AI動画生成ツール、中小企業が3ヶ月試してわかった現実
「これで動画外注がなくなる」と思った。実際、HeyGenのデモは驚くほど完成度が高い。人物アバターが自然な口調で製品を説明し、175以上の言語に対応している。試した経営者の期待が膨らむのは当然だ。
ただ、3ヶ月使い込んだ後の感想は「想定の半分くらいしか使えない」——この声が圧倒的に多い。品質の問題ではない。壁は別のところにある。
2026年9月現在、AI動画生成は中小企業にとって「使える武器」になりつつあるが、使いこなせる企業とそうでない企業の差が大きく開いている。何が違うのかを整理する。
Soraが終わった今、使えるツールはどれか
まず現状を正確に押さえておきたい。2026年9月24日、OpenAIがSora（ソーラ）を正式に終了した。アプリは4月に閉鎖、APIは今月（9月）末に停止という2段階の撤退だった。月間ユーザーが50万人を割り込み、1日約100万ドルの運営コストを回収できなかったというのが背景にある。
Soraへの移行を検討していた企業は、今すぐ代替ツールへの切り替えが必要だ。現実的な選択肢は以下の4つになる。
| ツール | 月額 | 得意な用途 | 主な制限 |
|---|---|---|---|
| HeyGen | 24〜49ドル | アバター動画、研修・説明動画 | 日本語は品質QAが必要 |
| Runway Gen-4 | 35〜76ドル | 映像素材、プロモーションB-roll | 1クリップ5〜10秒が上限 |
| Kling（快手） | 10〜92ドル | 長尺クリップ、コスト効率 | データ管轄が中国（企業リスク） |
| Pika | 無料〜有料 | SNS向けショートクリップ | シーンの一貫性が弱い |
用途別に最適なツールは異なる。研修・製品説明・FAQ動画の量産ならHeyGen。映像素材や広告クリエイティブならRunway。コスト重視かつ日本語コンテンツへの依存が少ないならKlingも選択肢に入る。ただしKlingは快手（中国のプラットフォーム企業）運営のため、企業情報を動画素材として使う場合はデータ管轄リスクを確認すること。
実際に効果が出た使い方：数字で見る
AI動画生成が「使えた」事例は限られているが、そのパターンは明確だ。
研修・コンプライアンス動画の量産に使った企業では、コスト構造が大きく変わった。従業員150名規模の教育研修会社の例では、毎年更新が必要な法令研修動画の制作コストが月30万円から月8万円に下がった。制作期間も2週間から3日に短縮された。
この会社が成功した理由は明確だ。元々、講師が使う研修テキストが整備されていた。AIに流し込む「素材」が存在していたのだ。
市場のデータもこの傾向を裏付ける。AI動画生成サービスへの登録者の46%は従業員50名未満の中小企業だ（2025年データ）。動画制作の外注コストが高く、内製化ニーズが高い業態が先行して採用している。コスト比較では、2分間の製品説明動画を外注すると100万〜500万円かかるところが、AI活用でツール費用（月数千円〜数万円）に近い水準まで下がる事例もある。
2025年9月にHeyGenがリリースした「Video Agent」機能は、スクリプト生成からアバター撮影、ナレーション、B-roll選択まで一気通貫で行う。2分間の動画をプロンプト1回で出力できるようになった点は、従来のクリップ組み合わせ型と比べて大きな進歩だ。
壁の正体：品質ではなく「インプット設計」の問題
ここが本質的な問いだ。なぜ多くの企業がAI動画生成で期待した成果を出せないのか。
答えは単純で、AIに渡す「設計図」が存在しないから。
外注の制作会社に動画を依頼するとき、ディレクターは何をしているか。台本（何を言うか）、映像イメージ（どう映すか）、素材（写真・ロゴ・既存映像）——これらを依頼主から引き出し、整理し、撮影・編集に落とす作業をしている。AI動画生成ツールはこのディレクターの仕事を「実行する機能」は持つが、「引き出す・整理する」部分はユーザー側の作業として残る。
つまり、AI動画を使いこなせる企業は「元々動画制作に必要な素材と構成力を持っている企業」だ。逆説的だが、これがAI動画生成の現実だ。
日本語対応についても同じ課題がある。HeyGenは日本語ナレーションと口パク同期に対応しているが、英語原稿をAI翻訳した日本語文は、ビジネス現場の読み手には「どこかぎこちない」と感じることが多い。技術的には機能する。文化的なチューニングは人間の目が必要だ。
図1: AI動画生成で成果が出る会社・出ない会社の分岐構造
コストの現実：何が安くなって、何が残るか
「動画制作コスト9割削減」という数字は、特定の条件下では成立する。ただ、その条件を正確に理解する必要がある。
