翻訳への質問と回答

質問文（版 5）

あなたはAIモデルとして、AIツール全体（あなた自身と、あなたや他のモデルを組み込んだ製品・サービスを含む）によって、ある職種の仕事に必要な人の時間が、今・1年以内・5年以内にどれだけ減るかを見積もる。日本の読者向けの職業情報サイトに、あなたの回答がそのまま、あなたのモデル名と回答日付きで掲載される。読者はこの職種で働く人で、自分の仕事のどこがどれだけ変わるかを知りたい。

測るもの
- 「人の時間が要らなくなる割合」: 今と同じ量の仕事を、今と同じ品質で終えるのに必要な人の時間のうち、AIツールを使うことで要らなくなる割合（整数の%）。AIの結果を人が確認・手直し・承認する時間は、人の時間として残す。例: 100分かかっていた仕事が、AIの結果を5分確認するだけになれば95%。
- 「今」は今あるAIツールを、この職種の職場が十分に使った場合の値。まだ使っていない職場が多いことは、この値を下げる理由にしない。「1年以内」「5年以内」はその時点であると見込むツールを十分に使った場合の値。
- 仕事の量（需要）の増減はこの割合に入れない。別の問いで答える。
- 業務ごとに、仕事時間に占める比重（全業務の合計を100）と、その業務で人の時間が要らなくなる割合を出す。職種全体の割合は比重で重みづけした合計にする。業務の数で割る計算はしない。

見立ての立て方
- 人に残るとする部分にも、AIに移るとする部分にも、同じ基準で理由を書く。理由の種類は両側とも「技術」「制度・契約」「費用」「相手の受け入れ」の4つ。人に残る側なら、技術が足りない／制度や契約が人を求める／AIに任せると高くつく／顧客や相手が人を求める。AIに移る側なら、技術が足りている／制度や契約が妨げない／AIに任せると安い／顧客や相手が受け入れる。
- どちらの見立てにも、それが崩れる条件を書く。人に残るとした部分がAIに移る条件と、AIに移るとした部分が人に残る条件の両方を書く。
- 人が最終的な責任を負うことは、それだけでは人の時間がどれだけ要るかを決めない。責任を負うために、誰が何をどれだけ確かめるかで見積もる。逆に、AIが成果物を出せることは、それだけでは人の時間がなくなることを意味しない。確認・手直し・例外への対応にかかる時間を数える。
- 業務の中で人に残る部分は、次の5つの層で示す。作業（自分で手を動かす）、品質の確認（出来を確かめ直す）、例外の発見（いつもと違うことに気づく）、実行の承認（進めてよいかを決める）、目的と制約の設定（何をどこまでやるかを決める）。並びに順序や難易度の意味はない。どの層も人に残ることがあり、どの層もAIに移ることがある。残る層には、その層に人の時間がはっきり残るものだけを挙げる（5つ全部が残るのは、本当にそうである業務だけ）。その層で人が何をするかは、要点の文に書く。
- 根拠は下の資料と、あなたが知っている今のAIツールの機能、あなたが見込む今後の進歩。今できることと将来の見込みを分け、業務ごとに確信の度合い（高・中・低）を添える。人に残る時間が少ないという答えも、ほとんど変わらないという答えも認める。仕事の量の見立ては「不明」でもよい。
- 言い切れるところは言い切り、根拠の弱いところは弱いと書く。確信の度合いは項目で示し、「推定である」「統計値ではない」のような断り書きは文章に書かない（掲載時にあなたの見立てとして示す）。
- 研究や統計の数字、企業が公表した効果の数字を引用しない。人名を挙げない。ツールや製品の名前は挙げてよいが、企業の意図や方針を推測しない。
- 文章は日本語。業務を指すときは、番号や記号ではなく業務の内容を書く（読者は番号付きの一覧を見ない）。
- この会話にある情報と、あなた自身の知識だけで答える。ウェブを検索しない。過去の会話、保存された記憶、他のAIモデルの回答を参照しない。
- 返す前に、業務の数が一覧と同じこと、比重の合計がちょうど100であること、各業務で 今 ≤ 1年 ≤ 5年 であること、職種全体の3つの値が比重による重みづけの合計を四捨五入した値と一致することを確かめる。
- JSONだけを返す。

