独占：Luma AI、『統合インテリジェンス』モデルを搭載したクリエイティブエージェントを発表

木曜日、AI動画生成スタートアップのLumaは、テキスト・画像・動画・音声にまたがる完全なクリエイティブワークフローを管理するシステム「Luma Agents」を発表した。これらのエージェントは、単一のマルチモーダル推論エンジンとして訓練されたアーキテクチャを特徴とするLumaのUnified Intelligenceモデルファミリーによって駆動される。

Lumaは、広告代理店、マーケティング部門、デザインスタジオ、企業向けに、このエージェントを革新的なツールとして位置付けている。Lumaによれば、エージェントはテキスト、画像、動画、音声の企画・制作が可能で、LumaのRay 3.14、GoogleのVeo 3、Nano Banana Pro、ByteDanceのSeedream、ElevenLabsの音声モデルなど、他のAIモデルとの連携も行う。

Lumaエージェントの基盤となるのは、同社のUnified Intelligence AIモデルシリーズ第一弾となるUni-1モデルだ。LumaのCEO兼共同創業者であるAmit Jain氏は、Uni-1が音声・動画・画像・言語・空間推論の領域で訓練されていると説明した。

Jain氏はTechCrunchに対し、Uni-1モデルは「言語を用いて思考し、ピクセルや画像で視覚化・レンダリングできる…これを我々は『ピクセル単位の知能』と呼んでいる」と語った。また、音声や動画などの追加出力形式は将来のモデルバージョンで導入されると述べた。

「お客様が購入するのは単なるツールではありません。ビジネスプロセス全体の再構築なのです」とジェインは述べた。

画像クレジット：Luma AI

Lumaは既に、グローバル広告代理店Publicis GroupeやServiceplan、Adidas、Mazda、サウジアラビアのAI企業Humainなどの既存クライアントに対し、新たなエージェント型プラットフォームの展開を開始している。

ジェイン氏は、Lumaエージェントが画期的な存在である理由として、資産・チームメンバー・クリエイティブ修正の全プロセスで継続的な文脈を保持する点を強調。さらにエージェントは自身の出力を評価・改善し、反復的な自己評価を通じて結果を洗練させると付け加えた。

この自己点検能力こそが、コーディングエージェントを効果的にしている要因だとジェインは指摘する。「作業をレビューし、修正し、結果が品質と正確性の基準を満たすまでこのサイクルを繰り返す能力が必要だ」

ジェイン氏は、現在のクリエイティブ環境におけるAIツールの活用手法は、業界が期待する生産性向上をもたらしていないと指摘。「100のモデルを用意し、それぞれにプロンプトを出す方法を学べ」という状況に陥りがちだと述べた。

Luma Agentsが他と一線を画すのは、画像やコンセプトの反復生成ごとにユーザーがプロンプトを繰り返し入力する必要がない点だと彼は説明する。代わりにシステムが広範なバリエーションを生成し、ユーザーは対話型入力でクリエイティブの方向性を導くことができる。

「ユニファイド・インテリジェンスにより、当社のモデルは生成だけでなく理解も行うため、完全なエンドツーエンドタスクを管理できるシステム構築が可能になります」とジェインは述べた。

彼は人間の建築家が建物を設計する例を挙げた。建築家がスケッチする過程で、構造・照明・空間関係・実体験のメンタルモデルが形成される。ジャインによれば、Unified Intelligenceも同様の原理で動作する。

ジェインによれば、このシステムは創造的プロセスを劇的に加速できる。あるデモでは、200語のブリーフと製品画像（口紅）から、広告キャンペーンの背景、モデル、カラーパレットに関する複数のコンセプトを生成する様子が示された。

別の事例では、Luma Agentsがブランドの年間1500万ドル規模の広告キャンペーンを、複数国向けのローカライズ広告群へ変換。この作業を40時間で2万ドル未満で達成し、かつブランドの内部品質・精度基準を満たした。

Luma Agentsは現在パブリックAPI経由で利用可能だが、Jain氏はスタートアップが信頼性の高いサービスを確保しワークフローの中断を防ぐため、アクセスを段階的に導入する意向であると述べた。