Zapojujeme AI do tvorby kreativ pro ARVAL – největšího hráče na trhu s operativním leasingem

Řada produktů a služeb stojí primárně na racionálním rozhodování. Zákazník u nich nevybírá impulzivně, ale podle ceny, parametrů, dlouhodobé výhodnosti a srovnání alternativ. Operativní leasing je přesně ten případ. Rozhoduje se o financování a celém ekosystému služeb kolem vozu, kde by se na první pohled mohlo zdát, že jde čistě o čísla.

Ve skutečnosti ale i tady hraje zásadní roli emoce. První dojem z vozu, představa jeho používání nebo životní situace, kterou si s ním zákazník spojuje, často rozhoduje o tom, zda se vůbec začne racionální částí výběru zabývat. Právě v tomto napětí mezi racionalitou produktu a emocí rozhodování jsme po vítězství ve výběrovém řízení pro Arval dostali úkol navrhnout kreativní část kampaní pro rok 2026. Cílem bylo najít formát, který dokáže oba tyto světy spojit - přesnou, informačně ukotvenou komunikaci a zároveň vizuální a emoční vrstvu, která dokáže v digitálním prostředí zachytit pozornost. Vedle klasických bannerů jsme se proto rozhodli intenzivně pracovat s krátkými videi generovanými pomocí AI.

Zadání: jak oslovit zákazníka operativního leasingu jinak

Základní výzva byla poměrně přímočará - jak vizuálně komunikovat operativní leasing tak, aby zaujal jak zájemce o nové vozy, tak i ojetá auta, a zároveň nepůsobil genericky nebo zaměnitelně.

Tradiční formáty mají v tomto segmentu jasně dané mantinely. Informace o vozu, cena, benefity, srovnání. V prostředí, kde uživatel během několika sekund přepíná mezi obsahem ale nestačí pouze informovat. Je potřeba pracovat s vizuální dynamikou a okamžitým zachycením pozornosti. Rozhodli jsme se proto rozdělit video část kampaní do dvou odlišných konceptů, které se liší jak vizuálním stylem, tak způsobem práce s pozorností diváka.

Dva odlišné přístupy ke kreativitě

První koncept vycházel z jednoduchého principu ukázat produkt v přirozeném prostředí. Po rešerši komunikačních linek zahraničních poboček ARVAL nám inspirací byla ta slovenská, která pracovala s fotorealistickým modelem vozu na stylizovaném, téměř sci-fi pozadí. Nás zaujal především pohyb kamery a čistota sdělení. My jsme šli trochu jiným směrem. Každé auto jsme zasadili do jeho přirozeného kontextu, aby nešlo o abstraktní pozadí, ale o situace, ve kterých dává konkrétní vůz smysl.

Mercedes třídy E se objevuje v moderní městské čtvrti, kde vizuálně podtrhuje svůj prémiový charakter. Hyundai i30 jsme zasadili do prostředí venkovské cesty a víkendového výletu, kde pracujeme s rodinným využitím. U značky Kia jsme naopak vycházeli i z oficiálních materiálů automobilky, které pracují s moderním městským prostředím, a u vybraných modelů jsme šli ještě dál směrem do futuristického světa, který odpovídal designu samotného vozu.

Vid 1: Do tvorby kreativ pro ARVAL jsme zapojili genAI, která nám pomohla výrazně ušetřit čas při tvorbě videí

Druhý koncept je postavený na úplně jiném principu. Nejde o statické zasazení do prostředí, ale o transformaci. Inspirovali jsme se krátkými formáty na sociálních sítích, které vizuálně odkazují na motiv transformace známý z filmové série Transformers. Staré auto jede po silnici a v průběhu několika sekund se vizuálně přemění na nový model. Tento moment je doplněn o sound design, který má zásadní roli v celkovém dojmu. Cílem není jen ukázat změnu, ale vytvořit krátký, dynamický vizuální moment, který udrží pozornost až do konce.

Slepé cesty: kde AI přestává být triviální nástroj

První experimenty ukázaly, že samotná dostupnost nástrojů neznamená automaticky funkční a vizuálně realistický výstup.

Pro tvorbu jsme zvolili platformu openart.ai, která nabízí desítky modelů pro generování obrázků i videí. Rychle se ale ukázalo, že problém není v tom “něco vygenerovat“, ale v tom vygenerovat konzistentní a správný výstup.

První zásadní slepá cesta byla volba modelu. Pro generování statických obrazových dat je k dispozici 33 různých modelů a pro video dalších 24. Každý z nich reaguje jinak na dodaný prompt, jinak pracuje s realističností a jinak interpretuje poskytnuté referenční fotografie. Výběr správné kombinace modelů a promptů se ukázal jako samostatný úkol, který představoval řádově dny testování a stovky neúspěšných výstupů.

Druhá slepá cesta se objevila u konzistence vozů. AI modely měly tendenci upravovat design auta, míchat různé generace vozů nebo kombinovat různé značky do jednoho hybridního objektu. Tedy přesně to, co je v automobilové kreativitě nepřijatelné.

