We zetten AI in bij het ontwikkelen van creatieve uitingen voor ARVAL – de grootste speler op de markt voor operationele leasing

Veel producten en diensten zijn in de eerste plaats gebaseerd op rationele besluitvorming. De klant kiest hier niet impulsief, maar op basis van prijs, specificaties, voordelen op de lange termijn en een vergelijking van alternatieven. Operationele leasing is precies zo’n geval. Er wordt een beslissing genomen over de financiering en het hele ecosysteem van diensten rondom de auto, waarbij het op het eerste gezicht lijkt alsof het puur om cijfers gaat.

Maar in werkelijkheid spelen ook hier emoties een cruciale rol. De eerste indruk van de auto, het beeld dat men zich vormt van het gebruik ervan of de levenssituatie die de klant ermee associeert, is vaak bepalend voor de vraag of men zich überhaupt gaat bezighouden met het rationele deel van de keuze. Juist in deze spanning tussen de rationaliteit van het product en de emotie van de besluitvorming kregen we, na het winnen van de aanbesteding voor Arval, de opdracht om het creatieve deel van de campagnes voor 2026 te ontwerpen. Het doel was een formaat te vinden dat deze twee werelden kan verenigen: nauwkeurige, op feiten gebaseerde communicatie en tegelijkertijd een visuele en emotionele laag die in de digitale omgeving de aandacht weet te trekken. Naast klassieke banners hebben we daarom besloten intensief te werken met korte, door AI gegenereerde video’s.

Opdracht: hoe kun je een klant voor operationele leasing op een andere manier aanspreken?

De basisopdracht was vrij eenvoudig: hoe kunnen we operationele leasing visueel zo presenteren dat het zowel kopers van nieuwe auto’s als kopers van tweedehandsauto’s aanspreekt, zonder dat het te algemeen of inwisselbaar overkomt.

Traditionele formats kennen in dit segment duidelijk afgebakende grenzen. Informatie over de auto, prijs, voordelen, vergelijkingen. In een omgeving waarin de gebruiker binnen enkele seconden tussen verschillende inhoudsonderdelen schakelt, is het echter niet voldoende om alleen maar informatie te verstrekken. Het is noodzakelijk om te werken met visuele dynamiek en de aandacht onmiddellijk te trekken. Daarom hebben we besloten het videogedeelte van de campagnes op te splitsen in twee verschillende concepten, die zowel qua visuele stijl als qua manier van omgaan met de aandacht van de kijker van elkaar verschillen.

Twee verschillende benaderingen van creativiteit

Het eerste concept was gebaseerd op het eenvoudige principe om het product in een natuurlijke omgeving te tonen. Na onderzoek naar de communicatiestrategieën van de buitenlandse vestigingen van ARVAL, lieten we ons inspireren door de Slowaakse vestiging, die werkte met een fotorealistisch automodel tegen een gestileerde, bijna sci-fi-achtige achtergrond. Wat ons vooral aansprak, waren de camerabewegingen en de helderheid van de boodschap. Wij zijn echter een iets andere richting ingeslagen. We hebben elke auto in zijn natuurlijke context geplaatst, zodat het geen abstracte achtergrond betrof, maar situaties waarin de specifieke auto zinvol is.

De Mercedes E-Klasse verschijnt in een moderne stadswijk, waar hij zijn premium karakter visueel benadrukt. De Hyundai i30 hebben we in de omgeving van een landweg en een weekenduitstapje geplaatst, waarbij we de nadruk leggen op gezinsgebruik. Bij het merk Kia hebben we daarentegen ook gebruikgemaakt van officiële materialen van de autofabrikant, die een moderne stedelijke omgeving uitbeelden, en bij geselecteerde modellen zijn we nog een stap verder gegaan in de richting van een futuristische wereld die aansluit bij het ontwerp van de auto zelf.

