モデルは目に見えて誤った赤をブランド準拠0.97と評価した。その数字が、私が作るものを変えた。
正確な数字を覚えている。恥ずかしい思いをしたからだ。0.968。汎用の類似度モデルが、ヒーローの赤が目に見えて明らかに間違っているホリデー用アセットを見て、ブランド準拠度0.97と評価した。1.0が完璧を意味する尺度で、このクリエイティブは出荷してよい水準だと告げられた。
このプロジェクトの最初の一時期、難しい問題はその反対だと思い込んでいた。信頼できるAIコンテンツで面白い仕事は生成を良くすること、モデルにブランドの正確な赤を当てさせ、見た目が正しくなるまでプロンプトを締めることだと考えていた。Brand Fidelity Firewallを作っていた——出荷前にAI生成のキャンペーンアセットがすべて通らなければならないゲートのデモだ。そして私は、判定者をモデルに委ねようとし続けた。モデルは、その仕事で最後に信頼すべきものだった。
これは、ひとつの誤った数値がすべてを組み替えた話だ。完成版がライブのバッチを判定する様子を見たいなら、veriprajna.com/ja/demos/brand-ai-contentで動いている。だがデモを見ること自体は簡単だ。書いておく価値があるのは、モデルにできない仕事を求めるのをやめるまでに何が必要だったかだ。
最初に間違ったものを作った
私は大抵の人が始めるところから始めた。類似度スコアだ。その直感は妥当だ。ブランドブックと生成アセットがあり、どれだけ近いかを示す単一の数字が欲しい。市場のあらゆるAI美学ツールがその数字を出し、ガバナンスのように感じさせる。ガバナンスではない。小数点が付いた雰囲気だ。
デモを正直にするため、検証用の架空ブランドを作った。実在企業のクリエイティブをプルーフ・オブ・コンセプトに通すつもりはなかったからだ。そのブランドは「Lumiere」——タグライン「Quiet luxury, since 1984.」の合成プレミアムハウスだ。プライマリカラーはLumiere Crimson、Pantone PMS 484、hex #9E2B25で、色ごとの許容差は3.0だ。下流のすべてがこのブランドブックを基準に測る。架空ブランドだが、ピクセルと仕様は本物だ。チェックが本当に効くかを試す唯一の方法である。
次に、やはり合成のホリデーアセットを12点構成した。平坦なレイアウトで、写真ノイズではなく実ピクセルを各チェックが測るようにした。ファイアウォール自体は何も生成しない。事前生成されたアセットを取り込み、出荷して安全なものを決める。だからこの12点は、チェックを動かすために私が作ったテストフィクスチャだ。11点は問題なかった。ひとつ、a08とラベルしたアセットは、どのアートディレクターも部屋の向こうからフラグを立てるヒーローの赤だった。一致していたのは#9D2E0Bで、面積のおよそ46パーセントを占めていた。まったく別の赤だ。微妙な違いではない。間違っている。
そして類似度スコアはそれを気に入った。
自社の赤と競合の赤を区別できない数字は、ブランドを測っていない。輝度を測って肩をすくめているだけだ。
なぜそれが気に入ったのかを理解する価値がある。それが論点のすべてだからだ。使った汎用ベースラインは、実際の知覚ハッシュ、DCTベースのpHashで、コンテンツプラットフォームがほぼ重複画像を見つけるのに使う手法と同系統だ。色に対して頑健であるよう、意図的に作られている。構造と輝度を重視するので、再着色や圧縮のあとも同じ写真を認識できる。その頑健さこそ、重複排除では欲しい性質であり、ブランド判定者としては無用にする性質でもある。正しく組まれたレイアウトに誤った赤が流し込まれたものを見て、正しく組まれたレイアウトだと見なした。0.968。それで出荷していたはずだ。
類似度スコアは実際に何を見ているのか？
