Какие правила хорошего тона важно соблюдать в работе с ИИ

Главная ошибка — воспринимать нейросеть как волшебную палочку или кнопку «сделать красиво». Чтобы получить действительно качественное изображение, которое можно использовать в рекламе или опубликовать в соцсетях компании, нужно заранее продумать идею и все детали: свет, ракурс, композицию, углы камеры, логику сцены. В этот момент дизайнер уже не просто пишет запрос, а по сути берет на себя роль человека, который отвечает за весь визуальный замысел и за то, как именно он будет воплощен.

У начинающих дизайнеров часто возникает соблазн опереться на «магические» слова в запросе к нейросети, например, максимальная детализация (8k details) или гиперреалистичная кожа (hyperrealistic skin). Кажется, что такие формулировки сами по себе добавят изображению реалистичности. Но на практике это часто дает обратный эффект: кожа становится слишком гладкой, пластиковой, неживой. С другой стороны, избыточная детализация тоже не помогает. Когда кожа проработана буквально до пор, это уже выглядит неестественно и слишком демонстративно. Здесь, как и во всем остальном, важна золотая середина.

Еще одна типичная проблема — так называемые нейронные лица. Это шаблонная красота, которую нейросеть выдает по умолчанию: курносые носы, большие губы, огромные глаза, слишком правильная симметрия лица. В таких изображениях быстро теряется правдоподобие. Чтобы этого избежать, приходится буквально задавать себе вопрос: что делает человека человеком? Это может быть асимметрия, горбинка на носу, слишком тонкие или, наоборот, крупные черты — все то, что отличает живое лицо от компиляции из базы данных. 

Именно поэтому вопрос «кто вообще создает изображение — ИИ или человек?» не такой простой, как кажется. Практика показывает, что почти всегда это совместный процесс. Нейросеть может предложить вариации и даже выдать неожиданный результат, который развернет всю работу или задаст ей тон. Но именно человек управляет этим процессом, отбирает лучшее из сотни вариантов, проверяет результат на соответствие задаче и доводит его до финала. 

Ошибки проявляются и в базовых вещах: несоответствие запросу, неправильная постановка света, дефекты изображения вроде лишних пальцев, нелогичное освещение в кадре. Например, вроде бы естественный свет в самой сцене ощущается искусственным, как будто все поставлено под софиты. Даже эффектная картинка в таком случае не решает задачу: не попадает в бриф, не передает нужный образ и не вызывает доверия.

Первое правило — не выдавать сгенерированное за реальность. Если контент создан с помощью ИИ, об этом нужно говорить. Попытка замаскировать генерацию под «настоящую» историю быстро разрушает доверие. Были случаи, когда люди подписывались на виртуальных персонажей, созданных нейросетью, потому что верили в их личные переживания, а потом реагировали агрессивно, узнав, что перед ними выдуманные люди. 

Поэтому базовое правило простое: если вы создаете контент с ИИ — не пытайтесь замаскировать его под реальность. Люди нормально относятся к технологиям, но не любят, когда с ними не честны.

Отдельная граница — использование чужого образа. Внешность не является общим ресурсом, даже если речь идет о публичных людях. У меня был кейс, когда просили взять узнаваемые сцены из фильмов и «переодеть» актеров в одежду бренда. То есть фактически использовать их лица в рекламном контенте. Я отказалась: актеры зарабатывают в том числе своим лицом, и использовать его бесплатно для продажи чужого продукта — неэтично. Корректнее не копировать конкретного человека, а создавать стилизованный, вдохновленный образ.

Еще один принцип — не копировать напрямую. Работа с визуальными примерами не должна превращаться в перенос готового решения. Лучше использовать их как отправную точку, а не как готовую схему для повторения.

В конечном счете этика в работе с ИИ сводится к тому, чтобы использовать технологию во благо, а не во вред. Не прятать способ создания изображения, не присваивать чужой образ и не перекладывать на алгоритм ответственность за идею. ИИ может ускорить процесс, но не освобождает автора от ответственности за то, как и зачем создан этот образ. 

Работа с нейросетями начинается с идеи. Сначала нужно понять, какие образы, атмосфера и смыслы должны быть в кадре. Исследованием, сбором материалов и разработкой концепции должен заниматься человек, потому что ИИ — это всего лишь инструмент в его руках, как кисть у художника. Он не придумывает проект за автора, а работает внутри заданной логики.

