ИИ уже в сотнях продакшенов
На отчётном звонке за Q2 2026 сооснователь и CEO Netflix Тед Сарандос прямо сказал: генеративный ИИ уже влияет на сотни продакшенов компании. По его словам, AI-воркфлоу использовались примерно в 300 тайтлах, причём самая большая концентрация пока приходится на постпродакшен.
Формулировки Netflix подчёркнуто аккуратные: компания не говорит «мы заменяем людей нейросеткой», а заявляет, что ИИ помогает делать сложные кадры быстрее и дешевле — и там, где раньше сцену просто выкинули бы из-за бюджета или сроков.
Где именно работает ИИ
Сарандос перечислил конкретные участки пайплайна:
- concept и set references;
- previs;
- VFX;
- подготовка сцен (sequence prep) и планирование кадров (shot planning);
- постпродакшен и доставка (delivery);
- сложные сцены с массовкой и исторические батальные сцены;
- кадры, которые без ИИ были бы слишком дорогими или долгими.
Пример в цифрах
Показательный кейс — документальный сериал The American Experiment. По словам Сарандоса, в нём есть 17 минут AI-enhanced-кадров, и эти 17 минут сделали вдвое быстрее и за половину стоимости по сравнению с прежними вариантами. Это и есть та самая «перепрошивка экономики продакшена», о которой всё чаще говорят на рынке.
Не один волшебный продукт, а набор инструментов
За часть этих задач отвечает InterPositive — студия, купленная у Бена Аффлека. Её профиль — filmmaker-first AI: инструменты для работы с уже снятым материалом, визуальной логикой сцены, continuity, светом, фонами и «недостающими» кадрами (missing shots). Но это не единственный ИИ-инструмент Netflix: у компании есть ещё Eyeline и собственная animation lab. То есть Netflix собирает не один «магический ИИ-продукт», а набор внутренних и купленных инструментов, которые вместе закрывают разные части производственного конвейера.
Что это значит для TTV
Логика Netflix — не «ИИ снимет кино вместо людей», а «ИИ позволит сделать сцены, которые раньше были слишком дорогими или вылетали из сценария». Тот же сдвиг работает и на малых масштабах: кадры, которые вчера требовали съёмочной группы, сегодня можно собрать генерацией. Попробовать этот подход на своей задаче можно в генераторе TTV.
