KDDIが生成AIで広告画像を自動生成、デザイン工数50％削減をβ版で確認

ブランド規定をAIプラットフォーム側のデフォルトプロンプトとして作り込み、利用者の操作から切り離した設計が、まず効いています。利用者に求められるのはバナーサイズやブランド種別の指定と素材画像の投入、そしてブランドが定義する付加価値の選択までで、規定をどう解釈するかは仕組みが引き受けます。守るべき原則を人が覚えて当てはめる形から、原則が入った状態で生成が始まる形へ順序を入れ替えたわけで、知識の有無が成果物の差になりにくい構造が生まれています。

生成する機能と、良い案を選ぶ機能を別々に用意した点も見逃せません。画像生成AIは案を数多く出せますが、数十種を前にすれば今度はどれを採るかという負担が生まれます。ここに過去の配信実績データからクリック率を予測するモデルを置き、自動で絞り込んでから利用者に見せる流れにしたことで、生成量の多さが負担ではなく選択肢の広さとして働くようになったと考えられます。判断の根拠を経験則から自社に蓄積されたファーストパーティデータへ移したことが、この二段構えの要でしょう。

AIの作り込みと、それを日常業務で回すための土台づくりを、それぞれ得意な相手に配分した進め方も要因に挙げられます。RecursiveがAIプラットフォームのカスタマイズとデフォルトプロンプト、KPI予測モデルの開発を担い、Supershipが全体の進行管理に加えてWebアプリケーション、インフラ基盤、データパイプライン、操作画面の設計と実装を担当しました。過去の配信実績を予測モデルへ流し込む経路と、専門家でなくても迷わない操作画面がなければ、モデルの精度は現場の使い勝手には変換されません。