職種: 翻訳（米国の職業分類では 通訳・翻訳者、SOC 27-3091）

この職種の業務（米国 O*NET の業務記述の日本語訳）:
1. 生徒の理解度や学年に合わせて、翻訳を調整する
2. 法律文書・学術書・ニュースなどの書面を読み、指定の言語に書き直す
3. 口頭や手話で、同時通訳や逐次通訳をする
4. 翻訳した文書を校正・編集・修正する
5. 専門用語などをまとめた、翻訳に使う用語集を作る
6. 専門用語の訳が正確で、全体で一貫しているかを確かめる
7. 言葉・概念・慣習の意味の食い違いを見つけて解消する

この職種で使われているAIツール（各社の公式ページの説明。判断材料の一部）:
- Cloud Translation（文書翻訳）（Google Cloud）: PDFやDOCXなどの文書を、書式を保ったまま翻訳するAPI。用語集で訳語をそろえられる。
- DeepL翻訳（DeepL）: 文章や、書式を保ったままのPDF・Word・PowerPointを翻訳する。音声の翻訳や文章の校正の機能もある。
- みらい翻訳 FLaT（みらい翻訳）: 組織向けに、テキストやファイルを機械翻訳する。音声の翻訳とAPIもある。

問い
1. 上の一覧のすべての業務について、一覧の順に次を答える。
   a. 比重: この職種の仕事時間に占める割合（整数の%。全業務の合計を100にする）。
   b. 今・1年以内・5年以内に、その業務で人の時間が要らなくなる割合（整数の%。今 ≤ 1年 ≤ 5年）。
   c. 5年後もこの業務で人の時間がはっきり残る層（作業／品質の確認／例外の発見／実行の承認／目的と制約の設定 から。層の名前だけを配列で。何も残らなければ空）。
   d. 5年後も人の時間が残る理由の種類（技術／制度・契約／費用／相手の受け入れ から、当てはまるものすべて。人の時間が残らなければ空）。
   e. 5年後にAIに移る理由の種類（同じ4つから、当てはまるものすべて。何も移らなければ空）。
   f. 5年後の見立ての要点と、それが崩れる条件（150字以内。人に残る部分がAIに移る条件と、AIに移る部分が人に残る条件を1文ずつ）。
   g. 確信の度合い（高／中／低）。
2. 職種全体で人の時間が要らなくなる割合（今・1年以内・5年以内）。1の比重で重みづけした合計を、整数に四捨五入する。
3. 2の理由。どの業務のどの層がAIに移り、どの種類のツールが引き受けるか（200字以内）。
4. 5年で、この職種への仕事の量（需要）はどう変わるか（増える／ほぼ同じ／減る／不明）と、その理由（150字以内）。
5. この職種は5年でどう変わるか。次の3つにそれぞれ答える（各200字以内）。
   a. 何が残るか: 人が担う業務と層。残るとした理由と、それが崩れる条件に触れる。
   b. 誰が残るか: 4の仕事の量の見立てと合わせて、担当者の人数・構成・経験の変化。
   c. 求められる力: 残る人に新たに求められる力。

出力（JSON）
{"tasks": [{"no": 1, "weight": 0, "now": 0, "year1": 0, "year5": 0, "human_layers": [], "blockers": [], "enablers": [], "outlook": "", "confidence": ""}], "share_now": 0, "share_year1": 0, "share_year5": 0, "reason": "", "demand": "", "demand_reason": "", "remains": "", "who": "", "skills": ""}

Claude Fable 5.1

Claude のモデル名の表示は「Claude Fable 5.1」。回答日 2026年10月21日。取得の条件: Claude Code のサブエージェントが回答（アプリではない）。職種ごとに新しい文脈で、入力は質問文のファイル1つだけ。ウェブ検索と他のファイルの読み込みを禁じた。他の職種・他モデル・版4の回答、モックの数値は渡していない。Claude Code の既定のシステム指示とプロジェクトの AGENTS.md が文脈に入る。検査に落ちた回答は新しい文脈で聞き直した（経理・財務と金融専門職の各1回。research/opinions/v5-2026-10-21/rejected/）。

