ИИ вместо фотостоков: когда это работает, а когда — нет
Почему этот вопрос теперь есть в каждом брифе
Два года назад никто не просил меня «просто сгенерировать хиро-изображение через ИИ». Теперь это всплывает почти в каждом проекте — обычно от клиента, который уже поигрался с Midjourney или инструментами генерации изображений в ChatGPT на выходных и теперь хочет знать, зачем платить за лицензию на сток, если можно ввести предложение и получить что-то «достаточно похожее». Честный ответ: иногда действительно не стоит платить за сток. А иногда ИИ-изображения незаметно подрывают доверие ко всему сайту.
Проблема не в технологии. Диффузионные модели сейчас достаточно хороши, и старые «маркеры подделки» — шестипалые руки, оплывающая типографика, восковая кожа — с каждым обновлением модели встречаются всё реже. Проблема в том, что «достаточно хорошо, чтобы не выглядеть сломанным» и «достаточно хорошо, чтобы вызывать доверие» — это две очень разные планки, а большинство команд, оценивающих ИИ-инструменты для изображений, проверяют только первую.
Эта статья — моя попытка на основе реального клиентского опыта разложить по полочкам, где ИИ-сгенерированные изображения выдерживают пристальный взгляд, а где рассыпаются, стоит реальному человеку посмотреть на них дольше трёх секунд. Это не разгромная критика инструментов — я пользуюсь ими постоянно — и не рекламный текст. Это набор критериев принятия решений, который я собрал, наблюдая, как ИИ-изображения где-то работают отлично, а где-то их тихо заменяют после пользовательского тестирования.
Экономика, с которой всё началось
У фотостоков всегда была своя проблема с доверием. Любой, кто провёл время в индустрии, узнает Shutterstock-фото «разношёрстная команда дает друг другу пять в светлом открытом офисе» с одного взгляда на миниатюру. У фотостоков есть собственная «зловещая долина» — свет слишком ровный, улыбки слишком симметричные, экраны ноутбуков всегда пустые или показывают выдуманный дашборд. Клиенты терпели это десятилетиями, потому что альтернатива — заказ настоящей съёмки — дорогая и долгая.
ИИ изменил расклад, потому что сделал «выглядящие уникально» изображения доступными по цене фотостока, а иногда и вовсе бесплатно. Это по-настоящему разрушительный сдвиг для проектов с ограниченным бюджетом — сайт-визитка на пять страниц для локального бизнеса, страница-презентация для внутреннего инструмента, питч-дек, для которого визуалы нужны к четвергу. Вопрос никогда не звучал как «ИИ так же хорош, как фотограф». Вопрос был «ИИ лучше, чем обычный сток», и для определённой категории задач ответ — очевидно да.
Где ИИ-изображения реально выигрывают
Начну со случаев, когда я теперь по умолчанию выбираю ИИ, почти не раздумывая, потому что именно в этих ситуациях слабости фотостоков вредят сильнее, чем слабости ИИ.
Абстрактные, концептуальные изображения и фоны
Всё, что не претендует на изображение конкретного реального человека, продукта или места — честная игра. Градиентные пятна, текстурные фоны, концептуальные иллюстрации «данные, перетекающие между системами», абстрактные образы «роста» или «связи» — здесь ИИ-инструменты реально превосходят фотобанки, потому что фотобанки никогда и не были хороши в этой категории. Никто не получал от Shutterstock отличный абстрактный технологический фон — все получали одну и ту же затёртую фотографию синей платы, которую до вас лицензировали тысячи других. ИИ генерирует бесконечные уникальные вариации такого визуального заполнителя, и поскольку никто не ждёт реализма, падать в зловещую долину просто некуда.
Я постоянно использую ИИ-сгенерированные абстрактные изображения для разделителей секций, заголовков блог-постов и фоновых паттернов. Никто ни разу не назвал такое изображение «фейком», потому что не с чем было сравнивать — «настоящей» версии просто не существовало.
