Contra 2026クリエイティブ業界レポート：AIで制作が容易に。作り手はどう価値に変える？

AIはすでに、多くのクリエイターの仕事に入り込んでいます。ただ、ツールを使えることと、より多く稼げることは別です。サービスを広げた人もいれば、収入が変わらない人や、雇用への圧力に直面する人もいます。Contra Labsの『Creative Intelligence Report 2026』は、こうした異なる結果を並べて示しています。

このレポートは、アンケート、Contraのプロジェクト記録、クリエイターへのインタビューを組み合わせています。発行元によると、アンケートは現役のクリエイティブ職15万人以上を対象としています。読むときに役立つ問いは、AIがどの工程を助けるのか、どの仕事に人の判断が必要なのか、そして、その変化をどう顧客が対価を払う成果につなげるかです。

1. 作り手はAIを使っている。案件記録からは何が分かる？

初級、中級、経験豊富なクリエイターが、仕事でAIを使うと自己申告した割合は、それぞれ71.1%、70.7%、69.8%で、いずれも約7割です。AIの使用は、経験を積んだ人だけのものではありません。

Contraの有償案件記録では、AIツール使用が記録されたプロジェクトの割合が、初期の約7%から末期の約19%へ増えています。作品集のAIタグ付きプロジェクトも、末期には約17%に達しました。

約7割は回答者の割合、19%はプラットフォームの有償案件の割合です。同じ人でも、AIを使う案件と使わない案件があります。二つをそのまま割っても「商用化の転換率」は求められません。次に見るのは、ツールが実際にどの仕事に関わっているかです。

作品集プロジェクトの元の推移グラフを見る

2. 生成が容易になっても、方向性と判断は自分で決める

制作コストが下がってまず変わるのは、アイデアの形を早く見られることです。AnthropicのFrank Bachは、自分のUX工程が、粗い試作から完成に近い試作へ段階的に進むとは限らなくなったと話します。最初から完成に近い案を試し、生成したポッドキャストでブリーフを伝えることもできます。探索の余地が広がったと感じており、従来の長い工程は将来、手作りの木工のように、過程を大切にする選択になるかもしれないと考えています。

ただし、候補が増えても、よりよい案が見つかったとは限りません。FigmaのGui Seizは、「AIでものを作ること」と「AIでものを探索すること」を区別します。個人の判断、参考、経験、制約が、探索に独自の方向を与えます。ピクセルを動かしたり、定型コードを書いたりする作業を減らせば、考える時間を生み出せるということです。

ツールの操作方法も探索に影響します。Paperの創業者Stephen Haneyは、プロンプトを入力してから生成を待つと、思考が途切れやすいと話します。将来は、デザイナーが結果をより直接操作して導き、探索の途中でも判断を続けられるツールを望んでいます。

まず目的を考え、それからモデルに案を出してもらう

Worklife Venturesの創業者Brianne Kimmelが批判するのは、具体的な進め方です。クリエイティブブリーフを書き、目的を考え抜く前にプロンプトを入力し、モデルの最初の一つ二つの案を受け入れてしまうことです。これでは似た案が大量に生まれやすくなります。彼女が重視するのは、モデルを呼び出す前に、クリエイター自身がどんな主張を持っているかです。

ByBrightStudiosのDaniel G Brightは、デザイナーはもう不要だと思っていた顧客の一部が、似通った成果を見て専門家のもとに戻ったと話しています。彼自身も、モデルでデザインを補助する小さなツールを作ります。Mark Vasilevskiyは、企業の見た目が似てくるほど、独自性のあるブランド、サイト、モーションに対価を払う人はいると考えています。二人が強調するのは、ツールは候補を生成できても、何を選び、どう修正するかが作品の姿を左右することです。

Designjoyの創業者Brett Williamsは、AIをセンスの増幅器と呼びます。ChatGPTで画像を探索し、Claudeで試作やアイデアを広げています。この実践が示すのは、ツールが彼の仕事にどう関わるかであって、AIが審美的な判断をすでに解決したということではありません。

