Привет! Я Ксюша, дизайнер в ЮMoney. Ранее мы с коллегой рассказывали, как создаём дизайн карт с применением ИИ. В этой статье — продолжение: я покажу, как система для создания один��ковых изображений с помощью нейросетей помогает ускорить работу дизайнера, поделюсь способом создания персональных аватаров для службы поддержки. Также моя коллега Марина раскроет метрики, которыми мы измерили итоги нашего эксперимента. Эта статья будет полезна тем, кто работает цифровым дизайнером и пробует применять в работе искусственный интеллект.
Ещё около 40 лет назад исследователи заметили: анонимность в цифровой среде меняет поведение людей. Когда исчезает лицо, снижается уровень социальной ответственности и растёт агрессия. В 1985 году онлайн-игра Habitat внедрила аватары именно по этой причине — игроки слишком часто конфликтовали. Появление визуального образа снизило агрессию и повысило вовлечённость. Мы решили проверить, сработает ли этот принцип в клиентской поддержке нашей компании.
Долгое время аватары менеджеров поддержки в чате выглядели одинаково — стандартная заглушка вместо фото. В таком виде коммуникация оставалась обезличенной. Когда у поддержки нет лица, клиент воспринимает её как систему, а не как человека. Эмпатия снижается, а раздражение — растёт.
От задачи к системе
Так появилась, на первый взгляд, достаточно прикладная задача — создать серию аватаров для менеджеров поддержки. Речь шла не просто о «красивых картинках». Нам нужен был инструмент, который усиливает визуальный код бренда, снижает тревожность клиентов, добавляет ощущение живого присутствия и при этом легко масштабируется на всю команду. Фактически это был проект на стыке дизайна, коммуникаций и нейрогенерации.
Снаружи всё выглядело просто: «сгенерировать портреты в нейросети». На практике это превратилось в выстраивание полноценного производственного процесса.
Поиск стиля: от одного кадра к системе
Для исходных данных я попросила у сотрудников качественные фотографии с хорошим освещением, нейтральной позой, детализацией лица. Это помогло собрать базовый визуальный стиль в Krea. Но создать один удачный образ — не значит построить систему.
Главная сложность заключалась в воспроизводимости — в том, чтобы применить единый стиль к 32 фотографиям. Нам нужно было зафиксировать несколько параметров:
одинаковую световую схему,
спокойный фронтальный ра��урс,
нейтральную доброжелательную мимику,
аккуратный фон,
единообразные аксессуары.
Мы перебрали десятки вариантов. Меняли температуру света, пробовали разные схемы подсветки, меняли фон, микромимику, дополняли образы аксессуарами. Важно было сохранить ровное освещение на лице, чтобы аватар оставался читаемым даже в маленьком интерфейсе.
Когда базовый стиль наконец стабилизировался, появилась новая проблема — одежда. Попытки сгенерировать в одном промпте сразу и лицо, и свет, и нужный костюм приводили к нестабильности. Либо «плыла» мимика, либо ломалась световая схема, либо модель меняла пропорции.
Решением стала генеративная заливка в Photoshop. Мы начали собирать образ по частям: фиксировали лицо и свет, достраивали костюм и корректировали детали. Так получился финальный вариант, который устроил и дизайн, и продукт.
Масштабирование: 32 человека — один стиль
Создать один удачный образ — креативная задача. Масштабировать на 32 человека — операционная. Я потратила довольно много времени на один аватар. Если потратить столько же на создание нескольких десятков — задача растянется во времени.
Чтобы справиться с таким объёмом, необходимо оптимизировать работу с ИИ. Вначале я попробовала две нейросети и один промпт — результат не впечатлил, каждый раз в изображении что-то ломалось. А вот приём с декомпозицией процесса оказался удачным. Теперь о каждой попытке подробнее:
Попытка №1: обработка реальных фото
Логика была простой: взять фото сотрудников и адаптировать их под выбранный стиль. Но Krea нестабильно считывала особенности освещения, индивидуальные черты лица, форму глаз и скул, текстуру кожи. Результаты получались неоднородными: где-то менялась геометрия лица, где-то «терялось» сходство, где-то ломался стиль.
