Как крупные бренды используют ИИ в рекламе

ИИ всё заметнее меняет рекламный продакшн: расширяет выбор решений, а не просто ускоряет работу. Там, где раньше нужна была сложная съёмка или долгая графическая обработка, теперь можно быстрее собрать нужную сцену и довести её до согласованной финальной версии. Но даже в самых удачных кейсах многое решает ручная доводка и контроль деталей. В статье разберём, как крупные бренды используют нейросети, почему это им выгодно, где возникают сложности и какие правовые моменты стоит предусмотреть.

Роль ИИ в рекламе

Ещё пару–тройку лет назад нейросети в дизайне редко внушали доверие. Их часто воспринимали как признак низкого качества и использовали скорее ради разового эксперимента. Сейчас ситуация меняется: ИИ всё чаще становится обычной частью продакшена.

Технологии стали быстрее и стабильнее. А продакшн-команды уже лучше понимают, в каких задачах ИИ-генерация даёт качественный результат, а где нужно работать вручную. Поэтому работу с ИИ проще встроить в обычный пайплайн: с дедлайнами, зонами ответственности и чёткими требованиями к качеству.

Сейчас уже сложился простой и понятный порядок работы с ИИ. Сначала быстро проверяют идею и стиль на тестовых вариантах, потом арт-директор выбирает направление и задаёт требования. Далее делают генерации, а результат почти всегда доводят вручную: чистят артефакты, собирают композицию, иногда — делают реальные подсъёмки. В конце — правки и финальная проверка, чтобы материал выглядел цельно и убедительно.

Как именно задействован ИИ

Нейросети не заменят целую продакшн-команду: ИИ не придумывает рекламную идею и композицию сам по себе, не понимает, что в кадре главное, где нужен акцент и как выстроить композицию, чтобы сообщение считывалось с первого взгляда. Промпты формулирует человек, а результат почти всегда требует ручной доводки. Поэтому ИИ —  часть набора средств, как Photoshop, After Effects, Cinema 4D и другие программы. Вот, где именно его чаще всего используют:

Фото- и видеопродакшн без съёмки. Здесь ИИ помогает сделать материалы без площадки, актёров, моделей и съёмочной группы. Чаще всего это OLV (онлайн-видео), KV-серии (ключевые визуалы кампании), короткие анимации, контент для соцсетей и каталогов.

Это особенно полезно, когда нужна скорость и картинка, которую сложно, долго или дорого снимать: фантазийные сцены, нереалистичные локации, стилизованные вселенные.

Основные риски: артефакты и «пластиковый» вид, проблемы с деталями, типографикой и логотипами, нестабильность объектов от кадра к кадру. Чем выше требования к точности продукта, тем больше ручной работы остаётся у команды.

Иллюстрацией этого подхода стал видеоролик Яндекс Карт, полностью созданный нейросетями без реальных съёмок. С помощью Midjourney, Stable Diffusion и Runway команда визуализировала персонажей и интерьеры. Кейс подтвердил, что ИИ-продакшн справляется с быстрым созданием реалистичных сцен, хотя и требует тонкой настройки инструментов для сохранения единой стилистики.

Отрывок из рекламы Яндекс Карт, сгенерированной нейросетью. Источник

Если говорить о замене студийной фотосъёмки для ключевых образов, брендинга и оформления соцсетей, хороший пример — айдентика ресторана японской кухни Tottori от студии Repina branding. Команда вдохновилась японскими дверями сёдзи: за ними видны силуэты предметов и людей, но детали остаются скрыты. Эту логику перенесли в визуалы — в кадрах с размытием считывается процесс приготовления и подачи блюд, но кадр будто «вибрирует»: не видно лиц, конкретных ингредиентов и мелких деталей, остаются только силуэты.

Гибридный продакшн (ИИ + съёмка/CGI + постпродакшн). Здесь ИИ не полностью заменяет съёмку, а дополняет её. Например, снимают продукт или людей, а фон, эффекты, часть анимации или стилевые элементы добирают нейросетями. Дальше всё соединяют.

