技能実習生の労災1.74倍、多言語AIで安全教育を回す現実的な手 ─ 三菱「MelBridge」とClaude API自作版を並べてみる

技能実習生の死傷年千人率は 4.10。全労働者平均 2.36 の 1.74倍 (厚労省 令和5年外国人労働者の労働災害発生状況)。

三菱電機が「MelBridge しゃべり描き翻訳」を 2025年11月3日にサブスク発売 (プレスリリース)、22言語スタートで30言語まで広げる構え。
価格は個別見積もり、つまり「中小工場が即決できる値段かどうかは未知」だ。

待つ手もあるが、待ってる間にも安全衛生法 59条の義務は走る。
Claude API で「やさしい日本語+ふりがな+多言語」までを 1ファイル 200行くらいのスクリプトに落とすと、実費は 月 ¥700 程度。
本記事は、その自作軽量版のコードと、三菱の本格版・Languise のような商用SaaSとの 使い分け表を一気に並べる。

数字: 外国人作業者の労災が1.74倍という事実

まず数字から。誇張は一切要らない、厚労省の原典をそのまま貼る。

出典: 厚労省 令和5年 外国人労働者の労働災害発生状況

外国人労働災害死傷者の 48.3%が製造業 (5,672人中 2,741人)。
ベトナム 25% / 中国 18% / フィリピン 11% という国籍構成 (翻訳センターblog)。
ここを「言葉の壁」のまま運用してる工場は、統計上の確率で事故を踏みにいっている。

そして法律側もすでに動いている。

• 労働安全衛生法 第59条 ─ 安全衛生教育は 全労働者 (外国人含む) に義務
• 厚労省ガイドライン ─ 母国語または視聴覚教材 など外国人が理解できる方法で実施
• 厚労省は 11言語(英・中・越・タガログ・クメール・インドネシア・タイ・ビルマ・ネパール・モンゴル・日本語)で教材を無償配布 (外国人労働者の安全衛生管理)
• 日本語のみで教育 → 安全配慮義務違反判例リスクあり (osh-management 解説)

助成金もある。人材確保等支援助成金 外国人労働者就労環境整備助成コース は翻訳・マニュアル整備に使え、令和7年度から「やさしい日本語」変換コストも対象に追加された。
つまり「お金がない」は今や半分しか言い訳にならない。

三菱「MelBridge しゃべり描き翻訳」が解こうとしている課題

三菱電機の MelBridge は、この外国人比率と労災率の交点を狙ってきた製品だ。
2025年11月3日サブスク発売、Webアプリ形式で Android/iPad/Windows に対応する。

機能は2本立て:

公式コメントは「従業員同士のコミュニケーションの活性化に資する本アプリケーションの提供などにより、生産現場における作業品質と安全性向上に貢献します」(プレスリリース 2025-10-08)。

シリーズ全体ではこう並ぶ:

ここまでは三菱の世界。よく出来ている。
ただし現場目線で気になる点が4つある。

1. 価格非公開 ─ 中小企業の購買判断が遅延する
2. 22言語スタート ─ ネパール語/ベンガル語など南アジア系の収録は公式に明言されていない
3. 三菱FA前提の心理的ハードル ─ 既存ラインを三菱で揃えていない工場は導入時に上申コストが乗る
4. オフライン動作への言及なし ─ 通信圏外の倉庫等の用途は別途検証要

要は「待てる工場」と「待てない工場」がある。
待てる工場は、CEATEC 2025 のレポート (こちら) を読みつつ三菱の営業を呼べばいい。
待てない工場のために、次にコードを置く。

Claude APIで作る軽量版 ─ 月 ¥700 で多言語+ふりがな+やさしい日本語

ここが本題。
作るものは「日本語の作業手順 1枚 → やさしい日本語 + ふりがな + 4言語翻訳 を 1つのPDFに」というシンプルなツールだ。

スタックは Python 3.11 + anthropic SDK + pykakasi + reportlab。
モデルは Claude Sonnet 4.6 ($3 input / $15 output per 1M tokens、Anthropic 公式 pricing)。
1手順 300字を 4言語+やさしい日本語で処理しても 約 ¥7/手順、月100手順回しても 約 ¥700。

Claude Code への指示文 (実際に投げたもの)

製造業の外国人作業者向け安全教育ツールを作って。日本語の作業手順を入力すると、(1) やさしい日本語に書き換え、(2) pykakasi でふりがなを付け、(3) ベトナム語・中国語簡体字・インドネシア語・英語に翻訳、の3工程を Claude Sonnet 4.6 で実行する。同じ用語集は system prompt に埋め込んでキャッシュ。Streamlit でUI、reportlab でPDF出力。最低限 200行以内に収めて。

