動画広告の制作現場で何が変わったのか
SNSのフィードやストーリーズでは、短尺の縦型動画が購買の入口として定着しました。ひとつの完成品を大量に配信する時代から、視聴者層・配信面・時間帯ごとに異なるクリエイティブを用意し、反応を見ながら入れ替える時代へと移っています。ところが従来の撮影・編集体制では、クリエイティブの本数を増やすほどコストとリードタイムが比例して増えます。ロケの手配、キャストのスケジュール調整、編集ディレクターの工数、書き出しの待ち時間。どれも本数に比例します。
AI動画生成は、この比例関係を崩します。テキストから映像を生成するモデル、静止画から動きを作るモデル、既存素材のスタイルを転写するモデル、音声を合成するモデル。これらを組み合わせれば、ひとつのコンセプトから数十本の派生クリエイティブを短時間で用意できます。撮影をせずに企画の当たり外れを検証し、反応の良かった方向にだけ制作リソースを集中させる。これが現在の実務的な使い方です。
ただしAIは万能ではありません。物理的な連続性（手に持った物が消える、液体の量が変わる）、繊細な感情表現、商品の細部の再現、法規制に関わる表現の正確さは、いまも人間の確認が欠かせません。AIに任せる工程と人間が握る工程を切り分けることが、最終的な成果を左右します。
もう一点、見落とされがちな前提があります。AIで本数を増やせるからといって、本数を増やすこと自体が目的になってはいけません。検証したい仮説が先にあり、その仮説を確かめるために必要な本数だけを作る。この順序を守らないと、素材だけが積み上がり、学習が進まない状態に陥ります。
広告動画のAIワークフロー全体像
制作は一直線の工程ではありません。AIを組み込んだ場合、企画と生成と検証が短いサイクルで何度も往復します。ここでは実務で回しやすい七つのフェーズに分けて整理します。各フェーズの成果物を明確にしておくと、途中でやり直しになったときの戻り先がはっきりします。
フェーズ1：目的とKPIを先に決める
動画を作る前に、何を達成したいのかを一文で書きます。認知拡大なのか、視聴維持なのか、クリックなのか、購入なのか、アプリの起動なのか。目的が違えば、冒頭の数秒で語るべき内容も、尺も、テンポも変わります。KPIは3秒視聴率、完視聴率、クリック率、コンバージョン率のように計測可能な粒度で決め、目標値を数値で置きます。「なんとなく良さそう」を排除することが、後の判断を速くします。
フェーズ2：ブリーフを構造化する
生成モデルに渡す前提は、文章として整理されているほど扱いやすくなります。ターゲット、インサイト、提供する価値、その根拠、トーン、禁止事項、必須要素（ロゴ、商品名、法的表記、字幕の書式）を箇条書きにします。この時点で曖昧な表現が残っていると、出力のばらつきという形で必ず跳ね返ってきます。「若者向けにカッコよく」ではなく「20代前半、通勤中に視聴、テンポは速め、彩度は高め、話者は同世代」まで落とし込みます。
フェーズ3：絵コンテとショットリストを作る
生成AIはカットの集合として映像を作ります。したがって、どのカットが必要かを先に決めておくほうが安定します。各カットに尺、カメラの動き、被写体の動作、背景、遷移の仕方を書き添えます。6秒から15秒の短尺であれば、おおむね4から8カットが目安です。カット数が多すぎると一カットあたりの情報量が減り、視聴者が状況を理解できないまま終わってしまいます。
フェーズ4：素材を生成する
ここでようやくモデルの出番です。キービジュアルや主要カットを静止画で作り込み、それを起点に動画へ展開する流れが、品質と一貫性の両立に最も向いています。いきなり動画を生成するよりも、構図と人物の見た目を静止画で確定させたほうが、やり直しのコストが下がります。
フェーズ5：編集・音声・字幕を整える