Иллюстративная и стилизованная графика
Как только вы уходите от фотореализма в иллюстрацию, флэт-дизайн, изометрию или живописный стиль, ИИ больше не нужно никого обманывать. Ему нужно просто хорошо выглядеть и быть последовательным. Это один из самых сильных сценариев использования, которые я нашёл: генерация единого стиля иллюстраций для всего сайта или приложения, когда бюджет не позволяет нанять иллюстратора или сроки иллюстратора не совпадают с датой запуска.
Ключевое здесь — согласованность, а не качество отдельного изображения. Сделать одну ИИ-иллюстрацию легко; сделать двенадцать ИИ-иллюстраций, которые выглядят частью одной визуальной системы — вот это настоящее мастерство. Для этого нужен зафиксированный референс стиля, единообразная структура промптов и обычно несколько раундов ручной цветокоррекции, чтобы палитра соответствовала бренду, а не тому, что модель выдала по умолчанию.
Плейсхолдеры и визуалы для ранних этапов
На этапе вайрфрейминга и раннего прототипирования ИИ-сгенерированные изображения близки к идеалу. Клиентам, оценивающим макет и иерархию, не нужна финальная фотография — им нужно что-то, что заполняет пространство в примерно нужной тональности, чтобы они перестали отвлекаться на «а кто эта модель со стока» и начали смотреть на реальные дизайн-решения. Я постоянно генерирую плейсхолдер-изображения для файлов Figma, которые потом получат настоящую фотографию или согласованные финальные ассеты. Это реально экономит деньги, потому что никто не будет лицензировать фотостоки для макета, который может измениться трижды до финального согласования.
Гипотетические и невозможные сценарии
Иногда бриф требует чего-то, чего не существует и что невозможно сфотографировать даже с неограниченным бюджетом — футуристический городской пейзаж для концепции спекулятивного продукта, фэнтезийная среда для питч-дека игровой студии, сценарий «а что если» для инновационной лаборатории. У фотостоков просто нет такого инвентаря. Традиционный путь — заказать 3D-художника или иллюстратора, и это по-прежнему часто лучший вариант для финальных производственных ассетов, но для ранней концептуальной работы ИИ-генерация невозможных сцен быстрее всего, что доступно, и от неё никто и не ждёт фотографии чего-то реального.
Высокообъёмный контент с низким уровнем внимания
Блог-посты, внутренние рассылки, заполняющий контент для соцсетей, графика для заголовков писем — контент, на который смотрят один раз мельком и никогда не изучают подробно. Планка внимания здесь реально низкая. Читатели не приближают картинку в заголовке блога в поисках лишних пальцев. Именно здесь объёмное преимущество ИИ-генерации имеет наибольшее значение: контент-команде, которой нужно сорок уникальных изображений для заголовков в месяц, не будет лицензировать сорок фотостоков или заказывать сорок иллюстраций, и ИИ закрывает этот разрыв полностью.
Где всё рушится и почему
Теперь — более сложная половина: ситуации, где ИИ-изображения стабильно подрывают доверие, и конкретные причины этого, потому что «это просто выглядит фейково» — не та обратная связь, на основе которой дизайн-команда может принять решение.
Всё, что претендует на изображение реального клиента или сотрудника
Это самая чёткая граница, и она в той же мере этическая, в какой техническая. Если раздел с отзывами подразумевает «это наши настоящие клиенты», использование ИИ-сгенерированных лиц — это нарушение доверия в тот момент, когда это вскроется, а оно вскроется, потому что кто-нибудь рано или поздно прогонит фото из отзыва через обратный поиск изображений, или конкурент заметит одно и то же подозрительно идеальное лицо на страницах «о нас» трёх разных компаний. Я видел, как агентства тихо использовали ИИ-лица в качестве плейсхолдеров «сотрудник компании», которые так и не заменили до запуска — это один из самых быстрых способов сжечь доверие у B2B-аудитории, которая как раз и занимается таким due diligence перед подписанием контракта.
Обычно проблема не в визуальной подделке — современные модели могут выдавать лица, которые полностью проходят беглый взгляд. Проблема — в контексте: страница «Наша команда», где у каждого безупречные, симметричные черты лица и чуть слишком идеальное студийное освещение — это паттерн, который опытные покупатели научились распознавать, даже если не могут в моменте сформулировать, что именно их насторожило.