仕事の量（5年）: 減る。文書の下訳が機械翻訳に置き換わり、依頼主が自分で機械翻訳を使って済ませる案件が増えるため、翻訳者に発注される量は減る。一方で、機械翻訳の確認や法務・医療の通訳など人を求める案件は残り、全体では減少と見込む。

{"tasks": [{"no": 1, "weight": 5, "now": 40, "year1": 50, "year5": 65, "human_layers": ["品質の確認", "目的と制約の設定"], "blockers": ["技術", "相手の受け入れ"], "enablers": ["技術", "費用"], "outlook": "学年や理解度に合わせた言い換えは機械翻訳とLLMで下書きでき、教材の目的や難易度の設定と仕上がりの確認が人に残る。教育機関が学年別の基準を用語集や指示として整備すれば人の確認も減る。逆に、学校や保護者が人の目を通した訳を求め続ければ人の確認時間は減らない。", "confidence": "中"}, {"no": 2, "weight": 35, "now": 55, "year1": 65, "year5": 75, "human_layers": ["品質の確認", "例外の発見"], "blockers": ["技術", "制度・契約"], "enablers": ["技術", "費用", "相手の受け入れ"], "outlook": "書面の下訳は機械翻訳が引き受け、人は訳文の品質確認と原文の誤りや文脈のずれの発見に回る。法務や学術で機械翻訳の出力を前提にした契約慣行が広がれば確認時間はさらに減る。逆に、守秘契約で外部AIの利用が禁じられる案件が増えれば人の作業が戻る。", "confidence": "高"}, {"no": 3, "weight": 15, "now": 10, "year1": 15, "year5": 30, "human_layers": ["作業", "例外の発見"], "blockers": ["技術", "制度・契約", "相手の受け入れ"], "enablers": ["技術", "費用"], "outlook": "音声翻訳は会議や窓口の簡易な場面では使えるが、同時通訳や手話通訳では発話の意図や場の空気を読む作業が人に残る。遅延と誤訳が減り裁判や医療で機械の利用が認められれば人の時間は減る。逆に、聞き手が人の通訳を求める式典や交渉が多いままなら変化は小さい。", "confidence": "中"}, {"no": 4, "weight": 20, "now": 35, "year1": 45, "year5": 60, "human_layers": ["品質の確認", "実行の承認"], "blockers": ["技術", "相手の受け入れ"], "enablers": ["技術", "費用"], "outlook": "訳文の校正はAIの校正機能が下書きし、人は品質確認と公開してよいかの承認に回る。AIが文書の目的や読者に合わせて修正案を出せるようになれば人の確認は短くなる。逆に、AI訳の見落としが問題になった事例が重なれば、人が全文を読み直す時間が戻る。", "confidence": "中"}, {"no": 5, "weight": 5, "now": 50, "year1": 60, "year5": 75, "human_layers": ["実行の承認", "目的と制約の設定"], "blockers": ["相手の受け入れ"], "enablers": ["技術", "費用", "制度・契約"], "outlook": "過去の訳文から用語候補を抜き出し訳語を揃える作業はAIが引き受け、人はどの訳語を採用するかの承認と対象範囲の設定を担う。