Runway’s CEO stelt dat AI Hollywood kan helpen tientallen films te maken voor de kosten van één enkele blockbuster, een verschuiving van ‘perfectie’ naar ‘volume’ die ook voor Nederlandse ondernemers in media en contentcreatie lessen bevat. Het idee is dat door lagere productiekosten per stuk, je meer kansen kunt creëren om een hit te scoren.

Wat er aan de hand is

Cristóbal Valenzuela, CEO van het AI-videobedrijf Runway, schetste in een interview met TechCrunch een toekomst voor de filmindustrie. Volgens hem kan AI filmstudio’s in staat stellen om tientallen films te produceren voor het budget dat nu naar één grote blockbuster van 100 miljoen dollar gaat. De kern van het betoog is een verschuiving in strategie: in plaats van één enorme, risicovolle gok te plaatsen op een perfect uitgewerkt project, kunnen studio’s met behulp van AI-tools tientallen kleinere, experimentelere projecten financieren. Het achterliggende idee is dat volume de kans vergroot dat er een paar succesvolle projecten tussen zitten. Deze visie komt voort uit de snelle ontwikkeling van AI-videogeneratoren, zoals die van Runway zelf, die het maken van visuele content sneller en goedkoper kunnen maken.

Wat dit betekent

Deze gedachtegang reikt veel verder dan Hollywood. Voor de creatieve sector in het algemeen – denk aan marketingbureaus, mediabedrijven, contentcreators, uitgeverijen en zelfs interne communicatie-afdelingen – signaleert dit een fundamentele mogelijkheid tot herinrichting. Waar productieprocessen nu vaak gericht zijn op het maken van een beperkt aantal hoogwaardige, tijdrovende stukken content (zoals een dure campagnevideo of een uitgebreide whitepaper), opent AI de deur naar een model van ‘strategisch experimenteren’. Het betekent niet dat kwaliteit irrelevant wordt, maar wel dat de drempel om iets te proberen lager wordt. Voor een klein marketingbureau of een eenpersoons onderneming kan dit de mogelijkheid bieden om met hetzelfde budget meer verschillende boodschappen, formats of creatieve concepten te testen bij hun publiek, zonder dat een mislukt experiment de boel opblaast.

Hoe je dit kunt toepassen

De praktische toepassing van dit ‘volume-over-perfectie’-model hangt sterk af van jouw specifieke situatie en de tools die voor jou beschikbaar zijn. Het gaat niet om het blindelings produceren van meer content, maar om het slim inzetten van lagere productiekosten om te leren en te optimaliseren.

Als je een merk bent dat adverteert op sociale media… In plaats van weken te besteden aan één perfect uitgeklede commercial, zou je met AI-videotools kunnen experimenteren met vijf verschillende korte video’s die elk een andere emotie of value proposition benadrukken. Je zet ze allemaal in als A/B-test, analyseert welke het beste presteert, en investeert pas daarna in een uitgebreidere productie rond het winnende concept.

Als je een nieuwsbrief of blog runt… Het klassieke model is één diepgaand, grondig onderzocht artikel per week. Het volumemodel zou kunnen zijn: drie kortere, meer opiniërende of experimentele stukken genereren met behulp van AI als research- of structuurhulp, en één lang stuk. Dit verhoogt je publicatiefrequentie, geeft je meer data over wat je lezers aanspreekt, en houdt je zichtbaarder.

Als je een dienst verleent en case studies maakt… In plaats van één uitgebreide, professioneel gefilmde case study per kwartaal, kun je overwegen om met AI-avatars, stock footage en voice-overs snel drie kortere, meer anekdotische ‘verhalen’ te maken over klantresultaten. Dit geeft potentiële klanten meer en gevarieerdere voorbeelden van je werk, en vergroot de kans dat er één aansluit bij hun situatie.

Als je een intern communicatieteam hebt… Voor het lanceren van een nieuw beleid of initiatief, kun je met AI verschillende communicatievormen maken: een korte animatie, een geschreven Q&A, en een serie sociale media-afbeeldingen. Door deze gelijktijdig aan te bieden, bereik je medewerkers via hun voorkeurskanaal en test je meteen welke vorm het beste de boodschap overbrengt.

De kern is niet om kwaliteit op te geven, maar om de kostprijs van experimenten zo ver te verlagen dat je er meer kunt doen. Hierdoor verzamel je sneller data over wat werkt, en kun je je uiteindelijke investering in ‘perfectie’ veel gerichter inzetten op de concepten die daadwerkelijk blijken aan te slaan.

Bron: TechCrunch