Руки, текст и физическое взаимодействие
Здесь быстро идёт прогресс, но это всё ещё самый надёжный технический маркер подделки. Руки, держащие предметы, люди, печатающие на конкретной раскладке клавиатуры, любое взаимодействие с продуктом, требующее точной физической логики — пальцы, обхватывающие кофейную чашку, рука, реально сжимающая руль — эти сценарии всё ещё достаточно часто дают артефакты, чтобы я относился к ним как к зоне высокого риска. Даже когда сама рука рендерится корректно, предмет, который она якобы держит, часто не подчиняется физике: экран телефона под неправильным углом к тому, как его держат, ручка в хвате, которым ни один человек не станет писать.
Текст на изображениях — ещё один классический маркер. Вывески, этикетки продуктов, корешки книг, содержимое экранов — диффузионные модели заметно улучшились в рендеринге читаемого текста, но «заметно улучшились» всё равно означает непредсказуемый процент ошибок, а одно искажённое слово на экране ноутбука в вашем главном изображении достаточно, чтобы технически подкованный посетитель перестал доверять всей странице.
Продукты, особенно реальный продукт клиента
ИИ не может сфотографировать продукт, которого нет в обучающих данных в форме, которую модель действительно понимает. Если клиент продаёт конкретный физический продукт — предмет мебели, флакон косметики с определённым дизайном этикетки, устройство с конкретной раскладкой портов — ИИ-генерация выдаст приближение на основе похожих продуктов, которые она видела, и это приближение никогда не будет точным. Это критически важно для e-commerce и продуктового маркетинга, где весь смысл изображения — точно показать, что именно покупает клиент. Я бы никогда не рекомендовал ИИ-изображения для реальных продуктовых съёмок. Продуктовая фотография или 3D-рендер из настоящих CAD-файлов — единственные заслуживающие доверия варианты здесь, потому что цена ситуации, когда клиент получает не то, что видел на фото, намного выше цены самой съёмки.
Конкретные места, особенно собственная локация клиента
Настоящий зал ресторана, настоящая приёмная клиники, настоящий холл отеля — они должны быть реальными, потому что клиенты придут туда, ожидая увидеть пространство, которое видели онлайн. Я видел эту ошибку у добросовестных младших дизайнеров, которые сгенерировали «уютный современный интерьер кафе» для главной страницы клиента, потому что клиент ещё не прислал хорошие фото, и это ушло в продакшн как плейсхолдер, который никто не вспомнил заменить. Настоящий интерьер кафе выглядел совершенно иначе. Это не эстетическая проблема, а проблема ложной рекламы, и именно такие вещи порождают отзывы в одну звезду со словами «сайт наврал про атмосферу».
Эмоционально нагруженные и чувствительные к идентичности контексты
Здравоохранение, терапия, горе, репрезентация инвалидности, культурные или религиозные образы — эти категории требуют уровня нюанса и прожитой конкретики, которую генеративные модели, обученные на усреднённых интернет-изображениях, склонны сглаживать до стереотипа. ИИ-изображения в таких контекстах часто дают своего рода общую, слегка «не ту» репрезентацию, которая читается как бестактная, даже если ни один отдельный элемент технически не ошибочен. Инвалидная коляска, отрендеренная с тонко неверной механикой, немного неправильно стилизованное религиозное одеяние, сцена горя, разыгранная с выражением, которое читается как позированное, а не прочувствованное — вот изображения, которые порождают жалобы не потому, что кто-то может указать на артефакт, а потому что в них что-то ощущается пустым. У фотостоков, честно говоря, есть своя версия этой проблемы, но по крайней мере профессиональные фотографы стока всё чаще работают с настоящими моделями из представляемых сообществ. ИИ усредняет по всему, что содержалось в обучающих данных, а это не то же самое.