生成したカットは、そのままでは広告になりません。テンポを整え、不要なフレームを削り、音を載せ、字幕を入れ、冒頭の1秒を最も強い画に差し替えます。音声は合成音声でもよいですが、固有名詞と数字の発音確認は必須です。字幕はプラットフォームごとの安全領域（UIに隠れない範囲）を守ります。
フェーズ6：バリエーションに展開する
フック、本編、CTAの三つをモジュールとして扱い、掛け合わせで派生版を作ります。フックを3種、CTAを3種用意すれば、それだけで9通りの組み合わせが生まれます。すべてを作り直すのではなく、差分だけを生成するのが効率的です。
フェーズ7：配信して改善する
配信後は、どのバリエーションがどの指標で勝ったかを記録します。勝因を言語化して次のブリーフに戻す。この往復が、AI活用の効果を時間とともに大きくしていきます。
AIモデルとツールの選定基準
ツール選定は、知名度ではなく自社の工程に合うかで決めます。用途が異なる複数のモデルを併用するのが現実的で、ひとつのモデルですべてを賄おうとすると必ずどこかで妥協が生まれます。
比較すべき七つの軸
第一に出力の解像度と尺。縦型の配信面では1080×1920が実用上の基準です。第二に一貫性の保持力。同一人物を複数カットで維持できるかは、キャンペーン動画では決定的です。第三にカメラワークの制御。寄り、引き、ドリー、パンといった指示にどこまで従うかを見ます。第四にリップシンクと音声の品質。第五に商用利用の条件と学習データの扱い。第六にAPI連携の有無とレイテンシ。第七にコスト構造の予測しやすさ。
この七つを表形式で並べ、自社の重要度に重みをつけて評価します。すべての軸で最高点のツールは存在しないため、重みづけをしない比較は意味を持ちません。
タイプ別の使い分け
実写風の人物を扱うなら、フォトリアリズムに強い画像生成モデルと、動きの自然さに定評のある動画生成モデルの組み合わせが安定します。アニメ調やイラスト調の表現は、スタイル転写を得意とする系統が向いています。商品そのものを正確に再現したい場合は、生成に頼らず実写素材や3DCGを併用したほうが安全です。
ツールチェーンを組むときの考え方
生成、編集、音声、字幕、配信の各工程で使うツールを決め、受け渡しのファイル形式を固定します。中間ファイルの形式がばらつくと、書き出しのたびに画質が落ちます。プロジェクトごとに使用モデルとパラメータを記録しておくことも欠かせません。同じ設定を再現できなければ、当たった表現を再現できないからです。
ブランドの一貫性を守る設計
広告において最も避けたいのは、ブランドの見え方が回ごとに変わることです。AI生成は放っておくと、毎回わずかに異なる人物と質感を返します。この揺れを制度として抑え込む必要があります。
キャラクターシートを作る
登壇者や象徴的な人物を継続して登場させる場合、正面、斜め、横、背面の参照画像を用意し、髪型、服装、年齢感、体型のメモを添えます。参照画像を複数枚入力できる機能を使えば、別カットでも同一人物として認識させやすくなります。シートは一度作れば、その後の全キャンペーンで使い回せます。
スタイルを言語化して数値化する
「温かみのある」といった形容詞は、モデルにとって指示になりません。色温度、彩度、レンズの焦点距離、光源の方向、影の硬さ、フィルムグレインの有無。これらを言葉と参照画像の両方で指定します。撮影用のスタイルガイドをそのままAI用に翻訳する感覚です。
技術的な担保方法
第一に参照画像の活用。第二に構図を指定できる補助機能の利用。第三にシード値の固定と記録。第四に自社素材での追加学習。第五に、生成後のカラーグレーディングで統一する仕上げ工程。特に五番目は見落とされがちですが、別々に生成したカットの色を最後に揃えるだけで、同じ現場で撮影したような連続感が生まれます。
プロンプトと素材設計の実務テクニック
プロンプトは呪文ではなく仕様書です。順序立てて書くほど結果が安定します。
構造化プロンプトの型