При таком подходе качество выше, потому что у команды больше ресурсов (в том числе и бюджетных). Фидбэк аудитории в таких случаях как правило более позитивный, так как картинка выглядит максимально натурально (даже в условиях фантазийных сюжетов).

Главный минус: экономия бюджета при таком подходе незначительная, не все проекты смогут позволить себе это. Зато растёт сложность процесса: больше итераций правок и больше задач на стыке генерации и постпродакшна.

Примером такого гибридного подхода стал ролик сервиса «Домклик», где реальные съёмки с актёрами объединили с генеративными технологиями. Команда не стала полностью полагаться на ИИ, а использовала его точечно: нейросеть Kandinsky помогла отрисовать сложные визуальные объекты (например — футуристичный портал), а нейросеть Boomy создала музыкальное сопровождение. Вышло быстрее и дешевле, чем отрисовка такой же графики вручную. При этом в кадре остались живые человеческие эмоции.

Кадры из рекламы «Домклик». Источник

Ещё один гибридный кейс — ролик Cloud.ru, где реальные съёмки на натуре соединили с генеративной графикой. Идея ролика — показать масштаб облачных технологий через образы просторов России. Натуру сняли в Казани, съёмка заняла один день, а постпродакшн шёл около месяца. Дальше команда делала графику в два этапа: статику генерировали в Midjourney, Stable Diffusion, ChatGPT и Kandinsky, а затем анимировали в Luma, Runway, Kling, Minimax и доводили через Topaz Video; на проекте сделали более 16 000 картинок и около 1000 видео, а на один удачный кадр уходили десятки попыток. В итоге около 90% графических элементов в ролике создали с помощью ИИ, часть кадров всё равно дорабатывали вручную.

Кадры из ролика Cloud.ru. Источник

Виртуальные персонажи и нейро-амбассадоры. ИИ используют, чтобы создать маскота или персонажа для конкретной рекламной кампании или регулярного контента. Иногда это превращают в инфлюенсерскую механику, когда персонаж живёт в соцсетях и общается с аудиторией от лица бренда.

Такой подход может принести дополнительную узнаваемость, а также позволяет экономить на привлечении реальных медийных личностей в качестве лица бренда.

С другой стороны, этот рекламный ход может подорвать доверие и создать эффект «зловещей долины», когда персонаж выглядит почти как человек, но всё равно странно и неестественно. Плюс — вопросы этики и права: похожесть на реальных людей и прозрачность того, что контент сделан с помощью ИИ.

Неоднозначный результат получила рекламная кампания спортивного бренда Demix. Осенью 2023 года компания представила нейроамбассадора Деми. Она должна была вести соцсети, общаться с подписчиками и «тренироваться» с профессиональными спортсменами. Пользователи могли выбирать ей вид спорта или цвет волос. Но проект быстро столкнулся с критикой: аудитория остро среагировала на неестественность персонажа и противоречивые тексты постов нейроамбассадора. В итоге эксперимент остался разовой акцией — компания не стала делать Деми постоянным лицом бренда.

Культурные коллаборации и проекты на стыке рекламы и искусства. Бренды делают выставки, партнёрства с музеями, арт-объекты и коллаборации с нейрохудожниками. Часто это работает как имиджевый ход: бренд показывает себя как меценат технологий и культуры.

Главный эффект — медийность, усиление бренда, более яркое и долгоживущее впечатление, чем у классической рекламы.

Но есть и высокие риски: конфликт с художниками, вопросы авторства, обвинения в воровстве стиля. Здесь особенно важны прозрачные правила: кто автор, какие материалы использовали, как оформлены права и договорённости.

Иллюстрация такой коллаборации  — арт-проект «Витражизнь», реализованный банком «ДОМ.РФ». Нейрохудожница разработала эскизы витражей, которые затем превратили в реальные стеклянные интерактивные объекты. Бренд выступает «меценатом», объединяя современные технологии с классическим искусством для создания медийного повода.

