AIと従来の商品撮影を比較する記事の多くは、誰かの数字を並べただけの表にすぎません。どこかの都市の日当、どこかのスタジオの1枚あたりの単価、どこかのプランのクレジット価格を掛け合わせ、誰の現実にも当てはまらない「削減額」を算出しています。しかし、本当に意味があるのは「自社の数字」に基づく比較です。それには、誰かのデータに左右されない枠組みが必要になります。すなわち、各手法にどのようなコスト項目があるのか、どれが撮影点数に応じて増えるのか、損益分岐点はどこにあるのか、そして今でもスタジオ撮影が勝る商材はどれかを見極めることです。
本ページでは、まさにその算出フレームワークを提供します。一般的な市場相場やPhottaの金額表記は掲載していません。最新の価格相場や制作会社の公開料金は商品撮影の料金相場を、Phottaの1画像あたりのクレジット費用は料金ページをご確認ください。ここで解説するのは、自社の数値を使ってROIと損益分岐点を正確に計算する方法と、価格以上に結果を左右する2つの重要指標――「採択率（合格率）」と「検品・確認時間」――の捉え方です。
AIと従来の商品撮影でコストとROIを比較するには？
まずは両手法のコスト項目を書き出します。スタジオ撮影では、カメラマン、スタジオレンタル、アシスタント、スタイリスト、モデルの日当に加え、1枚ごとのレタッチ代や配送費などの物流費が発生します。多くが「日単位の固定費」となるため、1日で多くのカットをこなせば1枚あたりの単価は下がりますが、撮影日が増えるごとに再び跳ね上がります。一方のAI生成では、商品ごとのマスター写真の用意、生成ごとのサブスクリプションまたはクレジット、リトライ（再生成）コスト、そして1枚ごとの目視確認工数がかかります。こちらは大半が「画像ごとの変動費」であるため、最終的に採用した画像数に応じてコストがスケールします。次に、代表的な商材でパイロットテストを実施し、人の手を加えずにそのまま採用できた生成画像の割合（採択率）と、1枚あたりの確認にかかった分数を測定します。単なるツール料金ではなく、この2つの実測値こそが「使える画像1枚あたりの真のコスト」を決定づけます。そして、AIの1枚あたり実質コストがスタジオ撮影を下回るポイントが損益分岐点となり、これは採択率の高さによって大きく変動します。
商品撮影におけるROIとは？
商品撮影のROIとは、一定期間において、画像が生み出した価値（売上の増加、返品率の低下、販売開始までのスピード短縮など）を、使用可能な画像1枚あたりの制作コストで割ったものです。手法間の純粋な比較においては、どちらも「同じ役割を果たす画像セット」を想定するため、実質的には「使用可能な画像1枚あたりのコスト」と「公開までの所要時間」の比較に集約されます。ただし1点注意が必要です。商品の実態と異なる画像は売上を損なうため「マイナスの価値」を持ちます。だからこそ、画像の正確性を後付けの要素ではなく「採択率」という計算パラメータとして組み込む必要があります。
スタジオ撮影のコスト項目
- 日当（デイレート）： カメラマン、スタジオ代、アシスタント、スタイリスト、モデル起用時の出演料や事務所手数料。これらは画像単位ではなく「1日単位」で発生します。1日に多くの商品を詰め込めば1枚あたりは割安になりますが、撮影点数が少ない日は割高になります。
- 1枚ごとのレタッチ代： 切り抜き、色補正、合成、ゴーストマネキン（首元の合成）など。画像ごとに課金されるため、点数に比例して増加します。
- 物流・配送費： スタジオへの商品の往復送料、保険料、撮影中に商品が手元を離れることによる機会損失。
- 手戻り・再撮影コスト： 商品の到着遅延、色味の不一致、撮影後のディレクション変更による再撮影。通常は別日程として追加請求されます。
- 使用権・ライセンス費用： モデルやタレントを起用する場合の、使用媒体や期間に応じた二次利用料。
コスト構造の特徴： 1日あたりの固定費が高く、画像ごとの追加コストは控えめ。1日に撮影できる商品数が物理的な限界コストを決定します。
AI生成のコスト項目
