AIが生成する。3Dが制御する。その中間は沈黙している。

空間デザインにおけるAIに関する議論は、生成とレンダリングという2つの終着点に固執しています。真のボトルネックは、その間にある語られざる領域であり、それがデザインビジュアライゼーションの次のフロンティアです。

はじめに

AEC業界は、AI、リアルタイムレンダリング、コンピュテーショナルデザイン、パフォーマンス駆動型シミュレーションがすべて収束しつつあるかのように語っている。

現場では、そうではない。

ツールは増えている。ワークフローは依然として分断されている。

過去20年間、BIMは業界にコラボレーションプロトコルをもたらしたが、創造性のエンジンではなかった。リアルタイムレンダリングは視覚的なフィードバックを高速化したが、モデルと画像の間の手作業を排除しなかった。AI画像生成はアイデア創出をより身近なものにしたが、編集可能なジオメトリへのループを断ち切った。

これこそが、このエッセイが扱うギャップである。今日のツールは最終形態ではない。それらは過渡的な妥協策であり、その妥協は、どこを見るべきか知っていれば至る所に見える。

高度なワークフローの現実

私たちが話を聞いたあるグローバル企業は、外から見ると高度なビジュアライゼーション業務を行っているように見える。複数の地域オフィス、国境を越えたプロジェクトチーム、3Dモデリング、コンピュテーショナルデザイン、リアルタイムレンダリング、AI画像生成に及ぶ洗練されたツールスタック。しかし、よく見ると、それは決して最終形態ではない。それは注意深く調整された妥協策であり、まさにその妥協の中に、デザインビジュアライゼーションの真のフロンティアがどこにあるのかを見ることができる。

しかし、その能力は均等に分散されているわけではない。最も成熟したデザインマーケットのチームは、「ヘビー」なワークフロー（フル3Dモデリング、複雑なレンダリングパイプライン、リアルタイムビジュアライゼーション）を実行する傾向がある。他の地域のチームは中間に位置する。そして、人材とハードウェアの制約が厳しいチームは、多くの場合、視覚的なアウトプットをAI生成画像に大きく依存している。

これは賢いグローバルな委任のように見える。しかし、別の質問をしてみよう。なぜすべてのオフィスが完全なワークフローを実行していないのか？答えは簡単だ。できないのだ。あなたが予想する理由ではない。

三つの障壁

最初の障壁は学習曲線である。MayaやUnreal Engineを1週間で習得することはできない。ビジュアライゼーションデザイナーがこのツールチェーンを操れるように訓練するには何年もかかる。世界的なAECビジュアライゼーション人材の不足の中、すべてのオフィスにこれらの専門家を配置することは非現実的である。

The second is hardware cost. Real-time rendering of complex urban scenes demands serious GPU compute. For branch offices where every dollar is scrutinised against project margin, this is a hard investment to justify on a per-project ROI basis.

そして3つ目の障壁は、最初の2つをさらに悪化させる。それは効率の低下である。たとえ人材とハードウェアがあっても、マルチソフトウェアワークフローはそれ自体が効率の敵である。Rhinoから3ds Max、Unreal、Photoshopへのジャンプのたびに、データの忠実性の損失、フォーマット変換のリスク、そして創造的なループの断絶が生じる。ツール間の継ぎ目こそが、沈黙の中間が存在する場所であり、連鎖させるツールが多ければ多いほど、継ぎ目も増える。

AIの幻想：脆弱でスケーラブルではない

これらの障壁を回避するために、「軽量」なオフィスはAIに頼った。共有の内部ハブを通じて、Midjourney、KREA、Klingなどのツールにアクセスし、コンセプトイメージを迅速に生成する。これによりアクセシビリティは解決される。ほとんどトレーニングなしで、誰でもどこでも使用できる。

しかし、これにより新たで致命的な問題、すなわちワークフローの断絶が生じる。

より技術的な建築家やデザイナーの中には、ここで反論する人もいるでしょう。「AIは行き止まりではない」と彼らは主張します。「ComfyUI、ControlNet、デプスマップを使えば、正確な制御を実現できる」と。確かに、それは可能です。しかし、スパゲッティのようなノードグラフで一貫性を強制しようとすると、彼らはノードエンジニアになってしまいます。それは極めて脆弱で、根本的にスケーラブルではありません。クライアントが「この正確なアングルはそのままに、あの柱を50センチ後ろに下げてください」と言った瞬間、パイプラインは崩壊します。ComfyUIのハッカーのようなワークフローを、7カ国500人のデザイナーに展開することはできません。それはインフラではありません。ハックなのです。

