Productgetrouwheid: waarom AI je product bijna nooit juist tekent (en hoe je dat oplost)
Ja, maar niet door het te laten tekenen. Een AI-model dat je product vanuit een tekstbeschrijving genereert, verzint het. Het logo klopt net niet, de dop zit verkeerd, de kleur schuift op. De enige werkwijze die wel betrouwbaar is: je echte product als beeldreferentie inbrengen, AI enkel de omgeving, het licht en de compositie laten opbouwen, en elk beeld door een mens laten aftekenen tegen de echte verpakking. Het product zelf hallucineren we nooit.
Waar gaat het precies mis als AI je product tekent?
Wie voor het eerst een productbeeld laat genereren, herkent het meteen. Op het eerste zicht ziet het er af uit. Kijk twintig seconden langer en het valt uit elkaar.
De klassiekers, in volgorde van hoe vaak we ze zien:
- Logo’s die net niet kloppen. De vorm zit er, de verhoudingen niet. Een letter te veel, een schreef die er niet hoort, een woordmerk dat op tien procent zoom onleesbaar wordt. Dit is de meest voorkomende fout en tegelijk de dodelijkste, want een merkteken herkent iedereen.
- Verzonnen productdetails. Een extra naad, een handvat dat je niet verkoopt, een sluiting die anders werkt. Modellen vullen aan wat statistisch plausibel is, niet wat jij effectief produceert.
- Verkeerde materialen. Geborsteld aluminium wordt spiegelend chroom. Mat karton krijgt een glanslaag. Textiel krijgt een weefsel dat nergens in je collectie bestaat.
- Kleuren die afwijken. Niet spectaculair, wel net genoeg. Een merkblauw dat een halve tint naar cyaan trekt, valt niemand op tot het naast de echte verpakking in het schap ligt.
- Verpakkingsteksten die onzin worden. Ingrediëntenlijsten, claims, volumeaanduidingen, allergenen. Modellen zijn beter geworden in tekst, maar goed genoeg voor een affiche is niet hetzelfde als juridisch correct op een voedingsverpakking.
Waarom verzint een model details die er niet zijn?
Omdat het daarvoor gemaakt is. Een beeldmodel schat wat waarschijnlijk hoort bij je beschrijving. Het heeft geen begrip van jouw specifieke artikel, geen toegang tot je productdatabank en geen idee dat die claim op de zijkant wettelijk verplicht is.
Dat betekent ook iets hoopgevends: het probleem is geen kwaliteitsgebrek dat met een beter model verdwijnt, maar een informatieprobleem. Geef het model de juiste informatie in de juiste vorm en het gedraagt zich veel voorspelbaarder. Geef het alleen woorden en je krijgt gokwerk, hoe mooi gerenderd ook.
Tip: test een nieuw model nooit op sfeer, maar op je moeilijkste verpakking. Neem het product met de kleinste tekst, het meest complexe logo en het lastigste materiaal. Wat daarop overeind blijft, houdt stand op de rest van je gamma.
Hoe maak je productgetrouwheid wel betrouwbaar?
Wij werken met drie regels die niet onderhandelbaar zijn.
Eén: vertrekken van echt referentiemateriaal. Geen beschrijving, maar beelden van het product zelf. Vrijgestelde packshots, meerdere hoeken, detailopnames van materiaal en afwerking, het officiële logobestand, de kleurwaarden uit de huisstijl. Ontbreekt dat materiaal, dan maken we het eerst. Dat is vaak een kleine shoot van een halve dag, en die betaalt zichzelf terug omdat je hem eindeloos hergebruikt. Hoe dat in de praktijk verloopt, staat in ons artikel over AI-productfotografie.
Twee: AI bouwt de context, niet het product. Het model krijgt de omgeving, het licht, de achtergrond, het seizoen, de scène. Het echte product wordt daarin gemonteerd en belicht, niet nagetekend. In de praktijk is dat een combinatie van generatie en klassiek beeldwerk, en die grens verschuift per opdracht.
Drie: een vaste menselijke controlestap. Elk beeld gaat langs een art director met de echte verpakking of het echte staal ernaast. Niet op scherm alleen. Kleur beoordeel je tegen het fysieke object of tegen een geijkte proef, niet tegen een herinnering.
