AI×マーケティング2026年9月23日読了約5分

動画生成AIエージェント、ツール活用で精度向上

保存

研究チームが外部ツールを自律的に使い分けて動画を生成するAIエージェント「VideoGen-Agent」を開発した。専門知識や人物同一性、物理的整合性が必要な動画生成の精度が既存モデル比19.1ポイント向上し、広告・映像制作業界のコスト構造に影響を与える可能性がある。

研究の概要

動画生成AIは近年、高精細かつ時間的に一貫した映像を生成できるようになったが、専門知識を要する場面、特定人物の同一性維持、物理法則に沿った動き、時系列順の出来事の表現には依然として課題が残っている。研究チームが発表した「VideoGen-Agent」は、これらの課題に対し、単一モデルの性能向上ではなく、複数の外部ツールを状況に応じて使い分ける「マルチモーダルエージェント」というアプローチを採用している。

同エージェントは、素材の拡張・動画生成・品質検証という複数のツールを、プロンプトと生成途中の観察結果に基づいて多段階で呼び出す仕組みを持つ。具体的には、教師データによる模倣学習でツール利用の基本動作を習得させた後、強化学習を用いて「ツール呼び出しの妥当性」「タスクに適したツール選択」「生成動画の品質」を評価する報酬設計により方策を洗練させている。研究チームが新設した評価基準「VABench」では、600件のプロンプトを用いて手順知識、単一/複数人物の同一性維持、物理的整合性、場面構成、複数ショットの時系列構造を網羅しており、ベースとなるテキスト動画生成モデル比でスコアが56.5から75.6へと19.1ポイント向上した。さらに生成ツール自体を上位版に差し替えるだけで、エージェント側を再学習せずにスコアは86.1まで上昇し、人間評価者は最有力の単体モデルよりもこの構成を84.3%の比較で選好した。

しくみをやさしく

「VideoGen-Agent」は、様々な外部ツールを状況に応じて使い分けることで、動画生成の精度を向上させる仕組みを持つ。具体的には、まず生成したい動画の内容に基づいて適切なツールを選択し、その後、生成途中の結果に応じて次のツールを呼び出す。これにより、専門知識や物理法則に基づいた高品質な動画を生成することが可能となる。

ビジネスへの示唆

この技術は、動画コンテンツを大量かつ高精度に制作する必要がある業界に直接影響を与える。特に、以下のような部門において具体的な業務改善が期待される。

広告・マーケティング部門：商品広告動画の制作コストと納期、A/Bテスト用のクリエイティブ本数
映像・エンターテインメント制作会社：企画から映像化までのリードタイム、キャラクターの同一性維持による再撮影・修正回数の削減
ECサイト運営部門：商品紹介動画の量産スピード、コンバージョン率
企業研修・教育コンテンツ制作部門：手順や専門知識を正確に反映した教材動画の品質、制作外注費

これらの部門において、自部署で該当する業務は何か、いま誰がどれだけ手をかけているかを考えることが重要である。特に、人物の同一性維持や物理的整合性といった従来AIが苦手とした要素の精度が向上した点は、ブランドキャラクターや実在の商品を繰り返し登場させる広告制作において、修正作業の削減とクリエイティブディレクターの承認プロセス短縮につながる可能性がある。また、検証ツールによる自動品質チェック機構は、制作会社における品質保証(QA)工程の一部自動化にも応用可能である。

現場での導入イメージ

仮に導入支援に入るなら、以下の4つのステップを経て、最終的には動画制作プロセスの効率化と品質向上を目指す。

棚卸し
現在の動画制作フローと使用しているツールを把握し、どの部分にAIエージェントを導入できるかを評価する。目指す到達点は、現状の業務フローの可視化と改善点の特定である。
差し込み先の設計
既存ツールや業務プロセスの中で、どの部分にAIエージェントを組み込むかを設計する。新ツールを増やさない現実解を考慮し、既存のツールとの連携を図る。目指す到達点は、スムーズな導入を可能にする設計図の作成である。
小さく試す（PoC）
限定的なプロジェクトでAIエージェントを試験的に導入し、その効果を測定する。目指す到達点は、実際の業務における効果を確認し、必要な調整を行うことである。
運用と横展開
効果が確認できた後、全体の業務フローにAIエージェントを展開し、運用を開始する。目指す到達点は、動画制作プロセス全体の効率化と品質向上の実現である。

この一連の流れを通じて、最終的には動画制作の効率性と品質を高めることが目標となる。

今後の展望

今回の成果で特筆すべきは、エージェント自体を再学習せずとも、後段の生成ツールを高性能なものに差し替えるだけで品質がさらに向上した点である。これはツール群が個別に進化し続ける前提のもとで、エージェントの投資価値が長期的に持続することを示唆する。企業が動画制作パイプラインにAIエージェントを組み込む際、生成モデル単体の性能に依存せず、複数ツールを統合的に運用する体制が競争力の源泉になる可能性がある。今後は業界特化型ツールとの連携や、著作権・肖像権に関わる人物同一性生成のガバナンス整備が実用化に向けた論点となる見込みである。