Всё, что требует масштаба с сохранением идентичности реального персонажа
Если кампании нужен «один и тот же человек» на нескольких изображениях — амбассадор бренда, повторяющийся персонаж в серии объясняющих роликов, представитель бренда в видео- и печатной кампании — большинство ИИ-инструментов всё ещё с трудом сохраняют идеальную согласованность лица между генерациями без специфических workflow с дообучением, которые добавляют значительное время и стоимость. В этот момент часто разумнее либо нанять настоящую модель для нормальной съёмки, либо использовать гораздо более продуманный ИИ-пайплайн (обучение LoRA на согласованном персонаже, тщательное управление сидами), который в итоге стоит почти как фотография, только с другими рисками.
Конкретные визуальные маркеры, выдающие ИИ
Стоит конкретизировать, что технически означает «выглядит фейково», потому что расплывчатое распознавание паттернов («что-то не так») — бесполезная обратная связь на дизайн-ревью. Вот что я реально проверяю, оценивая, безопасно ли выпускать ИИ-изображение:
- Однородность текстуры. У настоящей кожи, ткани и материалов есть неровности — поры, вариации волокон, мелкие несовершенства. ИИ-изображения, особенно с настройками по умолчанию, тяготеют к подозрительно гладким, равномерно освещённым поверхностям. Это самый мощный подсознательный маркер для зрителя, даже если он не может его назвать.
- Согласованность фона. Проверьте, что происходит по краям и на размытом фоне. Мебель, перетекающая сама в себя, окно с невозможной геометрией, частично сформированное второе лицо в толпе за героем сцены. Модели гораздо лучше справляются с главным объектом, чем с периферией.
- Согласованность источника света. Все ли тени согласны в том, откуда идёт свет? Настоящая фотография подчиняется физике по определению. ИИ-генерация часто создаёт правдоподобное освещение на главном объекте, которое противоречит освещению, подразумеваемому фоном.
- Повторы и симметрия. Украшения, пуговицы, узоры на ткани, архитектурные детали — ищите элементы, которые повторяются с подозрительной идеальностью или, наоборот, растворяются в абстрактную кашу после определённой точки в кадре.
- Эмоциональная плоскость. Этот пункт менее технический и более перцептивный, но он реален: ИИ-сгенерированные выражения лица часто попадают в жутковатую середину — технически улыбка, но без конкретной асимметрии и микровыражений, из-за которых настоящая человеческая улыбка на экране читается как искренняя.
- Несоответствия контекста. Офисная сцена с календарём без читаемых дат, «рукописная» записка, которую невозможно нормально прочитать, экран, показывающий что-то похожее на софт, но не функциональный софт. Такие детали большинство зрителей не осознают напрямую, но они усиливают смутное ощущение, что перед вами постановка, а не документальный кадр.
Полезное упражнение для любой дизайн-команды — составить внутренний чек-лист вроде этого и реально прогонять по нему новые ИИ-ассеты перед выпуском, а не полагаться на «выглядит нормально» при беглом согласовании в Slack. Большинство неловких провалов с ИИ-изображениями, которые я видел у реальных компаний, были бы пойманы пятиминутной проверкой по такому списку.
Как сделать ИИ-изображение убедительным, когда это критично
Когда ИИ-изображение — правильное решение, но планка реализма выше, чем «абстрактный фон», есть workflow, который заметно улучшает результат. Дело не только в лучших промптах — дело в том, чтобы относиться к ИИ-генерации как к первому шагу в пайплайне, а не к финальному результату.
Начинайте с композиции, а не с описания
Большинство слабых ИИ-изображений возникают из промптов, описывающих содержание («женщина работает за ноутбуком в кофейне»), но не описывающих фотографическое построение. Указание фокусного расстояния, схемы освещения, ракурса камеры и характеристик плёнки или объектива («снято на 50мм, естественный свет из окна, малая глубина резкости, лёгкое смазывание в движении на руке») толкает модель к фотографической логике вместо иллюстративного усреднения. Уже это одно устраняет значительную долю «явно сгенерированного» качества, потому что ограничивает модель результатами, уважающими реальную оптику.
