Resumen general
Una marca de gran consumo (FMCG) con un catálogo de más de 30 referencias necesitaba renovar sus activos visuales de forma constante para lineal, e-commerce y redes sociales, pero el modelo de producción tradicional —con rodajes físicos, casting, plató y post-producción manual— hacía que cada actualización de catálogo fuera lenta y cara. Wayland aplicó su metodología de Deep Data Analysis dentro del AI Studio para identificar qué activos visuales realmente generaban conversión y descartar el resto antes de producir un solo fotograma. El resultado: una reducción del 40% en los costes tradicionales de producción, manteniendo el estándar cinematográfico que exige una marca de gran consumo en punto de venta y en digital.
El desafío
Los directores de marketing de FMCG conocen bien el problema: el ciclo de vida de un producto de gran consumo exige renovación visual constante —nuevos formatos, ediciones limitadas, adaptaciones estacionales, versiones para cada retailer— pero el modelo de producción audiovisual convencional no está diseñado para esa cadencia.
Un presupuesto de producción estándar se articula en torno a siete u ocho bloques de coste: pre-producción, personal artístico, equipo técnico, material de rodaje, estudio/plató, post-producción, transportes-dietas-alojamientos y varios de producción. Cada bloque acumula gastos propios que, sumados, pueden llevar el total de un proyecto a cifras cercanas a los 40.000 € antes de aplicar el beneficio industrial del 20%.
Para esta marca de FMCG, el problema no era solo el coste absoluto de cada pieza, sino la falta de criterio para decidir qué merecía producirse. El equipo de marketing generaba grandes volúmenes de contenido visual sin un sistema que priorizara qué formatos, qué ángulos de producto o qué narrativas visuales tenían mayor probabilidad de generar impacto en el punto de venta y en digital. Se producía “a ciegas”, multiplicando rodajes, jornadas de casting y sesiones de estudio sin garantía de retorno.
Este es el reto real detrás de cualquier conversación sobre reducción de costes de materiales de marca con producción audiovisual de IA: no se trata solo de producir más barato, sino de producir lo correcto, con datos que respalden cada decisión antes de que se libere presupuesto.
El enfoque
Wayland abordó el proyecto combinando dos capacidades que rara vez conviven en la misma agencia: la potencia de producción heredada de MPC y la inteligencia de datos propia del AI Studio.
El primer paso no fue creativo, sino analítico. En lugar de partir de un brief de producción tradicional, el equipo de Wayland aplicó Deep Data Analysis sobre el histórico de rendimiento de la marca —comportamiento en punto de venta, señales de interacción digital y patrones de consumo por formato— para construir un mapa de prioridades visuales. Esta fase de inteligencia de datos que potencia el AI Studio precede y condiciona todo lo que ocurre después: define qué se produce, en qué orden y con qué nivel de inversión.
Sobre esa base, el AI Studio de Wayland sustituyó los bloques de coste más pesados de la producción convencional por generación sintética de calidad cinematográfica:
- Personal artístico y técnico de rodaje: modelos, casting, runners, maquillaje, estilismo y dirección de arte, sustituidos por agentes virtuales e influencers de IA.
- Grabación física: plató, localizaciones, cámara con operador, iluminación y sonido, sustituidos por entornos visuales generados digitalmente.
- Transportes, dietas y alojamientos: partidas que desaparecen por completo al no existir equipo humano que desplazar.
- Varios de producción: atrezzo, vestuario y set decoration, resueltos mediante ajuste digital de la apariencia visual.
Lo que Wayland no tocó fue la dirección creativa ni la supervisión técnica. La calidad cinematográfica no depende del número de personas en set, depende de la dirección creativa y de la coherencia visual del resultado final; por eso estos perfiles se mantuvieron como partidas activas del presupuesto, reorientados hacia la supervisión del proceso generativo en lugar de la coordinación logística de un rodaje físico.
Implementación
El proyecto se estructuró en tres fases secuenciales, cada una con un propósito claro dentro del modelo de negocio del AI Studio:
Fase 1 — Inteligencia de datos previa a la producción. El equipo analizó el comportamiento histórico de la marca para determinar qué tipologías de activo visual (foto de producto, escena de uso, formato vertical para redes, adaptación por retailer) merecían prioridad de inversión. Esta fase evita el error más común de la producción tradicional: generar volumen sin criterio.
