何が起きているか
飲食業界で生成AIによるメニュー画像の利用が急速に広がっていますが、その多くが「完璧すぎる」見た目をしています。左右対称すぎる盛り付け、不自然になめらかな質感、完全な球体のアイスクリーム。中には、チーズが前衛芸術のように過剰に溶けたブリトーや、自分の尾を食べているように見えるエビといった、明らかに破綻した画像もあります。Reality DefenderのCTOアレックス・リスル氏はこれを「クトゥルフ的な食品ホラー」「ピザの本質を理解しないまま作ろうとしているエイリアンのよう」と表現しています。
厄介なのは、大半の画像が一見「普通」に見えることです。よく見ないと破綻に気づかない——この微妙さこそが、後述する不快感の源になります。
「収束」であって「崩壊」ではない
リスル氏は原因をモデルの作られ方に求めます。拡散モデルや大規模言語モデルは膨大なデータからパターンを学び、「バーガー店のメニューを作って」というプロンプトから最も無難な正解を予測します。結果、出力は「2015年のChili’sのメニュー」に似る。それが学習コーパスだったからです。ファストフードのメニューを求めれば、モデルはもともと似通ったWendy’s、Burger King、McDonald’sを参照し、その様式を模倣する。そしてその出力が学習データに戻れば、様式はさらに強化されます。
ここでリスル氏は重要な線引きをします。自分の出力を食べ続けて機能不全に陥る「モデル崩壊」——氏は狂牛病や近親交配に喩えます——とは違い、いま起きているのは収束である、と。収束はモデルを使えなくはしません。ただ品質を静かに削っていく。壊れないからこそ、誰も止めないのです。
この劣化は再帰的に進みます。Labtec氏（@labtec901）は2026年8月19日、ChatGPTで作ったメニューを100回編集し続けた結果をXに投稿し、「最終結果は本当に不快だ」と述べました。TechCrunchが追試しても同様の結果になったといいます。実際の飲食店も、価格や商品名といった細部を直すために同じ画像を何度も再生成しているはずで、そのたびに料理は少しずつ丸く、なめらかになっていきます。
「角を削ぎ落とす」設計思想
Elon University「Imagining the Digital Future Center」のリー・レイニー氏は、より構造的な説明をします。データセットは「心地よさ」と「不快感を与えないこと」に最適化されており、それが均質化を生む。AIは画像でも言語でも「角を削ぎ落とす(shave off the edges)」のだ、と。
食品広告はもともと現実を理想化してきました。マクドナルドのCMのビッグマックは、プロの造形担当者が組み上げたものです。AIはその理想化を、誰も指示しないまま極限まで推し進めます。
そして人間側には検知能力がある。レイニー氏は「人はAI生成物を、うまく言語化できないまま、見れば分かってしまう」と述べ、これが飲食店のAIメニューに対する初期の反発の激しさを説明すると指摘します。ドイツ・デュースブルク＝エッセン大学の研究者は、AI生成の食品画像が「不気味の谷」を引き起こし、明らかに偽物の画像より、ほぼ本物に見える画像のほうが強い嫌悪と不安を引き起こすことを見出しました。中途半端に上手いAI画像が、下手なAI画像より嫌われるということです。
メニューの外側にある論点
リスル氏は射程をさらに広げます。「見ること・聞くことは常に信じることだった。司法制度ですら、録音された自白や映像証拠を証拠の最高峰とする前提で組み立てられている。それはもう成り立たない」。Reality Defenderのような、AI検知・コンテンツ真正性検証を売るスタートアップの市場は、まさにこの前提の崩壊の上に成立しています。
学習データの希少性も背景にあります。Amazonは希少本を調達してスキャンし、アップロード後に本を廃棄していたことが判明しています。新しい人間由来のデータは、それだけの価値を持つ資源になっているということです。
💼 事業会社視点：これは自社にどう効くか
まずEC・D2C・飲食チェーンの経営者へ。 商品画像のAI生成は、コストではなくブランド信用の問題として扱うべき段階に入りました。デュースブルク＝エッセン大学の知見が示すのは、「そこそこ上手いAI画像」が最も嫌われるという逆説です。つまり、生成品質を上げる投資は途中まで逆効果になり得る。撮影費を削って生成に切り替えるなら、シズル感が重要な主力SKUだけは実写を死守し、AIは背景・図版・低関与カテゴリに限定する、という線引きを今期中に決めるべきです。
受託開発・制作会社へ。 「AI画像を100回修正したら劣化した」は、そのまま納品物の品質保証条項の穴です。価格変更のたびに画像を再生成する運用は、契約上「軽微な修正」に見えて実質は再制作にあたります。生成物の再編集回数・元データ保持・修正時は画像を再生成せずテキストレイヤーのみ差し替える、といった運用ルールを見積前提に書き込んでおくと、後の揉め事を防げます。
SaaS・全社レベルでは、 収束は自社の生成AI活用全般に効いてくる論点です。競合と同じ基盤モデルに同種のプロンプトを投げている限り、LP文言も提案書もマーケコピーも「角の削がれた」平均値に寄ります。差別化の源泉は、自社しか持たない一次データ——顧客の実際の発話、現場写真、案件履歴——をどれだけ生成の入力側に持ち込めるかに移ります。Amazonが希少本を調達してまでデータを確保している事実は、その希少性を裏付けています。