これが、画像ベースのAIをインフラとして見なすことの重大な欠点です。それは過渡的なテクノロジーです。美しい画像を生成できないからではなく、編集可能なジオメトリにループバックできないからです。画像は美しいかもしれません。しかし、それは行き止まりです。編集できず、推論できず、モデルに有用なデザインインテリジェンスとして戻すことができません。そして、モデルに戻れないパイプラインは、空間デザインの反復的な性質を支えることはできません。

沈黙の中間：デザイナーが実際に時間を費やす場所

真のボトルネックはレンダリングボタンではない。それは、誰もがそれを押すことを許される前に起こるすべてのことである。

デザインビジュアライゼーションにおけるAIに関する公の議論のほとんどは、2つの端点に固執している。フロントエンドでは、魅力的なコンセプトを生み出すAI画像生成器。バックエンドでは、より高速なフォトリアリズムを約束するレンダリングエンジン。この2つの端点の間には、ほとんど誰も議論しない広大な沈黙の労働領域が広がっており、そこでデザインチームは実際に日々を費やしている。

マスモデルから納品用のヒーローショットまでの間に実際に何が起こるかを考えてみよう。

**洗練のギャップ**。正確なマッシングモデル（クリーンなボリューム、正しいプロポーション、敷地に正確）は、レンダリング可能な状態ではありません。そうなるには程遠いのです。何かをレンダリングする前に、誰かがそれを特定のモデルに構築する必要があります。カーテンウォールの分割、開口部システム、屋根の表現、バルコニーの詳細、日よけ要素、隣接建物の正確な表現、選択したカメラアングルで正しく見える地形などです。詳細は分野によって異なります（インテリアなら建具と仕上げ、ランドスケープなら地形の勾配と植栽）が、ギャップは同じです。これはデザインではありません。デザインはすでに行われています。これはレンダリングでもありません。レンダリングはまだ始まっていません。それは、この2つの間のギャップに該当する、特殊な形式のモデリング作業です。数日間の作業。時には数週間にも及びます。

シーンアセンブリのギャップ。モデルが洗練されても、洗練されたジオメトリだけではシーンは完成しません。誰かが配置と調整を行わなければなりません。すべてのサーフェスのマテリアル、時間帯と雰囲気に合ったライティングスタディ、適切な種の密度の植生、適切なスケールと配置の車両、意図されたプログラムを読み取る人型、ストーリーを伝えるカメラコンポジション。これらは、1枚のヒーローイメージのために数時間の手動配置を要します。プロジェクト全体では、レンダリング自体よりも多くの時間がかかります。

これらのギャップは、AI画像生成ツールでは埋められません。画像生成ツールはピクセルを生成しますが、ジオメトリを洗練したり、3Dシーンを構築したりすることはできません。従来のレンダリングエンジンでも埋められません。レンダラーはシーンがすでに構築されていることを前提としており、シーンを構築しません。また、「テキストから3D」ツールでも埋められません。それらが生成するジオメトリは、本格的なデザイン用途には曖昧で不正確すぎます。

これらのチームとの会話を通じて、私たちは同じことを繰り返し耳にします。デザイナーにはシーンを手作業で構築する時間がないのです。問題はもはや「いかに速くレンダリングするか」ではなく、「マッシングからレンダリング準備完了まで、優秀な人材の数週間を費やさずに到達する方法」です。

静かな中間領域こそが、今日のデザインビジュアライゼーションにおける真のボトルネックです。それは製品デモでは見えず、学術的な議論からも欠落しており、AI in Architectureのカンファレンスパネルでも顕著に欠けています。しかし、そこに時間が費やされているのです。

ビジュアライゼーションのトリレンマ

分散システム設計でおなじみのパターンを借りれば、私たちが目にしているものは「ビジュアライゼーションのトリレンマ」と呼べるでしょう。日常的な制作ワークフローにおいて、グローバル規模では、今日のツールチェーンは企業に3つの特性のうち2つを選ばせます。すなわち、完全性、アクセシビリティ、継続性です。