被写体、動作、場所、時間帯、照明、カメラ、レンズ、スタイル、除外要素の順で記述します。「30代の女性が商品を手に取り、自然光のキッチンで微笑む。中景、肩越し、浅い被写界深度、落ち着いた色調。文字の焼き込みなし、指の本数を正しく」。この粒度で書くと、修正の指示もしやすくなります。
カメラワークの指示
動画生成では、カメラの動きを一文で明示します。ゆっくり寄る、固定、左へパン、被写体に追従する。複数の動きを同時に指示すると破綻しやすいため、一カットにつきひとつの動きに絞ります。
失敗しやすい記述
抽象的な美辞麗句、矛盾する指示（明るい夜、静かな騒音）、長すぎる一文、登場人物の指定漏れ。これらは生成の失敗という形で現れます。プロンプトを直す前に、そもそも絵コンテの情報が足りているかを疑うのが近道です。
素材の前処理
参照画像は、余計な背景や文字を消し、被写体がはっきり写っているものを選びます。解像度が高ければよいわけではなく、構図が明確であることが重要です。トリミングと色調の補正だけで、生成の成功率は目に見えて変わります。
バリエーション展開と配信テストの設計
AIの価値が最も出るのは、この展開工程です。ただし闇雲に作ると、どれが効いたのか分からなくなります。
モジュール化の考え方
動画を、冒頭3秒のフック、中盤の価値提示、終盤のCTAという三つの部品に分けます。部品ごとに複数案を用意し、掛け合わせます。差し替える変数をひとつに絞ることが、学習効率を最大化する鍵です。
テストの原則
検証では一度にひとつの変数だけを動かします。フックとCTAを同時に変えると、成果の差がどちらに由来するのか分かりません。配信面ごとに必須の縦横比と尺が異なるため、同じ企画でも9:16、1:1、16:9の書き出しを用意します。
命名規則と素材管理
ファイル名に、企画ID、フック種別、CTA種別、配信面、尺を埋め込みます。人間が読める規則にしておくと、レポート作成時の突き合わせが格段に楽になります。生成に使ったプロンプトとシードも、テキストファイルとして同じフォルダに残します。
効果測定と改善ループの作り方
AIで作った動画も、最終的には数字で評価されます。制作の速さは手段であり、成果ではありません。
見るべき指標
上位ファネルでは3秒視聴率と完視聴率。中位ではクリック率と視聴時間。下位ではコンバージョン率と獲得単価。加えて、ブランド想起や好意度といった調査指標を、可能であれば四半期ごとに測ります。短期の反応が良い動画が、長期のブランド評価を下げているケースは珍しくありません。
改善の順番
最初に直すのはフックです。3秒視聴率が低ければ、その先をどれだけ磨いても見られません。次に尺とテンポ。完視聴率が伸びない場合は、中盤の情報量を削ります。最後にCTAの表現と配置。ここまで来て初めて、訴求文の比較が意味を持ちます。
自動化のライン
指標が一定の閾値を下回ったクリエイティブを自動で停止し、あらかじめ用意した予備案に差し替える仕組みを組むと、運用負荷が下がります。ただし自動化するのは停止と差し替えまでに留め、新しいコンセプトの生成は人間の判断を挟むほうが安全です。
クリエイティブ疲弊への対応
同じ動画を配信し続けると、反応は徐々に落ちます。反応が落ちる前に次のバリエーションへ切り替える運用を、カレンダーにあらかじめ組んでおきます。疲弊の速度は配信面とオーディエンス規模によって変わるため、過去データから自社なりの交換周期を見つけます。
よくある失敗と回避策
AI広告動画でつまずくポイントは、おおむね共通しています。
手や指の造形が崩れる。手を画面の中心に置かず、動きの中で一瞬だけ見せる構成にすると目立ちません。それでも崩れる場合は、手を使わない構図に変更します。
画面上の文字が崩れる。生成モデルに文字を描かせず、編集工程でテキストを載せるのが原則です。ロゴや商品名は必ず後載せにします。
