# Canvaが挑むAIデザイン最大の悩み：Stefano Corazza氏が語るCraftとBrushの設計思想

- 番組: [The TWIML AI Podcast (formerly This Week in Machine Learning & Artificial Intelligence)](https://ai-curator.jp/podcasts/shows/cmv3z5bze00035o10pbqj68s6)（Sam Charrington）
- 元のタイトル: Canva Is Tackling AI Design’s Most Frustrating Problem with Stefano Corazza- #784
- 配信日: 2026年11月11日
- 長さ: 57分
- 要約作成日: 2026年11月11日
- トピック: [#画像生成](https://ai-curator.jp/topics/%E7%94%BB%E5%83%8F%E7%94%9F%E6%88%90) [#拡散モデル](https://ai-curator.jp/topics/%E6%8B%A1%E6%95%A3%E3%83%A2%E3%83%87%E3%83%AB) [#VLM](https://ai-curator.jp/topics/VLM) [#AIエージェント](https://ai-curator.jp/topics/AI%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88) [#推論最適化](https://ai-curator.jp/topics/%E6%8E%A8%E8%AB%96%E6%9C%80%E9%81%A9%E5%8C%96) [#MCP](https://ai-curator.jp/topics/MCP)
- URL: https://ai-curator.jp/podcasts/cmwaybjuo00004311mxbkv6mp

## 要約

CanvaのAI研究責任者Stefano Corazza氏が、自社開発の画像生成モデル「Craft」とデザイン編集エージェント「Brush」について語った回。レイアウト（シーングラフ）の計画とピクセル生成を分離することで、反復と編集がしやすい設計を実現したという。独自データによる小型モデルの特化、推論の高速化とコスト削減、APIやMCPを通じたエージェント向け提供など、ソフトウェア企業がモデルを自社で持つ意義も議論された。

## ポイント

- Corazza氏は、AIは70〜80%まで到達しても100%にはならないため、人間が関与する反復を前提に、高速で楽しい体験を設計する必要があると述べている。
- Craftはシーングラフ（構造化されたレイアウト記述）を先に作り、最後にピクセルへ変換する構成で、LLMが生成前に介入でき、非破壊の編集が可能になるという。
- Canvaは約10年分のデザインデータ（許諾済みデータ含む）を活用し、パラメータ数を大幅に抑えたモデルで大型フロンティアモデルより約40倍安く同等のデザイン作業をこなせると主張している。
- Brushはオープンウェイトのモデルを土台にしたVLMベースのエージェントで、ハーネス（周辺制御の仕組み）を薄く単純にし、LLMにコードでツールを操作させる方向に3世代かけて改良した。
- 評価では、デザインの編集能力を測る業界標準のベンチマークが未整備だと指摘。明確なルーブリックを用いたVLMによる判定と人間評価を併用している。
- CraftはCanva ConnectのAPIとCanva MCP経由で提供され、エージェントが摩擦なく試せる設計が重要になるとの見方を示した。

## 章立て

- [01:02] **CraftとBrush発表とCanvaの姿勢** — AI研究チームの公式デビューと立て続けのモデル発表。人間が入る反復と速度の重要性が語られる。
- [04:11] **なぜ自社でモデルを作るのか** — 独自データと垂直統合による性能・コスト面の利点、小型モデルで大型を上回る可能性、画像と動画のオープンウェイト事情を説明。
- [10:28] **Craftの2段階構成と編集性** — シーングラフ生成とピクセル生成の分離、学習方法、Magic Layersによるレイヤー分解と一貫性の確保について。
- [14:45] **品質向上の要因とベンチマーク** — 詳細なシーン記述、約1000億パラメータで十分という見方、合成データと多様性、VLMを審査役にする評価手法。
- [26:23] **モデルの得意不得意とテイスト調整** — 人物や風景には強く、カートゥーンは写実的すぎたという課題と、微調整やRLで対処する方針。
- [30:50] **Brushとエージェントのハーネス設計** — デザイン全体を操作するエージェントとしてのBrush、視覚フィードバックによる反復、ハーネスの簡素化とコード活用。
- [40:00] **推論効率とフルスタック最適化** — GPU、カーネル、蒸留、バッチ処理などの最適化で動画生成コストが2桁下がった経緯と、蒸留版Craftの予定。
- [49:20] **API・MCP提供とエージェント時代の展望** — Canva ConnectとMCPでの提供、エンタープライズ需要、エージェント向けの要件、変化の速い研究の方針。

## 解説記事

CanvaのAI研究責任者Stefano Corazza氏が、TWIML AI Podcastで同社の新モデル「Craft」と「Brush」の設計思想を語った。画像生成AIを使ったデザインは、プロンプト次第の「スロットマシン」や直すたびに別物になる「モグラ叩き」になりがちだ。Canvaはこの課題に、独自データで学習した専用モデルと、編集しやすい構造で挑んでいる。