- マスター写真の撮影： 素材条件（白背景、均一なライティング、カラーチャート同梱、全アングル、フル解像度）を満たす商品1点ごとの元画像。自社撮影でも外注でも実費が発生し、多くの比較記事で見落とされがちなコストです。
- 生成コスト： 生成画像ごとのサブスクリプション料金またはクレジット。Phottaでは、スタジオクオリティのアパレル画像が2Kで5クレジット、4Kで6クレジット、ゴーストマネキンが4および5クレジット、背景透過や高画質化（アップスケール）が1クレジットです（2026年9月4日時点）。クレジットの金額換算はプランによって異なり、料金ページに記載されています。
- リトライ（再生成）： 品質基準を満たさず再生成した分。マスター画像の品質とプロンプト指示の的確さによってリトライ率が決まります。
- 検品・確認工数： 公開前にマスター写真と原寸大で比較・確認する人件費。画像ごとにかかり並列処理ができないため、大量生成時に最も大きなコスト要因となります。
- 初期セットアップ： スタイル設定の保存、指定モデルの設定、リファレンス画像の登録など。商品ラインやシリーズごとに初回のみ発生します。
コスト構造の特徴： 固定費が極めて低く、採用する画像数に応じてコストが変動。生成時間ではなく「検品にかかる時間」が処理能力の限界を決定します。
ビジネスケースの作成：意思決定者が知りたいこと
切り替えを承認する人はコストの詳細を読むわけではありません。彼らが読むのは1ページだけで、そのページは懐疑的な目にも耐えられるものでなければなりません。以下の順番で書きましょう。
- 成果物の確定。 商品ごとの画像セット（メイン、角度違い、バリエーション、シーン）と対象となるカタログの規模。両者の比較が同じ内容になるようにします。
- 現状の基準値。 実際に使える画像1枚あたりの現在の撮影コスト。見積もりに含まれていない再撮影、レタッチ、権利処理、レビュー、販売停止期間などもすべて含めます。請求書から正確に算出し、記憶に頼りません。
- パイロットの実施。 AIワークフローで処理した代表的なサンプルの撮影。マスター画像、却下画像、レビュー時間などを記録し、数字は必ずパイロットの実績から取ります。ベンダーの資料からは取りません。
- 比較。 あなたのボリュームで使える画像1枚あたりのコストと、両者のコストが逆転するボリューム。ボリュームによって答えが変わるため、懐疑的な人から必ず質問が出ます。
- 撮影が必要なもの。 ルックブックやキャンペーン、パイロットでAIが苦手と判明した商品。すべてをAIに置き換えるというビジネスケースは、最初の反例で否定されます。
- リスクの明示。 商品の変更による掲載影響、チャネルルールの変更、ベンダーのモデル変更など。それぞれに対して、レビュー段階や記録で対応できることを示します。
- 求める決定。 一文でまとめ、展開順序と最初のチェックイン日を明記します。
ページ内の数字はすべて主張からではなく、基準値かパイロットの実績に基づいています。これが、拒否率がパイロット予想より高くても、懐疑的な人が再度ページを読むことで決定が維持される理由です。
損益分岐点の算出ステップ
-
必要な画像点数を算出する： 商品数 × 1商品あたりの必要カット数（メイン、別アングル、シーンカット、サイズ感、広告用など）。
-
その点数をスタジオ撮影した場合の見積もりを出す： 1日の処理可能数から必要な日数を算出し、日当を掛け合わせ、1枚ごとのレタッチ代と配送費を加算。これを使用可能な総画像数で割ります。
-
同点数をAIルートで制作した場合のコストを出す： マスター写真の撮影費（内製または外注）＋ リトライ分を含めたクレジット費用 ＋ 1枚あたりの確認時間に基づく検品人件費。これを使用可能な総画像数で割ります。
-
ステップ3を確定する前にパイロットテストを実施する： 代表的な商品をAIルートに通し、人の手による修正なしで合格した割合（採択率）と、1枚あたりの検品時間を計測。想定していたリトライ率と確認時間を、この実測値に置き換えます。
-
