Hoe AI het filmmaken verandert: van idee tot scherm

De sfeer in Hongkong was niet nerveus—het was elektrisch. Binnen Filmart, waar gesprekken gewoonlijk draaien om budgetten, casting en distributiedeals, nam dit jaar een andere soort energie het over. Kunstmatige intelligentie stond niet op de achtergrond te loeren. Het was de hoofdrolspeler.

En als je angst verwachtte, zou je verrast zijn. De leidinggevenden die deze verschuiving vormgeven slaan geen alarm. Ze presenteren, rustig en vol vertrouwen, het idee dat filmmakers misschien niet alleen hun gereedschap moeten heroverwegen, maar hun hele creatieve proces.

“Ik wil AI niet gebruiken om kunstenaars te vervangen,” zei Lee Sangwook, die het AI Content Lab bij MBC C&I leidt. “Ik wil AI gebruiken om content te maken.” Het is een subtiel verschil, maar in een zaal vol producenten en creatieven, viel het zwaar.

Op het podium zaten stemmen uit het hele AI-ecosysteem: Midjourney China Lab, Google Hong Kong, MiniMax en China Huace Film & TV. Verschillende bedrijven, dezelfde onderliggende boodschap—het gaat niet om machines die de macht grijpen. Het gaat om het veranderen van de manier waarop ideeën tot leven komen.

Dat besef geldt zowel voor grote studio's als voor onafhankelijke makers. Door AI-gestuurde tools kunnen conceptontwikkeling, previsualisatie en zelfs montage anders worden georganiseerd. De nadruk verplaatst zich van tijdrovende uitvoering naar iteratief testen en creatieve verfijning.

Van weken werk naar uren iteratie

Yuhang Cheng van Midjourney China Lab sneed direct in de spanning die veel makers voelen. De angst, betoogde ze, komt niet van de technologie zelf—ze komt van onzekerheid over creativiteit.

Creativiteit is immers niet alleen output. Het is emotie, instinct, geleefde ervaring. En dat, zei zij, is niet iets wat AI simpelweg kan nabootsen.

Wat AI wel kan doen, is vertalen wat al in het hoofd van een maker zit—sneller dan ooit tevoren. Schetsen worden in seconden scènes. Concepten die vroeger acteurs, decors en weken coördinatie vergden, kunnen nu bijna direct worden gevisualiseerd.

De implicatie is moeilijk te negeren: tijd is niet langer de knelpuntfactor. “Wat vroeger weken kostte kan nu uren duren,” verklaarde Cheng. En wanneer tijd op die manier in elkaar zakt, verandert het creatieve proces. Makers besteden minder inspanning aan uitvoering—en meer tijd aan verfijnen, experimenteren en ideeën verder duwen.

Die verschuiving is al zichtbaar op de beursvloer. Een van de opvallende projecten op Filmart dit jaar is Raphael, een film van 80 minuten volledig geproduceerd met AI-tools. Ontwikkeld door MBC C&I, combineert de film technologieën van platforms zoals Midjourney en ElevenLabs, en biedt daarmee een concreet beeld van hoe volledig AI-geassisteerde productie er vandaag uit kan zien—niet theoretisch, maar praktisch.

Praktische voorbeelden van versnelde iteratie

In de praktijk betekent dit dat storyboards en animatics razendsnel kunnen worden gegenereerd en aangepast. Met beeldgeneratie (image generation) kunnen makers meerdere visuele richtingen in vijf tot tien minuten vergelijken: lichtgebruik, compositie, camerastandpunten en stijlvarianten. Dat versnelt beslissingen en vermindert de behoefte aan kostbare fysieke tests.

Stem- en dialoogsynthetisatie (zoals bij ElevenLabs) maakt het mogelijk om ruwe voice-overs en proefdialogen te produceren zonder studio-opnames of casting. Dit helpt schrijvers en regisseurs om timing en emotionele cadence te testen voordat er kostbare opnamesessies plaatsvinden.

Bovendien stelt snelle iteratie productieteams in staat om vroegtijdig tone-of-voice, pacing en visuele continuïteit vast te leggen, wat later in postproductie veel tijd en budget kan besparen. Dit heeft directe implicaties voor planning, risicomanagement en budgetallocatie binnen filmproducties.

