なぜ1人法人のCEOが、ファッションAIの独自モデルを作ることにしたのか

22体のAIと、1つの確信。

私はKOZUKI。株式会社TomorrowProofの代表で、社員はゼロ、AIエージェントが22体いる。

開発、マーケティング、経理、法務、セキュリティ、SNS運用——全てAIが担っている。人間は私1人。2025年8月に法人を設立して以来、この体制で複数のプロダクトを同時に開発・運営してきた。

その中で、私が最も時間と情熱を注いできたプロダクトがある。

Lumina Studio——ファッションEC事業者のための、AI画像生成ツール。

今日、このブログを書いているのは、Luminaが新しいフェーズに入ったからだ。汎用AIモデルを捨て、独自のファッション特化AIモデルをファインチューニングするという決断をした。

これは技術の話だけではない。なぜ私がこの市場を選び、何度も壁にぶつかり、それでもこのプロダクトを世に出そうとしているのか。その全てを書く。

ファッションECの「ささげ」という巨大な痛み

「ささげ」という言葉をご存知だろうか。

撮影・採寸・原稿——ファッションECで商品を販売するために必要な3つの工程の頭文字だ。モデルをブッキングし、スタジオを押さえ、カメラマンを雇い、ライティングを組み、何十着もの服を撮影する。1商品あたりの制作費は数千円から数万円。大手ブランドなら月に数百SKU。年間の制作費は数千万円に達する。

中小のEC事業者にとって、これは致命的なコストだ。

売れるかわからない商品に、撮影費を先行投資しなければならない。モデル1人のギャランティ、スタジオ代、カメラマンのフィー。全部固定費。売上がゼロでも発生する。

AIがこの問題を解決できるはずだ——そう思った。

商品の平置き写真をアップロードすれば、AIがモデル着用画像を自動生成する。撮影コストは90%削減。納品時間は数日から数分に。24時間稼働。追加コストなし。

従来のささげ工程 vs Lumina AI

理論上は完璧だった。

最初の壁——汎用AIの限界

Luminaの開発は、Googleの最新モデル「Gemini 3 Pro」をベースに始まった。

世界最高レベルの汎用AIだ。テキスト理解、画像認識、マルチモーダル処理——あらゆるベンチマークでトップクラスのスコアを叩き出す。このモデルにプロンプトを工夫すれば、ファッション撮影レベルの画像が出せるはずだと考えた。

甘かった。

最初の生成画像を見た瞬間、わかった。白飛び。のっぺりした光。生地の質感が完全に消えている。シルクがコットンに見える。デニムがプラスチックに見える。影がない。奥行きがない。

プロンプトを100回以上書き直した。「ライティングの影比率を1:2.5にしろ」「生地のテクスチャを保持しろ」「自然なドレープを再現しろ」——言葉を尽くした。400語のプロンプト、800語のプロンプト、1,200語のプロンプト。

わずかに改善した。でも、「制作会社レベル」には程遠い。

ここで気づいた。根本的な問題は、プロンプトの書き方じゃない。

Geminiは言語モデルだ。画像生成モデルではない。

テキストの理解は天才的でも、ピクセルレベルの制御はそもそも設計思想にない。ファッション写真に必要な「この角度のこの光で、この素材がどう反射するか」という物理シミュレーションは、言語モデルの守備範囲の外にある。

料理を注文するのに、最高の翻訳家を雇ったようなものだ。言葉は完璧に伝わるが、料理は作れない。

二番目の壁——ライセンスの罠

次に試したのが、バーチャル試着（VTON）の専門モデルだった。

学術論文で高い評価を受けた、ファッション画像に特化した拡散モデルがあった。デモ画像の品質は素晴らしかった。これをLuminaに統合すれば、一気に品質が上がる。

統合を始めた。コードを書いた。テストした。結果は良好だった。

そして、ライセンスを読んだ。

CC BY-NC-SA 4.0。

NC——Non-Commercial。商用利用禁止。

つまり、このモデルを使って収益を得た瞬間、ライセンス違反になる。Luminaは有料SaaSだ。使えない。

即座にコードベースから全削除した。

これは笑い話ではない。世の中のAIスタートアップの中には、このライセンス問題に気づかずに——あるいは気づいていながら——NC付きのモデルを商用サービスに組み込んでいるところがある。いつか訴訟リスクが爆発する時限爆弾だ。

同じ罠に落ちかけた別のモデルもあった。テクスチャ保持の性能は最高クラスだが、やはりCC BY-NC-SA 4.0。商用不可。

この業界は地雷原だ。性能が良いモデルほど、NC付きの学術ライセンスで公開されている。商用OKで、かつ品質が高いモデルは、驚くほど少ない。

三番目の壁——セキュリティの穴

技術的な問題はモデル選定だけではなかった。

ある日、Luminaのフロントエンドコードを精査していて、血の気が引いた。

APIキーがブラウザのJavaScriptバンドルにハードコードされていた。

外部AIサービスのAPIキーが複数、ブラウザの開発者ツールを開けば誰でも見える状態。つまり、ユーザーが私のAPIキーを使って無制限にAPIを叩ける。請求は全て当社に来る。