Fase 2 — Generación visual mediante AI Studio. Con las prioridades definidas, el AI Studio generó los activos visuales sustituyendo las partidas de coste más volátiles del presupuesto convencional:
- Plató y localizaciones, sustituidos por entornos sintéticos generados por IA.
- Cámara con operador e iluminación, sustituidos por captura generativa sin equipo físico.
- Casting, modelos y comisión de agencia artística, sustituidos por agentes virtuales.
- Maquillaje, estilismo y dirección de arte física, resueltos digitalmente en la fase de generación.
Fase 3 — Supervisión creativa y post-producción dirigida por datos. La post-producción no desaparece: se reorienta. El AI Studio automatiza la generación de grafismos y ajustes visuales, pero la dirección creativa y la supervisión técnica permanecen como funciones humanas, garantizando que cada activo generado cumpla el estándar de marca antes de su distribución.
Este orden de trabajo —datos primero, producción después— es la diferencia estructural entre el AI Studio de Wayland y un simple generador de imágenes: cada pieza que se produce tiene ya un motivo de negocio detrás, no es una apuesta creativa aislada.
Resultados e impacto
La aplicación del Deep Data Analysis y del AI Studio en este proyecto de FMCG se tradujo en una reducción del 40% en los costes tradicionales de producción, el resultado central de este caso.
Esta reducción se explica por la eliminación estructural de los bloques de coste que en una producción convencional representan la mayor parte del presupuesto: personal artístico y técnico, grabación física, transportes y varios de producción. Al reducirse la base de costes directos, el beneficio industrial del 20% —que se calcula sobre esa base— también se reduce en términos absolutos, generando un ahorro compuesto en lugar de un simple recorte lineal.
Más allá del ahorro directo, el enfoque basado en datos aportó un beneficio adicional que los modelos de producción tradicional no pueden ofrecer: priorización previa a la inversión. En lugar de producir grandes volúmenes de contenido y medir el rendimiento a posteriori, el equipo de marketing de la marca de FMCG pudo dirigir el presupuesto hacia los formatos y narrativas visuales con mayor probabilidad de impacto desde el primer momento, evitando el gasto en activos que la producción tradicional habría generado igualmente, con o sin garantía de resultado.
Como resume el equipo de Wayland:
“El AI Studio no es solo una forma más barata de producir vídeo o imagen. Es un motor de inteligencia de negocio que decide qué se produce antes de que se produzca, y esa decisión previa es la que multiplica el ahorro.”
Puntos clave
Para directores de marketing de FMCG y retail que evalúan por primera vez el modelo de producción del AI Studio de Wayland, este caso deja varias lecciones aplicables a cualquier campaña de renovación visual:
- El ahorro no empieza en el rodaje, empieza en los datos. Aplicar Deep Data Analysis antes de producir permite descartar activos de bajo impacto y concentrar el presupuesto donde realmente genera retorno.
- Las partidas más caras de la producción tradicional son las más prescindibles con IA. Personal artístico, plató, localizaciones, transportes y varios de producción representan históricamente el bloque más pesado del presupuesto, y son precisamente las que el AI Studio sustituye por generación sintética.
- La dirección creativa y la supervisión técnica no desaparecen: se convierten en el diferencial de calidad. El valor de marca no reside en el coste del equipo físico, sino en la coherencia creativa del resultado final.
- Un 40% de reducción de costes no implica un 40% menos de output. El mismo presupuesto permite producir más unidades de contenido, o el mismo volumen a una fracción del coste, dependiendo de las prioridades de negocio.
- La comparativa coste-beneficio debe construirse con datos concretos, no estimaciones genéricas. El AI Studio de Wayland permite a un CFO modelar exactamente qué bloques de coste desaparecen y cuáles permanecen, en lugar de aproximar el ahorro de forma cualitativa.
¿Quieres ver cómo el Deep Data Analysis del AI Studio de Wayland podría aplicarse a tu próxima campaña de FMCG o retail? Contacta con nuestro equipo para recibir un análisis de datos previo y una propuesta de producción que detalle exactamente qué partidas de tu presupuesto actual pueden optimizarse.