依頼主が用語集の管理をAIに委ねれば承認も減る。逆に、依頼主ごとに社内用語の事情が複雑なままなら人が詰める時間が残る。", "confidence": "高"}, {"no": 6, "weight": 10, "now": 60, "year1": 70, "year5": 80, "human_layers": ["例外の発見"], "blockers": ["技術"], "enablers": ["技術", "費用"], "outlook": "用語の一貫性の照合はAIの用語集機能で機械的に済み、人は照合では拾えない文脈上の不一致に気づく役に絞られる。AIが文脈ごとの訳し分けまで判定できれば人の時間はほぼ消える。逆に、分野ごとの用語基準が定まらない案件では人が判断する時間が残る。", "confidence": "高"}, {"no": 7, "weight": 10, "now": 25, "year1": 32, "year5": 45, "human_layers": ["例外の発見", "目的と制約の設定"], "blockers": ["技術", "相手の受け入れ"], "enablers": ["技術", "費用"], "outlook": "文化や慣習の食い違いの候補はAIが指摘できるが、どの訳し方を選ぶかは相手との関係や目的に依り、人の判断が残る。AIが依頼主の方針や読者層を踏まえて選択肢を絞れれば人の時間は減る。逆に、依頼主が訳し方の判断を人に求め続ければ変わらない。", "confidence": "中"}], "share_now": 41, "share_year1": 50, "share_year5": 62, "reason": "書面翻訳と用語の確認は、文書翻訳APIやDeepLのような機械翻訳とその用語集機能が作業の層を引き受け、人の時間は品質確認と例外の発見に縮む。用語集作成と校正はLLMの下書きと校正機能が作業を担い、人は承認に回る。一方、同時通訳と手話通訳は音声翻訳の遅延と誤訳が残り作業そのものが人に残るため、職種全体では5年で6割程度にとどまる。", "demand": "減る", "demand_reason": "文書の下訳が機械翻訳に置き換わり、依頼主が自分で機械翻訳を使って済ませる案件が増えるため、翻訳者に発注される量は減る。一方で、機械翻訳の確認や法務・医療の通訳など人を求める案件は残り、全体では減少と見込む。", "remains": "人に残るのは、法律や学術の訳文の品質確認、文化や慣習の食い違いを見つけて訳し方を決める判断、同時通訳や手話通訳の作業そのものである。理由は、意図や場の文脈を読む技術が足りないことと、裁判や医療で人の通訳を求める制度と相手の受け入れが続くことにある。機械の遅延と誤訳が十分に下がり、制度が機械の利用を認めれば、この見立ては崩れる。", "who": "仕事の量が減るため担当者の人数は減り、下訳だけを担う経験の浅い翻訳者から減る。残るのは、法務・医療・技術などの専門分野で訳文の品質を保証できる経験者と、同時通訳や手話通訳ができる通訳者に偏る。翻訳会社では、翻訳者より機械翻訳の確認者と用語集の管理者の比率が増える。", "skills": "機械翻訳の出力の誤りを短時間で見つける読み方、分野ごとの用語と制度の知識、依頼主の目的と読者層に合わせて訳し方を決めて説明する力、用語集やAIへの指示を整備して訳文の品質を仕組みで保つ力が求められる。通訳では、機械が苦手な交渉や式典の場で、相手の意図を読み取って伝える力が引き続き中心になる。"}

