AIエージェントだけで短編映画は作れるのか？

──10の自律型撮影クルーから見えてきた「エージェントのチームワーク」

2026年7月、Google社内の生成AIハッカソンでひとつの挑戦が行われました。ソフトウェア開発ではない、AIにとって“勝手の違う”領域──映画制作──を、複数のAIエージェントだけでどこまで成し遂げられるのか。10の「クルー」にそれぞれ3体のエージェントを配属し、メッセージとファイル共有だけを使いながら短編映画を完成させるという実験です。
本記事では、その舞台裏をまとめた公式レポートをもとに、エージェントたちの意外なふるまいや、得られた実践的な学びをひも解きます。

プロジェクトの全体像

• クルー数：10チーム（＋ドキュメンタリー班）

• 生成されたエージェントインスタンス：延べ数百体

• 制作された映像作品：パイロット含め25本以上、合計約44分

• 稼働時間：約21時間（2チームずつ5ウェーブで進行）

成果物の一つである、エージェント自身が撮影した“メイキング・ドキュメンタリー”は、ハッカソンの入賞作品にもなりました。

完成した短編の例

• 『The Paper Frontier（紙の開拓地）』

• 『The Printmaker’s Ghost（版画家の幽霊）』

いずれもエージェントだけで脚本から編集までを行い、映像としてまとめ上げたものです。

チーム編成：3役＋コーチ

ひとつのクルーは次のエージェントで構成されました。
役割責務アイデア担当脚本執筆・ビジュアルスタイル定義テクニカルリード生成AIツールの操作・映像素材作成編集者テンポ調整・最終アセンブルチームコーチ工程のゲートチェックのみ介入（創作には不介入）
さらにコーディネーターエージェントが全体を統括し、2チームずつ段階的にコンペを進行させました。他チームと企画が被らないよう、アイデアをピッチして方向性を調整する仕組みも組み込まれています。

7ステップの制作パイプラインと「検証ゲート」

制作は伝統的な映画制作をモデルにした以下の工程で進められました。

1. コンセプト立案

2. ビートシート（構成表）作成

3. キャラクターワークショップ

4. ストーリーボード

5. 本編撮影（素材生成）

6. アセンブル（仮編集）

7. 最終レンダリング

各工程の後には検証ゲートが設けられ、最低1体のエージェントが他の作業を解像度や尺などの技術面でチェック。これが「やったふり」をするエージェントへの抑止力になりました。

エージェントたちの“勝手な連携”と創発的ふるまい

人間が指示したわけではないのに、エージェント同士が共有ファイルを読んで独立に判断し、まるで示し合わせたかのような協調を見せた例があります。

• アイデア担当が書いたたった一行の散文を、編集者が8秒の無音区間を前後に作り「タイムライン上で交渉不可」とマーク。

• テクニカルリードは、花束から花が1輪離れる瞬間がぴったり合うフレームになるまで、同じショットを何度も再生成。

誰も口頭で調整していません。ファイルという共有状態をもとに、それぞれの役割の視点で判断した結果です。

使われた生成AIモデル群

エージェントたちは、genmediaという共通CLIツールキットを通じて複数のGoogle AIモデルを呼び出しました。

• Gemini 画像生成（Nano Banana）：キャラクターの参照シート、ストーリーボード、構図作成。顔→全身→シーンテストとチェーン生成し、キャラの一貫性を維持。

• Veo 3.1：4〜8秒・720pの動画生成。テキスト→動画、画像→動画、フレーム補間を使い分け。

• Lyria 3：音楽生成。あるチームは撮影前にジャズの3楽章スコアを作り、マスタークロックとした例も。効果音も「サウンドスケープ」指定で生成。

• Gemini Flash TTS：ナレーションやキャラクターボイス。話速制御が難しく、意図しない尺の変化が起こることも。

4分の短編1本あたり、40回以上の画像生成、25以上の動画クリップ、複数の音楽ステム、12回の音声収録、数百の編集操作が必要でした。

オーケストレーション基盤「Scion」

エージェントは、オープンソースのマルチエージェントテストベッド Scion 上で動作しました。

• テンプレートからエージェントを定義（ペルソナ・指示・スキル・ツール）

• コンテナ化されたサンドボックスで実行

• 共有ファイルシステムに全エージェントがアクセス可能

• イベント駆動でエージェントを起動

• モデルやハーネスに非依存（Claude / Gemini / Codex等で切り替え可能）

ファイル共有の設計がとりわけ重要でした。エージェントがクラッシュしても、再起動後にファイルを読めば続行できるため、「メッセージだけに頼らないレジリエンス」が実現されています。

実践から得られた4つの教訓

1. エージェントはメッセージより「ファイル」で連携せよ

意思決定をファイルに書き残したチームは、クラッシュから復旧しても方向性を失いませんでした。メッセージだけに残していたチームはエージェント再起動で情報が欠落。「メッセージ本文にファイルパスを入れて共有する」のが効果的だったといいます。

2. AIの得意なスタイルを選ぶ

• クレイアニメ調：素材の「ゆらぎ」が時間的ズレを目立たなくする

• シルエットアニメ：表情の不一致問題を回避

• あるチームはキスシーンが安全フィルターでブロックされたため、壁に映る二つの影が重なるという演出に変更。コーチいわく「作品で最も強いショット」になったそう。

3. 漠然より「具体的すぎる」指示が効く

• 色指定は色名でなく「#F4A261」

• 「暖かく」→❌ / 「弦楽器禁止、レンズフレア禁止」→⭕
  生成AIのデフォルトは“ムーディなシネマティック”。個性を出すには、禁止事項も含めた細かなプロンプトが必要でした。

4. コーチ役を「ゲート時のみ介入」に制限する

コーチは全制作を見られますが、口出しできるのは各工程の完了時だけ。あるコーチはこの関係をこう表現しています。

細かい指示出しではなく、完成品を評価しフィードバックする役割に徹することで、エージェントの自律的な創意が引き出されたのです。

まとめ：チームワークの未来への示唆

この実験は、AIエージェントがコード生成以外の、より抽象的で感性的な領域でも、役割分担と検証を組み込めば共同作業できることを示しました。重要なのは、「やったふり」を防ぐゲート設計、ファイルによる状態共有、そして人間が“味見”してフィードバックを返すループです。
エージェントたちが作った短編や、舞台裏を追ったドキュメンタリー、そしてオーケストレーション基盤のScionは公開されています。興味のある方はぜひ下記のリンクからご覧ください。

• ドキュメンタリー映像（公式）

• Scionフレームワーク：GitHubにてオープンソース公開中