Technische aspecten en workflow-aanpassingen

Op technisch vlak vragen deze veranderingen om nieuwe workflows. Prompt engineering (het formuleren van effectieve prompts voor beeld- en tekstmodellen) wordt een onmisbare vaardigheid. Teams moeten leren welke modellen het meest geschikt zijn voor bepaalde taken—van High-Fidelity beeldgeneratoren tot gespecialiseerde voice-modellen en text-to-speech engines.

Compute- en storage-eisen veranderen ook: snelle iteratie vereist schaalbare cloudrendering of krachtige lokale servers, afhankelijk van projectgrootte en vertrouwelijkheid. Versiebeheer van gegenereerde assets, metadata-tagging en duidelijke pipelines voor menselijke revisie blijven cruciaal om kwaliteit en consistentie te waarborgen.

Beveiliging en data governance komen eveneens in beeld. Bij gebruik van externe AI-platforms moeten makers bewust zijn van data-eigendom, modeltraining en licentievoorwaarden. Dit beïnvloedt contracten met leveranciers en vereist nauwere samenwerking tussen juridische teams en creatieve afdelingen.

De echte verstoring is niet het gereedschap—het is de mindset

Ricky Lau van Google Hong Kong maakte geen mooie praatjes. De toekomst zal niet toebehoren aan makers die één enkel platform beheersen. Ze zal toebehoren aan degenen die in staat zijn meerdere systemen te navigeren.

Studio's mengen al AI-tools—beeldgeneratoren, spraaksynthese, montagesystemen—in hybride workflows. Geen enkel model domineert, en die fragmentatie dwingt filmmakers om zich snel aan te passen.

“Je moet je eerdere ervaring afleren,” zei Lau. “En leren op nieuwe manieren te werken.”

Het idee van 'ontleren' bleef terugkomen. Het gaat niet alleen om het leren van nieuwe software. Het gaat om het loslaten van aannames die zich gedurende decennia van traditionele productie hebben gevormd: lange tijdlijnen, rigide pipelines en duidelijk afgebakende rollen.

Want die grenzen vervagen. Snel.

Hybride workflows en rolverandering

In hybride workflows vervagen de lijnen tussen rollen zoals art director, VFX-supervisor en editor. Een art director kan rechtstreeks AI-gegenereerde concepten fine-tunen; een editor kan rough cuts maken met automatische montagevoorstellen; en schrijvers kunnen dialogen en story beats testen met gegenereerde voice-overs.

Dat betekent niet dat menselijke expertise overbodig wordt. Integendeel: menselijke beoordeling en artistieke visie worden belangrijker. De rol verschuift naar curator, regisseur van output en bewaker van creatieve intentie—iemand die AI-resultaten kan interpreteren, selecteren en verbeteren.

Vanuit een productieperspectief vereist dit nieuwe skillsets: begrip van AI-capaciteiten, promptvaardigheid, metadata-management en basiskennis van ethiek en auteursrechten met betrekking tot getrainde modellen.

Culturele en ethische overwegingen

De inzet van AI in contentcreatie roept ook ethische vragen op. Wie is de auteur van een scene die grotendeels is gegenereerd door een model? Hoe waarborgen we eerlijke compensatie voor menselijke stemmen en artiesten? Hoe voorkomen we dat vooroordelen in trainingsdata terugkomen in gegenereerde beelden en scripts?

Bedrijven en makers werken aan richtlijnen en beleidskaders. Transparantie over het gebruik van AI, duidelijke licentieovereenkomsten en auditing van trainingsdata zijn stappen om verantwoordelijk gebruik van AI-gestuurde productie te bevorderen.

Regelgevende kaders worden nog ontwikkeld, en brancheorganisaties zullen waarschijnlijk standaarden opstellen voor credittoekenning en rechtenbeheer. Dat maakt samenwerking tussen juridische experts, technici en creatives cruciaal voor duurzame adoptie.

Toegankelijkheid: democratisering van verhalen vertellen

En dan is er de grotere verschuiving: toegankelijkheid.

