ARTICLES / CREATIVE / AI
AIでアイデアは増えるのに、なぜクリエイティブは似てくるのか
生成AIで案数を増やすほど似た表現が増えるのは、AIが既存パターンの組み合わせを得意とし、人間側も同じ問い・参考・評価基準を共有しやすいためです。独自性を守るには、生成前の観察と生成後の判断を設計する必要があります。
生成AIを使えば、コピー、構成案、ビジュアルの方向性を短時間で何十案もつくれます。以前なら数日かかった発散を、数十分で行える場面も珍しくありません。
ところが、案の数が増えたはずなのに、並べてみると似ている。言葉は違っても主張の構造が同じで、色やモチーフを変えても、どこかで見た印象が残る。企業がAIを本格的に使い始めたいま、この問題は個人の表現力ではなく、事業上の問題になりつつあります。
結論から言えば、AIを使うほど必ず似るわけではありません。似てくる主因は、AIが既存のパターンから妥当な答えを出すことに加え、人間側が同じ問い、同じ参考、同じ評価基準を与えていることです。独自性をつくるには、生成の技術より先に「何を入力し、何を選び、なぜ残すのか」を設計する必要があります。
増えているのは「候補」であって、「視点」ではない
AIは、与えられた条件に対して成立しやすい候補を高速で提示します。これは、企画の初速を上げ、見落としていた選択肢を発見するうえで非常に有効です。
一方で、候補の数と視点の数は同じではありません。十案の見出しが出ても、すべてが「課題を示す、解決策を提示する、効果を約束する」という同じ論理でできていれば、増えたのは表現の差分です。問いの捉え方そのものが増えたわけではありません。
生成AIは、学習したデータのパターンをもとに、入力に対して確率的に妥当な出力をつくります。そのため、条件が一般的であるほど、多くの人が受け入れやすい中心的な表現へ寄りやすくなります。平均点を短時間で超える力は強い。しかし、企業固有の経験や矛盾、顧客の生々しい言葉が入力されなければ、その企業でなければ成立しない答えにはなりません。
クリエイティブが似てくる、三つの理由
1．AIは「ありそうな答え」をつくる
生成AIが得意なのは、無秩序な偶然ではなく、文脈に合うパターンの再構成です。「先進的なAI企業」「信頼感のあるコーポレートサイト」のような広い指示だけでは、青いグラデーション、抽象的な光、未来を示す言葉など、共有されている記号へ集まりやすくなります。
これは性能の低さではありません。指示に含まれる情報が少ないため、AIが社会的に共有された典型で空白を補っている状態です。
2．人は、最初に見た案へ引っ張られる
創造性研究には「デザイン・フィクセーション」という概念があります。参考例を見たことで、その特徴に無意識に拘束され、別の解決策を考えにくくなる現象です。AIが最初から完成度の高い案を出すほど、人はそれを基準に修正を始めやすくなります。
ゼロから考える負担は減りますが、同時に、問い直す機会も減ります。「この案をどう良くするか」に集中し、「そもそも別の見方はないか」が抜け落ちるからです。
3．企業内で入力と評価が標準化される
効率化のために、同じプロンプト、同じ参考資料、同じチェック項目を全員が使うことがあります。品質の下限を揃えるには有効ですが、使い方を誤ると、判断まで均一になります。
さらに、クリック率や反応率だけで案を選び続けると、短期的に反応されやすい表現へ収束します。結果として競合他社も同じ学習を行い、業界全体の見た目や言葉が似ていきます。
独自性の差は、生成する前から始まっている
独自性は、珍しい言葉や奇抜な形を最後に足すことで生まれるものではありません。何を観察し、どの事実を重要だと判断し、どの矛盾を問いとして残したか。その前工程に宿ります。
たとえば「採用サイトのキャッチコピーを考えて」と頼むだけなら、AIは一般的な採用メッセージを返します。しかし、退職者が最後に残した言葉、入社三年目の社員が仕事を続ける理由、顧客から繰り返し評価される行動、経営者が守りたい約束が材料に入れば、探索できる範囲は変わります。
重要なのは、機密情報をそのまま外部サービスへ渡すことではありません。情報管理のルールを守りながら、自社で観測した一次情報を整理し、抽象化したうえで制作条件へ変換することです。AIが持っていない現場の事実を、人間が用意する。ここが企業のクリエイティブにおける重要な役割になります。
似た表現が増えると、企業は何を失うのか
最も大きいのは、選ばれる理由です。一定以上に整ったサイトや広告が増えるほど、見た目の完成度だけでは差がつきにくくなります。顧客から見れば、どの会社も同じ問題を語り、同じ未来を約束しているように見えます。
次に失われるのは、判断の蓄積です。AIが出した案から感覚的に一つを選ぶだけでは、「なぜこの会社はこの表現を選ぶのか」が組織に残りません。担当者が変わるたびに判断が揺れ、修正回数が増え、制作速度も落ちます。
AIによって制作量が増えても、確認と選別に人の時間が奪われれば、業務全体は効率化されません。生成コストが下がるほど、企業には「つくる能力」よりも「捨てる能力」が必要になります。
AIを使いながら、似ないための実務設計
生成前に、問いを一段深くする
「何をつくるか」だけでなく、「誰の、どの認識を、どう変えたいか」を決めます。商品の説明ではなく、顧客が選べない理由を問う。認知を取るのではなく、何と比較されたときに選ばれたいかを問う。問いが固有であれば、出力の探索範囲も変わります。
一次情報を先に集める
経営者の発言、顧客との会話、現場で起きた失敗、長く続いている習慣など、自社にしかない材料を集めます。検索で見つかる一般論だけを材料にしないことが大切です。
発散と評価を分ける
案を出している途中で「無難か」「すぐ使えるか」を評価すると、探索範囲が狭くなります。まず異なる前提の案を出し、その後で事業目的、ブランドとの整合性、実行可能性を評価します。生成する役割と選ぶ役割を、工程として分けます。
評価基準を、形容詞で終わらせない
「先進的」「信頼感」「エモい」だけでは、人によって解釈が変わります。誰にどう見られれば成功か、何と似てはいけないか、残すべき違和感は何かまで言葉にします。etomojiでも、独自の制作設計と評価基準を用いながら、生成量ではなく、意図と結果の一致を確認しています。
採用理由と不採用理由を残す
完成物だけでなく、なぜ選び、なぜ捨てたかを記録します。この履歴が次の制作の判断材料になり、個人の感覚を組織の知識へ変えます。AI活用の再現性は、同じ案を出すことではなく、同じ水準で判断できることにあります。
AIに増やしてもらうのは、案ではなく思考の移動距離
AIの価値は、単に百案を出せることではありません。一人では辿り着かなかった比較、反論、構造、異分野との接続を短時間で試せることにあります。
そのためには、「別案を十個」と頼むだけでは足りません。前提を反転させる。異なる顧客の立場から問い直す。成功条件を変える。業界の慣習を外した場合を考える。AIには、同じ地点の周囲を回らせるのではなく、思考を別の地点へ運ぶ役割を与えます。
生成AIによって、一定品質のクリエイティブは誰でも速くつくれるようになりました。だからこそ企業の差は、生成能力そのものではなく、何を観察し、どんな問いを立て、何を良いと判断するかに移っています。
AIでアイデアを増やすことは、目的ではありません。人と組織が、より遠くまで考え、自分たちにしかない答えを選べる状態をつくること。その設計があって初めて、AIは独自性を薄める道具ではなく、独自性を深く掘るための道具になります。