削減できるのは「素材生成・ナレーション音声・基本的な映像クリップ」の部分だ。外注で50万〜200万円かかっていた部分が、ツール費用（月1万〜5万円程度）に近い水準まで下がる可能性がある。
一方、コストが残る部分がある。台本作成（Claudeなど別のAIで補完できるが、レビュー工数は残る）、映像の最終確認と細かな修正、公開後の効果測定——これらは依然として人間の工数だ。
合理的な期待値は「制作コストの40〜70%削減」。それ以上の削減は、既存のコンテンツ資産が豊富な企業か、定型コンテンツの量産に特化した運用体制を作った場合に限られる。
Lat91の実体験：SEO記事と動画の連携で見えてきたこと
Lat91では、自社のコンテンツ制作プロセスの一部にAIツールを組み込んでいる。SEO記事の制作と並行して、記事の内容をもとにした短尺の解説動画を試作したことがある。
わかったのは、文字コンテンツ（記事・スクリプト）が先に存在することが前提条件になるということだ。記事があれば動画の台本は30分で書ける。台本があればHeyGenで20分でアバター動画が完成する。しかし、最初から「動画を作ろう」と始めると、設計段階で詰まる。
コンテンツ制作における動画AIの位置づけは、「ゼロから生み出す道具」ではなく「既存コンテンツを別形式に変換する道具」として使うのが現時点では正しい。
3年後の展望：日本語完全対応と編集フリー化
現在の最大の課題である「日本語品質の不安定さ」と「クリップ組み合わせの編集工数」は、2〜3年で大きく改善すると見ている。
音声合成（TTS）技術は既に実用水準に達しつつある。Elevenlabs、NTTグループのAI音声など、ビジネス向けの自然な日本語音声が量産できる状態になってきた。これとAI動画生成の統合が進めば、スクリプトだけ準備すれば完成品が出てくる環境は2〜3年で実現可能だ。
マルチモーダルモデルの進化も追い風だ。テキスト入力から映像・音声を一気通貫で生成するワンステップ処理が標準化されれば、現在の「クリップを組み合わせる」編集作業は大幅に削減される。
ただし、「何を伝えるか」を設計する力は人間に残り続ける。AIが上手くなるのは「作る」側であり、「判断する」側ではない。どんなメッセージを、誰に届けるかを考える力は、5年後も10年後も人間の仕事だ。
よくある誤解：「使えない」という批判の正体
「AI動画は使えない」という声は、一部では正当だ。感情的なストーリーテリングが重要な動画、ブランドの世界観を厳密に表現しなければならないコンテンツは、現時点では人間のクリエイターが依然として優位だ。この批判は認めなければならない。
一方で「使えない」という声の多くは、用途を間違えた使い方をした結果でもある。RunwayやKlingで「感動的な企業PR動画を作ろう」と試みて失敗した経験から「AI動画は使えない」と結論づけるのは、スプレッドシートで映像編集しようとして「PCは使えない」と言うようなものだ。
正しい問いは「AI動画は使えるか」ではなく「自社のどの動画業務に、どのツールが使えるか」だ。
月曜日から試せるアクション
今週から始められることを3段階で整理した。
Step 1（今週）：動画資産の棚卸し
自社に「既に文字で存在しているコンテンツ」を探す。研修マニュアル、製品説明資料、よくある質問（FAQ）——これらがAI動画のインプットになる。動画化できそうなものを3〜5件リストアップする。
Step 2（来週）：HeyGenで1本試作
HeyGenの無料トライアルで研修動画か製品説明動画を1本だけ試作する。完成度を上げようとしない。ワークフローが成立するかを確認することだけが目的。所要時間は2〜3時間。
Step 3（3週目）：社内で評価する
試作した動画を想定視聴者（研修担当者、営業メンバーなど）に見せ、「これが月5本出てきたら業務で使えるか」を確認する。ここで「使える」という合意が取れれば、次のステップに進む。合意が取れなければ、用途か動画の種類を変える。
まとめ
- Soraは2026年9月に終了。HeyGen・Runway Gen-4・Klingが現実的な選択肢
- AI動画生成の限界は「品質」ではなく「インプット設計力（台本・絵コンテ・素材）」にある
- 成功パターンは「既存の文字コンテンツ」を動画に変換する使い方。ゼロから発想は難しい
- 期待できるコスト削減は40〜70%。「9割削減」は特定条件下のみ
- 2〜3年で日本語品質と編集工数の課題は大幅改善される見通し
Lat91では、生成AIを使った業務改善の設計支援を行っています。
「AI動画を試したいが自社に合う用途がわからない」「既存コンテンツのAI活用を整理したい」という方は、まずは無料相談でお気軽にどうぞ。