人に説明するとき、私はそのスクリーンショットを開いたままにする。パネルのほうが、私より率直に語るからだ。左はオフブランドのアセット。右はファイアウォールの読み取りだ。
その二つの数字のあいだのギャップが、プロダクトそのものだ。許容差3.0に対する7.12。それがCIEDE2000——ISOおよびCIEの標準知覚色差メトリクス、表記はΔE00——で測った色差だ。類似度の推測でも、私が発明したものでもない。「この二つの色は人の目にどれだけ違って見えるか」という問いに対し、色科学の世界がすでに合意した数字だ。許容差3に対するΔE00 7.12はハードフェイルだ。類似度スコアの0.97とΔE00の7.12は同じピクセルを見て完全に食い違っており、ブランドが本当に気にするものを測っているのは一方だけだ。
その二つの読み取りを初めて並べたとき、生成のことは完全に考えるのをやめた。ジェネレータがどれだけ良くても関係なかった。完璧なジェネレータでも、正確な仕様に照らして測られなければならないアセットを生み出し、類似度モデルはその測定を構造的にできない。問題は、より良いクリエイティブを作ることでは決してなかった。問題は、何が出荷して安全かを知ることだった。
ひとつだけ正確にしておきたい。人が売り込みすぎる場所だからだ。ここではCLIPは使っていない。CLIPは多くの「AIブランドスコアリング」の売り込みが名指しするメトリクスで、本番で走らせるのは文書化された差し込みだが、およそ2ギガバイトの依存を引きずるし、pHashが無料で示すのと同じ見落としを示す。だからデモのベースラインは、汎用類似度アプローチの正直な知覚ハッシュ代用品であって、CLIPの仮装ではない。論点はどちらでも生き残る。類似度は、どう計算しても、Pantoneの赤と誤った赤を区別できない。色科学ならできる。
モデルを判定者にしようとした。流暢に答え、そして間違っていた。
その結論に上品に辿り着いたわけではない。一時期、有能なビジョン言語モデルを裁定者にするのが正しいアーキテクチャだと確信していた。アセットを見せ、ブランドブックを見せ、判定を求める。モデルは画像の記述が得意だ。アセットがブランド準拠かどうか、きっと教えてくれるはずだ。
できなかった。そして失敗の仕方が私を動揺させた部分だ。派手には失敗しなかった。丁寧に、自信満々に失敗した。オフブランドの赤を渡すと、構図がブランドの抑制された美学を尊重している、といった流暢で尤もらしい段落を書き、承認に着地する。正しいアセットを渡すと、同じく流暢な段落が返ってきて、ときに架空の問題にフラグを立てる。評決は散文だった。そして散文こそ、誤った赤と出荷済みキャンペーンのあいだに欲しくないものだ。
その下には本物のコストが乗っている。だからデモの珍事として片手で片付けられなかった。消費者は差を織り込み始めている。Gartner（2026年3月）によれば、半数はGenAIコンテンツを避けるブランドを好むと言う。Adobeの2026 Digital Trends報告によれば、三分の一はコンテンツがAIだと判明した時点でブランドとの関わりをやめる。Smartly.ioは2025年、広告への測定された信頼が、共創から完全AIになると48パーセントから13パーセントに落ちると示した。Coca-ColaのAIホリデースポット——生成クリップ7万本——は、公の場で魂がないと言われた。2025年のカンヌではDM9スキャンダルで、AI捏造映像をめぐり12の賞が取り消された。ダウンサイドがこれほど具体的なとき、証明可能な測定ではなく自信満々の段落を出すガバナンス層は、セーフガードではない。礼儀正しい負債だ。
誤ったアセットとライブキャンペーンのあいだに立つものが、何とでも説得できるなら、それはゲートではない。提案だ。
だからモデルを判定者にするのをやめた。それが転換点だった。そのあとに作ったものはすべて、モデルがシステムで最も賢い部品ではなく、最も信頼できない部品だと前提する。
なぜ色科学か、より良いプロンプトではないのか？