これをそのままClaude Codeに渡して出てきたのが下のコードだ (中核部分のみ抜粋、全文は GitHub リポジトリ参照)。

コア実装

# multilang_safety_kit/core.py
import os
from anthropic import Anthropic
import pykakasi

client = Anthropic(api_key=os.environ["ANTHROPIC_API_KEY"])
MODEL = "claude-sonnet-4-6"

TARGETS = ["ベトナム語", "中国語(簡体字)", "インドネシア語", "英語"]

# 用語集は system prompt に固定 → prompt caching が効く
GLOSSARY = """\
- 治具 → fixture / 夹具 / đồ gá
- 歩留り → yield rate / 良率 / tỷ lệ thành phẩm
- KY活動 → 危険予知活動 (Hazard Prediction)
- 玉掛け → slinging (吊り上げ作業の準備)
"""

SYSTEM_PROMPT = f"""あなたは製造業の安全教育文書を扱う翻訳者です。
以下の用語集を厳守してください。揺れを許しません。

{GLOSSARY}

出力は本文のみ。前置きや言い訳は書かない。"""


def to_easy_japanese(text: str) -> str:
    """専門用語と漢字熟語をやさしい日本語に置換"""
    user_msg = f"""次の作業手順を「やさしい日本語」に書き換えてください。
ルール:
- 漢字熟語は和語に (例: 「実施する」→「やる」)
- 一文を 20字以内
- 受動態を使わない
- 番号付きリストは維持

入力:
{text}"""
    res = client.messages.create(
        model=MODEL,
        max_tokens=1024,
        system=[{
            "type": "text",
            "text": SYSTEM_PROMPT,
            "cache_control": {"type": "ephemeral"},  # prompt caching
        }],
        messages=[{"role": "user", "content": user_msg}],
    )
    return res.content[0].text


def translate(text: str, target_lang: str) -> str:
    """安全教育文脈を保ったまま target_lang に翻訳"""
    user_msg = f"""次の作業手順を {target_lang} に翻訳してください。
製造現場の安全教育で使う想定です。用語集の対訳を最優先で適用してください。

入力:
{text}"""
    res = client.messages.create(
        model=MODEL,
        max_tokens=1024,
        system=[{
            "type": "text",
            "text": SYSTEM_PROMPT,
            "cache_control": {"type": "ephemeral"},
        }],
        messages=[{"role": "user", "content": user_msg}],
    )
    return res.content[0].text


def add_furigana(text: str) -> str:
    """漢字に ( ) でふりがなを付与"""
    kks = pykakasi.kakasi()
    parts = kks.convert(text)
    out = []
    for p in parts:
        if p["orig"] != p["hira"] and any("一" <= ch <= "鿿" for ch in p["orig"]):
            out.append(f"{p['orig']}({p['hira']})")
        else:
            out.append(p["orig"])
    return "".join(out)


def build_all(text: str) -> dict:
    easy = to_easy_japanese(text)
    return {
        "original": text,
        "easy_ja": easy,
        "furigana": add_furigana(easy),
        **{lang: translate(easy, lang) for lang in TARGETS},
    }

Streamlit 側の UI は下記のとおり超シンプル。

# multilang_safety_kit/app.py
import streamlit as st
from core import build_all
from pdf import to_pdf

st.title("多言語 安全教育キット")
text = st.text_area("作業手順を貼り付け (日本語)", height=200)

if st.button("変換実行") and text.strip():
    with st.spinner("Claude が処理中..."):
        result = build_all(text)
    for label, body in result.items():
        st.subheader(label)
        st.write(body)
    st.download_button("PDFをダウンロード", to_pdf(result), file_name="safety.pdf")

これだけで「やさしい日本語化 → ふりがな付与 → 4言語翻訳 → PDF」が動く。
重要なのは system prompt に用語集を固定して prompt caching を効かせている点で、2回目以降の同セッション内呼び出しはキャッシュヒットして実費がさらに落ちる (Anthropic prompt caching docs)。

実費とレイテンシ

数字は実費レンジ、トークン量と利用回数で当然ぶれる。
ぶれの大きさより、月数万円の SaaS と月¥700 のスクリプトの間に2桁の差があるという事実のほうが効く。

書いたコードを社内に浸透させるところで詰まる工場も多い。
Claude API キーの管理や、外国人作業者を含む現場への運用ルール定着までを伴走してほしい場合は、AI鬼管理 のような導入支援サービスを検討する手もある。

なぜ ChatGPT ではなく Claude を選ぶか

正直、ChatGPT (GPT-5系) でも同じことは書ける。
ただ実装系で Claude を選ぶ理由は 3つ。

過剰に持ち上げる必要はない。
「用語集を厳守したい翻訳タスク」と「日本語の言い換え」という今回の要件にたまたま強いのが Claude、という温度感だ。
ChatGPT で書く場合も to_easy_japanese / translate の関数構造は同じで、SDK差し替えと system prompt 形式の調整で動く。

