何が起きたか

Runway MLのRyan Phillips氏が、VB Transform 2026でリアルタイムAI動画モデル「Runway Characters」の開発の裏側を明かしました。Runway Charactersは、AIが生成したアバターとゼロ遅延で双方向にやり取りできるリアルタイム動画モデルです。

象徴的だったのが、生成中にアバターが画面中央から揺れて外れていくバグへの対応です。Runwayは数週間かけてバックエンドで直そうとしましたが解決せず、代わりに「ユーザーの入力画像が完全に中央にあれば動画は安定する」という発見から、生成前に画像を自動で再センタリングする前面機能『Optimize for Image Quality』を実装しました。Phillips氏は「内部では制約に感じても、製品機能として組み込めば顧客は制約とは受け取らない」と述べています。

なぜ重要か

この話は、基盤モデルを自作しない企業にも直接効きます。Phillips氏自身「モデルを自分たちで作っていなくても、ほぼすべての教訓は日々の業務に応用できる」と強調しました。示された開発手順は、AIプロダクトを事業に組み込む際の実務そのものだからです。

Runwayの流れは、巨大な基盤モデルを事前学習し、蒸留（distillation）で小型・高速な「生徒」モデルに知識を移し、生成時間を80〜90%削減。蒸留で失われた鮮明さは敵対的事後学習（APT）で取り戻します。ただし蒸留とAPTの段階で、まさに前述のアバターがずれるバグが生まれました。

品質は「Excelと合格ライン」で決まる

堅牢なAIプロダクトの起点は、高品質な評価セットです。Runwayは製品・デザイン・研究・営業の部門横断で「成功と失敗の定義」を揃えるワークショップを回します。評価セットには広範なユースケースに加え、鼻がなく歯が異様な非人間キャラ『Tooth』のような極端なエッジケースも含めます。顔は保たれても背景のネットが崩れ始めた動画は「失敗」と判定されました。

評価はExcelで毎日ログを取り、出力を「minor」「major」に分類。開始前に合格率のバーを決め、そこに達したら出荷します。Phillips氏は「魔法ではない」と表現しました。視覚評価はLLMを判定者として自動化でき、手描きスケッチや広告の構造レイアウトを裏側の文脈として与えることも可能だといいます。

インフラの「小さな詳細」

世界中に24fpsで配信するには、キャッシュや並列デコード、Nvidiaと連携した深いカーネル改修まであらゆる層の最適化が要ります。Runway Characters公開直後、API呼び出しの8%が16fpsに落ちて動画がカクつく問題が発生。Claudeを使ったAIエージェントとDatadog・Sentryで原因をus-east-1の特定データセンターに突き止めましたが、解決策は設定変更ではなく、GPUの物理交換でした。

Phillips氏は、数週間ひとつの問題で行き詰まる「failure hell（失敗地獄）」を経てこそ、突然の指数的改善が訪れると語ります。そして企業のクリエイティブの役割は、単一の広告制作から「エージェントやリアルタイムモデルが広告を生成できる“世界”を設計すること」へ移りつつあると指摘しました。

💼 事業会社視点：これは自社にどう効くか

日本企業がまず持ち帰るべきは「制約を機能に転換する」発想です。SaaSや受託開発の現場では、AI機能のバグや限界を数週間かけて根治しようとして開発が止まりがちですが、Runwayは入力を自動補正する前面機能で回避しました。完璧なバックエンド修正に固執せず、ユーザー体験として吸収できないかを先に問うべきです。

次に「合格ラインを先に引く」規律。生成AIは出力が曖昧なため、ECの商品画像生成やマーケ動画でも、開始前にminor/major基準と合格率を部門横断で合意し、Excelでも毎日ログを取る運用が現実解になります。LLMを評価者として使えば、この採点自体を自動化できます。

そして役員が意識すべきは、クリエイティブ人材の役割転換です。制作外注を単価で見る段階から、自社のIP・美意識・パラメータを定義し「AIが広告を生成できる世界観」を設計する段階へ。8%のGPU起因障害が示す通り、AI動画は運用インフラの巡回監視も経営マターです。