— 01 —生成から検品までのワークフロー
実務の流れは、生成→選別→修正→検品の四段だ。まず生成。ここで肝心なのは、プロンプトにブランド情報をどう渡すかだ。「バナーを作って」だけでは平均的な絵が出てくる。使ってよいブランドカラー、書体の方向性、避けたいトーン、参照してよいキービジュアルの雰囲気を、言葉で具体的に渡すほど、出力はブランドに寄る。
次に選別と修正。生成された候補から、方向性が近いものを選び、細部を人の手で整える。AIの出力は「惜しい」ことが多く、そのまま使うより、たたき台として扱うほうが現実的だ。色がわずかにブランドから外れている、文字組みが窮屈、といったずれを人が詰める。最後に検品で、ブランドに出して大丈夫かを最終確認する。生成が速い分、この選別と検品にこそ時間を割り当てるのが、品質を保つ配分になる。
ここで権利面にも触れておきたい。生成物の商用利用可否や、学習データ・出力物の扱いは、使うツールや契約によって条件が異なり、変化も速い。だから確認できる範囲で、利用するサービスの利用規約と商用利用条件を、そのつど自分で確かめる姿勢が要る。ここは断定を避け、案件ごとに確認する前提で運用したい。
「うまいが、うちじゃない」って、最初はうまく言えなくてモヤモヤしてたんです。でも構造だと分かってからは、むしろ人の出番はここだなって腹が据わりました。言葉にできると強いですよ、ほんとに。
— 02 —「うまいが、うちじゃない」が生まれる構造
AIで作ると、しばしばうまいが、うちじゃないという感覚に出会う。仕上がりは綺麗なのに、自社のバナーには見えない。これは相性の問題ではなく、構造的に起きることだ。
生成AIは、膨大な学習データの傾向を踏まえて、もっともらしい出力を返す仕組みで動いている。言い換えると、多くの事例の平均的なところへ寄せる力が働きやすい。一方でブランドとは、平均から意図的に離れることで「その他大勢」と区別される存在だ。何者かであるとは、他と違うということでもある。
つまり、学習の平均値とブランドの固有性は、そもそも逆方向を向いている。放っておけばAIは無難で見覚えのある方へ、ブランドは独自で見分けのつく方へ引っ張られる。だから生成物が平均に寄って見えるのは、AIが失敗したのではなく、そういう性質だからだ。プロンプトでブランド情報を渡すのは、この平均へ寄る力に抗って、出力を自社側へ引き戻す作業にほかならない。渡す情報が薄ければ、出力はするりと平均へ戻る。この構造を理解しておくと、どこを人が引き戻すべきかが見えてくる。
— 03 —検品基準を言語化できる人が、上流に立つ
平均へ寄る力を引き戻すには、引き戻す先の基準が要る。その基準がガイドライン・識別資産・トーンだ。ブランドガイドラインは何をどう扱うかの規定、識別資産はロゴ・色・書体・キービジュアルという見分けの核、トーンは語り口や世界観の空気を指す。この三つに照らして、生成物が自社らしいかを検品する。
重要なのは、この基準を言語化できるかどうかだ。「なんとなく違う」では、AIにも他人にも直せない。感覚は再現も共有もできないからだ。「彩度が高すぎてブランドの落ち着きが出ていない」「書体が硬すぎて親しみが消えている」と、ずれの正体を言葉にできて初めて、修正の指示にも、次のプロンプトにも活かせる。言語化は、検品を個人の勘から、チームで再現できる手順へと変える。
ここが土台の話につながる。基準を言語化できるのは、ブランドのコアが定義されているからだ。何者で、どう見られたいかが決まっていなければ、何を守り、どこがずれかも言えない。だから、基準を言葉にできるデザイナーだけがAIの上流に立てる。生成を回す人ではなく、生成物を評価できる人が要になる、ということだ。
— 04 —経営には、投資の向け先を提案する
この流れを経営に伝えるとき、AI導入を制作費削減だけで語ると、話が痩せる。確かに量産は速く安くなる。だが、削減は一度きりで頭打ちになる話で、そこから先の伸びしろを示さない。そこで浮いた時間と予算をどこに向けるかまで提案できると、話が前に進む。
提案したいのは、削減で終わらせず、基準の言語化への投資替えだ。AIが平均へ寄せる以上、ブランドを平均から引き離す作業の価値はむしろ上がる。その作業は、ガイドラインの整備、識別資産の定義、トーンの明文化に支えられている。ここが曖昧なままAIで量産すれば、うちらしくないバナーを速く大量に出すことになりかねない。速く間違えるだけ、という状態だ。だから、生成の速さを活かすほど、判断の基準を固める投資が効いてくる。制作を削って、基準を厚くする。この付け替えを一言で経営に渡せると、AI時代のデザイナーの立ち位置がはっきりする。まずは自社のバナーのずれを、言葉で言い当ててみるところから始めたい。それができれば、あなたはもうAIの上流に立っている。
- 生成→選別→修正→検品の型で回し、権利面は確認できる範囲で確かめる
- 学習の平均値とブランドの固有性は逆方向だから「うちじゃない」が起きる
- 検品基準を言語化できるデザイナーだけがAIの上流に立てる