ProbatumProven, not promised.The AI consulting company.

CASE 010

生成AIの制作パイプラインを試行し、内製移行の計画まで整備

マーケ部門で制作需要に供給が追いつかず、キャンペーン展開の速度がボトルネックになっていた。

業界未設定TRANSFORMATION生成AI / 制作フロー3ヶ月

CHALLENGE課題

素材のトーンや品質が担当者に依存し、ブランドガイドラインの担保を運用で吸収していた。

HYPOTHESIS仮説

ブランド準拠の生成手順と品質ゲートを先に設計すれば、生成AIを制作フローに組み込んでも品質を保てる。

APPROACHやったこと

  1. 試行環境での生成パイプライン構築
  2. ブランド準拠の生成手順と品質ゲート設計
  3. 2キャンペーンでの並行試作
  4. 内製移行計画(設計・運用・コスト・体制)の整備

BUILDつくったもの

Stable Diffusion XL(SDXL)LoRAControlNetComfyUIPythonFastAPIFFmpeg
AI生成パイプライン全体図 — BRIEF → GENERATE → CONTROL → ANIMATE → POST-PROCESS → DELIVER の6ステージ構成
Generation Pipeline: 6ステージの自動画像・動画生成フロー
スタイル制御システム — LoRA Fine-tuning・ControlNet・IP-Adapter・Brand Rule Engineの4層構造
Style Control: LoRA / ControlNet / IP-Adapter / Brand Rule の4層品質制御
ワークフロー比較 — 従来の手作業制作フロー(4〜6h)とAI生成パイプライン(30〜90min)のBefore/After
Before/After: 制作ワークフローの劇的な効率化

RESULT何が変わったか

-40〜60%1素材あたりの制作工数
  • 制作工数 1素材あたり4〜6時間から2〜3時間へ(約-40〜60%、レビュー込み)
  • 2キャンペーンで計60〜100点を試作し、媒体別の再現性を把握
  • 品質ゲート通過率 80〜90%
HOW WE MEASURED試行対象素材での作業時間計測。本番導入後の数値は内製移行のため未確認。

LEARNED効いたこと、効かなかったこと

生成そのものより、品質ゲートの設計が工数を決めた。本番導入を自分たちで持たない前提だと、移行計画の粒度が成果を左右する。

成果の客観的な確認、または公開範囲の確認が完了するまで「成果確認中」とし、確認できた案件にだけ Probatum est. と記します。

成果確認中

次は、何を前に進めたいですか。

事業の課題を相談する