Třetí problém nastal v animaci samotné. I když vizuálně výstup působil dobře, detaily často odhalily limity generativních modelů. Typickým příkladem byla statická loga na pohybujícím se voze nebo nesoulad mezi pohybem kol a jejich odlesky. Na první pohled video fungovalo, ale při bližším pohledu bylo jasné, že fyzika není konzistentní.

Proces: od promptu k finálnímu videu

Celý produkční proces jsme nakonec stabilizovali do několika kroků, které se opakují pro každý výstup.

Na začátku vzniká statický vizuál. Ten je generovaný pomocí přesně definovaného promptu, který je následně upravován pomocí LLM tak, aby odpovídal konkrétnímu modelu v nástroji. Velkou roli hraje práce s referenčními fotografiemi. Do promptu přidáváme reálnou fotografii konkrétního vozu, čímž výrazně omezujeme kreativní odchylky modelu. Tento krok se ukázal jako zásadní. Ve chvíli, kdy má AI pouze textový popis, vzniká vysoká variabilita výsledků. Ve chvíli, kdy má vizuální referenci, se výrazně zvyšuje přesnost generovaného modelu.

Na tento statický základ navazuje generování videa. Opět za pomoci LLM upravujeme prompt, tentokrát se zaměřením na pohyb kamery, dynamiku scény a požadovaný typ animace. Výsledkem je krátký videoklip, který vychází z přesně definovaného vizuálu.

Finální fáze úprav probíhá ručně v DaVinci Resolve Studio, kde naši střihači jednotlivé výstupy spojují, doplňují o textové informace a finalizují pro konkrétní kampaně.

Iterace a ladění

Nejtěžší část celého procesu nebyla samotná produkce, ale stabilizace workflow. Výběr vhodného modelu a jeho kombinace s prompt engineeringem zabral přibližně dva dny čistého času. V této fázi jsme testovali jednotlivé modely jeden po druhém, vždy s identickým zadáním, abychom pochopili jejich chování.

LLM nám v tomto procesu pomohlo jako analytický nástroj. Popsali jsme mu celý záměr, seznam dostupných modelů a požadované výstupy. Na základě toho jsme vytvořili shortlist kandidátů, který jsme následně manuálně testovali. Další iterace se týkaly konzistence vozů. Zde jsme postupně ladili prompt tak, aby obsahoval přesnou specifikaci značky, modelu a roku výroby. Až kombinace textové přesnosti a vizuální reference přinesla stabilní výsledky. Ze statického modelu generujeme pomocí AI video, které následně manuálně doupravujeme.

Perspektiva editora: změna způsobu práce

Zajímavým vedlejším efektem celého procesu byla změna samotného přístupu k tvorbě videa. Z pohledu našeho editora Antonína Pulkraba, který se video produkci věnuje více než 15 let mimojiné spoluprací s Českou televizí, se zásadně mění role. Klasické workflow začíná vizí a přímou prací s materiálem. V tomto případě ale materiál nevzniká předem. Vzniká až na základě popisu.

To znamená, že práce se přesouvá z roviny střihu do roviny přesného popisu výsledku. Editor se stává spíše dirigentem zadání než tvůrcem vizuálního materiálu. Změna je zásadní především v tom, že kreativní kontrola je částečně nahrazena kontrolou chyb a iterací výstupu.

Ve srovnání s klasickými bannerovými formáty jsme u těchto AI generovaných videí napříč kampaněmi zaznamenali téměř dvojnásobnou míru prokliku a zároveň zhruba poloviční cenu za proklik. U části výkonových kampaní se navíc projevil i pokles ceny za konverzi o 25–30 %. 

Závěr: rychlá produkce s vysokou variabilitou

Výsledný systém umožňuje vytvářet krátká marketingová videa v řádu hodin, často i méně než dvou. Náklady na produkci jsou zároveň výrazně nižší než u klasické video produkce. Používaný nástrojový stack, včetně openart.ai, pracuje v modelu kreditů, kde se cena jednoho videa pohybuje v řádu nižších stokorun. Z pohledu škálování je to zásadní posun. Umožňuje rychle testovat různé kreativní koncepty, variace sdělení i vizuální styly bez nutnosti vysokých produkčních nákladů.

Hlavním přínosem tohoto přístupu je výrazná úspora času, nízké náklady na produkci a možnost rychlé iterace kreativních konceptů. Zároveň ale systém přináší i limity. Největší z nich je omezená kreativní kontrola profesionálního editora. Namísto práce s obrazem se většina energie přesouvá do práce s textem a jeho přesností. Kreativní rozhodování je částečně delegováno na modely, které mají své vlastní limity v interpretaci reality.

To ale zároveň otevírá nový prostor. Nejde už jen o to “umět stříhat video“, ale umět přesně definovat, jak má výsledek vypadat, a iterativně ho přiblížit realitě.