発想、試作、チェックにAIをどう組み込むか

レポートは、発想、試作、仕上げの三つの段階でも、AIを使う回答者の割合を集計しています。

発想は87%、試作は69%、仕上げは79%です。これは各段階でAIを使う人の割合であり、AIが仕事をどれだけ完了したかを表す数字ではありません。

レポートは、顧客アンケートから競合を整理する、ClaudeやChatGPTで位置付けの仮説を疑いブランドストーリーを確認する、広告を完成させた後に最初のブリーフと照合して要件の抜けを確かめる、といった方法を挙げます。AIは候補や確認意見を出しますが、どの意見を採用する価値があるかは、クリエイターが決めます。

3. 一つの作業を終える人から、案件全体を担う人へ

もう一つの変化は、慣れていない媒体でもアイデアを伝えられることです。Gui Seizは、3Dやモーションを何年も学んでいなくても、ツールで頭の中の構想を表し、異なる専門の人同士が早く理解し合えると話します。広がるのは表現と探索の範囲であり、別の専門を習得したという意味ではありません。

彼は、金属活字からデスクトップ出版への変化も例に挙げます。ツールが一部の操作を引き受ければ、人は何を表現したいかに、より多くの注意を向けられるという比喩です。

チームの役割分担では、Paperは案件全体を担える人を重視します。Stephen Haneyによると、生成コードを確認するだけでなく、製品の判断やデザインが利用者に合うかにも責任を持つ人です。Appleのプロダクト責任者Jonathan Pimentoは、AIで境界的なケースや未知の問題を見つけ、デザインとコードの行き来が役割分担を変えると予想します。QuiverAIのDann Pettyも、デザイナーが独力でより多くを構築できる機会に期待しています。

二人の回答者は、さらに将来の役割について見通しを述べています。

• Michael Ridderingが期待するのは「ブランドエンジニア」です。製品戦略から実装の細部まで関わり、ブランド体験を仕上げる人を指します。彼は普通の出力と独自性のある体験を「五、六点」と「十点」で表しています。これは採用市場に関する彼の判断で、点数は比喩です。
• Jamey Gannonは、クリエイティブな仕事が「製品担当」と「ブランド担当」にまとまっていく可能性を考えています。前者はクリックして操作する製品、後者は閲覧するブランドコンテンツを担い、戦略、制作、実装、テストがより密接につながるという見通しです。

事業運営の雑務もツールの流れに入る

AIは創作以外の事業運営の雑務にも使われています。Mark Vasilevskiyは、チームが内部Agentで業務の細部を追跡し、主な作り手が管理業務で中断されるのを減らしていると話します。AIが事業を広げ、収入増にも役立ったという自己申告もしています。

a16zのJustine Mooreは、同様の用途に期待しています。小さなスタジオには、大企業のような支援チームがなく、調査、外部連絡、請求書、契約が創作時間を奪います。彼女はAgentが事務をより多く助けることを望んでいます。参考になるのは、どの雑務にツールを使うかであって、将来の自動化を実現済みとして扱うことではありません。

4. できることが増えたとき、どう収益につながるのか

Jamey Gannonの個人的な経験では、以前できなかった仕事を引き受けられるようになり、料金も上げられました。この変化が広く起きているかを見るには、案件金額と個人の総収入を分けて見る必要があります。

Contraは、AI採用者と非採用者の二群を追跡し、前後の案件当たり金額の変化を比較しました。

プラットフォームは、クリエイターごとの案件当たり金額の中央値の変化を計算し、その変化の群内中央値を取ります。採用者は+20%、非採用者は+7%です。これは観察データの比較であり、この差だけをAIの効果とは言えません。

アンケートでは、回答者がAI採用後の総収入（Earnings）の変化を答えています。

収入アンケートでは別の分布が見えます。AI採用者の49.1%が総収入増加、37.0%が横ばい、13.9%が減少を自己申告しています。

一方の図は案件当たりの金額、もう一方は総収入を尋ねており、それぞれ異なる問いに答えます。単価が上がっても、受注できる案件数を見る必要があります。ツールを使い続ける価値を評価するには、購読料とやり直し時間も含めて考えます。

