Midjourneyの問題はモデルではない。プロンプトを頑張って書くのはもうやめよう。

クリエイティブディレクターに「どんなものが欲しいか」と聞いても、文章では返ってこない。参考画像を3枚出してきて、その一枚の隅を指さし、「こっちに寄せて、あっちは減らして」と言うはずだ。

Midjourneyはそれを受け付けない。他のチャット型画像ツールも同じだ。渡されるのはテキストボックス一つ。意図を全部言葉に落とし込むしかない。

問題の本質はここにある。あとの全ては、ここから派生している。

言葉は、センスを表現するには圧縮率が高すぎる

プロンプトは、本当に欲しいものを圧縮したものだ。そして欲しいものの大半は、その圧縮を生き残らない。あの写真の光。あのセリフ体の微妙な太さ。隣のパッケージではなくPradaの箱の方が高そうに見える理由。400語書いても届かない。だからプロンプトエンジニアリングという職種が生まれた。

さらに厄介なのは、みんな同じように圧縮することだ。「シネマティック」「エディトリアル」「クリーン」に、個人ごとの語彙は存在しない。だから1000のチームがだいたい同じ形容詞を、だいたい同じモデルに打ち込み、だいたい同じ絵が返ってくる。

FigmaのCEOダイラン・フィールドは、2025年10月のLenny's Podcastでこの仕組みを端的に説明している。AIが最初に返すものは定義上ジェネリックだ。なぜなら、それは学習した全てのものの平均だから。テキストプロンプトは、あなたをその平均の中に立たせ続ける仕組みだ。Merriam-Websterが2025年の言葉に選んだ「slop」は、AIによって大量生産される低品質コンテンツを指す。その「大量」の源はここにある。

集団に何が起きるかについてはデータもある。Anil DoshiとOliver Hauserが2024年にScience Advancesで発表した研究では、ライターにAI支援を与えた。個々の作品の評価は上がった。しかし作品同士を比べると、支援を受けたものは明らかに似通っていた。全員のレベルは上がり、同時に全員が似ていった。

良い画像を生み出すのは何か

より良い一文ではない。より良い素材だ。

本物のブリーフは、モノの山だ。参考写真、競合のパッケージ、市場レポート、会議で誰かが書き残した「ソウルのアパートの午後6時みたいな光にしたい」というメモ。その「モノ」そのものをモデルに渡せるようになると、出力は平均に流れなくなる。入力があなた固有のもので、他の誰も持っていないからだ。

もう一つ、もっと目立たない効果もある。参考素材を集める作業そのものが、自分が何を求めているのかを言語化させる。多くの人は、二つの選択肢を並べて片方に惹かれる自分を感じるまで、自分の好みを知らない。テキストボックスはその機会をくれない。自分の集めた素材の壁が、それをくれる。

そしてツールは、その仕事を捨てる

良い画像ができたとしよう。それは今どこにある？

チャットスレッドの中だ。下には40の失敗作、上にはさらに60の試行がある。スレッドはあなた一人のもの。チームの他のメンバーからは見えない。

その100枚に何が含まれているかを考えてみてほしい。「惜しかったけど少し暖色すぎた」バージョン。「面白い外し方をした」失敗作。「チームが明確に却下した方向性」も入っている。3週間後には誰かが必ずまた提案するが、試したという記録はどこにもない。全てに価値があったのに、全てが一人の個人アカウントのスクロール履歴になっている。

チャットは意思決定の器として不向きなのと同じ理由で、ビジュアル作業の器としても不向きだ。それは「線」だからだ。線を自分自身と横に並べることはできない。Midjourneyで2枚を比較するには、スクロールして片方を記憶に保持し、戻ってスクロールし、比較しているフリをする。実際には比較していない。思い出しているだけだ。

結果、チームはいつも通りのことをする。誰かが良いものをスクリーンショットしてSlackに貼る。別の誰かがダウンロードしてfinal_v2というフォルダに入れる。そして1週間後には、そのフォルダの4つのバージョンのうちどれが合意されたものか、誰も分からなくなる。

私たちが作ったもの

ALLOでは、画像生成はキャンバス上で行われる。これによって二つの問題は一つの解決に収束する。

モデルに使わせたいオブジェクトを選ぶ。参考画像、競合のパックショット、リサーチ資料、まだ形になっていないアイデアを書いた付箋。全部すでにボード上に置いてある。プロジェクトはそこで進んでいるからだ。プロンプトは記憶から打ち込むのではなく、実在する素材から組み立てられる。モデルに渡されるのは形容詞ではなく、あなたの具体物だ。

出力は、それを生み出した素材の隣にキャンバス上に着地する。スレッドの中ではない。フォルダの中でもない。バージョン管理されたオブジェクトとしてそこに置かれる。他の5枚と並べて実際に見比べられる。画像を選ぶ方法はこれしかない。

そして流れは続く。メモがリサーチ資料になる。資料がインフォグラフィックになる。インフォグラフィックが商品写真になる。「これって性格診断みたいに使えるんじゃない？」と誰かが付箋を貼れば、それがランディングページになる。各ステップは前のステップに接続され、全体の連鎖が見える形で残る。1か月後に振り返れば、チームが何を作ったかだけでなく、どう辿り着いたか、途中で何を捨てたかまで見える。

そしてボードは共有されている。採用されなかった40枚も、削除されずに薄く残っている。後日クライアントに「なぜこのキャンペーンは、いかにもな案ではなくこれなのか」と聞かれたときに、その判断を説明できるのはこの残し方があるからだ。

画像モデルはこれからも良くなっていく。返してくる絵の質も上がる。そして同時に、他の誰もが得ているものの平均であり続ける。難しいままなのは、自分が何を欲しいのかを知り、モデルに実在する何かを見せ、その中から「自分のもの」を選ぶ、この部分だ。

FAQ

AIが生成する画像はなぜ似通ってしまうのか？ みんなが似た言葉で欲しいものを説明し、モデルはその言葉に対して最も確率の高い出力を返すからだ。FigmaのDylan Fieldは、最初の結果は定義上ジェネリックだと言っている。形容詞ではなく自分の参考素材をモデルに与えることが、出力を平均から引き離す唯一の方法だ。

Midjourneyがチームで使いにくいのはなぜか？ 生成物が個人のチャットスレッドの中にしか存在しないからだ。出力は線状で、画像を横に並べて比較できず、試したことの大半は他のメンバーには見えない。却下された試行や選択の理由も、スレッドと一緒に消えてしまう。

AI画像ツールでより良い結果を得るには？ より良いプロンプトを書こうとするのをやめること。モデルには実在する素材を渡すこと。参考画像、ブランドアセット、リサーチ、意図を書いたメモ。具体的な入力からしか具体的な出力は生まれない。

AI生成画像はどこに保管すべきか？ チーム全員が一緒に見られる場所、しかもブリーフや参考素材、却下されたバージョンも含めて、その隣に置かれている場所だ。ダウンロードを詰め込んだフォルダは、1週間もあればその文脈を全部失う。

ALLOは画像を生成できるのか？ できる。キャンバス上で行う。使いたい参考素材やメモを選び、生成すると、結果は入力素材の隣にオブジェクトとしてボードに配置される。そこでチームが比較し、コメントし、選ぶことができる。