Tip: leg één referentiemap per product aan en behandel die als merkmateriaal, niet als projectbestand. Packshots op minstens drie hoeken, twee detailopnames, het vectorlogo en de kleurcodes. Wie dat ordelijk heeft, haalt uit elke volgende opdracht meer beeld voor minder werk.
Wat kan AI niet, en wanneer fotografeer je beter gewoon?
Eerlijk zijn hierover maakt het geloofwaardig. Er zijn situaties waarin wij zelf afraden om met generatie te werken.
- Een nieuw product dat nog niet bestaat. Zonder fysieke referentie is elk beeld een interpretatie. Voor interne visualisatie kan dat, voor een verkoopcampagne niet.
- Wettelijk geregelde verpakkingsinformatie. Voedingswaarden, allergenen, dosering, waarschuwingen. Die zetten we uit echte bestanden, of het beeld toont ze niet leesbaar.
- Kleur als koopargument. Bij verf, textiel en cosmetica beslist een halve tint mee over een aankoop. Daar blijft een gemeten referentie nodig.
- Extreme close-ups van afwerking. Hoe dichter je op de textuur zit, hoe minder er te verzinnen valt en hoe meer je gewoon een macrofoto nodig hebt.
Sinds augustus 2026 gelden in de Europese Unie ook transparantieverplichtingen voor kunstmatig gegenereerd of gemanipuleerd beeldmateriaal. Wat daaronder valt en welke uitzonderingen gelden voor gewone beeldbewerking, staat in de toelichting van de Europese Commissie bij artikel 50 van de AI-verordening. Wij houden die lijn aan omdat ze ons werk makkelijker maakt, niet omdat ze moet.
Hoe controleer je of een beeld echt klopt?
Met een lijst, niet met een gevoel. De onze staat op vier punten: merkteken, geometrie, materiaal, tekst. Logo op honderd procent zoom vergeleken met het originele bestand. Verhoudingen en aantal onderdelen tegen de echte verpakking. Materiaalgedrag in het licht. En alle leesbare tekst letterlijk overgetypt en vergeleken.
Wat opvalt: bijna alle afkeuringen zitten op merkteken en tekst. Sfeer en licht zijn zelden het probleem, precies omdat generatie daar sterk in is.
Veelgestelde vragen
Kan AI mijn eigen product realistisch weergeven?
Ja, op voorwaarde dat het product niet gegenereerd wordt maar ingebracht als echt beeldmateriaal. AI bouwt dan de omgeving, het licht en de compositie rond een bestaande packshot. Zonder referentiebeelden verzint een model details, materialen en logo’s, en dan krijg je iets dat op je product lijkt zonder het te zijn.
Waarom klopt mijn logo nooit in een AI-beeld?
Omdat het model letters en vormen benadert in plaats van ze te reproduceren. Het kent je woordmerk niet als vaste vorm, maar als iets wat er ongeveer zo uitziet. De oplossing is het logo niet laten genereren: je plaatst het achteraf uit het originele vectorbestand, in de juiste perspectiefvervorming en belichting.
Welk referentiemateriaal heb ik nodig voor een AI-productbeeld?
Minstens vrijgestelde packshots vanuit drie hoeken, twee detailopnames van materiaal en afwerking, het logo als vectorbestand en de officiële kleurwaarden uit je huisstijl. Bestaat dat nog niet, dan begint het traject met een korte shoot. Dat materiaal is eenmalig werk en blijft daarna voor elke volgende campagne bruikbaar.
Is AI-beeld geschikt voor verpakkingen met wettelijke informatie?
Alleen als die informatie uit de echte bestanden komt en niet gegenereerd wordt. Voedingswaarden, allergenen, dosering en waarschuwingen laten we nooit door een model schrijven. In veel campagnebeelden is de verpakking zo gepositioneerd dat die tekst niet leesbaar hoeft te zijn, wat het probleem meteen oplost.
Welk artikel uit je gamma zou de controle op merkteken en tekst vandaag niet doorstaan? Dat is meteen je beste vertrekpunt. Leg het voor via contact, of bekijk eerst AI-beeldgeneratie en branding en onze cases.