人物の顔が回ごとに変わる。参照画像の複数入力とシード固定で対策します。それでも揺れる場合は、顔を大きく映すカットを減らすか、後ろ姿や手元のカットで構成します。
テンポが合わない。生成したカットは尺が長めになりがちです。思い切って15から30パーセント削ると、体感のテンポが大きく改善します。
音声が不自然。固有名詞と数字だけは実際に聞き直します。合成音声の抑揚は、句読点の打ち方でかなり変わります。
ブランドから逸脱する。色調とロゴの扱いをガイド化し、レビュー工程で必ず確認します。
法的な表現の誤り。効果効能や優位性の表現は、生成に任せず人間が確認します。
効果が出ないまま本数だけ増える。検証仮説を一行で書けない企画は、作らないという判断も必要です。
チーム運用・権利・ガバナンス
個人で完結する規模を超えると、運用の設計が成果を左右します。
役割分担
企画、プロンプト設計、生成、編集、レビュー、配信の六役を、少人数で兼務する形でも構いません。重要なのは、生成した本人以外がレビューする工程を必ず挟むことです。作り手は意図を知っているため、初見の違和感に気づけません。
権利とライセンス
使用するモデルの利用規約を確認し、商用利用の可否、生成物の権利归属、学習への利用条件を把握します。参照画像は自社で権利を持つものだけを使います。実在の人物に似た出力が得られた場合は、その時点で採用を見送ります。
開示とブランドセーフティ
AI生成であることの開示が必要な配信面では、規定に従います。また、生成物が意図しない偏見や不適切な表現を含まないかを確認する工程を設けます。最終責任は人間が負うという前提を、チーム内で共有しておきます。
ナレッジの蓄積
成功したプロンプト、設定値、却下理由を記録する場所をひとつに決めます。属人化を防ぐ最も確実な方法は、再現手順を書面に残すことです。
FAQ：AI広告動画制作の疑問
AI生成の広告は視聴者に嫌われませんか
見た目が自然であれば、多くの視聴者は生成の有無を意識しません。逆に不自然な手や口の動きは、内容に関係なく離脱の原因になります。技術的な粗が見えないことが最優先です。
適切な尺はどのくらいですか
配信面によります。縦型のフィードでは6秒から15秒が中心で、ストーリーズではさらに短い傾向があります。まず複数の尺を書き出し、完視聴率で比較するのが確実です。
実写とAI生成はどちらを選ぶべきですか
テスト目的や派生版の量産はAI、主軸となる主映像や繊細な感情表現は実写。この役割分担が現実的です。両者を組み合わせるハイブリッド構成が最も成果に結びつきます。
生成に失敗が続くときは
プロンプトを何度も書き換える前に、一度立ち止まります。参照画像の品質、カットの尺、指示の矛盾、モデルとの相性を順に確認します。原因の八割はプロンプト以外の要素にあります。
商品そのものを正確に再現できますか
細部の再現は苦手です。商品は実写素材や3DCGを使い、周辺の世界観だけを生成する分離設計が安全です。パッケージの文字や色は特に崩れやすい箇所です。
少人数でも運用できますか
可能です。ただし担当を増やすより、テンプレートと命名規則を整えるほうが効果的です。手順が定型化されていれば、二人でも十分に回せます。
効果測定はどこから始めればよいですか
3秒視聴率とクリック率の二つから始めます。この二つが読めれば、フックの問題かCTAの問題かを切り分けられます。指標を増やしすぎると、かえって判断が遅くなります。
最初に作るべきものは何ですか
キャラクターシートとスタイルガイドです。この二つが揃うと、以降の生成のぶれが大幅に減ります。逆にこれを後回しにすると、作り直しの工数が積み上がります。
次の一歩
まずは既存の広告一本を選び、そのフックだけをAIで三種類作り直してみてください。企画と効果測定をつなぐ最小の実験です。反応を比べ、勝因を一行で書き残す。この小さな往復を繰り返すことが、AIを制作現場に定着させる最短の道です。