Генерируйте много, отбирайте жёстко
Реалистичный workflow никогда не выглядит как «сгенерировал одно изображение и выпустил». Это генерация пятнадцати-тридцати вариаций и отбраковка всех, кроме одной-двух. Именно это клиенты недооценивают, полагая, что ИИ-изображения — мгновенный процесс: генерация действительно мгновенна, а вот отбор — нет. Дизайнер, понимающий описанные выше маркеры, должен просмотреть каждого кандидата и отбраковать всё с артефактом на фоне, несогласованным источником света или выражением лица, которое читается как пустое. Заложите на это время так же, как заложили бы время на отбор фотографий с настоящей съёмки.
Компонуйте и корректируйте в постобработке
Сырой ИИ-результат редко идёт напрямую в продакшн в серьёзной работе. Стандартные ретуш-проходы — цветокоррекция под палитру бренда, добавление тонкой текстуры, чтобы убрать проблему слишком гладкой кожи или материала, кадрирование, скрывающее слабый элемент фона, иногда компоновка настоящего сфотографированного элемента (реальный продукт, реальный логотип на экране) в ИИ-сгенерированную сцену — закрывают большую часть оставшегося разрыва. Относитесь к ИИ-результату как к базовому слою, а не к готовому ассету.
Подгоняйте разрешение и зерно под контекст
Чёткое, гиперподробное ИИ-изображение рядом с настоящей фотографией на одной странице создаёт визуальный шов, который привлекает внимание, даже если по отдельности ни одно из изображений не вызывает подозрений. Если остальная фотография сайта имеет определённое зерно, цветовую температуру или характеристики сжатия, ИИ-изображения нужно обработать так, чтобы они соответствовали, иначе они будут читаться как «белая ворона» даже для зрителей, которые не могут сказать почему.
Тестируйте на людях, которых не было в комнате
Команда, которая сгенерировала и утвердила изображение — худший возможный судья того, выглядит ли оно фейково, потому что они видели тридцать отбракованных вариаций и заякорились на той, что показалась лучшей в сравнении, а не по абсолютному стандарту. Перед выпуском чего-либо, где важен реализм — раздел с отзывами, главное изображение, призванное представлять реальных клиентов — покажите его «холодным» кому-то вне проекта и спросите напрямую: «тебя что-нибудь здесь настораживает?» Этот единственный шаг ловит больше проблем, чем любой объём внутреннего ревью.
Арт-директор, с которым я работал над ребрендингом медицинской компании, хорошо сформулировал это на ревью: «Цель не в том, чтобы сделать изображение, которое переживёт форензик-разбор в твиттере на тему Photoshop. Цель — сделать изображение, из-за которого наша реальная аудитория не почувствует себя обманутой».
Это правильный ориентир. Вы не пытаетесь обмануть криминалистическую экспертизу. Вы пытаетесь избежать конкретного, обычного момента, когда реальный посетитель нутром чувствует «что-то тут не так», и его доверие ко всей остальной странице незаметно проседает — даже если он никогда не сформулирует, почему.
Разговор с клиентом: ожидания, этика и раскрытие информации
Часть этого решения — не чисто визуальная, это разговор, который нужно провести с клиентом заранее, потому что риск распределён между дизайнером и клиентом неравномерно, и многие плохие исходы, которые я видел, происходили из-за того, что клиент считал ИИ-изображение бесплатной, безрисковой заменой фотостока, не понимая конкретных рисков.
Нормы раскрытия информации быстро меняются
Несколько юрисдикций начали вводить требования раскрытия для ИИ-сгенерированных рекламных изображений, а платформы, включая крупные рекламные сети и соцсети, добавили требования маркировки синтетического медиа. Это движущаяся мишень, и клиентам стоит прямо говорить: то, что приемлемо без раскрытия сегодня, в следующем году может потребовать маркировки. Строить проекты в расчёте на постоянное использование ИИ без раскрытия — это ставка против регуляторного тренда, который сейчас движется в одном направлении.