競合5社マトリクス: MelBridge / ポケトーク / KOTOBAL / VoiceBiz / Languise

軽量版の話だけでは現場の選定担当には足りない。
「金を払って買う側」の選択肢も並べる。

出典: ポケトーク / KOTOBAL / TOPPAN VoiceBiz / Languise (IT Trend)

ざっくり言えば、

• 口頭の通訳 (1対1の朝礼・KY) → MelBridge / ポケトーク / KOTOBAL
• ファイル丸ごと翻訳 (PDFマニュアル/SOP) → Languise / Claude API 自作
• 窓口・受付業務 → VoiceBiz

という棲み分け。
今回の「安全教育マニュアル多言語化」という用途では、口頭通訳系よりも ファイル翻訳系の方がフィットする ─ ここが本記事の結論への伏線になる。

ハマりポイント4つ ─ 実装してみて初めて気づくところ

擬似コードのままでは現場運用に耐えない。
実際にビルドしたときに踏んだ落とし穴を 4つ。

(1) pykakasi のふりがな精度ブレ

業界専門用語は読みを間違える。
「歩留り」は ほどめり ではなく ぶどまり、「治具」は ちぐ ではなく じぐ。
固有辞書 (pykakasi.Kakasi.set_user_dict()) で工場ごとの用語を補正しないと、ふりがな付き版はかえって混乱を生む。

(2) 翻訳の専門用語が文中で揺れる

「クレーン」が前半で cần trục (越)、後半で máy cẩu と訳語が揺れる事象は実際に出る。
対策は本記事のコードでもやっているとおり、system prompt に用語集を埋め込む + prompt caching を効かせるの2点。
それでも揺れる場合は、生成後に正規表現で用語置換する後処理を 5行入れる。

(3) PDF出力の多言語フォント

reportlab のデフォルトは 日本語非対応。
IPAexGothic などの TTF を同梱必須。さらに中国語繁体字・タイ語・クメール語は別フォントが要る (Noto Sans CJK 系で広めにカバー可能)。
GitHub Actions でビルドする際は、フォントファイルをリポジトリに置くかワークフロー内で apt install する。

(4) 工場の通信環境

Claude API はインターネット必須。
現場が圏外の倉庫や金属壁の中だと動かない。
対策は (a) 朝の事務所で一括バッチ生成して紙PDFを配布、(b) ローカルキャッシュした結果をオフライン Streamlit で表示、のどちらか。
オンライン同時通訳が要るなら本格的に MelBridge/ポケトーク の出番に切り替わる。

ここで翻訳業務が回らないと感じたら、PDFやWordをそのまま投げ込んで多言語化できる Languise に逃げるのが一番安い時間の使い方だ。
自作 Python と商用 SaaS は対立ではなく、用途で切り替えるべき道具。

三菱本格版 vs Claude API自作版 vs Languise ─ 使い分け表

本記事の最終結論をこの表に置く。

三段ロケットで読んでほしい。

1. 法律レイヤー: 労働安全衛生法 59条で多言語安全教育は義務
2. DIYレイヤー: Claude API 自作で月¥700 から始められる
3. SaaSレイヤー: 詰まったら Languise (ファイル翻訳) / MelBridge (口頭通訳) に逃げる

ここの順番を逆にやる(=最初から個別見積の本格版を待つ)と、待ってる数ヶ月の間にも事故確率は積み上がる。
小さく始めて、足りない領域を商用に切り出す ─ それが現実的な手だ。

次の一歩

• GitHub リポジトリ: multilang-safety-kit/ (公開準備中、追って本記事末尾に追記)
• 厚労省の外国人向け安全衛生教材ダウンロードを、まず Claude API に投げて社内仕様化してみる
• 助成金 (人材確保等支援助成金 外国人労働者就労環境整備助成コース) の要件確認 ─ 翻訳・マニュアル整備が令和7年度から対象範囲拡大
• 三菱電機の MelBridge は プレスリリース から問い合わせ可。本気で導入検討する工場は、CEATEC レポを読みつつ営業を呼ぶフェーズ

まとめ

技能実習生の労災 1.74倍は、言葉の壁を放置している限り下がらない。
価格非公開の本格版を待つ前に、月¥700 のスクリプトと月¥1,200 の SaaS で 今週から動けるラインを作る ─ それが現実的な手だ。

参考文献・一次情報

• 三菱電機 公式プレスリリース 2025-10-08 (MelBridge しゃべり描き翻訳)
• MONOist 「言語の壁をぶっ壊す！世界初のしゃべり描き翻訳」
• 厚労省 令和5年 外国人労働者の労働災害発生状況 (PDF)
• 厚労省 外国人労働者の安全衛生管理
• Anthropic Claude pricing
• Anthropic prompt caching
• osh-management 外国人労働者への安全衛生教育
• 翻訳センター 外国人労働者と職場づくり