Нейросети для создания креативов: как выстроить AI-пайплайн

AI уже умеет заметно ускорять производство маркетинговых креативов, но одна удачная генерация ещё не означает, что процесс можно масштабировать. В Авито для этого создали AI Creative Studio: команда выстраивает пайплайны, тестирует AI-видео и автоматизирует рутинные операции — при этом оставляет человеку креативные решения и арт-дирекшн.

Особенно показателен кейс с Telegram-ботом для генерации аватарок сотрудников. На первый взгляд задача элементарная: загрузил фотографию — получил изображение в фирменном стиле. На практике пришлось учитывать узнаваемость человека, пол, возраст, типаж, стабильность разных моделей и ограничения автоматизации.

Зачем Авито понадобилась AI Creative Studio

У Авито много направлений — Товары, Авто, Работа, Недвижимость, Услуги, Путешествия. У каждого свои команды, аудитории, метрики и бизнес-задачи, а количество идей для тестирования всегда больше доступных ресурсов.

Поэтому задача студии — расширить воронку гипотез: быстрее доводить идеи до состояния, в котором их можно обсуждать и тестировать, а затем выбирать креативы для масштабирования.

Внутри три основных направления:

• Генерация контента. Изображения, видео и тексты создаются с помощью нейросетей там, где это не ухудшает качество и помогает быстрее проверять гипотезы.
• Автоматизация рутины. Типовые операции, например создание иллюстраций в фирменном стиле, объединяются в пайплайны и выполняются с минимальным участием человека.
• Инхаус-креатив. Нейрокреаторы и нейродизайнеры используют AI непосредственно в разработке роликов и креативных идей.

При этом решения о том, что дорабатывать и запускать, остаются за командой.

AI-видео вместо части ручной работы

Раньше производство ролика выглядело примерно так: иллюстратор делал линейные раскадровки, затем добавлял цвет, motion-дизайнер анимировал сцены, монтажёр собирал финальную версию — и только после этого креатив можно было тестировать.

Такой процесс ограничивал количество гипотез: на подготовку каждого варианта требовалось много ручной работы.

В Авито начали использовать нейроматики — AI-ролики, которые визуально приближены к черновым версиям будущих съёмочных видео. Идея в том, чтобы сначала быстро проверить саму концепцию, а уже затем тратить ресурсы на полноценное производство.

Перед внедрением подход протестировали на фокус-группе. Участникам показали два креатива: съёмочный и созданный с помощью AI. Среди прочего их попросили оценить, какое видео выглядит реалистичнее. AI-версия в этом тесте показалась респондентам правдоподобнее съёмочного ролика.

На основе этого опыта AI-видеокреативы начали использовать в перформанс-маркетинге и SMM разных вертикалей, а нейроматики — для проверки гипотез по ТВ- и digital-видеокреативам.

Главный эффект здесь не в том, что AI полностью заменяет производство, а в возможности быстрее и дешевле проверить больше идей до запуска полноценного креатива.

От отдельного промпта — к системе

Сгенерировать красивую картинку один раз относительно легко. Сложнее получать предсказуемый результат в нужной стилистике снова и снова.

Поэтому в студии выстраивают автоматизацию в три уровня.

1. Промпт-логика. Вместо одного промпта под каждую задачу создаётся последовательность шагов: определяется порядок операций, возможные ветвления и то, как результат одного этапа влияет на следующий.

2. Нодовые цепочки. Нода — отдельный шаг процесса. Соединённые между собой ноды образуют полноценный пайплайн. Такой подход позволяет автоматизировать типовые задачи или отдельные этапы более сложной работы.

3. Библиотеки и внутренние решения. Готовые персонажи, локации и другие элементы можно хранить в библиотеках и повторно использовать в новых генерациях. Для нейроматиков это помогает быстрее собирать ролики и делать результат более предсказуемым.

Идея на всех трёх уровнях одна: не получать случайно хороший результат, а строить процесс, который можно повторять.

Почему аватарки оказались сложнее, чем казалось

Один из показательных кейсов — Telegram-бот, с помощью которого сотрудники могут генерировать аватары в фирменном стиле Авито.

На первый взгляд задача простая: взять фотографию человека, заменить персонажа в готовой композиции и сохранить его узнаваемость. Но именно здесь проявились ограничения генеративных моделей.

Чем больше человека в кадре, тем сложнее сохранить узнаваемость

Узнаваемость складывается не только из лица. Важны телосложение, одежда, поза и общий образ. Чем больше деталей тела попадает в исходное изображение, тем сложнее модели удержать их одновременно.

Сначала в Авито попробовали заменить персонажа в готовой картинке, загрузив фотографию лица сотрудника. Модель смогла поменять лицо и костюм, но без дополнительной информации результат выглядел скорее как тантамареска, чем как реалистичный портрет.

Для инструмента, которым сотрудники будут пользоваться регулярно, стабильность оказалась важнее широкого кадра. Поэтому от загрузки фотографий в полный рост отказались и оставили формат до плеч.

Отдельной проблемой оказалось определение пола: модель не всегда справлялась корректно, например могла принять женщину с короткими волосами за мужчину. В результате для мужских и женских изображений сделали разные промпты.

Тестировать нужно не один типаж

Возраст, форма лица, телосложение и тон кожи влияют на результат. Поэтому инструмент проверяли на большом количестве разных фотографий.

Выяснилась ещё одна особенность: нейросети могут добавлять людям старшего возраста лишние морщины и в целом визуально делать человека старше.

Отсюда практический вывод: если AI-инструмент будет работать с фотографиями людей регулярно, тестирование на разных типажах — не дополнительная проверка, а обязательная часть разработки.

Самая дешёвая модель не обязательно выгоднее

Сначала для генерации фотографий использовали Nano Banana Pro: по словам команды, модель стабильно выдавала хорошие результаты.

Затем после тестов решили перейти на ChatGPT, поскольку подписка обходилась дешевле. Но результат оказался менее стабильным: модель могла менять одежду и причёску или добавлять детали, которых не было в промпте.

В итоге вернулись к Nano Banana Pro. Для ежедневного инструмента предсказуемость результата оказалась важнее экономии на подписке.

Автоматизировать процесс можно, креатив — нет

Нодовая система позволяет собрать в одном месте последовательность действий, необходимых для генерации изображения. Но это не означает, что можно полностью автоматизировать креативную работу.

Арт-дирекшн, поиск референсов и принятие визуальных решений по-прежнему требуют человека. И, по опыту команды, именно здесь AI пока выступает скорее усилителем, чем заменой.

Что из этого следует

Опыт AI Creative Studio показывает несколько практических принципов работы с генеративными моделями:

• Нужно закладывать время на тестирование. Даже хорошо продуманный пайплайн не гарантирует стабильный результат с первого раза.
• Одна удачная генерация не масштабируется сама по себе. Для воспроизводимого результата нужны промпт-логика, нодовые цепочки и библиотеки готовых решений.
• Дешевле не всегда значит выгоднее. Если инструмент используется постоянно, нестабильность и необходимость исправлять ошибки могут оказаться дороже более дорогой, но предсказуемой модели.
• Арт-дирекшн полностью автоматизировать не получается — и не обязательно нужно. Нейросеть может ускорить работу, но визуальное чутьё, постановка задачи и финальное решение остаются на стороне человека.

В итоге AI в таком подходе — не волшебная палочка и не самостоятельный креатор. Это набор инструментов, который позволяет быстрее проверять идеи и автоматизировать повторяющиеся операции. Чем сложнее становится технология, тем важнее становится способность человека правильно поставить задачу, оценить результат и решить, что делать дальше.