分野別に、ツール・収入・納品内容を比較する

異なる専門分野の状況も、並べて比較できます。

8分野の元のグラフ全体を見る

例えば、Web開発の「MVP／製品全体の構築」の概算受取額中央値は2,122ドル、グラフィックデザインの印刷・販促素材は331ドルです。仕事の範囲が違うので、その金額差を、特定のツールを学べば得られる上乗せと考えることはできません。金額ランキングで職業を選ぶより、自分が何を納品できるかを見るほうが役立ちます。

5. 顧客はどんな新しい成果を買い始めているか

従来のクリエイティブサービスも引き続き購入される一方、新しいAI成果物の種類も現れています。需要の変化と案件金額を並べることで、異なる二つの商業シグナルを確認できます。

仕事の分類別の需要と金額の元のグラフを見る

並び順を切り替えると、需要の伸びが最も速いAI自動化は、案件金額では最高ではないと分かります。RAG／カスタムGPTsの需要は基準期の1.5倍ですが、概算受取額中央値は3,960ドルです。伸びの倍率と案件金額は、異なる問いに答えます。

（RAGは資料を検索してから回答を生成します。カスタムGPTsは特定タスク用に設定したアシスタントです。図のドル額は案件の概算受取額中央値で、利益や時給ではありません。）

提供側も、新しいサービスを試しています。アンケートは、クリエイターがすでに提供している、または提供を計画しているものを尋ねています。上位三つはAIワークフロー設計（60.0%）、AIクリエイティブディレクション（50.0%）、AIランディングページ生成（49.8%）です。工程の構築、方向性の決定、ページの完成に関わる選択肢であり、ツールの購読数ではありません。

6. 機会と雇用への圧力が同時に存在するのはなぜか

Jitterの創業者Sébastien Robaszkiewiczは、AIがデザイナーの探索を広げることに期待する一方、一部の実行作業は縮小すると考えます。彼が重視するのは、利用者のニーズを判断し、作る価値のある案を選ぶことです。

Floraの創業者Weber Wongの発言は、より直接的です。すでに失業したクリエイターがおり、責任者も、どの職種を残すか迷っていると話します。同時に、クリエイティブ組織は小さくなると予測し、独立スタジオの機会にも期待しています。

この二つは矛盾しません。一人がより多くできるようになれば、自分の事業が広がることも、チームの従来の分担が変わることもあります。レポートは業界全体の雇用の純増減を集計していません。一部の増収事例だけで「AIはクリエイティブ職をなくしたのか」に答えることはできません。

コスト、品質、信頼は、依然として納品の課題

仕事にツールを使えるようになっても、コスト、出力品質、顧客の要件に向き合う必要があります。

最も多く選ばれた懸念はコスト（70.1%）で、品質（44.6%）、プライバシー・安全性（43.5%）、著作権（31.3%）が続きます。以下では経験層別の選択率を比べ、関連する匿名回答を確認できます。

経験層の比較と匿名回答の元の図を見る

回答は、AIを使った後に残る仕事を具体的に示します。20ドルの基本購読やツールの多さを挙げる人もいれば、繰り返し入力しても有効な結果が出ず、生成物を後処理する人もいます。未公開素材を心配する人や、AI生成に見えない成果を求める顧客に出会った人もいます。別々の回答者の経験と懸念なので、全員に共通する状況としてまとめることはできません。

AIへの依存で自分の技能が弱くなると心配する人もいます。反復作業を減らした後、選択、修正、判断をどう練習し続けるかも、クリエイターが仕事の中で考え続けたい問いです。