Следующий этап — работа с визуальными направлениями и примерами. Со студентами мы сначала исследуем визуальные направления, разбираем их на части и раскладываем по координатам: исторический фундамент, физические свойства, атмосфера сцены и степень технологичности. После этого их можно смешивать и собирать из них собственные миры. Такой подход избавляет от бесконечного листания референсов и помогает двигаться более структурно.

Именно так строится и дальнейшая работа с генерацией. Нейросеть может помочь на разных этапах: подобрать примеры для презентации, собрать раскадровку, сделать статичные кадры, а затем и видео. Например, в моей работе над роликом для электромобиля Атом это позволило работать с условиями, которые было бы трудно или невозможно воссоздать в реальности. У нас была машина, идея о том, что она создана для России и российской зимы, и понимание, что плюс нейросетей как раз в том, что они позволяют создавать новый мир. В итоге ролик строился на контрасте двух состояний: снаружи — холод, ветер и враждебная среда, внутри — тепло, тишина и контроль.

При этом создание изображений с помощью ИИ всегда требует проверки. Важно не то, насколько картинка эффектная, а насколько она точна. Если в запросе задано конкретное условие, оно должно появиться в изображении. Если не совпадают цвет, свет, композиция или другие ключевые детали, это ошибка, даже когда картинка выглядит удачно. Поэтому результат приходится постоянно сверять с задачей, с примерами и с тем, что вообще должно получиться на выходе.

Олег Вахромеев, операционный директор по маркетингу в Атоме: 

«Любые искажения кузова электромобиля недопустимы в рекламе автобренда. Мы тщательно отбирали корректные ракурсы и динамику в кадре. Если на изображении автомобиля были заметны ошибки нейросети, такой вариант сразу отсеивали. Дизайнерам важно помнить о конечном результате и его соответствию поставленной задаче — это влияет на готовность брендов экспериментировать с ИИ на уровне индустрии». 

Нейросеть при этом может выдать неожиданный результат, который изначально не планировался, и это не всегда плохо. Иногда именно такая случайность разворачивает всю работу или задает проекту новый тон. Поэтому не стоит стремиться к стопроцентно управляемому результату: полезно оставлять нейросети 10–20% на творчество. Если решение усиливает идею и соответствует запросу, его можно брать в работу. Но не в чистом виде. Я все равно дорабатываю его вручную. Если же результат не подходит прямо сейчас, его можно сохранить, возможно, именно такой визуал пригодится в следующем проекте.

Даже в проектах, где нейросети используются на каждом этапе, значительная часть работы остается за человеком. Ретушь, исправление дефектов, цветокоррекция, финальная сборка ролика, работа со звуком и музыкой — все это по-прежнему требует ручного участия.

ИИ уже меняет экономику съемочного процесса: часть задач можно делать быстрее и дешевле, а некоторые сцены — вообще невозможно снять вживую, но можно создать через нейросети. Это дает дизайнеру больше свободы и заметно расширяет диапазон задач, которые можно решать без полноценной видеосъемки.

Следующий этап использования искусственного интеллекта — смешанный формат работы, когда вместе используются съемка, 3D и нейросети. Часть создается в реальности, часть — достраивается алгоритмами. Такой подход уже используется в проектах и, скорее всего, станет стандартом для сложных брендовых задач.

Но вместе с этим возникает обратный эффект: рынок быстро заполняется визуально похожим, плохо проработанным контентом. Когда производство ускоряется, появляется риск перестать задумываться о качестве и содержательности, и просто генерировать поток изображений.

Тренды в нейросетях живут недолго. Всплески визуальных приемов, сюжетов и эстетик могут исчезать за недели. Поэтому все меньше смысла «догонять» тренды и все больше — работать глубже: исследовать, комбинировать и собирать собственные визуальные системы.

Чем доступнее становятся нейросети, тем выше требования к самому дизайнеру. Генерация перестает быть конкурентным преимуществом сама по себе. Роль дизайнера не упрощается, а усложняется. Простые задачи автоматизируются, но растет требование к насмотренности, наличию критической оптики, пониманию визуального языка и умению управлять процессом. Теперь важно не просто «сделать картинку», а задать направление, отобрать решения и довести их до финала.

Главный риск — не в технологии, а в том, как с ней работают. Когда скорость становится важнее смысла, качество падает. Поэтому в профессии будет цениться не тот, кто быстрее генерирует, а тот, кто лучше формулирует идею и собирает вокруг нее сильное визуальное решение.