食べログ多言語版のAI翻訳で73%のコスト削減とネイティブレベルの品質向上を実現した話 - Tabelog Tech Blog

はじめに プロジェクト背景：インバウンド需要と翻訳課題 AIモデル選定：性能評価とコスト分析 実験詳細 評価方法 データセット 評価対象モデル 評価結果 翻訳対象：多様な言語アイテムの分析 代表的な5つのパターン毎のアプローチの詳細 店名 支店名 メニュータイトル メニュー説明 口コミ内容 性能改善の知見 英訳ルールとfew-shotによる基礎性能の確保 文脈情報の効果的な活用 固有名詞処理の体系化 日本語特有表現への対応 GPT-4o miniで十分な性能に持っていくための工夫 コストを節約する工夫 導入効果 今後の展開 多言語への展開 未翻訳アイテムへの対応 最新技術のキャッチアップと継続的な改善 自動プロンプト改善の活用 定期的なシステムの見直し さいごに はじめに AIトランスフォーメーション推進部の富田です。前期まで食べログのデータサイエンスチームのテックリードをしておりました。