Стенд «ДОМ.РФ» с нейровитражами. Источник

Какие инструменты крупные компании используют чаще всего

В России заметна экосистемная модель: крупные игроки стараются задействовать собственные нейросети и сервисы в рекламных кампаниях. Это решает две задачи сразу. С одной стороны, команда получает полный набор инструментов и поддержку внутри экосистемы. С другой — сам проект становится витриной технологии, которую компания параллельно продвигает на рынке. У Сбера в таких кейсах часто фигурируют Kandinsky и GigaChat, у Яндекса контент собирают через «Шедеврум», который работает на базе YandexART и YandexGPT.

Примером использования внутренних разработок стал проект Сбера для выставки Бориса Кустодиева в Третьяковской галерее. В этой кампании экосистема задействовала сразу несколько своих сервисов: нейросеть Kandinsky оживила героев полотен для рекламного ролика, GigaChat стал основой для интерактивного AR-гида в образе купчихи, а модель SymFormer написала музыку к экспозиции.

Кадры из рекламного ролика выставки. Источник

Некоторые инхаус-команды стараются опираться на свой стек: так проще выстроить процесс, быстрее получать доступ к новым версиям и не зависеть от внешних ограничений. У них появляются собственные нейросети под конкретные задачи. Например, у Самоката есть Molbert AI — внутренний AI-редактор для пакетной обработки фото для катологов. Его используют для фоновой чистки, теней и форматов, а в карточках товаров также тестируют и AI-контент.

При этом большинство агентств, независимых нейрохудожников и продакшн-студий работают с популярными международными моделями и сервисами. Самый популярный набор нейросетей:

• изображения (KV, серии визуалов, фоны, сцены): Midjourney, Stable Diffusion, Nano Banana, ChatGPT, Adobe Firefly;
• видео (короткие OLV, тизеры, фрагменты сцен, переходы): Runway, Veo, Luma;
• музыка и озвучка (черновики, варианты под настроение, быстрые саундтреки): Suno, Udio, Producer AI, ElevenLabs.

Хороший пример того, как международные нейросети используют в продакшене — серия роликов для «Фрау Марта» от Open Production. За 3,5 недели команда сделала 5 OLV-роликов для диджитал-площадок без съёмки, студийного света и фуд-стилистов. Чтобы избежать пластиковой картинки, модели донастраивали на макроснимках еды и вместе с клиентом сверяли генерации с реальными овощами, правя цвет, текстуру и мелкие детали. Статику делали в Flux и NanoBanana, анимацию — в Kling и Minimax, озвучку — через Google AI Studio.

Финальная версия видеоролика. Источник

Иногда крупные компании привлекают специалистов и агентства на аутсорс и могут выдвигать требование использовать только определённые инструменты в работе. Это могут быть собственные разработки, но чаще — популярные нейросети, в зависимости от того, какие подписки оплачиваются компанией. Это делается для того, чтобы в случае непредвиденных обстоятельств, инхаус-команда смогла доделать работу или внести в неё правки в том же софте. Но на практике такие кейсы — скорее исключение, чем правило.

Для заказчика выставлять ограничения на софт — не лучшая стратегия. Один и тот же результат часто можно получить с разными сервисами, а продакшн-команда собирает пайплайн под задачу: где-то важнее стабильность видео, где-то — скорость итераций, где-то — точность продукта и удобство доводки. Когда заказчик заранее «назначает» конкретную нейросеть, он сужает выбор решений и может потерять в качестве или скорости, потому что исполнителю приходится подстраиваться под чужой стек.

Почему брендам выгодно использовать ИИ в рекламе

Скорость. С нейросетями можно быстро проверить, хороша ли идея и как она выглядит в реальном визуале, а не на словах.

Масштаб. ИИ помогает делать больше материалов без привлечения большой команды.

Экономия. ИИ действительно снижает расходы, но чаще — точечно. Он может заменить часть съёмки или сложных постановочных сцен, сократить затраты на локации и реквизит, ускорить часть графики и постпродакшна.

PR и внимание. AI-креатив всё ещё может давать дополнительный интерес, особенно если бренд реализовал смелую идею и честно показал технологию. Такие проекты легче подхватывают медиа и индустрия, их обсуждают в соцсетях, они попадают в подборки кейсов. Но это работает только при хорошем качестве.