ヘビーパイプラインは完全性と、チームが規律正しければ継続性を提供します。アクセシビリティを犠牲にします。
AIパイプラインはアクセシビリティを提供します。完全性と継続性を犠牲にします。
現在のツールチェーンで、これら3つすべてを大規模に確実に提供できるものはありません。

これが、グローバルな設計事務所が階層化されたワークフローに行き着く理由です。階層化が戦略的だからではありません。トリレンマが現実だからです。

そして、私が前述した静かな中間領域は、トリレンマの最も顕著な症状です。それは、AIによるアイデア出しから、洗練、シーンアセンブリ、最終レンダリングに至るまでの継続的なパスを提供するツールチェーンが現在存在しないために存在します。中間の手作業は、スタックの継ぎ目ごとに生み出される摩擦なのです。

重要な区別が一つあり、そこにこのアナロジーの価値があります。CAPは数学的な不可能性です。打ち負かすことはできず、2つを選ぶしかありません。ビジュアライゼーションのトリレンマはそうではありません。それは定理ではなく、工学的な状態です。3つの特性が今日競合するのは、それらがそれぞれ要求する3つの工学的文化を誰もまだ統合していないからであり、媒体の法則がそれを禁じているからではありません。それが、永遠に組織化する制約と、次世代のツールが取り除く制約の違いのすべてです。階層化されたワークフローは後者に属します。プロジェクト管理における鉄の三角形と同様に、市場の引力は、それをどう溶解するかを解明した者へと向かいます。

最終状態の再定義：統合ではなく、インテリジェンス

ここで一つ明確にしておくことがあります。建築はUIデザインではありません。私は、コンセプトから施工図面まですべてを一つのソフトウェアが吸収する、Figmaのようなユートピアを予測しているわけではありません。エンジニアリング上の責任は常に専門的なツール（Revit、Tekla、BIMスタック）を必要とし、その専門化は業界の特徴であり、欠陥ではありません。

真の最終状態はより狭く、より具体的です。すなわち、デザインのクリエイティブおよびビジュアルな意思決定フェーズ全体にわたるデータの摩擦を溶解することです。

これには3つの要素があります：

ビジュアルパイプラインの収束。AI生成、精密な3D空間制御、フォトリアリスティックレンダリングが、3人の異なる専門家が操作する3つの別々のツールではなくなります。それらは、一つの連続した環境の3つの側面になります。

静かな中間領域の自動化。現在、洗練とシーンアセンブリに費やされている時間は、ジオメトリとデザイン意図の両方を理解するAI支援ワークフローに吸収されます。「テキストから3D」ではありません。そのアプローチは抽象化のレベルが間違っています。必要なのは、デザイナーの意図に導かれ、人間が作成したジオメトリを精密に操作するAIです。これはビジュアライザーをループから外すことではありません。ループの中で彼らを引き上げることです。すなわち、洗練とアセンブリの反復作業から、実際に人間を必要とする作業（意図、ナラティブ、そしてどのモデルも生み出せない美的判断）へと戻すことです。私たちが溶解しようとしている時間は、ビジュアライザーの価値の源泉ではありませんでした。それは価値にかかる税金だったのです。

途切れない継続性。AIが生成したコンセプトは、編集可能なマッシングに直接反映されます。そのマッシングは、幾何学的精度を失うことなく、自動的に特異性へと洗練されます。シーンアセンブリは、デザイナーが上流で行ったすべての決定を記憶するAIによって orchestration されます。最初のひらめきから最終的なプレゼンテーション資料まで、線は途切れません。

これが情報からインテリジェンスへのシフトです。BIMは建物に関する情報を私たちに与えました。次世代のツールは私たちにインテリジェンスを与えなければなりません。すなわち、デザイナーがすでに決定したことを単に保存するのではなく、デザイナーと共に推論するシステムです。

誰がトリレンマを溶解するのか？

答えは、既存のレンダリングエンジンからはもたらされないでしょう。なぜなら、そのアーキテクチャはレンダリングがパイプラインの最終ステップであるという前提に基づいて構築されているからです。純粋なAI画像プラットフォームからももたらされないでしょう。なぜなら、そちらは3Dに戻る必要が決してないという前提に基づいて構築されているからです。テキストから3Dを生成するツールからももたらされないでしょう。なぜなら、それらは本格的な空間デザインプロジェクトが依存する幾何学的精度を犠牲にしているからです。

