Wat AI wél en ook vooral niet kan (in verpakkingsontwerp)
In dit artikel:
Veel beloften rondom generatieve AI klinken waar: razendsnel, grote schaal en talloze variaties. In verpakkingsontwerp geldt dat deels — vooral voor routinematige taken zoals beeldgeneratie, kleurvarianten en mock-ups — maar juist de meest kritische onderdelen blijven mensenwerk. Waar merken denken dat AI 80% van het werk overneemt en daarmee sneller klaar is, zit het probleem vaak in de overige 20%: kennis die ontstaat uit jaren ervaring met productie, materiaal, retailplaatsing en wetgeving.
Verpakkingsontwerp is meer dan esthetiek. Ontwerpers wegen praktische eisen af: voldoet een ontwerp aan de nieuwe EU-regels (zoals de PPWR, formeel aangenomen in december 2024), hoe gedraagt een kleur of bedrukking zich op gerecycled materiaal, hoe oogt een tint naast een huismerk in het schap en voldoen etiketten aan eisen in meerdere landen tegelijk? Die operationele en juridische know‑how zit niet in de huidige AI-modellen; die zitten in mensen die jarenlang met producenten, retailers en toezichthouders samenwerken.
Generatieve AI leert vooral van bestaand visueel materiaal en produceert daardoor een middenweg van wat al heeft gefunctioneerd: cleane, neutrale esthetiek tussen Scandinavisch minimalisme en perfecte Instagram-foto’s. Het gevolg is een snel verspreide, herkenbare set stijlen — intern soms spottend ‘oostblokmarketing’ genoemd — waardoor schappen kunnen volstromen met verpakkingen die niemand specifiek bedacht heeft, maar die iedereen herkent en die weinig onderscheid bieden. Tegelijkertijd worden uitgesproken, menselijke imperfecties zwaarder gewaardeerd door consumenten: handgeschreven lettertypen, ruwe illustraties, zichtbaar gescand papier of retro‑illustraties die authenticiteit uitstralen. Die tegenreactie benadrukt dat merkidentiteit en bedoeling belangrijker worden naarmate AI het gemiddelde stijlniveau omhoog duwt.
Praktijkvoorbeeld: de herpositionering van Albert Heijns Care-lijn begin 2026. De ontwerpstrategie en flesvormen waren menselijk bedacht; AI werd vooral ingezet om honderden variaties van ingredientenafbeeldingen te genereren. Cruciaal was dat designers die output selecteerden en finetuneden: AI als productietool, niet als vervanging van ontwerp- en compositiedenken.
Er is ook een juridische blinde vlek: veel modellen zijn getraind op data vóór recente regelgeving en kennen actuele verplichtingen niet. Dat kan leiden tot ontwerpen die wel aantrekkelijk ogen maar problemen opleveren bij retailer‑acceptatie (bijvoorbeeld in Duitsland), tot juridisch onhoudbare claims of tot etikettering die niet werkt met scanningsproducten zoals GS1-systemen. Ontwerpen moeten daarom altijd worden getoetst op compliance, iets wat menselijke expertise vereist.
Wat betekent dit voor merken? AI kan snelheid en opties brengen in de verkenningsfase, maar verandert niet de noodzaak van een mens die keuzes maakt, aanscherpt en verdedigt. De kernvraag is niet alleen of iets sneller of goedkoper kan, maar waarheen: als snelheid leidt tot generieke, verouderde of niet‑onderscheidende verpakkingen, gaat de investering in onderscheidend vermogen verloren. Een verpakking is vaak het eerste contactpunt met de consument — het verdient dus intentionele keuzes die niet zomaar door een algoritme worden gemaakt.