色チェックを論駁できない硬い核に据えることにした。そして、モデルには決して抱けなかった信頼の仕方で、なぜこれを信じるかを説明したい。CIEDE2000はデモが映えるまで調整したヒューリスティックではない。参照テストデータ付きで公開された式であり、実装はSharma et al.の参照色ペアに照らして検証した。ユニットテストtest_ciede2000_matches_sharmaがあり、スイート内の合格5件のうちの1つとして通る。聞こえる以上に重要だ。つまり7.12は、赤がどれだけ間違っているかという私の意見ではない。測色学者が教科書と突き合わせて確認できる、再現可能な測定だ。
それが、懐疑的なブランドディレクターに弁護できる数字と、謝らなければならない数字の違いだ。類似度モデルが0.97と言い、なぜかと聞かれたときの正直な答えは「モデルがそう感じた」だ。ΔE00が許容差3に対して7.12と言えば、答えは「CIELABの二つの色はこれ、標準式はこれ、参照検証はこれ、そして7.12が3を超える場所はここ」だ。一方の答えは法務レビューを生き残る。もう一方は、最初の厳しい質問までしか生き残らない。
公開された式に辿れる評決は法務レビューを生き残る。モデルの直感としてしか説明できない評決は、最初の厳しい質問までしか生き残らない。
色をどこで測るかにも注意することを学んだ。画像全体を判定すると、正しいロゴが小さくても平均を許容内に引き戻し、巨大な誤ったヒーロー領域が出荷されてしまう。だからチェックは、支配的で飽和したヒーロー領域を特に判定する。コーナーに真のクリムゾンのロゴが完璧に正しくあっても、オフブランドの赤が捕まるのはそのためだ。ゲートは、人の目が最初に見る場所を見ている。
ゲートは退屈でなければならない
途中で自分にルールを作った。決めるものは退屈でなければならない。退屈とは、決定論的で、平易なコードで、どのモデルの外にあり、テスト可能で、再現可能だということだ。決定がモデルの機嫌に依存した瞬間、監査可能ではなくなり、監査可能な評決こそが価値のすべてだ。
だからゲートはまさにそれだ。ハード失敗があればBLOCKし、人が本当に引き受けるべきケースはFLAGし、それ以外はPASSする。どの単一機能より気にしているユニットテスト済みの不変条件がある。test_gate_invariant_no_hard_fail_passes：ハード失敗のあるアセットがPASSまたはFLAGとして返されることは決してない。すり抜けられない。それは期待する振る舞いではなく、証明できる性質だ。
色だけがハードブロックではない。ゲートが色メーターの一発芸ではないことを示すため、色とは無関係の二つ目を意図的に作った。アセットa09は完璧なクリムゾン、ΔE00は0.00、Lumiere Crimsonに寸分違わず当たっている。それでもゲートはブロックする。
三つ目のハードブロックは規制で、本物の日付が付いているものだ。機械可読のAIコンテンツ開示が必要な市場にAIコンテンツが出荷され、開示が欠けていれば、ピクセルがどれだけ良くてもハードブロックだ。アセットa10はクリーンでブランド準拠のレイアウトだが、EU向けで第50条ラベルがない。EU AI Act第50条の開示義務は2026年8月2日に執行可能となり、罰則は最大1,500万ユーロまたは売上高の3パーセントだ。ニューヨークのSB-8420Aは2026年6月9日に発効する。カリフォルニアのCAITAは2026年8月に到来する。FTCのSection 5がその上に重なる。欠けた必須ラベルはスタイル注記ではない。待っている罰金であり、ゲートもそのように扱う。
12アセットのデモバッチ全体では、内訳はPASSが7、BLOCKが3、FLAGが2。この特定の固定バッチでの自動クリア率は58.3パーセントで、「この特定のバッチ」とわざわざ言うのは、12個の合成アセット上の計算結果であり、本番パイプラインへの約束ではないからだ。