Права и обучающие данные всё ещё важны для некоторых клиентов
Некоторые клиенты — особенно в творческих индустриях, издательском деле или там, где в проекте участвует профсоюзная рабочая сила — имеют реальные принципиальные опасения по поводу обучающих данных моделей и не захотят использовать ИИ-изображения вообще, независимо от качества. Это не техническое возражение, и никакие аргументы «но выглядит же реалистично» его не снимут. Стоит прямо спросить в начале проекта, есть ли у клиента позиция по ИИ-изображениям, прежде чем строить целую презентацию на них и подавать это как свершившийся факт.
Явно фиксируйте планку реализма — письменно
Я начал включать в документы по скоупингу проекта короткую строку, где указывается, где ИИ-изображения разрешены, а где нет: фоновые и концептуальные ассеты — да; фотографии отзывов или команды — нет, только настоящая фотография; продуктовые изображения — нет, только продуктовая фотография или проверенные 3D-рендеры. Это не бюрократия, а самый дешёвый способ предотвратить ситуацию, когда младший сотрудник команды заполняет плейсхолдер «страница команды» ИИ-лицами, которые так и остаются незамеченными до запуска.
Закладывайте время на отбор, а не только стоимость генерации
Клиенты слышат «ИИ-изображение» и мысленно оценивают это в ноль, потому что сама генерация действительно почти бесплатна. Реальная стоимость — время дизайнера: составление промптов, генерация в объёме, проверка по чек-листу визуальных маркеров, ретушь и тестирование на посторонних людях. Оценить проект так, будто ИИ-изображение — бесплатная строка в смете, а потом обнаружить, что работа по отбору занимает столько же времени, сколько занял бы поиск хорошего фотостока — быстрый способ съесть маржу на проекте с фиксированной ценой. Оценивайте workflow, а не инструмент.
Практическая система принятия решений
После достаточного числа таких проектов решение обычно сводится к честным ответам на короткий набор вопросов перед тем, как что-либо генерировать:
- Претендует ли это изображение на представление чего-то конкретного и реального — реального человека, реального продукта, реального места? Если да, ИИ — высокий риск независимо от качества, и настоящая фотография или проверенные ассеты — более безопасный вариант по умолчанию.
- Будет ли кто-то внимательно вглядываться в это изображение, или на него бросят один взгляд? Главные изображения, отзывы и страницы продуктов рассматривают внимательно. Заголовки блога и фоновые текстуры — нет. Соразмеряйте усилия с тем вниманием, которое изображение реально получит.
- Задействованы ли руки, читаемый текст или точное физическое взаимодействие? Если да, заложите дополнительное время на отбор или избегайте ИИ для этого конкретного кадра, даже если остальная часть страницы использует его без проблем.
- Является ли тема эмоционально или культурно чувствительной? Если да, склоняйтесь к настоящей фотографии и подлинной репрезентации, или хотя бы дайте результат на проверку представителю соответствующего сообщества перед выпуском.
- Есть ли у клиента явная позиция по ИИ-изображениям, раскрытию информации или этике обучающих данных? Спросите до, а не после презентации.
- Можно ли протестировать это изображение «холодным» способом на человеке вне проекта до запуска? Если ответ «нет» из-за давления сроков — это само по себе сигнал, что ассет пропускают мимо единственной проверки, ловящей большинство провалов.
По большому счёту, дело не в философском споре «ИИ против стока». Дело в том, чтобы соотнести инструмент с тем, сколько доверия должно нести на себе изображение. Градиентный фон почти не несёт бремени доверия — ничья уверенность в бизнесе клиента не зависит от того, был ли абстрактный элемент главного экрана сгенерирован или нарисован вручную. Фото «Познакомьтесь с командой» несёт огромное бремя доверия, потому что это по сути обещание: вот реальные люди, с которыми вы будете работать. Фотостоки годами допускали свою версию этой ошибки, и аудитория выработала распознавание паттернов для неё. ИИ-изображения способны на более убедительную версию той же ошибки, и аудитория, вырабатывающая распознавание паттернов для неё, догоняет очень быстро. Команды, которые делают это правильно — не те, у кого лучшие навыки составления промптов, а те, кто честно спрашивает себя, должно ли конкретное изображение перед ними быть правдой.