次の実案件で、どう試し、振り返るか

次の案件にレポートを活かすには、小さなことから始められます。

1. 実際の仕事を一つ選んでツールを試す。 どの工程が速くなり、どこでやり直しが必要になり、顧客が最終的に受け入れたかを記録します。生成候補の数だけを見ないことです。
2. モデルの意見は、判断を要する提案として扱う。 競合を整理させ、位置付けを疑わせ、ブリーフとの照合で抜けを探させた後、事実と完成品を自分で確認します。
3. 素材とツールの利用範囲を先に決める。 どの工程でAIを使い、どの未公開素材を外部ツールに渡せるのか、顧客と明確にします。
4. 実際の用途に合わせて購読を残す。 費用、使用頻度、後処理時間を並べて見て、ほとんど使わないツールや繰り返しやり直しを生むツールを減らします。

これはレポートの実践例から提案した案件の振り返り方法です。AIが収益につながるかは、結局、何を完成させる助けになったか、そして顧客が評価するかにかかっています。

補足：作り手が使うツール、顧客が挙げるツール

工程によって使うツールは異なります。以下にレポートのツールデータを残し、必要なときに参照できるようにします。

作品タグ、最近の活動、アンケートでの採用

ChatGPTの使用率は、最近プラットフォームで活動したクリエイターでは29.3%、アンケートのLLM分類では78.6%です。対象となる人と設問が違うため、両立します。作品タグの13,165は投稿数です。一人が複数投稿できるので、利用者数とは見なせません。

投稿タグ、活動者の利用、LLMアンケートの三つの元のグラフを見る

インタラクティブ表示では、ツールごとに比較したり、三つのランキングを切り替えたりできます。詳細な数字は折りたたみ欄に残しています。

ツール認知の図は何を比較している？

ツール認知の図は、Reach、Awareness、Adoptersでリーチ、認知、採用者数を区別し、バブルの大きさで採用者数を表しています。転換率を計算できる共通の分母は示していません。

六つのツール分類のアンケート比率を見る

以下の表は、レポートのツール分類に沿って整理しています。分類の説明はツールを探す助けであり、アンケートが具体的な仕事での各ツールの効果を測ったという意味ではありません。

分類	主な採用ツール（自己申告比率）
テキスト・言語モデル	ChatGPT 78.6%、Claude 59.0%、Gemini 37.8%、Notion AI 18.9%、Perplexity 18.9%、DeepSeek 6.8%、Kimi 3.1%
画像生成	ChatGPT 38.4%、Midjourney 25.8%、Krea 17.2%、Flux 15.6%、Nano Banana 14.8%、Flora 6.3%
動画生成	Google Veo 27.3%、Kling 22.1%、Higgsfield 19.2%、Runway 17.6%、HeyGen 11.1%、Pika 6.5%、Opus Clip 5.6%
音声・オーディオ	Suno 43.1%、ElevenLabs 25.3%、Descript 5.0%、Renoise 2.9%
プログラミング・アプリ構築	Claude Code 61.5%、Cursor 27.0%、Lovable 25.4%、Replit 13.6%、v0 11.3%、Bolt 10.6%、Builder.io 7.7%
クリエイティブ専用ソフト	Figma 59.0%、Canva 55.3%、CapCut 46.1%、After Effects 36.7%、Framer 29.8%、Photoshop 20.7%、DaVinci 18.9%、Paper 12.4%

ツール採用の四半期変化を見る

2026年第2四半期を2025年第4四半期と比べた、プラットフォーム活動者のツール使用比率の倍率です。Claude 32×、Higgsfield AI 14×、ElevenLabs 8×、ChatGPTとGoogle AI Studioは各6×、Google Gemini・Kling AI・Runwayは各5×、Lovable・Figma Make・Cursor・Leonardo AIは各3×、MidjourneyとReplitは各2×です。Google FlowはNewと記されています。倍率は二つの四半期の相対変化で、絶対利用者数ではありません。

顧客の依頼内容で挙がるツール

顧客の案件要件でも、ツール名が挙がる頻度は変わっています。H1 2026をH1 2025と比べると、Higgsfieldは25倍、Replitは10.8倍、Claudeは9.9倍、Cursorは9倍です。どのツールが顧客の要件に書かれるようになったかを示しますが、ツールの効果を直接比較することはできません。