、状況に応じた代替案を複数提案しています：

• ポストエディットの品質は、翻訳者の生産性向上によって測定されます。

• 多言語eディスカバリの品質は、適切な文書の識別精度によって測定されます。

• 多言語テキスト分析における品質は、アナリストが関連情報を特定する効果性によって測定されます。

• 多言語チャットにおける品質は、エンドユーザーのフィードバック評価によって測定されます。

LSPは、顧客に対し、より多くの価値（例えばコスト削減やエンドユーザー満足度の向上など）をもたらす品質測定方法について教育することができます。

一部の CAT ツール や翻訳メモリには、翻訳を評価するために、1 つ以上の複数の指標を統合しており、翻訳の評価に使用できます。

クライアントは、プロジェクトベースの評価を独自に実施する場合もあります。多くの場合、クライアントは、LSP の実績や評判に基づいて、LSP を暗黙的に信頼します。 しかし、大企業は、現地の販売代理店（現地の販売代理店や現地支社のチームメンバーなど）を利用したり、サードパーティのレビューアを雇って LSP の仕事の品質を監査したりする場合があります。

外部レビューアと協力する場合、LSP とクライアントの間で合意した期待事項は、レビューアにも同様に適用される必要がある。 レビュー担当者が同じ認識を共有していない場合に発生する 2 つの一般的な問題があります。まず、現地の販売代理店は言語の専門家ではないため、翻訳に誤りを導入してしまうケースを私は何度も目にしてきました。 次に、特に優先度の低いコンテンツのポストエディット作業では、LSP とクライアントが翻訳の品質基準を低く設定しているにもかかわらず、そのことをレビュー担当者に伝えていない場合があります。これは、LSP がクライアントの要求したサービスを提供している場合でも、問題を引き起こす可能性があります。

つまり、ウェブサイトのコメントやフォーラムの投稿など、優先度の低いコンテンツは、流暢さや文法のために編集されなくても理解できる程度であれば、それで十分である場合もあるということです。

特に、機械翻訳に様々なレベルのポストエディティングを組み合わせることで、同じクライアント向けの複数のコンテンツタイプに対して、異なる価格帯と品質基準を設定して作業を進めることが可能です。

プロジェクトベースの評価はLSPがクライアントと交渉する場ではあるが、高品質なサービスを維持するには他の種類の評価も重要である。

機械翻訳とポストエディティングに関する前回の記事では、機械翻訳エンジンの品質測定方法について議論しました。これはプロジェクトベースではない評価の別の形態です。

定期的に、完成した翻訳のサンプルを外部編集者や別の編集チームに評価のために提出することは有益です。 常に同じ編集者と仕事をしていて、クライアントもあなたの仕事をレビューしていない場合、仕事の質を測る基準がありません。 LSP は、ランダムな評価を用いて、翻訳者だけでなく編集者の作業も再確認し、品質基準が常に満たされていることを保証することができます。

要約すると、業界の品質への取り組みは、技術の進歩や顧客ニーズの変化とともに進化しています。コモンセンスアドバイザリーが報告したように、

「画一的な品質モデルでは、現代の企業が直面する多様なニーズに対応するには不十分です。柔軟なモデルを採用すれば、プロセスを毎回再構築することなく調整が可能になります。」