トリレンマを溶解するには、これらのカテゴリーが生み出せないものが必要です。すなわち、ツールの横ではなく上に位置する、接続性のあるインテリジェンス層です。

より優れたレンダラーではない。より優れたAIジェネレーターではない。より優れた3Dエディターでもない。設計ワークフロー全体にわたって持続するインテリジェンスの層——デザイナーの意図を記憶し、プロジェクトのコンテキストを理解し、各段階で専門的な機能を調整することで、デザイナーが手動でそれらをつなぎ合わせる必要をなくすもの。

ツール自体よりも、それらをつなぐ層の方が重要になる。

この層を構築するには、3つの柱を同時に実現する必要がある。AIマルチモーダル生成（アクセシビリティの解決）、洗練からレンダリングに至る全段階での精密な3D空間制御（完全性の解決）、そしてインテリジェンスを広範な設計エコシステム内のあらゆるツールやエージェントに拡張できるオープンアーキテクチャ（継続性の解決）。どの柱も単独では不十分だ。困難であり、同時に機会でもあるのは、これら3つの柱がまったく異なるエンジニアリング文化を必要とし、現在のベンダーのほとんどが3つすべてを備えていない点である。

これがツールに示唆すること

上記の分析が正しければ、答えのあるべき姿が制約されます。コネクティブ・インテリジェンス・レイヤーは、レンダラーに追加する機能や、画像生成ツールに後付けするモードではありません。それは異なるプリミティブ、すなわち、設計意図を構造化されたコンテキストとして保持し、スタックのあらゆる継ぎ目を越えてそれを運ぶものです。

この分析が真実であるために、特定の製品が必要なわけではありません。しかし、これは私たちにとっても抽象的な話ではありません。これは私たちがD5で構築している方向性であり、Arcoはそのための第一歩です。その名前には意図があります。アーチは、ギャップをまたぎ、その上に荷重をかけるための最も古い構造物です。これはまさに、サイレントミドルが要求するものです。私たちはArcoを、ジェネレーター、レンダラー、プラグインではなく、今後登場するContextual AI CoDesign Engine（コンテキスト型AIコデザインエンジン）と表現します。その背後にあるコミットメントが、二重の意味でアーキテクチャル（建築的）だからです。すなわち、発想の時点で意図を捉え、使い捨てのピクセルではなく永続的なコンテキストとして保持し、現在人間の時間を消費しているサイレントミドルの継ぎ目を越えてそれを運ぶことです。

今日、それは意図的に範囲を限定したことを意味します。すなわち、D5の既存のエコシステム内でAIによる発想と3Dレンダリングを橋渡しし、純粋な生成の曖昧さからデザイナーの幾何学的意図を保護することです。私たちはトリレンマを解決したと主張しているわけではありません。私たちは、答えの形が今や読み取れるようになり、そのアーキテクチャは当面のデモではなく、より大きな軌道に向けて構築されるべきだと主張しています。サイレントミドルは永遠に沈黙し続けるわけではありません。そして、それを閉じるツールは、単一の段階ではなく、継続性を中心に、最初の一行から設計されたものになるでしょう。

収束はすでに始まっている

次のサイクルをリードする企業は、最も高度なヘビーパイプラインノードを持つ企業や、最も巧妙なAIハックを持つ企業ではありません。彼らは、トリレンマを恒久的なものとして受け入れることを拒否する企業です。

D5がこの方向性で成功するか、他の企業が成功するかにかかわらず、階層化されたワークフローは一時的なものです。サイレントミドルは、デザインビジュアライゼーションの永続的な状態ではありません。今日の妥協をあたかも永久的であるかのように組織のグローバルオペレーションを編成している企業は、競合他社が支払っていない複合的な税金を支払っていることになります。

収束は起こります。唯一の本当の疑問は、誰が最初にそれを構築し、それがどのような形をとるかです。

今日、すべてのプラクティスが問うべき質問は、もはや「どのオフィスがどの階層に属するのか？」ではありません。それは次の通りです。

なぜあなたのプラクティスは、次世代のツールがまさに取り除こうとしている妥協の周りに、まだ組織化されているのですか？

D5は、この変化に向けてずっと構築を続けてきました。
より継続的なクリエイティブフローの背後にあるプロダクト哲学をお読みください。