投稿者 投稿日: カテゴリー AIニュース
AI生成の食品画像は実写より購買意欲を下げると研究で確認されました。
米国を中心に、飲食店のメニューやチラシに使われたAI生成画像が「気持ち悪い」とSNSで拡散する現象が続いています。単なる笑い話ではありません。心理学の査読研究では、AI生成の食品画像を見た人は同じ料理でも食べたいという意欲が下がることが確認されており、これはEC事業者が商品画像を生成AIで作るときにも同じ構図で効いてきます。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）が解説します。
何が起きたか：AI生成メニュー画像が「不気味の谷」に落ちている
結論から言えば、AI生成の食品画像が消費者の生理的な拒否反応を引き起こし、店舗の評判を毀損する事例が積み上がっています。CNNの報道によると、ロサンゼルスのナイトマーケットで露店のメニューがAI画像に置き換わっていることに気づいた買い物客が、その様子をTikTokに投稿したことをきっかけに議論が広がりました。東京のサンドイッチ、クアラルンプールのスパゲッティ、ベルリンのキッシュなど、同種の投稿は世界各地から上がっています。
背景にあるのはコスト圧力です。米国の業界団体の調査では、2025年に利益を出せなかった飲食店経営者は42%にのぼり、2026年2月時点で26%の経営者がAIを業務に導入し、その多くがマーケティング用途に使っていると報告されています。撮影費も時間もかけずに見栄えのする画像が作れるのなら試したくなる、という判断自体は理解できるものです。
問題は、消費者の受け止め方が変わってきたことにあります。2023年に英国の飲食注文プラットフォームが100人に対して行った調査では、6割超が写真とAI生成画像を見分けられませんでした。ところが今は、テクスチャのゴム質感、不自然な対称性、重力を無視したソースの垂れ方といった違和感が一目で見抜かれます。ドイツ・デュースブルク=エッセン大学の心理学者アレクサンダー・ディールらのチームは、2025年の査読論文で、わずかに不完全なAI食品画像が、明らかにイラストと分かる画像よりも「不気味」で不快と評価されることを示しました。日本のロボット工学者・森政弘が1970年に提唱した不気味の谷が、食品画像でも起きているという指摘です。
さらに、同チームが2026年8月に発表した追試では、被験者はリアルな画像と非現実的な画像で健康度やカロリーの判断は変えなかった一方、AI生成の食品を「実際に食べたい」と思う度合いは有意に低下しました。見栄えを良くしたつもりの画像が、購買意欲そのものを削っていることになります。
日本のEC事業者にとっての3つの論点
第一の論点は、モールの画像規約との整合です。Amazonは商品のメイン画像に実物を撮影した写真を求めており、イラストやCGは原則として認めていません（カテゴリごとの例外規定は要確認）。楽天市場も商品画像登録ガイドラインで1枚目の画像に写真を求め、テキストや枠の占有面積を制限しています。生成AIで作った「それっぽい商品画像」をメイン画像に据えると、規約違反として画像が非表示になったり、サーチ順位に影響が出たりするリスクがあります。生成AIを使うなら、メイン画像ではなくサブ画像・背景差し替え・LPの装飾側から入るのが現実的です。判断の順序は、Amazonの商品画像はAIで作るか撮影するかの判断軸で整理しています。
第二の論点は、景品表示法上の優良誤認リスクです。AI生成画像は実物より大きく、艶やかで、盛りが良く仕上がりがちです。届いた商品が画像と明らかに違えば、返品率とレビュー評価が直撃します。CNNの取材では、AI画像を使ったメニューが拡散した結果、悪意あるレビューや脅迫を受けて食品マーケティングでのAI利用を完全にやめた小規模店の事例も紹介されていました。日本でも、実物と乖離した画像は不当表示として指摘されうる領域です。
第三の論点は、画像の同質化です。TechCrunchの取材に対し、米イーロン大学のリー・レイニーは、学習データが「不快でないこと」に最適化された結果として同質化が起きると指摘しています。生成AIで作った商品画像は、競合が同じツールで作った画像と似通っていきます。カテゴリ内の全店舗が似た白背景・似たライティング・似た構図の画像を並べれば、画像で選ばれる理由が消えます。AI画像の評価軸そのものについては、AI画像の品質をどう評価するかの3論点も参考になります。
今後の展望と、明日から取れる初動
生成AIの画像品質は上がり続けますが、消費者側の検出感度も同じ速度で上がっています。2023年に6割が見分けられなかったものが、2026年にはSNSで一目で晒される状況になったという事実は、技術の進歩だけでは解決しない問題があることを示しています。「バレなければよい」を前提にした運用は、遅かれ早かれ破綻すると考えるのが安全です。
初動として現実的なのは、次の4点です。まず、メイン画像は実物撮影を維持し、AI生成は背景差し替え・切り抜き・不要物除去といった実写ベースの編集に限定すること。次に、AIで生成した画像には社内で必ずタグを付け、どの商品のどの枠に使ったかを記録しておくこと。三つめに、AI画像を使った商品と実写のみの商品でCVRとレビュー評価を分けて計測し、自社カテゴリで実際に差が出るかを確かめること。最後に、返品理由に「画像と違う」が増えていないかを月次で追うことです。生成モデル側の使い分けは、AI商品写真ツールの機能比較にまとめています。
米国の料理専門職団体IACPの代表ナンシー・ホプキンスは、予算がない事業者にはスマートフォンでの自前撮影やイラストを勧めています。「本当のストーリーを語ること。実在の人と実在の話のほうが常に良い結果になります」という趣旨の発言は、商品点数の多いEC事業者にもそのまま当てはまります。
まとめ
AI生成の食品画像への拒否反応は、EC事業者にとって他人事ではありません。生成AIの使いどころは、実物を偽装する方向ではなく、実写を活かす編集や制作コスト削減の方向にあります。メイン画像は実写、AIはサブ工程という線引きを先に決めておくことが、規約リスクと景表法リスクの両方を同時に下げる最短ルートです。
参考文献
- CNN: Those gross AI food photos going viral? Scientists have thoughts
- Restaurant Dive: National Restaurant Association operator AI adoption
- ScienceDirect: AI生成食品画像の不気味さに関する査読研究（2025年）
- Nature Scientific Reports: AI生成食品への摂食意欲に関する研究（2026年8月）
- IEEE Spectrum: The Uncanny Valley（森政弘の不気味の谷）
- HuffPost: AI-Generated Food Photos Are Ruining Restaurant Menus
- International Association of Culinary Professionals
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
引用元: CNN
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