損益分岐点を特定する： AIによる「使用可能画像1枚あたりのコスト」が、スタジオ撮影の単価を下回る画像点数を割り出します。採択率が高ければ少ない点数で分岐点に達しますが、マスターの質が低い場合や難易度の高い商材で採択率が低い場合、分岐点に達しないこともあります。それは失敗ではなく、重要な分析結果です。
-
時間軸（スピード）を加味する： 企画から公開までに要する日数を比較します。AIの生成は並列処理できますが、目視確認は順を追って行う必要があります。一方、スタジオ撮影はスケジュールの空き状況に左右されます。
採択率をスコアシートで客観的に測定する手順については、AI商品画像の正確性を測定する方法をご覧ください。
依然としてスタジオ撮影が勝るケース
- メインのヒーロー画像： ブランドの世界観を決定づけるキャンペーンビジュアルなど、アートディレクションそのものが商品の価値となる場合。
- 反射材や透明な商品： ガラス、光沢素材、クロムメッキなどは周囲の環境を映し込みます。背景の差し替えでは映り込みを消せず、AIの再レンダリングでは実物と異なる反射を捏造してしまいます。
- 極めてシビアな色再現が求められる商材： 厳密な基準でのカラーチェックがAIでは担保できないカテゴリ。
- 実物の新規撮影が必要な場合： 新色、新しいサイズ展開、新機能などは、AI生成ではなく実写の撮影が不可欠です。
- 輪郭が複雑で大量処理が必要な商材： 極細のチェーン、フリンジ、完全なシースルー生地など。テスト時の採択率が低い場合、確認・修正コストが膨らみ、コストメリットが相殺されます。
多くのカタログ制作が行き着く「ハイブリッド運用」
商品を商品カテゴリではなく、「輪郭の難易度」と「画像の用途」で分類します。メインビジュアルや最も難易度の高い商品は従来のスタジオ撮影を行い、ロングテール商品、サブカット、シーン画像、季節ごとの差し替え、モデル着用イメージなどはマスター写真からAI生成し、生成されたものはすべてマスターと照合・検品します。費用対効果を厳密に計測しているブランドの多くがこの体制に落ち着いており、これは妥協ではなく最も合理的な最適解です。
コスト項目、テスト、損益分岐点の3ステップ
各コスト試算ページでも共通して用いる基本的な検討フローです。
- コスト項目の整理 — AI側のマスター撮影費や検品工数を含め、両手法の全コスト項目を洗い出す。
- パイロットテストの実施 — 代表的な商品で実際にAI生成を行い、推測ではなく実測の採択率と確認時間を測定する。
- 損益分岐点の算出 — 実測値を用いてAIの1枚あたりコストが従来撮影を下回る点数を計算し、前提条件が変わるたびに再検証する。
コスト比較チェックリスト
| コスト項目 | スタジオ撮影 | AIルート | 増加要因 |
|---|---|---|---|
| 1日あたりの固定費 | カメラマン、スタジオ、スタッフ、スタイリスト、モデル | なし | 撮影日数 |
| 1枚あたりの費用 | レタッチ代 | 生成クレジット、リトライ費用 | 画像点数 |
| 元画像（ソース） | 撮影に含まれる | マスター写真（自社撮影または外注） | 商品数 |
| 確認・検品 | 校正と承認作業 | マスター写真との全数目視チェック | 画像点数（並列処理不可） |
| 物流・配送 | 発送費、保険料、商品の拘束期間 | なし | 撮影日数 |
| 手戻り・修正 | 再撮影（追加日程） | 再生成 | 不合格カット数 |
| 初期準備 | ムードボード作成、キャスティング | スタイル設定、モデル登録、リファレンス設定 | 商品ライン数 |
| 公開までの期間 | 日程調整：予約、撮影、レタッチ | 生成は並列処理、検品は順次対応 | 日数 vs 検品時間 |
| 決定前の測定指標 | 見積書 | パイロットテストによる採択率と検品時間 | — |
| 明確な強み | ヒーロー画像、反射物、厳密な色再現、新仕様 | ロングテール、サブアングル、シーン画像、季節更新、モデル着用 | — |
大量のカットを処理する際、最終的なコストを左右するのは「確認・検品」の工数です。多くの比較記事は、表面的な「生成単価」の比較だけで終わってしまっています。
実例：あるインテリアブランドのパイロットテスト
