91%という数字は信頼できるのか？
方向性は信頼できるが、正確な比率は割り引いて見るべきだ。サンプルは900人以上のデザイナーだが、確認したページには調査実施日も抽出方法も載っていなかった。デザイン系コミュニティの調査に答える人は、平均的なデザイナーよりAIに積極的かもしれない。これは私の推測で、レポートが検証したものではない。
Anthropicがレポートのパートナーである点は知っておくべきだが、54%から91%への年次変化は、特定ツールの順位に左右されるものではない。
State of AI Designの62%とUXtoolsの52.2%は同じ測定なのか？
違う。サンプルも質問の仕方も異なるため、直接比較はできない。言えるのは、どちらも出力品質を主要な障壁の一つに含めているということだ。
UXtoolsで最も高かった障壁は実はツールの習得時間（55.7%）で、出力品質は3位だった。62%を「全員が品質で行き詰まっている」と読むのは言い過ぎになる。
完全に信頼する人が1.4%しかいないのは、98.6%が信頼していないという意味か？
違う。UXtoolsの選択肢は段階的で、監督なしで完全に信頼するのが1.4%、AIの出力を使わないのが2.4%で、残りの人は「何らかの確認が必要」という範囲にいる。
より正確な読み方は、確認なしでAIの出力をそのまま使う人はほとんどいない、ということだ。これは前述の論点を裏づける。確認は実在する作業量なのに、採用率には数えられない。
検証コストをツール評価にどう組み込めばよいか？
1週間の実験をする。各ツールについて、節約できた時間と、出力の修正、やり直し、確認に使った時間の二つを記録する。その差がそのツールの正味の効果だ。
もう一列加える。出力が間違っていた場合、下流の誰が気づくのか。エラーが本番で初めて見つかる作業（コード、アクセシビリティ、デザインシステム）では、確認の予算を広めに見ておく。
Designer FundがFoundation Capitalと共同で公開した第2回State of AI Designレポート（2026年版）は、60か国以上のスタートアップ、大企業、代理店のデザイナー900人以上と、20件以上のリーダーへのインタビューを基にしている。最も目を引くのは、仕事で少なくとも週1回AIを使うデザイナーが2025年の54%から91%に増えたという数字だ。そのうち75%は毎日使い、16%は週に数回使う。デザイナー1人あたりの既製AIツールの数も、3つから7つになった。
91%は「使うかどうかを聞いただけの調査」と片づけられがちだが、毎日使う人が75%いるため、お試し利用とは言いにくい。伸びが大きい用途も重要だ。コード生成とフロントエンド実装は前年より31ポイント増え、ワイヤーフレームは+27、デザインシステムとコンポーネントは+24、デザインQAとアクセシビリティは+16、開発者への引き継ぎは+12だった。どれも「見出し案を出して」程度の低リスクな作業ではない。出力が間違っていれば、下流の誰かが代償を払う。
関連する数字として、回答者の50%がAI生成コードを本番環境に出した経験がある。企業の段階別では、初期段階が68%、成長期が50%、上場企業が33%だ。レポートはこの差の理由を説明していない。レビュー体制の緩さが理由かもしれないが、それは推測であり、調査結果ではない。
同じレポートで、80%が、ツールが定着する決め手は信頼できる高品質な出力だと答え、62%が出力の不一致や信頼性の低さを最大の課題に挙げた。採用が伸びる一方で、多くの人が最も気にしている問題は解決していない。
UXtoolsの2026年春調査（デザイナーとビルダー1,478人、18地域、3月14日〜4月6日）も、別の角度から同じ姿を示している。「完全に信頼し、監督なし」を選んだのは1.4%、AIの出力を使わないのは2.4%で、その中間の人は何らかの確認を行っている。上位三つの障壁は、ツールの習得時間（55.7%）、ツールが多すぎること（53.0%）、AI出力の品質（52.2%）だった。
一つ目は利益関係の開示だ。State of AI DesignはAnthropicをレポートのパートナーとして挙げており、汎用AIツールの利用率ではClaudeが78%、ChatGPTが65%、Geminiが48%でClaudeが首位になっている。数字が誤りだという意味ではないが、読者はこの関係を知っておくべきだ。二つ目は、2つの調査はサンプルも質問の仕方も違うため、62%と52.2%は直接比較できない。両方が出力品質を主要な障壁に含めていると言えるだけだ。三つ目は、確認したページにはState of AI Designの調査実施日や抽出方法が載っていなかったため、91%はこの調査に回答したデザイナーの数字であり、業界全体とは限らない。
ツールが3つから7つに増えれば、サブスクリプション費用も積み上がり、ツールが一つ増えるごとに出力を確認する場所も一つ増える。ツールを評価するときは、最初の下書きがどれだけ速く出るかではなく、受け入れられる状態になるまでにかかった時間を記録したい。1週間のうちに、各ツールが節約した時間と、修正ややり直しに使った時間を記録する。差がマイナスなら、そのサブスクリプションが解約候補だ。
AIの出力を本番に出す仕事なら、先に確認のゲートを用意し、その後でスピードを上げる順序にすること。レポートは回答者の半数がAI生成コードを出荷したと示しているが、その出力がどこまで検証されたかを示すデータはない。