AIによるデザインレビューが確率的なので決定的に検知する仕組みを試してみた

AIがデザイン画像をレビューするのは便利だが、確率的だ。同じ画像を渡しても、AIの回答は変わることがある。チェックリストを作っても、長いコンテキストの中で忘れられることもある。こういう問題に直面した開発者が、デザインレビューを「確率的な層」と「決定論的な層」に分ける方法を試してみた。

確率的な層はAIが担当する。「この画面は使いやすいか」「ブランド印象に合っているか」といった曖昧な判断だ。一方、決定論的な層はプログラムが担当する。「基準画像と同じサイズか」「ピクセル差分が10%以下か」「SSIM値は0.90以上か」など、毎回同じ結果が出る検査である。ここが面白い。AIハーネスエンジニアリングという新しい分野では、AIを無制限に信頼するのではなく、AIが得意な部分と苦手な部分を設計段階で分けて考える。デザイン確認でも、見た目の微妙な違いはプログラムで検査し、AIは「このUIは本当に使いやすいか」という高次の判断に集中させるわけだ。

具体的には、基準画像とStorybookのスクリーンショットを比較する際に、ピクセル差分率、SSIM、ORB、Butteraugliといった複数の指標を組み合わせている。コンポーネント単位で小さく作り、AIが修正を繰り返す。この開発ループはコンテキスト量が少なくなるから、精度が上がりやすい。中小製造業がこれを応用するなら、設計図やCADの確認もこの方法が使える。AIに「設計ミスを見つけろ」と漠然と指示するのではなく、寸法の数値チェックなどは決定論的に検査し、AIには「これは製造難度に見合った設計か」という判断に専念させる。そうすればAIのばらつきが減り、人間の手戻りも減る。AIを無制限に信頼するのではなく、得意技を引き出す設計思想だ。