Vid 1: We hebben genAI geïntegreerd in het creëren van advertentiemateriaal voor ARVAL, wat ons aanzienlijk heeft geholpen tijd te besparen bij de videoproductie

Het tweede concept is gebaseerd op een heel ander principe. Het gaat niet om een statische integratie in de omgeving, maar om transformatie. We hebben ons laten inspireren door korte filmpjes op sociale media, die visueel verwijzen naar het transformatiethema dat bekend is uit de filmreeks Transformers. Een oude auto rijdt over de weg en verandert binnen enkele seconden visueel in een nieuw model. Dit moment wordt aangevuld met geluidsontwerp, dat een cruciale rol speelt in de algehele indruk. Het doel is niet alleen om de verandering te laten zien, maar om een kort, dynamisch visueel moment te creëren dat de aandacht tot het einde vasthoudt.

Doodlopende wegen: waar AI ophoudt een alledaags hulpmiddel te zijn

Uit de eerste experimenten bleek dat de beschikbaarheid van de tools op zich niet automatisch leidt tot een functionele en visueel realistische uitkomst.

Voor de ontwikkeling hebben we gekozen voor het platform openart.ai, dat tientallen modellen biedt voor het genereren van zowel afbeeldingen als video’s. Al snel bleek echter dat het probleem niet lag in het ‘iets genereren’, maar in het genereren van een consistente en correcte output.

De eerste grote doodlopende weg was de keuze van het model. Er zijn 33 verschillende modellen beschikbaar voor het genereren van statische beeldgegevens en nog eens 24 voor video. Elk model reageert anders op de ingevoerde prompt, gaat anders om met realisme en interpreteert de verstrekte referentiefoto’s op een andere manier. Het kiezen van de juiste combinatie van modellen en prompts bleek een op zich staande taak te zijn, die dagenlang testen en honderden mislukte resultaten met zich meebracht.

Een tweede doodlopende weg deed zich voor op het gebied van de consistentie van de auto’s. AI-modellen hadden de neiging om het ontwerp van de auto aan te passen, verschillende generaties auto’s door elkaar te halen of verschillende merken te combineren tot één hybride object. En dat is nu juist wat in de automobielcreativiteit onaanvaardbaar is.

Het derde probleem deed zich voor in de animatie zelf. Hoewel het resultaat er visueel goed uitzag, lieten de details vaak de beperkingen van generatieve modellen zien. Een typisch voorbeeld hiervan waren de statische logo’s op een rijdende auto of de discrepantie tussen de beweging van de wielen en hun weerspiegelingen. Op het eerste gezicht werkte de video, maar bij nader inzien was het duidelijk dat de fysica niet consistent was.

Het proces: van de prompt tot de uiteindelijke video

Uiteindelijk hebben we het hele productieproces gestructureerd in een aantal stappen die voor elke output worden herhaald.

In het begin ontstaat er een statische afbeelding. Deze wordt gegenereerd aan de hand van een nauwkeurig gedefinieerde prompt, die vervolgens met behulp van een LLM wordt aangepast zodat deze overeenkomt met een specifiek model in de tool. Het werken met referentiefoto’s speelt hierbij een grote rol. We voegen een echte foto van een specifieke auto toe aan de prompt, waardoor we de creatieve afwijkingen van het model aanzienlijk beperken. Deze stap is van cruciaal belang gebleken. Zodra de AI alleen een tekstuele beschrijving heeft, ontstaat er een grote variabiliteit in de resultaten. Zodra er een visuele referentie is, neemt de nauwkeurigheid van het gegenereerde model aanzienlijk toe.

Op deze statische basis volgt het genereren van de video. Opnieuw passen we met behulp van een LLM de prompt aan, ditmaal met de nadruk op camerabewegingen, de dynamiek van de scène en het gewenste type animatie. Het resultaat is een korte videoclip die is gebaseerd op een nauwkeurig gedefinieerd beeld.

De laatste fase van de bewerking vindt handmatig plaats in DaVinci Resolve Studio, waar onze editors de afzonderlijke fragmenten samenvoegen, tekstuele informatie toevoegen en de beelden afronden voor specifieke campagnes.

