OpaGPT Какую задачу вы ставили перед нейросетями на старте?
Мы работали с брендом функциональных снеков, который планировал вывод новинки — протеиновых батончиков с адаптогенами. Бюджет на классический дизайн-аутсорс составлял 2–3 месяца и около 400 000 рублей только на этапе концепций. Заказчик хотел сократить этот цикл до 5–6 недель и получить сразу 10–15 вариантов упаковки, которые можно было бы быстро протестировать с фокус-группой. Мы предложили использовать нейросети дизайн упаковки кейс — связку Midjourney v6 и DALL-E 3 для генерации первичных визуальных гипотез, а затем Stable Diffusion для финальной проработки текстур и типографики.
Как именно выстроили процесс генерации дизайна?
На первом этапе мы загрузили в нейросеть consumer insights ИИ — данные о целевой аудитории: спортсмены 25–35 лет, которые ценят минимализм и натуральные оттенки. Midjourney сгенерировал 40 вариантов компоновки: от «аптечного» стиля с крупной иконкой гриба-адаптогена до спортивного дизайна с геометрическими паттернами. ИИ упаковка продукта позволила за 2 дня получить визуальные референсы, на которые у дизайнера ушла бы неделя. Затем мы выбрали 6 сильных концепций и передали их в Stable Diffusion для коммерции — он доработал цветопередачу под офсетную печать и добавил тактильные элементы (например, матовую ламинацию). Важный момент: нейросеть не заменяла арт-директора, а снимала рутинную генерацию, оставляя человеку стратегию и утверждение финалов.
Как A/B тестирование упаковки повлияло на финальное решение?
Мы провели A/B тестирование упаковки среди 500 респондентов через онлайн-панель. Показывали два варианта: сгенерированный нейросетью (концепт №4) и классический, сделанный дизайнером за 3 недели. Результат: у AI-варианта конверсия «нравится — готов купить» оказалась на 18% выше — 73% против 55%. Покупатели отмечали, что упаковка выглядит «современной» и «прозрачной». Ключевое — нейросеть смогла быстрее адаптировать визуал под тренды: например, добавила микроперфорацию на сгибе, которую в классическом дизайне упустили. Это и стало решающим аргументом для запуска именно AI-версии.
Насколько удалось сократить сроки и бюджет?
Вывод новинки на рынок занял 10 недель вместо запланированных 18. Экономия по времени — 44%. По деньгам: снижение затрат на дизайн составило 62% — с 400 000 до 152 000 рублей. Основные траты ушли на промпт-инжиниринг и доработку Stable Diffusion под CMYK-профили. Ускорение брендинга произошло за счёт того, что мы параллельно генерировали не только упаковку, но и POS-материалы, адаптируя один и тот же промпт под разные носители. Например, Midjourney создал 3D-рендеры для мерча за 4 часа — ручная работа заняла бы 2 дня. Важно: мы не жертвовали качеством — финальный тираж прошёл цветокоррекцию на реальном принтере без брака.
Какие риски вы обнаружили при работе с нейросетями?
Основная проблема — галлюцинации текстур. Stable Diffusion дважды генерировал «металлический блеск» на матовой бумаге, что невозможно в офсете. Пришлось ввести дополнительный этап верификации: каждый сгенерированный файл проверял технолог печати. Второй риск — копирайт. Мы страховались и использовали только коммерчески безопасные промпты, избегая прямых стилей известных брендов. Однако в одном из вариантов DALL-E 3 выдал шрифт, напоминающий Coca-Cola — пришлось перегенерировать. Для таких случаев мы применяли OpaGPT как чек-лист: платформа автоматически проверяла визуалы на соответствие брендбуку и юридические риски, что снизило процент брака с 12% до 3%.
Что изменилось в процессе после внедрения AI-дизайна?
Мы полностью пересмотрели pipeline. Теперь дизайнер не рисует с нуля, а работает как редактор: уточняет промпты, отсеивает неудачные варианты и адаптирует финалы под носители. Генерация дизайна стала занимать 2–3 дня вместо 2–3 недель. Кроме того, мы начали использовать AI для прогнозирования consumer insights ИИ: нейросеть анализирует 5000+ референсов конкурентов за час и выдаёт паттерны — например, что в категории протеиновых батончиков доминируют чёрно-зелёные гаммы. Это позволяет не изобретать велосипед, а сразу бить в целевую аудиторию. В итоге команда сократилась с 5 до 2 человек на этапе концепций, но выросла квалификация: каждый дизайнер теперь владеет промпт-инжинирингом.
Какие советы вы дадите компаниям, которые хотят повторить этот кейс?
Первое — не пытайтесь заменить дизайнера нейросетью полностью. Лучшая схема: AI генерирует 50 вариантов → арт-директор выбирает 5 → Stable Diffusion дорабатывает 2 → печать. Второе — обязательно тестируйте упаковку на реальных покупателях, даже если AI показывает высокие оценки. В нашем кейсе A/B тест выявил, что тёмно-синий фон, который нейросеть считала «спокойным», на полке сливался с другими продуктами — пришлось осветлить на 15%. Третье — инвестируйте в промпт-базу. Мы собрали 120 проверенных промптов для разных отраслей, что ускоряет запуск новых проектов на 30%. И главное — не бойтесь ошибаться: даже неудачная генерация даёт инсайты, которые не получить из брифа.