Эксперименты. С нейросетями легче пробовать разные стили и «миры», которые сложно собрать обычными методами.

МТС Live провёл эксперимент и сделал два ролика для сервиса покупки билетов Ticketland с одинаковым сюжетом и видеорядом, но с разным способом производства: один сняла классическая съёмочная группа с актёрами, а второй собрали с помощью генеративного ИИ, который покадрово повторил действия, эмоции и визуальные решения первого видео.

Эффективность проверяли в два этапа: сначала оба ролика показали выборке московских абонентов МТС и замерили восприятие, понимание сообщения и запоминаемость бренда. Затем ролики выложили в интернет, и каждый из них набрал свыше 2,3 млн просмотров. По итогам «человеческая» версия дала более сильный эмоциональный отклик и лучше запомнилась, а ИИ-ролик оказался эффективнее по performance-метрикам: VTR был выше на 22%, PI — на 34%, а CPV ниже.

Кадры из ролика, снятого с актёрами. Источник

Кадры из ролика, сделанного ИИ. Источник

Удешевляет ли ИИ продакшн на самом деле

Кажется, что раз камера и съёмочная студия не нужна, то и бюджет должен резко упасть. На практике всё сложнее. Качественный ИИ-продакшн тоже стоит денег, потому что в нём остаются ключевые роли — продумывание идеи, арт-дирекшн, сборка, доработка и контроль качества. При этом экономия правда бывает, но чаще она появляется не во всём сразу, а в конкретных статьях расходов.

Где экономия реальна:

1. Съёмка или часть съёмки. Когда проект можно сделать без площадки или сократить объём съёмочного дня, уменьшаются расходы на локации, декорации, реквизит, логистику.
2. Часть CGI и моушна. В некоторых задачах генерация может заменить часть трудоёмкой графики или ускорить производство отдельных элементов. Но важно понимать границу: нейросети редко закрывают постпродакшн «под ключ». Чаще они помогают сделать заготовки и быстрее выйти на вариант, который потом редактируют вручную.
3. Большое количество вариаций. ИИ хорошо подходит, когда нужно много однотипных материалов: серия ключевых визуалов, версии под разные форматы и площадки.
4. Быстрые правки. Что-то не так с фоном, настроением сцены или второстепенными деталями — и это проще перегенерировать, чем организовать пересъёмку.

Где сэкономить не получится, а иногда — даже станет дороже:

1. Арт-дирекшн и контроль качества. У ИИ часто много вариантов, но мало стабильности, поэтому приходится делать больше итераций, больше сравнений и больше проверок. Эта часть может занимать больше времени, чем в привычном продакшне.
2. Юридическая и репутационная страховка. Появляются дополнительные проверки: что с правами, нет ли нежелательных совпадений с чужими образами, как оформлены согласия, нужно ли маркировать AI-контент. Внутри проекта это может быть отдельным блоком работ и расходов.
3. Продюсирование процесса. ИИ-продакшн часто сложнее организовать: больше версий, больше промежуточных материалов, больше согласований, больше требований к хранению исходников и прозрачности решений. Нужно фиксировать, какой вариант пошёл в работу, чем он отличается от предыдущего, где лежат исходники, кто что утвердил.
4. Композитинг и ручная доводка. Артефакты, странные текстуры, проблемы с типографикой и логотипами — всё это приходится чистить руками. Чем выше требования к точности продукта, тем больше работы у дизайнеров и 3D/моушн-специалистов.

ВкусВилл вместе с нейропродакшеном Open Production сделал летнюю кампанию мороженого «Моёженое»: за 3,5 недели команда выпустила четыре 15-секундных OLV-ролика для диджитал. Сюжеты строились на идее «мороженое, которое спасает ситуацию» — герои сталкиваются с летними неудобствами (пробка, жара, дождь, комары), а мороженое помогает сменить настроение. По ходу работы выяснилось, что генерация не всегда точно держит запрос: например, вместо вафельного стаканчика нейросеть упорно делала рожок, и деталь приходилось править вручную. А продуктовые планы решили не доверять нейросетям вовсе и сделали мороженое в 3D, чтобы точно контролировать вид и анимацию. В проекте использовали Imagen 3 для генерации, Kling для анимации, плюс 3D и ручную доводку.