二つのFLAGケースが最も誇らしい。誠実なシステムが「分からない、人が決める必要がある」と言うケースだからだ。アセットa11はAI生成の人の顔を含むので、PASSやBLOCKに騙されるのではなく、真正性のサインオフのため人に回される。それはNielsenIQのネガティブハローリスク——AI生成の顔がブランド知覚を引き下げうるという知見——であり、コードが単独で下すべき判断ではない。アセットa12は日本向けで、ブランドブックのカバレッジ外の市場なので、開示ルールが不明で、偽のクリアではなく法務に回る。不確実性を決して認めないゲートは、厳密ではない。無謀だ。
モデルがまだ役に立つところ
モデルを捨てたわけではない。どこに落ち着いたかを正直に言いたい。「AIを外した」は嘘であり、浪費でもある。ビジョン言語モデルはまだパイプラインにいる。ただ投票権がない。助言ノートを書く——プロバイダ差し替え可能な一回の呼び出しで、情報のみだ。キーがないかエラーならきれいに棄権し、PASS・FLAG・BLOCKを決して変えない。
モデルは好きなだけ流暢で自信満々でよい。それでも誤った赤を出荷させることはできない。
その助言ノートを評決の横に読めば、私が求めていた健全な分業が見える。ゲートはすでに、許容差3.0に対する7.12の力でBLOCKと言った。モデルは人間の色——なぜ重要か、ブランドディレクターが実際に読みたい文——を足す。それは本当に有用だ。文脈であって、判定ではない。決定論的ゲートが決める。モデルは助言するだけだ。モデルをその席に置いた瞬間、神経質になるのをやめた。流暢さはリスクから機能に変わった。その流暢さはいま、動かす力のない評決の下に座っているからだ。
クリアされたアセットはすべてBrand Fidelity Certificateをエクスポートする。JSONと印刷可能なHTMLで、チェックごとの測定、どの要素がAIか人間かの出所、市場ごとの開示ステータス、ゲート結果、モデルとバージョン、タイムスタンプを載せる。その文書が何であるかは慎重に言うべきだ。提出可能な証拠アーティファクトであり、何が測られ何が決まったかの再現可能なレシートだ。法的認証でも法的助言でもない。「EU AI Act certified」と呼ぶのは、このプロジェクト全体が拒むために存在する、まさにその種の自信満々の言い過ぎだ。
生成はボトルネックではなかった
私は0.968の瞬間に何度も戻る。難しい問題がどこにあるかという感覚を反転させたからだ。ジェネレータが良くなれば信頼の問題は縮むと思い込んでいた。これを作って、反対だと確信した。より良いジェネレータは、誤った赤をより速く、より大量に出す。赤が間違っているとは教えてくれない。モデル品質は、アセットがPMS 484に合い第50条ラベルを持つかどうかという問いに触れない。そして出荷して安全かを決めるのは、そうした問いだ。
居心地の悪い版——声に出して言い始めた版——は、信頼できるAIコンテンツスタックの最も重要な部分には、ほとんどAIが含まれないということだ。色チェックは標準化団体の式だ。クリアスペースチェックは幾何だ。開示チェックは日付付き法令に写像されたルールエンジンだ。システム内の唯一のモデルは、何も決めることを許されない。証明できる評決が目的全体だと思い出すまで、奇妙なものに感じた。段落は証明できない。
完成したゲートは自分で走らせ、赤を捕まえる様子をveriprajna.com/ja/demos/brand-ai-contentで見られる。むしろ持ち帰ってほしいのは、それが残した問いだ。ガバナンス層が、自信満々の一文で誤った赤の承認に説得されうるなら、それは何かを統治していたのか？それとも、より速く生成して、その速さを戦略と呼んでいただけなのか？
私の説明を読むより見るほうがよいなら、ゲート全体が端から端まで動く様子はここにある。
その問いは、モデルが良くなるほど易しくなるとは思わない。鋭くなると思う。
