AI動画は、少し前まで分かりやすく不自然だった。指が増える。文字が崩れる。物体が突然消える。口と声が合わない。
その違和感は急速に減っている。実写と生成の境界は薄くなり、「目で見れば分かる」という前提は長く持たない。
だからといって、すべての生成映像を疑い、AIを使った作品へ一律に警告を貼ればよいわけでもない。生成映像には、詐欺もあれば、教育、広告、娯楽、再現映像、翻訳、accessibilityもある。
必要なのは、AIか人間かを二択で当てることではない。
映像そのものから真偽を見抜きにくい時代に、発信者は何を残せば信頼を作れるのか。
「見抜く目」を最後の防衛線にしない
真偽を一発で当てるのではなく、生成・編集・公開の履歴を検証可能にする。
AI生成を見抜くためのchecklistは、公開された瞬間から古くなる。modelが改善され、圧縮や再編集が入り、複数のtoolが混ざれば、単純なartifactは消える。
watermark detectorも有用だが、検出できなかったことは人間制作の証明にならない。そもそもwatermarkを入れないgeneratorもあり、別形式への変換で情報が弱まる場合もある。
完成したpixelだけを調べるのではなく、完成までのhistoryを残す。
これがprovenance、つまり来歴の発想である。
Content Credentialsは、映像に制作履歴を結びつける
C2PAのContent Credentialsは、digital assetのorigin、edit、hash、signerなどをmanifestへ記録し、digital signatureでintegrityを確かめられるようにする標準だ。
対応したcameraで撮影し、対応editorで加工し、publisherが公開する。それぞれの工程がcredentialを追加すれば、視聴者やplatformは「誰が、どのassetへ、どの履歴を付けたか」を辿れる。
manifestはfileへ埋め込むほか、invisible watermarkなどのsoft bindingを使って外部のcredentialへ再接続する仕組みも想定されている。
これは「AIを検出する技術」より広い。人間がcameraで撮ったこと、編集したこと、publisherが署名したことも含め、contentのhistoryを扱う。
署名が正しいことは、映像内の主張が事実であることと同じではない。Content Credentialsは来歴のintegrityを助けるが、内容のtruthを自動保証しない。
開示、watermark、provenanceは別の役割を持つ
自己申告、検出signal、署名付きhistory。それぞれの弱点を重ねて補う。
AI contentの透明性では、三つの仕組みが混同されやすい。
1．Disclosure──発信者が説明する
「この映像は生成した」「実在人物のvoice cloneを使った」「背景だけを生成した」と、creatorが視聴者へ申告する。人間の説明責任に近い。
2．Watermark──生成tool由来を検出する
GoogleのSynthIDは、Google AIで生成したtext、image、audio、videoへ知覚しにくいwatermarkを埋め、Detectorで確認する仕組みだ。Googleは2025年5月時点で100億超のcontentへ付与したと説明している。
ただし、SynthIDが見つからないことは「AIではない」という意味ではない。対象は対応generatorとwatermarkがあるcontentである。
3．Provenance──制作履歴を署名付きで辿る
C2PAは、originとeditのhistoryをmanifestとして結び、改変の有無とsignerを検証できるようにする。
三つは競合ではない。自己申告、検出signal、署名付きhistoryを重ねることで、単独の弱点を補う。
YouTubeは「AIを使ったか」だけを聞いていない
YouTubeは、realisticに見え、meaningfully alteredまたはsynthetically generatedなcontentについてcreatorへdisclosureを求めている。
実在人物が言っていないことを言ったように見せる。実際の事件や場所を変える。起きていないrealisticなsceneを作る。こうしたcontentは開示対象になる。
一方で、AIによるscriptやoutline、caption、軽微なcolor調整、非realisticなanimationなどは、同じ基準で一律に開示対象とはされていない。自分のvoiceをcloneしたvoiceoverと、他人のvoice cloneも区別されている。
判断軸は、「制作のどこかにAIが入ったか」だけではない。視聴者が現実に起きたことを誤認し得る生成・改変かである。
platform ruleは変わるため、公開時点のHelp Centerを再確認する必要がある。未開示が続けば、YouTubeがlabelを付けたり、収益化やchannelへ措置を取る可能性も案内されている。
透明性は、AI利用の免罪符ではない
「AI生成と書いたから何をしてもよい」わけではない。
著作権、肖像、voice consent、商標、個人情報、誤認表示、引用。これらはdisclosureとは別の問題だ。他人の声を無断でcloneした映像へ正直に「AIです」と書いても、同意の問題は消えない。
逆に、AIを使った事実だけで低品質や不誠実と決めつける必要もない。自分のvoiceを許諾のもとで多言語化し、生成したinfographicで複雑な仕組みを説明し、実screen recordingと組み合わせることは、理解と到達範囲を広げられる。
問うべきなのは、AI使用の有無だけではなく、素材の権利、説明の正確さ、改変の意味、公開責任である。
来歴は、creatorとbrandを守る資産になる
AdobeはContent Authenticity appで、creatorがverified identityやsocial linkをContent Credentialsへ付ける仕組みを提供している。来歴は偽物を排除するだけでなく、本物の作者へ辿り着く導線にもなる。
作品が切り抜かれ、転載され、別の文脈で拡散された時、誰の制作物か、どのversionか、どこでeditされたかを示せる。AI時代には、作品そのものと同じくらい、作品のhistoryがbrand資産になる。
ただし、すべてのplatformがmetadataを保持し、すべてのviewerがcredentialを表示できるわけではない。だから、標準技術だけへ任せず、自社にも制作台帳を持つ必要がある。
発信側が持つべき、四層の信頼設計
標準の普及を待たず、編集台帳だけは今日から始められる。
Disclosure──視聴者へ、生成・改変の意味を説明する
Watermark──対応generator由来の検出signalを残す
Provenance──origin、edit、signerをContent Credentialsで辿れるようにする
Editorial ledger──source、model、voice consent、fact check、公開責任を組織内で残す
標準が普及途上でも、四つ目は今日から始められる。
一本のAI動画に、何を記録するか
source、model、voice consent、編集、fact check、公開判断を一つの記録へ。
content id、public URL、公開version
参照したsource URLと取得日
real footage、screen recording、generated image、generated videoの区分
model、provider、生成日、採用したoutput
voice owner、consent、TTSかvoice cloneか
字幕、翻訳、deterministic overlay、編集history
事実主張のownerとfact-check status
YouTubeのAI use判断と理由
C2PAやwatermarkの有無、またはunknown
全promptを公開する必要はない。営業秘密や個人情報を守りながら、後から制作責任を説明できる粒度で残す。
EDIFORCEの動画ラインも、完成映像だけを正本にしない
記事からnews video、長尺解説、Shortsへ展開する時、同じ検証済みcoreを使う。生成素材、screen recording、voice、字幕、公開metadataをmanifestで束ねる。
AIが作った部分は隠さない。ただし「全部AI」と雑にまとめず、人間の取材、判断、編集、実写、生成映像を区別する。
これなら、toolを替えても、platform ruleが変わっても、どこを作り直し、何を再確認すべきか分かる。来歴はcompliance資料であると同時に、再編集可能な制作資産になる。
結論──本物らしさではなく、辿れることを競う
AI動画の品質は上がり続ける。見抜く技術も進むが、生成技術との追いかけっこだけでは信頼を守れない。
誰が、何を根拠に、どのtoolを使い、どこを編集し、誰の声と判断で公開したか。
そのhistoryを残し、必要な範囲で見せる。これからのメディアが競うのは、AIを使っていないように見せることではない。使った技術と引き受けた責任を、後から辿れることである。