GPT-6 Astra

ChatGPT のモデル名の表示は「GPT-6 Astra」。回答日 2026年10月21日。取得の条件: Codex のタスク（gpt-6-astra 指定）が回答。ChatGPT アプリの一時チャットではなく、1つのタスク内で35職種をファイル名順に逐次処理（職種ごとの新しい文脈ではない）。そのタスクの文脈には版4の確認、版5草案の批評、Claude の取得記録と回答例の読み取りが含まれ、他モデルの回答を見せないという条件を満たさない。実行時のモデル名は独立に確認されていない。ウェブ検索はしていない。保存後に研究開発と映像・動画制作の「何が残るか」の文章を同じタスクが1語ずつ直した（数値の変更なし。research/opinions/v5-2026-10-21/astra-2026-10-21/corrections.json）。

仕事の量（5年）: 増える。翻訳の費用が下がり、社内資料、短い動画、細かな顧客対応なども多言語化しやすくなる。翻訳される量は増えるとみるが、定型文を利用者が直接処理する範囲も広がる。専門職への依頼は重要な確認と調整へ寄る。

{
  "tasks": [
    {
      "no": 1,
      "weight": 10,
      "now": 40,
      "year1": 52,
      "year5": 72,
      "human_layers": [
        "品質の確認",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "難易度に応じた訳の案はAIに移り、人は理解できるかを確かめるが、学習者の反応を評価できれば調整も減る。易しい言葉にして意味が変わる場合は、訳の構成から人が直す。",
      "confidence": "中"
    },
    {
      "no": 2,
      "weight": 30,
      "now": 55,
      "year1": 68,
      "year5": 85,
      "human_layers": [
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "文書の初訳はAIに移り、人は意味と専門分野の条件を確かめるが、原文との対応を検証できれば確認も減る。曖昧な表現や重要な留保を取り違える場合は、定型の文章も人が訳し直す。",
      "confidence": "中"
    },
    {
      "no": 3,
      "weight": 20,
      "now": 25,
      "year1": 38,
      "year5": 60,
      "human_layers": [
        "作業",
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "定型の音声通訳はAIに移り、人は意図と場の進行を確かめるが、雑音や話者の違いを扱えれば介入も減る。手話の表情や身振り、微妙な含意を捉えられなければ、その場の通訳は人が担う。",
      "confidence": "低"
    },
    {
      "no": 4,
      "weight": 15,
      "now": 45,
      "year1": 58,
      "year5": 78,
      "human_layers": [
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "誤記と不統一の検出はAIに移り、人は自然さと意味を確かめるが、原文と利用目的を検証できれば編集も減る。流暢でも誤った訳を見逃すなら、校正の対象を人が広く読み直す。",
      "confidence": "中"
    },
    {
      "no": 5,
      "weight": 5,
      "now": 65,
      "year1": 78,
      "year5": 92,
      "human_layers": [
        "品質の確認",
        "実行の承認"
      ],
      "blockers": [
        "技術"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "用語候補の抽出と整理はAIに移り、人は採用する訳を確認するが、分野と文脈を照合できれば選定も減る。同じ語の意味が案件で変わる場合は、定型の用語集も人が調整する。",
      "confidence": "中"
    },
    {
      "no": 6,
      "weight": 10,
      "now": 55,
      "year1": 68,
      "year5": 88,
      "human_layers": [
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "用語の照合はAIに移り、人は文脈に合う意味かを確かめるが、概念の違いを検証できれば確認も減る。表記が一致していても別の概念を指す場合は、訳語の選択から人が見直す。",
      "confidence": "中"
    },
    {
      "no": 7,
      "weight": 10,
      "now": 25,
      "year1": 38,
      "year5": 58,
      "human_layers": [
        "作業",
        "品質の確認",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "意味の食い違いの候補はAIが示し、人は文化や利用場面を確かめるが、当事者の理解を検証できれば調整も減る。言外の前提や慣習を捉えられなければ、自然な訳文でも人が説明を補う。",
      "confidence": "低"
    }
  ],
  "share_now": 44,
  "share_year1": 56,
  "share_year5": 76,
  "reason": "現在は文書の初訳、書式の維持、用語集と表記の照合で時間が減る。1年では文脈と組織の用語を反映しやすくなり、5年では定型の音声通訳と校正も広くAIに移る。人には重要な意味の確認、学習者に合わせた調整、文化や場の意図の解釈が残る。文書、音声、手話を同じ進度とはせず、流暢な出力の誤りを見つける確認と、その場のやり取りに使う時間を含めて見積もる。",
  "demand": "増える",
  "demand_reason": "翻訳の費用が下がり、社内資料、短い動画、細かな顧客対応なども多言語化しやすくなる。翻訳される量は増えるとみるが、定型文を利用者が直接処理する範囲も広がる。専門職への依頼は重要な確認と調整へ寄る。",
  "remains": "重要な留保や専門用語の意味を確かめ、利用目的に合わせて訳を整える仕事が残る。人は原文の曖昧さを発信者へ確認し、学習者や読者に伝わる表現を選ぶ。通訳では場の反応、発言の意図、手話の非言語的な要素にも対応する。文脈と当事者の理解を十分に検証できれば、確認と調整の時間は減る。誤りの影響が大きい案件では確認の深さが必要になる。",
  "who": "翻訳される量が増えても、初訳だけを担う人数は減りやすい。一人が多くの文書を扱い、専門分野の知識と校正、通訳時の調整に強い人の比重が上がる。若手は機械訳を直すだけでなく、原文から意味を取り、なぜその訳を選ぶかを説明する経験が必要になる。文書と対面通訳では変化が違い、翻訳量の増加だけで職種全体の人数を判断しにくい。",
  "skills": "両言語と専門分野の知識を使い、自然な文章の中にある意味のずれを見つける力が要る。用語集では表記だけでなく、案件ごとの定義と文脈を管理する。原文の曖昧さを発信者に確認し、読者や学習者の理解に合わせて表現を調整する力も重要になる。通訳では聞き取れなかった部分を確かめ、場の進行を妨げずに誤解を修正することが求められる。"
}