あるインテリア雑貨ブランドが新シリーズの発売にあたり、1商品につき5カットの画像を必要としていました。従来の撮影費用を過去の見積もりから算出（商品を撮影枠に収めた日数、日当、1カットあたりのレタッチ代、配送料）。同時に、AIルートのコストも自社の計画に基づいて試算しました（自社で白背景撮影するマスター写真代、リトライ率を見込んだ画像ごとのクレジット代、社内スタッフの検品人件費）。
次に、代表的な商材（陶器数点、ファブリック数点、ガラス製品1点）でパイロットテストを実施。その結果、陶器とファブリックは高い採択率と短い確認時間で基準をクリアしましたが、ガラス製品は光の反射が再現できず不合格が続きました。そこで試算の数値をこの実測値に置き換えたところ、陶器とファブリックは少ない点数でもAIの損益分岐点を超えると判明し、ガラス製品だけを従来のスタジオ撮影に回す決定を下しました。こうして新シリーズはハイブリッド運用でリリースされ、実写とAI生成のどちらで作成されたかも適切に管理され、ブランド独自の正確なROIを達成できました。
よくある質問（FAQ）
AI商品撮影は従来の商品撮影より本当に安くなりますか？
使用可能な画像1枚あたりで見ると、大半の商材および点数においてコスト項目上は安くなります。従来の撮影は日単位の固定費が中心であるのに対し、AIは画像単位の変動費だからです。ただし、商材ごとの採択率や必要な確認時間によって左右されるため、一概にいくらとは言えません。判断する前に必ずパイロットテストで両方を測定してください。難易度の高い商材では、検品コストが膨らんで削減分が相殺されることがあります。
商品撮影のROIはどのように計算すればよいですか？
発売に必要な画像点数を割り出し、AI側のマスター撮影や検品工数を含めたすべてのコスト項目を入れて両手法の費用を算出し、使用可能な画像数で割って比較します。次に、代表的な商品でパイロットテストを行い、想定値だったリトライ率と確認時間を実測値に置き換えます。ROIは、こうして算出した「使用可能画像1枚あたりのコスト」と、一定期間にその画像が商品ページにもたらした効果（売上やCVRなど）を突き合わせて算出します。
AIと撮影スタジオの損益分岐点はどこですか？
AIによる使用可能画像1枚あたりの実質コストが、スタジオ撮影の単価を下回る画像点数が損益分岐点です。採択率が高ければ少ないカット数ですぐに分岐点に達しますが、採択率が低い場合は分岐点に達しないこともあります。これはマスター写真の質、商品の形状や素材、検品体制によって変動するため、記事の数字を鵜呑みにするのではなく自社のテスト結果から算出する必要があります。
プロのカメラマンに依頼すべきなのはどのようなケースですか？
ブランドの顔となるメインのヒーロー画像、光の反射や透明感のある商品、厳密な色合わせが求められるカテゴリ、新色・新サイズ・新機能といった実物の撮影が必須な場合、そしてパイロットテストでの採択率が低く検品コストが見合わない商品などが挙げられます。
ハイブリッドワークフローとは具体的にどのような運用ですか？
メイン画像や撮影難易度の高い商品は従来のスタジオ撮影を行い、ロングテール商品、別アングル、シーン画像、季節ごとのバリエーション、モデル着用画像などはマスター写真からAI生成して検品する体制です。商品をカテゴリ別ではなく「輪郭や素材の難易度」で振り分け、どの画像が実写であるかの履歴を適切に管理します。
本記事における注意事項
本記事では、一般的な市場価格、Phottaの具体的な金額換算、一律のコスト削減率や利益率などは明記していません。それらは時期によって変動する相場情報か、自社のパイロットテストによってのみ得られる数値だからです。ここでお伝えしたいのは、両手法ではコストの発生構造が根本的に異なること、大量処理においては採択率と検品時間が最終的なコストを決定づけること、そしてテストなしで算出した損益分岐点は単なる推測にすぎないということです。
パイロットテストの実施についてはAI商品撮影を、過去の料金相場や各社の公開価格は商品撮影の料金相場を、採択率の適切なスコアリング手法についてはAI商品画像の正確性を測定する方法をご覧ください。