Когда говорят о ребрендинге, чаще всего обсуждают визуальные атрибуты — цвет, типографику, стиль. Но на практике ключевой вопрос оказывается глубже: каким голосом бренд общается с пользователем и через какой образ выстраивается этот диалог. Сегодня искусственный интеллект в дизайне часто обсуждают исключительно как модный тренд. Но на практике это, в первую очередь, вопрос экономики и операционной эффективности.
Ниже рассказываем об опыте команды платформы Rafinad (входит в 
Kokoc Group): от идеи маскота и полного отказа от классических съемок до сборки собственного AI-пайплайна (цепочки алгоритмов), который позволяет масштабировать контент без потери качества и полного контроля над результатом.
Проблема и задачи: почему мы отказались от классического продакшена
До внедрения генеративных сетей любой сложный визуал означал для компании длинный производственный цикл: подготовка, поиск локаций, физическая съемка, долгий постпродакшен. Это дорого и крайне плохо масштабируется. В условиях коротких маркетинговых итераций, когда тестировать гипотезы нужно здесь и сейчас, такой подход начинает тормозить процесс.
Перед командой стояли следующие задачи:
- Сформировать единый визуальный образ бренда, который будет вызывать доверие аудитории.
- Ускорить цикл производства визуального контента (статика и видео) для маркетинговых целей.
- Создать масштабируемую систему (пайплайн), независимую от обновлений одной конкретной нейросети.
- Снизить барьер между сложным продуктом платформы и конечным пользователем.
Мы изначально смотрели на задачу не как на разовый проект, а как на систему. Если бренд регулярно выпускает рекламные креативы, участвует в партнерских спецпроектах и постоянно тестирует гипотезы, ему нужен не единичный визуал, а воспроизводимый и предсказуемый процесс. В этом контексте создание цифрового персонажа оказалось гораздо логичнее и выгоднее классических съемок с актерами.
Реализация: от экспериментов к собственному AI-пайплайну
Летом 2025 года мы начали формировать визуальный образ бренда вместе с командой Kokoc Group. На старте было много экспериментов — от стилизованных 3D-персонажей до абстрактных решений.
Довольно быстро стало понятно: чем сильнее мы уходим в «чистую цифровость», тем ниже уровень доверия к бренду. В результате мы пришли к фотореалистичному аватару. Так появилась Афина, которая работает как сквозной образ компании: участвует в маркетинговых активностях и одновременно сопровождает пользователя внутри продукта. По сути, это проводник, который помогает выстраивать взаимодействие с платформой на всех этапах, от первого контакта с рекламой до работы с инструментами платформы.
Когда пользователь видит одного и того же персонажа в коммуникациях, поддержке и обучающих материалах, это снижает барьер между сложным продуктом и аудиторией.
Александра Бутенко, старший дизайнер Rafinad:
Это был важный сдвиг. Мы перестали воспринимать персонажа как графический элемент и начали видеть в нём функциональный инструмент. Афина — не иллюстрация, а точка контакта между продуктом и пользователем.
Проблема и решение: где заканчивается генерация и начинается дизайн
Один из главных мифов про нейросети — что они «делают все сами». На нашей практике все оказалось ровно наоборот: чем сложнее и тоньше задача, тем выше роль профессионального дизайнера.
На старте проекта мы использовали популярную нейросеть Midjourney, но сразу же столкнулись с ключевой проблемой — полным отсутствием консистентности (единообразия). Модель каждый раз генерирует нового персонажа. Это вполне допустимо для свободного арта, но неприемлемо для бренда, которому нужно узнаваемое лицо.
Решение пришло через сборку собственного пайплайна — многоступенчатого алгоритма работы. Базовую генерацию мы делали в Nano Banana Pro, потому что эта модель гораздо лучше удерживает анатомическую структуру лица. Дальше к процессу подключали ComfyUI — интерфейс для детальной настройки нейросетей. В нем у нас собран основной контроль над будущим изображением.
Ключевой этап всей реализации — это обучение собственной LoRA-модели (Low-Rank Adaptation — метод, позволяющий дообучить нейросеть на конкретных изображениях). Это решение позволило зафиксировать внешний вид Афины и превратить ее из случайного результата генерации в управляемый визуальный актив.
Почему пайплайн важнее конкретной нейросети
Мы поняли главное: любая конкретная ИИ-модель — это лишь временное решение. Сегодня она работает лучше других, завтра выходит новая версия и все меняется. Если строить производственный процесс вокруг одного инструмента, он развалится при первом же апдейте.
Поэтому мы собирали именно модульный пайплайн. В нем всегда есть место самым разным решениям: генерация, ручная доработка, апскейл (улучшение качества и размера), финальная сборка. Где-то в процессе используется Gemini для точного описания сцен и промптов, где-то — видеомодели вроде Veo 3, а финальная сборка всегда может уходить в привычную Figma или классические монтажные инструменты.
Такой подход дает бизнесу главное — устойчивость. Если один элемент системы устаревает или выпадает, мы просто заменяем его на новый, и система продолжает работать без сбоев.
Важное уточнение: видеопроизводство в ИИ пока не идеально
Со статичными изображениями все казалось довольно предсказуемым и понятным. С видео — нет. Разные модели совершенно по-разному работают с движением в кадре, светом и человеческой мимикой. В одном инструменте может быть лучше реализована анимация лица, в другом — динамика тела. Но при попытке склеить эти элементы в единый качественный ролик неизбежно начинаются расхождения и артефакты, которые дизайнерам приходится аккуратно исправлять вручную.
На практике мы подтвердили, что AI-видео для брендов пока остается гибридным процессом. Нейросети значительно ускоряют базовое производство, но пока не снимают необходимость в контроле дизайнеров.
Результаты: экономика важнее трендов
Главное изменение, которое мы получили после внедрения цифрового персонажа — это скорость. То, что в классическом продакшене занимало недели, теперь укладывается в один рабочий день. Команда за часы собирает десятки вариантов, тестирует их и адаптирует под текущие задачи маркетинга.
Скорость производства выросла в 3−5 раз. Мы выпускаем сложный контент «в моменте», без долгих подготовок, съемок и привлечения внешних подрядчиков. При этом сама генерация графики требует минимума времени — основные ресурсы команда вкладывает в финальную «полировку»: цветокоррекцию, стыковку кадров, настройку движений и монтаж.
Внедрение ИИ-маскота Афины значительно усилило показатели соцсетей платформы Rafinad. Анализ контента показал, что ролики с виртуальным персонажем набирают на 69% больше просмотров по сравнению с обычными публикациями.
Вовлеченность аудитории выросла почти в 2 раза (+92,5%), а средний охват контента увеличился практически вдвое. Это показывает, что аудитория активнее взаимодействует с контентом, где присутствует ИИ-персонаж, а алгоритмы соцсетей чаще продвигают такие публикации.
Фактически Афина стала не просто визуальным элементом бренда, а полноценным инструментом роста охватов, вовлеченности и узнаваемости Rafinad.