Я использовал стек из трех моделей: текстовая chat gpt 5, графические gpt image 2 и nanobanana 2.
Исходные данные я себе придумал сам: это сеть фастфуд ресторанов для аудитории в 16-25 лет, говорящий с ЦА на понятном им языке, то есть на языке нонконформизма, кликбейта, дерзости и хайпа.
При помощи GPT 5 провел исследование рынка, сделал ресерч рефов, выбрал самый кликбейтный на мой взгляд нейминг, далее по референсному полю, которое мне сформировал chat gpt, собрал логотип, трассировал его и получил рабочий вектор в фигме. Далее так же по референсному полю собрал мудборды и по ним уже в GPT image 2 сгенерил все константы стиля: паттерны, палитры и даже подобрал несколько гротесков для шрифтовых пар. Далее оставалось дело за малым, натянуть все эти константы на носители, с чем уже достойнейше справилась nanobanana 2 и собрать все яркие мокапы, которые вы наблюдаете в этом посте, а так же сгенерить промокейвижи для коммуникации бренда. Охапку дров, фирстиль готов.
Теперь о выводах. Конечно в целом это все пока еще немного баловство. Что-либо придумать релеватное задаче так, чтобы оно не лежало на поверхности, llm модели пока не в состоянии. А вот визуализировать придуманное человеком — это точно да! В рамках разработки айдентики нейросети пока еще беспомощно несомостоятельны и полезны будут прежде всего для визуализации быстрых гипотез и финальной визуализации кейсов и мокапов. Для всего остального все еще нужен человек с глубочайшей насмотренностью и способностью эту насмотренность изящно интерпретировать на поставленную задачу. Но я уверен, что это так же вопрос времени. Мы стоим на пороге, когда нейросети вот-вот научатся полноценно и автоматизированно собирать дизайн-системы, формируя их визуальный ключ с учетом и рынка, и конкурентов, и смыслов. Поживем, как говориться, увидим)