#### 反復を前提にしたAI設計

Corazza氏がまず強調したのは、AIは70〜80%までは到達しても100%にはならないという見方だ。最後の仕上げには人間が必要で、そこを高速かつ楽しく反復できることが鍵になるという。ゲーム開発では10秒を超える処理は許されないという例を引き、数十秒から1分待つ「魔法の瞬間」型の体験では日常使いに耐えないと述べている。シリコンバレーには、新技術が一発で完璧な結果を出すという思い込みがあるとも指摘した。

#### 独自データと小型モデルという戦略

フロンティアラボのモデルやオープンウェイトモデルも選べるなかで自社開発した理由について、同氏は二つ挙げた。一つは、他社が持たない独自データがあること。もう一つは、モデルをスタックに深く統合することで性能とコストが大きく改善することだ。パラメータ数が2桁少なくても、データがあれば大型モデルに勝てる場合があり、小さい分さらに速く安くなるという。現時点で、同じデザインタスクを最も高価なフロンティアモデルより約40倍安く実行できると語った。

Craftはブレークスルーが既存モデルにないと判断してゼロから学習し、Brushはオープンウェイトモデルを土台にしている。用途に応じて使い分けているわけだ。

#### Craft：レイアウトとピクセルの分離

Craftの特徴は、まずシーングラフ（バウンディングボックスや相対・絶対位置などを含む構造化テキスト）を作り、最後にピクセルへ変換する点にある。従来のように画像モデルとLLMを往復させると情報が失われ、制御も効かなくなる。Craftではピクセル生成前にLLMや人間が介入でき、要素を動かしたり拡大したりしてから再生成する非破壊の編集が可能になるという。処理は入力の拡張、構造化データへの変換、生成の3段階で、10種類のレイアウトだけ欲しい場合は生成を省くといった使い方もできる。

品質面では、拡散モデルのサイズを少し上げるとシーン記述を非常に詳細にでき、その情報を活かせたと説明している。シーン記述を担うLLM側は1000億パラメータ程度で多くのクリエイティブタスクに十分で、それ以上は収穫逓減だという見方も示した。他にも、合成データやユーザーデータ、ライセンスデータを混ぜて多様性を重視したと述べている。

#### 評価の難しさとテイスト調整

ベンチマークは単発生成に偏っており、デザインの編集能力を測る業界標準はまだないと同氏は指摘する。同社は可読性やレイアウトなどのルーブリックを定義してVLMに判定させ、人間評価も併用している。この過程で「良いデザインとは何か」を言語化せざるを得なかったとも語った。Design Arenaで上位に入った一方、カートゥーンは写実的すぎて評価が伸びなかった。写実性を追求した影響とみており、微調整やRLでスタイルを直せるとしている。

#### Brush：エージェントとハーネス

Brushは、スライドのような多層で異種要素からなるデザイン全体を理解し、編集や作成を行うエージェントだ。ツールを操作し、自分の出力を見て反復する。反復が速ければ、人に見せる前にLLMが10回ほど試行できるため、速度は品質にも直結すると述べた。ハーネスはすでに第3世代で、制約を減らして薄くし、LLMにコードでAPIやレイアウト操作を行わせる方針だという。LLMの学習データに多い表現に合わせるのが得策とも語った。

#### 推論最適化とエージェント向け提供

無料ユーザーが多いCanvaにとって、推論コストの低減は重要だ。GPU層からカーネル、ステップ削減、蒸留、バッチ処理、キャッシュまでを一貫して最適化し、720p動画1秒の生成コストが1年強で約0.5ドルから1セント未満へ下がったという。重みにアクセスできることが最適化の前提で、グラフィックスやクラウドの専門家を含む学際チームが成果を出したと述べている。Craft FastやUltra Fastといった蒸留版も予定されている。

CraftはCanva ConnectのAPIとMCPで提供される。需要はエンタープライズの独自ワークフローと、ClaudeやChatGPTなどからの利用が中心だという。エージェントには構造化されたドキュメントや、購読なしで試せる低摩擦の環境が必要だと述べた。

#### まとめ

今回の議論は、専用データと垂直統合を持つ企業が、小型の自社モデルで品質・速度・コストを両立できる可能性を示している。特に、生成を一発勝負にせず構造化された中間表現で編集可能にする発想は、デザイン以外のAIプロダクトにも応用できそうだ。一方、40倍安いという数値などは本人の主張で、独立した検証は示されていない。エージェントを新たな利用者として想定したAPI設計も、日本のサービス提供者にとって参考になる論点だろう。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: The TWIML AI Podcast (formerly This Week in Machine Learning & Artificial Intelligence)「Canva Is Tackling AI Design’s Most Frustrating Problem with Stefano Corazza- #784」