モデルはコモディティ化しつつある。ワークフローはそうではない

いまAI動画生成市場で起きていることを一言でまとめるなら、こうなります。

「モデルはますます速くコモディティ化し、差別化のポイントはモデルより上のレイヤーへと移っている」

2024年の時点では、人物を自然に動かせるのはどのモデルか、カメラワークを再現できるのはどのモデルか、で市場が分かれていました。2025年を通じて、その差は急速に縮まりました。そして2026年の今、あるモデルが得意とすることに、別のモデルが2〜3か月で追いついてきます。差がなくなったのではありません。差が開いたままでいられる期間が短くなったのです。

この記事は、そうしたモデルの上でツールを作っている立場から、業界がどこへ向かっているのかを整理したものです。

モデルはコモディティ化している

この1年の流れははっきりしています。

• 新しいモデルの登場サイクルが短くなりました。ある企業が新モデルを発表すると、同じ四半期のうちに同等の性能のモデルが別のところから出てきます。
• 1秒あたりの価格が下がりました。同じ結果を得るためのコストは、半年前と比べて少なくとも半分、多ければ4分の1で済みます。
• オープンソースが追いついてきました。かつてはクローズドなモデルでしか出せなかった品質が、WanやHunyuanVideoのようなオープンモデルでも手に入るようになっています。

この3つが同時に起きると、特定のモデルひとつに頼るプロダクト戦略は脆くなります。「今日いちばん優れているのはXモデルだ」という命題は、次の四半期には別の名前に書き換わってしまいます。

同じことは、ほかの業界でも見てきました。データベースもそうでしたし、クラウドもそうでした。最初は、どのエンジンが一番速いか、どのクラウドが一番安いかで市場が分かれていました。やがてエンジンもクラウドもコモディティになり、差別化はその上に載る運用、パイプライン、ツールへと移っていきました。

AI動画モデルも同じ道をたどっていると、私たちは考えています。

では、同じモデルで作った結果はなぜ違うのか

興味深いのは、コモディティ化と並行して起きているもうひとつの現象です。

同じモデル、同じ価格、同じ無料クレジットを手にした2人が同じテーマで動画を作っても、仕上がりの完成度は大きく異なります。その差は、モデルから生まれているわけではありません。

では、差はどこから生まれるのか。突き詰めていくと、たいてい同じところに行き着きます。

• どのプロンプトを、どの順番で試したか
• ひとりのキャラクターの姿を、複数のカットにわたってどう保ったか
• どのカットを捨て、どのカットを残したか
• カットとカットのあいだを何でつないだか

これはモデルが決める領域ではありません。ワークフローが決める領域です。

モデルが作ってくれるのは1カットです。でも、映像は1カットではありません。カットの連なりが物語としてつながったものです。「良い1カット」から「良い1本」へと至る道のりに、モデルは責任を持ちません。

だからこそ、モデルがコモディティになるほど、「その上に何を載せるのか」が市場の本当の問いになっていきます。

モデルルーティング：ひとつのモデルではなく、複数のモデルへ

ツール側で起きている変化のひとつが、モデルルーティングです。

ひとつの作品のなかでも、シーンごとに強みの異なるモデルを使い分けるやり方です。アクションの大きいカットはKling、静かな雰囲気のカットはVeo、マルチショット構成が必要な部分はSeedance、コストを抑えたいつなぎのカットはオープンソースのWan。ユーザーがカットごとに自分でモデルを選ぶこともできますし、ツールがカットの意図を読み取って自動でルーティングすることもできます。

この流れが定着すると、ユーザーにとって「どのモデルが最強か」という問いは、それほど重要ではなくなります。大事なのは「このカットにはどのモデルが使われているのか」であり、さらに大事なのは「その判断を毎回自分でしなければならないのか」です。

ツールが担う領域は、ひとつのモデルを呼び出すことから、複数のモデルを選び、組み合わせることへと移りつつあります。

一貫性：モデルが解決しない問題

モデルのコモディティ化とは別に、モデル単体では解決が難しい問題があります。

キャラクターの一貫性です。

あるカットではうまく描けていたキャラクターが、次のカットでは微妙に違う顔で現れます。髪の長さが変わり、衣装が別の服のように見えてしまうのです。1枚の静止画なら1枚うまくいけば十分ですが、動画では複数のカットが、見る人にとって同じひとりの人物としてつながっていなければなりません。

この問題は、モデルの内部では部分的にしか解決されていません。より豊富なコンディショニング入力を受け付けるモデル、キャラクター専用の埋め込みを受け付けるモデル、LoRAのようなアダプターを組み合わせる手法などがあります。それでも、モデルを1回呼び出すだけで1本の映像全体を通して同じ人物を保つことは、まだ安定してできません。

そのため一貫性は、ツール側がシステムとして解くべき問題として定着しつつあります。

• キャラクターの定義を、カット単位ではなくプロジェクト単位で保存します。
• キャラクターごとに学習済みのアダプター（LoRAなど）を紐づけておき、カットを生成するたびに自動で組み合わせます。
• 同じキャラクターの過去のカットを参照として、次のカットの生成に再投入します。

こうしたインフラは、モデルの価格が下がったからといって自動的に安くなるものではありません。ツールを作る側が自ら構築し、運用していかなければならない領域です。

では、ツールはどこへ向かうのか

ここまでをまとめると、AI動画業界の重心がどう動いているのか、その輪郭が見えてきます。

モデルはますます速く似通い、安くなっていきます。その結果、ひとつのモデルを呼び出すだけの薄いラッパーは、急速に意味を失います。ユーザーが「これはXモデルなのか、Yモデルなのか」を気にしなくても良い結果が得られるようにすること。そこに差別化が生まれます。

一方で、ワークフロー、一貫性、シーケンス。ここはコモディティ化しません。1カットではなく1本の映像を作り上げるまでにユーザーがたどるステップは、モデルの価格が下がっても一緒に安くなるわけではありません。むしろモデルが安く速くなるほど、ユーザーはより多く生成し、より多く比較し、より多く選ぶようになります。そのプロセス全体を受け止めるツールが必要になるのです。

ツールが担う領域は広がっています。

• モデル選択の自動化（モデルルーティング）
• プロジェクト単位でのキャラクター・スタイル・世界観の保持
• シナリオからストーリーボード、カット、タイムラインまで続く流れの維持
• 何度も繰り返される試行の記録と比較

これは、次の四半期にどんなモデルが登場しても、変わらず価値を保ち続ける種類の仕事です。モデルは差し替えられても、ユーザーがそこまで積み上げてきた作業の流れは差し替えられません。

おわりに

「どのモデルが一番いいか」という問いは、いまや1年単位ではなく四半期単位、短ければ月単位で問い直されるものになりつつあります。同じ問いを何度も問い直さなければならないということは、その問い自体の重みが小さくなっているということでもあります。

モデルはコモディティ化しています。その上に何を載せるかは、コモディティ化しません。

ツールを作る立場として、私たちはその上のレイヤーに立っています。モデルが速く進化するほど、上のレイヤーで解くべき問題は減るどころか、むしろくっきりと見えてきます。モデルが1カットをうまく作れるようになるほど、ユーザーは1カットではなく1本の作品を作りたくなるのです。

次の四半期にどんなモデルが出てくるのかは、わかりません。でも、そのモデルが登場したとき、ユーザーが新しいモデルを使いながらも自分のキャラクターを見失わないようにすること、自分のシナリオの流れを見失わないようにすること。それこそが、ツールが責任を持つべき場所です。

この記事は役に立ちましたか？

皆さまの反応が、次の記事を書く原動力になります。

役に立った著者にフィードバックを送る