Попытка №2: Midjourney
В Midjourney есть функция создания персонажа на основе изображения. Теоретически — идеальное решение. На практике освещение не воспроизводилось точно, сходство с реальными людьми было нестабильным, стиль постепенно «разъезжался». Кажд��й следующий аватар начинал чуть отличаться по свету, контрасту и настроению. Для интерфейса это критично — визуальная несогласованность сразу бросается в глаза.
Попытка №3: декомпозиция рабочего процесса
Мы разделили процесс на этапы:
Генерация базовой модели (причёска, костюм, свет).
Замена лица (face swap) для сохранения сходства.
Увеличение разрешения (upscale).
Финальная обработка.
Ручная доводка деталей.
Такой рабочий процесс позволил добиться стабильности. Мы перестали надеяться на «магический» идеальный промпт и начали управлять процессом как производственной цепочкой.
В итоге мы получили 32 стилистически согласованных аватара.
Неожиданный прорыв: Seedream 4.5 улучшила работу с портретами
Когда процесс уже казался оптимизированным, мы попробовали новый подход. Вместо прямой генерации по фото я просила GigaChat подробно описать человека, фотографию которого загружала: форму лица, глаз, оттенок кожи, характерные особенности. Это описание загружала в Krea (модель Seedream 4.5) вместе с параметрами света, костюма и фона.
Результат оказался неожиданно точным. При детальном сравнении сходство не всегда было идеальным, но: скорость кратно выросла, вариативность снизилась, а процесс стал предсказуемым.
Детали и сезонные адаптации
Когда базовая система была выстроена, мы задумались о сезонных адаптациях. В Figma использовали встроенный Gemini для точечной корректировки: оттенка волос, лёгкой коррекции макияжа, смягчения выражения лица.
Так мы сделали новогоднюю версию аватаров: глубокие синие колпаки с белой меховой отделкой, неоново-зелёные высокотехнологичные наушники, мягкий светлый размытый фон. При этом базовый свет и структура лица сохранялись.
Если первичная сборка занимала часы обсуждений и итераций, то сезонная адаптация заняла значительно меньше времени. Главный вывод из дизайн-части — нужно постоянно изучать и тестировать модели: с их обновлениями процессы становятся быстрее и проще.
Как аватары повлияли на вовлечённость, долю откликов (response rate) и индекс удовлетворённости (CSAT)
Технологии — только часть истории. Важнее — метрики. Почему вообще это должно работать?
28 ноября мы завершили внедрение аватаров: 100% менеджеров получили цифровые образы. Изначально это выглядело как визуальный эксперимент. Но эффект оказался измеримым.
Осенью мы наблюдали снижение доли откликов (response rate) — процента клиентов, которые оставляют оценку после диалога. После внедрения аватаров тренд изменился:
В декабре при росте нагрузки более чем на 30% показатели удалось удержать.
В январе доля откликов выросла до 61,5%.
Чистый эффект составил +2,2%.
В годовом выражении — более 3000 дополнительных оценок без роста затрат.
Мы дали сервису лицо — и клиенты стали чаще оставлять обратную связь.
Эксперимент с ботом: когда имя меняет восприятие
Отдельный пример — чат-бот. Два года он существовал как функциональный инструмент без имени и визуального образа. 19 декабря 2025 года бот получил имя Алекс, аватар и более эмпатичный тон. Алгоритмы работы почти не изменились.
Изменилось восприятие. Пользователи стали обращаться к боту по имени, снизилась агрессия. Индекс удовлетворённости (CSAT) вырос с 2,9 до 3,08, затем до 3,13 и продолжил рост. Мы не переписали систему, а добавили человеческий контекст.
Выводы
Проект начинался как визуальная задача, но превратился в инструмент управления доверием. Мы не просто создали 32 изображения, а выстроили масштабируемый процесс нейрогенерации, научились управлять единообразием стиля, протестировали влияние визуальной идентичности на метрики.
В цифровой среде лицо и имя по-прежнему имеют значение. Иногда достаточно добавить человеческий слой поверх функции, чтобы коммуникация стала диалогом. И, судя по динамике показателей, потенциал таких изменений только начинает раскрываться.
Используете ли вы в работе нейросети для генерации изобраений? Пробовали ли решать похожие задачи по унификации стиля? Делитесь опытом и шишками!