Fu Binxing, CEO van China Huace Film & TV, gaf een inkijkje in wat er mogelijk is. Over drie tot vijf jaar, zei hij, zou filmmaken radicaal democratischer kunnen worden. Niet in een vage, aspiratieloze zin—maar op een zeer reële, praktische manier.

“Zelfs een basisschoolleerling kan dan een goed werk maken,” voorspelde hij.

Dat is het deel dat blijft hangen. Niet de tools. Niet de hype. Maar het idee dat verhalen vertellen—eens afgesloten door kosten, vaardigheid en infrastructuur—misschien binnenkort openstaat voor bijna iedereen met een idee en de nieuwsgierigheid om het te verkennen.

Impact op onafhankelijke makers en educatie

Voor onafhankelijke makers betekent dit dat de toegangsdrempels laag worden: minder behoefte aan zware investering in camera’s, decors en opnamefaciliteiten, en meer focus op concept en visie. Studenten en jonge makers kunnen prototypen en korte films maken met minimale middelen, waardoor experiment en diversiteit in stemmen toeneemt.

Onderwijsinstellingen passen hun curricula aan om nieuwe digitale vaardigheden te integreren: prompt engineering, ethiek in AI, multimodale storytelling en projectmanagement voor snelle iteratie. Workshops en online resources prolifereren, wat bijdraagt aan een ecosysteem waarin kennis sneller wordt verspreid.

Kwaliteitscontrole en gatekeeping

Toegankelijkheid heeft ook zijn keerzijde. Als iedereen kan produceren, hoe behouden we kwaliteitsnormen? Wie bepaalt welke projecten financieren waard zijn? Platforms en festivals zullen hun beoordelingscriteria moeten aanpassen om zowel technische innovatie als artistieke merites te waarderen.

Distributiekanalen zullen evolueren om ruimte te bieden aan AI-gegenereerde werken, maar gatekeepers zoals festivalselecties, curatoren en critici blijven belangrijk om publiek te helpen navigeren door een groeiend aanbod.

Toekomstscenario's: complementair in plaats van vervangend

De algemeen gedeelde visie onder de sprekers is dat AI eerder complementair dan vervangend zal zijn. Het vermindert routinetaken en versnelt experimenten, maar menselijke creativiteit, emotionele diepgang en culturele context blijven essentieel.

In dit complementariteitsmodel neemt AI routinematige, repetitieve of kostbare stappen over, terwijl makers hun energie kunnen richten op narratieve diepgang, castingkeuzes, regie-intenties en de uiteindelijke artistieke beslissingen die een productie onderscheidend maken.

Concreet betekent dit dat producties slimmer kunnen worden opgeschaald—meer pilots, meer proof-of-concepts, en een hogere mate van creatief risico nemen zonder onmiddellijke hoge financiële lasten.

Operationele en zakelijke implicaties

Bedrijven die vroegtijdig AI in hun productieproces integreren, kunnen een concurrentievoordeel behalen: snellere time-to-market, lagere preproductiekosten en een grotere portfolio van getest materiaal. Maar dat vereist ook investeringen in training van personeel, herziening van contracten en technologische infrastructuur.

Licentiemodellen voor AI-diensten, kosten voor compute en opvang van IP-kwesties zullen onderdeel zijn van zakelijke strategieën. Studio's en producenten die deze aspecten effectief managen, zullen waarschijnlijk beter gepositioneerd zijn in een veranderend medialandschap.

Tot slot blijft samenwerking tussen traditionele industrie-experts en AI-specialisten de sleutel. Het doel is niet om menselijke makers te vervangen, maar om hun capaciteit te vergroten en nieuwe vormen van creatie mogelijk te maken.

De discussie in Hongkong maakte één ding duidelijk: de echte uitdaging is niet alleen technisch, maar cultureel en organisatorisch. De makers die bereid zijn hun mindset te veranderen en nieuwe workflows te omarmen, hebben de grootste kans om relevante, vernieuwende verhalen te maken in een tijdperk waarin technologie de verhaallijn zelf mede vormgeeft.