Кадры из финальной версии ролика. Источник

Правовой вопрос: как юридически правильно закрепить использование ИИ в проектах

Одна из самых острых тем в AI-продакшне — юридическая чистота результата. Во-первых, модели обучаются на большом массиве чужого контента, поэтому всегда остаётся риск, что генерация окажется слишком похожей на чью-то работу. Во-вторых, встаёт вопрос, кому принадлежат права на итоговые материалы и исходники, если над ними работали и люди и нейросети. В-третьих, важно честно обращаться с аудиторией: продумать маркировку и формулировки так, чтобы не вводить людей в заблуждение и не подрывать доверие к бренду.

Есть несколько основных зон риска.

Сгенерированные персонажи похожи на реальных людей. Визуал может случайно напоминать реальную персону. Отдельный риск — когда ИИ подменяет внешность знаменитости: делает моложе, оживляет фото или совмещает лица разных людей. Здесь встаёт вопрос согласия человека на использование образа.

Музыка и голоса, особенно синтез. С голосом проблем больше, чем кажется: похожесть на конкретного диктора, актёра или известный тембр может стать поводом для претензий. С музыкой похожая история: генерация иногда воспроизводит узнаваемые паттерны, а это может выглядеть как заимствование.

Логотипы, упаковка, элементы чужих брендов. Нейросети могут подмешивать знакомые знаки, формы, шрифтовые решения и даже упаковку, особенно если стиль описан слишком общими формулировками. В рекламе это опасно: такие детали легко воспринимаются как использование чужого брендинга.

Датасеты и референсы, которые бренд не готов объяснять публично. Иногда проблема не в юридических формулировках, а в том, как проект выглядит со стороны. Если аудитория или профессиональное сообщество спрашивают, на чём это обучено и почему это похоже на конкретного автора, бренду важно иметь внятный ответ. Иначе можно получить репутационный удар даже без суда и официальных претензий.

Но на практике не всё так страшно:

Чтобы снизить риски, лучше сразу закрепить правила работы с ИИ официальными документами — и с агентством, и с продакшном, и с отдельными исполнителями. Вот что следует прописать в договоре:

Инструментарий и задачи. Перечислите используемые сервисы и модели. Укажите, для чего именно они применяются (тексты, визуал, звук, видео), чтобы избежать споров о происхождении контента.

Права на результаты. Зафиксируйте, кому принадлежат финальные файлы и все исходные материалы (проекты, промпты, промежуточные генерации). Если исходники остаются у исполнителя — укажите это.

Ответственность. Определите, кто отвечает за претензии третьих лиц (авторские права, товарные знаки, изображения людей). Укажите, кто берет на себя юридическую защиту и коммуникацию в случае споров.

Безопасность и данные. Пропишите, какие данные (конфиденциальные концепты, внутренняя аналитика) запрещено загружать в нейросети. Закрепите регламент хранения промптов и доступов.

Маркировка контента. Заранее согласуйте требования к раскрытию использования ИИ. Утвердите формулировки для титров и описаний, чтобы сохранить прозрачность перед аудиторией.

Что будет дальше: куда движется рынок

Скорее всего, рынок будет выбирать гибридный подход как «золотую середину». Полностью нейросетевые ролики останутся как отдельный любительский жанр, но в большинстве коммерческих проектов ИИ будет работать рядом с привычным продакшном: где-то заменять часть съёмки, где-то ускорять графику и постобработку, где-то помогать собрать серии материалов.

Параллельно у брендов будут появляться внутренние правила: что можно генерировать, что нельзя, какие проверки обязательны и кто их проводит. И ещё один важный сдвиг — в коммуникации: меньше «смотрите, это сделано ИИ», больше «смотрите, какая идея и постановка», потому что именно это отличает сильный кейс от очередной технологической демонстрации.