Iteratie en debugging

Het moeilijkste deel van het hele proces was niet de productie zelf, maar het stabiliseren van de workflow. Het selecteren van een geschikt model en het combineren daarvan met prompt engineering nam ongeveer twee dagen pure tijd in beslag. In deze fase hebben we de afzonderlijke modellen één voor één getest, telkens met dezelfde opdracht, om inzicht te krijgen in hun gedrag.

LLM heeft ons in dit proces geholpen als analytisch hulpmiddel. We hebben het de volledige opzet, de lijst met beschikbare modellen en de gewenste resultaten beschreven. Op basis daarvan hebben we een shortlist van kandidaten opgesteld, die we vervolgens handmatig hebben getest. Verdere iteraties hadden betrekking op de consistentie van de auto’s. Hier hebben we de prompt stapsgewijs aangepast, zodat deze de exacte specificaties van het merk, het model en het bouwjaar bevatte. Pas de combinatie van tekstuele nauwkeurigheid en visuele referenties leverde stabiele resultaten op. Vanuit het statische model genereren we met behulp van AI een video, die we vervolgens handmatig bijwerken.

Het perspectief van de redacteur: een verandering in de werkwijze

Een interessant neveneffect van het hele proces was de verandering in de benadering van het maken van video’s zelf. Volgens onze editor Antonín Pulkrab, die zich al meer dan 15 jaar bezighoudt met videoproductie, onder meer in samenwerking met de Tsjechische televisie, verandert de rol ingrijpend. De klassieke workflow begint met een visie en het direct bewerken van het beeldmateriaal. In dit geval wordt het beeldmateriaal echter niet van tevoren gemaakt. Het ontstaat pas op basis van een beschrijving.

Dit betekent dat het werk verschuift van het niveau van de montage naar het niveau van een nauwkeurige beschrijving van het resultaat. De redacteur wordt meer een regisseur van de opdracht dan een maker van visueel materiaal. Deze verandering is vooral ingrijpend omdat de creatieve controle gedeeltelijk wordt vervangen door het controleren van fouten en het herhalen van de output.

In vergelijking met klassieke bannerformaten hebben we bij deze door AI gegenereerde video’s in alle campagnes een bijna twee keer zo hoge klikfrequentie waargenomen, terwijl de prijs per klik ongeveer de helft lager lag. Bij een deel van de prestatiecampagnes was bovendien een daling van de prijs per conversie met 25–30 % waarneembaar. 

Conclusie: snelle productie met een hoge mate van variabiliteit

Met het uiteindelijke systeem kunnen korte marketingvideo’s binnen enkele uren worden gemaakt, vaak zelfs in minder dan twee uur. De productiekosten zijn bovendien aanzienlijk lager dan bij traditionele videoproductie. De gebruikte toolstack, waaronder openart.ai, werkt met een creditsysteem, waarbij de prijs van één video enkele honderden Tsjechische kronen bedraagt. Vanuit het oogpunt van schaalbaarheid is dit een essentiële stap vooruit. Het maakt het mogelijk om snel verschillende creatieve concepten, variaties in de boodschap en visuele stijlen te testen zonder dat daarvoor hoge productiekosten nodig zijn.

Het belangrijkste voordeel van deze aanpak is een aanzienlijke tijdwinst, lage productiekosten en de mogelijkheid om creatieve concepten snel te herzien. Tegelijkertijd kent het systeem echter ook beperkingen. De grootste daarvan is de beperkte creatieve controle van de professionele editor. In plaats van met beeld te werken, gaat het grootste deel van de energie naar het werken met tekst en de nauwkeurigheid daarvan. Creatieve beslissingen worden gedeeltelijk gedelegeerd aan modellen, die hun eigen beperkingen hebben bij het interpreteren van de werkelijkheid.

Maar dat opent tegelijkertijd nieuwe mogelijkheden. Het gaat niet meer alleen om het ‘kunnen monteren van video’, maar om het nauwkeurig kunnen definiëren hoe het eindresultaat eruit moet zien, en dat resultaat stap voor stap dichter bij de werkelijkheid te brengen.