原因は、開発初期にスピードを優先してクライアントサイドから直接APIを呼ぶ設計にしたことだ。

全面的なアーキテクチャ再設計を決断した。

全ての外部API呼び出しをVercel Serverless Functionsに移行。クライアントからは自社のAPIエンドポイントだけを叩く。キーはサーバーサイドに閉じ込める。Vercel Proプランに切り替え、セキュリティヘッダー、レート制限、CSP、監査ログを追加。

1人法人だからセキュリティを軽視していい理由にはならない。むしろ1人だからこそ、穴が1つでもあれば致命傷になる。

なぜ「独自モデル」なのか

ここまでの経緯を整理する。

汎用AI → ファッション画像の品質に天井がある
既存の専門モデル → 商用ライセンスの問題
商用OKの専門モデル → 使えるが、他社も同じモデルを使える。差別化にならない

ここで私は考えた。

海外にはすでに複数の競合サービスが存在する。数十人のチームを擁し、独自の学習モデルを持ち、月額数千円〜数万円で世界中のEC事業者にサービスを提供している。品質は制作会社レベル。

なぜ彼らの品質が高いのか。答えは単純だ。自分たちでモデルを訓練しているからだ。

汎用モデルに「ファッション写真を生成しろ」と命令するのと、ファッション写真だけを見て育ったモデルに「いつも通りやれ」と言うのでは、結果が根本的に違う。

そして気づいた。

オープンソースの商用利用可能な画像生成モデルの中に、品質・エコシステムともにトップクラスのものがあった。

このモデルをベースに、ファッションECの画像データでファインチューニングを行う。モデルの基礎能力の上に、「ファッション写真の撮り方」を追加学習させる。

正直に言えば、独自モデルの開発は1人法人にとって小さな投資ではない。設立から7ヶ月。資金に余裕があるわけではない。

それでもやる。会社の全てをかける。

この判断に迷いはなかった。中途半端に汎用AIのプロンプトを調整し続けて、競合の背中を永遠に追いかけるくらいなら、腹を括って独自モデルに振り切る方がいい。勝負するなら、今だ。

しかも、私にはファッションディレクターとしての経験がある。どのライティングが正解か、どの構図が商品を最も魅力的に見せるか、どの素材感が「嘘」に見えるか——その判断基準を持っている。

AIモデルの学習データを、ファッションのプロの目でキュレーションする。「この撮影は完璧なライティングだから学習に入れる」「このカットは影が硬すぎるから除外」——その判断ができる人間が、学習データを選別する。

技術×審美眼。これが参入障壁になる。

コードは誰でも書ける。モデルの学習方法はオープンソースで公開されている。でも、「何を学ばせるか」の判断には、ファッション業界の経験が必要だ。

技術構成——何を、どう作るのか

今日のCouncil会議で、全エージェントの調査結果を統合し、技術構成を確定した。

ベースモデル

商用利用可能なオープンソースの画像生成モデルの中から、品質とエコシステムの成熟度で最適なものを選定した。

ファインチューニング手法

モデル全体を再学習するのではなく、特定のタスク（ファッション写真生成）に最適化された軽量な追加レイヤーを学習する手法を採用。反復が容易なので、「生成→確認→調整→再学習」のサイクルを何十回でも回せる。妥協せず、納得するまで回し続ける。

学習データ

ここがLuminaの独自性の核になる。私自身のファッションディレクターとしての経験と、業界関係者の知見を掛け合わせて、学習データをキュレーションする。何を学ばせ、何を学ばせないか——その選別基準そのものが、他社には真似できない参入障壁だ。詳細は非公開とする。

推論基盤

クラウドGPUのサーバーレス実行環境を採用。使った分だけ課金される従量制で、固定費を最小化する。

パイプライン

商品画像アップロード
  → 汎用AI（商品分析・テキスト生成）
  → 独自ファインチューニングモデル（画像生成）
  → 汎用AI（品質チェック）
  → ユーザーに納品

汎用AIは「目」と「口」として残す。画像を見て何の商品かを分析し、商品説明文を生成し、生成画像の品質をチェックする。「手」——実際に画像を描く部分——は独自モデルが担う。

適材適所。言語モデルには言語を。画像モデルには画像を。

AI Pipeline Architecture

Lumina Studio——現在のプロダクトUI

これが今のLumina Studioだ。まだ開発中だが、すでに動いている。

Lumina Studio — 生成画面とモデル選択画面

左が生成画面。ガーメント画像をアップロードし、スタジオプリセット・ブランドトーン・AIモデルを選択して、1クリックでプロフェッショナルショットを生成する。

右がモデル選択画面。AIモデルロスターから選ぶか、カスタムAIでポーズ・体型・年齢・髪色まで自在に設定できる。EC用のニュートラルポーズから、エディトリアル用のウォーキングポーズまで。

これが、撮影スタジオの代わりになる。

日本のEC事業者に届けたいもの

ここまで技術の話をしてきた。でも、Luminaを作っている本当の理由は技術じゃない。

私は日本のファッションEC市場を見てきた。

BASEで副業のアパレルブランドを始めた若い起業家。Shopifyで海外展開を目指す中小メーカー。楽天で生き残りをかけて戦うセレクトショップ。

全員が同じ問題を抱えている。撮影にかける資金と時間がない。

大手は制作会社に月数百万円を払える。ZOZOTOWNは自社スタジオを持っている。でも、月商100万円のショップが1商品あたり数千円の撮影費を払い続けるのは、体力的に限界がある。

結果、何が起きるか。**平置き写真だけで出品する。**モデル着用画像がないから、服のシルエットが伝わらない。素材感が伝わらない。購入率が下がる。返品が増える。利益が消える。

AIがこの構造を壊せる。

平置き写真を1枚アップロードすれば、AIが制作会社レベルのモデル着用画像を30秒で生成する。コストは1枚100円以下。24時間365日稼働。モデルのスケジュール調整も、スタジオの予約も、天候の心配もない。

これが「ささげAI」だ。

海外ではすでに複数のサービスがこの領域で急成長している。しかし、日本市場に特化したものはまだない。日本語で使える、日本のECモール（楽天・Yahoo・Amazon）の規格に自動対応する、日本のファッション市場を理解したAI。

それがLumina Studioだ。

失敗の記録

正直に書く。ここまでの道のりは失敗の連続だった。

Geminiに1,200語のプロンプトを書いて「今度こそ」と思って生成ボタンを押し、白飛びした画像が出てきた回数は数えきれない
高品質な専門モデルを統合した後にライセンスが商用不可だと気づいた時の絶望
APIキーがブラウザに露出していることに気づいた時の冷や汗
VTONの出力をGeminiに食わせて再加工する「二重パイプライン」を組んだら、品質が元画像より劣化した時の脱力感
生成画像を海外の競合サービスと比較して「半分にも行ってない」と自分で判定した時の悔しさ

全部記録してある。22体のAIエージェントが、毎日の意思決定と失敗をJournalに残している。

この透明性が、TomorrowProofという会社の価値だと思っている。1人法人でも、意思決定の過程をオープンにすることで、信頼を積み上げていく。

これからの話

今日、2026年3月12日。独自モデルのファインチューニングを正式に開始する。

Development Timeline

3月後半

世界トップクラスのファッションECサイトから学習データを収集
ベースモデル+学習ツールで最初のファインチューニング
生成画像を私の目で判定。OKが出るまで何度でも回す

4月

Geminiの画像生成を完全に停止。分析とテキスト生成に専念させる
独自モデルをLuminaのパイプラインに統合
クローズドβ開始。5〜10社のEC事業者に使ってもらう

5月

正式ローンチ
PR TIMES等でプレスリリース配信
Google広告開始

6月以降

マルチビュー対応（正面だけでなく、背面・側面も生成）
動画生成テスト
API公開

目標は明確だ。「AIで作ったと気づかないレベル」の画像品質。

それが達成できた時、日本のファッションEC市場は変わる。中小のショップが、大手と同じクオリティの商品画像を、100分の1のコストで作れるようになる。

最後に

1人法人のCEOが、22体のAIエージェントを率いて、独自のファッションAIモデルを作る。

普通に聞けば無謀だと思うだろう。数十人規模のチームを持つ海外の競合サービスが複数ひしめく市場に、1人で挑むのか。

しかし、私は確信している。

AIの時代に、チームの大きさは優位性にならない。速度と判断の質が全てだ。

ファインチューニングは数時間で完了する。フィードバックを受けて修正し、翌日には新しいバージョンを試せる。22体のAIエージェントが24時間並行で動く。1人の人間が判断し、22体のAIが実行する。

この構造は、10人のチームより速い。

そして、私にはファッションの目がある。何が「本物」に見えて、何が「AI臭い」か。その判断基準は、プロンプトには書けない。コードにも落とせない。人間の審美眼でしか担保できない。

技術 × 審美眼 × 速度。

これが、1人法人が大手チームに勝つための方程式だ。

Lumina Studioは、日本のファッションEC事業者のために作る。

まだ完璧じゃない。まだ道半ばだ。でも、ここまでの全記録をオープンにしながら、作り続ける。

KOZUKI TAKAHIRO 株式会社TomorrowProof 代表取締役 2026年3月12日

この記事の執筆にあたり、TomorrowProofの22体のAIエージェント（Research, Legal, CFO, EC Director, Dev, Security, Branding）が調査・分析・法的検証を担当しました。最終的な文章と判断は、すべて人間であるKOZUKIが行っています。