ChatGPT
Perplexity
Claude
Gemini
Mile 80이 OpenArt로 결과물을 대폭 늘린 방법과 워크플로우가 바뀌면 가능해지는 것들
Ryan Sheffer에게 OpenArt와의 인연은 대부분의 작업을 도맡아 준 하나의 기능에서 시작됐습니다. "가장 오랫동안 저희가 사용했던 최고의 기능은 시작 프레임, 끝 프레임을 정해 동영상을 만드는 것이었어요"라고 그는 말합니다. 샷의 첫 프레임을 생성하고, 마지막 프레임을 생성한 뒤, 그 사이의 움직임을 모델이 채우게 하는 방식이죠. 간단해 보이지만, 이것이 바로 Sheffer의 스튜디오가 마일 80는 세계에서 가장 잘 알려진 브랜드들을 위해 AI로 생성한 샷을 조용히 실무에 투입해 왔습니다. 최근 BMW 쇼에서 Mile 80은 Mini Cooper와 Rolls Royce의 영상을 제작했으며, Sheffer의 말에 따르면 그 시즌 BMW 관련 결과물 대부분에 OpenArt로 전부 또는 부분 생성된 샷이 최소 하나씩 들어갔다고 합니다. 그의 표현대로 '영상에 AI가 들어갔을 거라고는 생각조차 못 할' 최고급 클라이언트들 말이죠.
Sheffer founded Mile 80 nearly a decade ago after years of working as what he calls "the nerdy guy" in post-production and visual effects. The studio built its name in live events: 360-degree screens, spatial storytelling, the kind of shows where a single project might need hundreds of assets rendered at 30K resolution. It's a business built on technical difficulty, and Sheffer has spent his career finding the next hard problem before everyone else does. That instinct is what brought him to AI early, and it's also what makes him refreshingly honest about where it actually helps.
시작 프레임과 끝 프레임이 모든 걸 바꾼 이유
Sheffer는 자신의 팀이 OpenArt를 단순한 생성 도구로만 쓰던 방식을 넘어 이를 중심으로 워크플로를 구축하기 시작하면서 어떤 변화가 있었는지 우리와 함께 이야기를 나눴습니다.
전환점은 OpenArt가 MCP 서버를 공개하면서 찾아왔습니다. Mile 80은 그 위에 자체 인터페이스를 얹기 시작했고, Claude를 활용해 샷 리스트 구성부터 개별 프레임 평가까지 전체 창작 과정을 관리하면서 실제 생성 요청은 그 아래의 OpenArt로 라우팅했습니다. "저희는 그 위에 UI를 얹기 시작했어요,"라고 Sheffer는 설명합니다. "사실상 이제는 Claude로만 작업하고 있는데, 정말 흥미로운 일이죠." 요즘 저희 UI는 OpenArt의 Claude라고 할 수 있죠."
In practice, that means Mile 80's artists talk to Claude the way they'd talk to a coordinator on a physical set. They define characters, environments, and reference images, then Claude builds what Sheffer calls a production bible and shot list, and routes generation requests to OpenArt for the actual start and end frames. Two of his artists, Camila and Francez, built a custom Claude skill that takes a script, breaks it into individual shots, and fires off the OpenArt requests automatically. "It works really well," Sheffer says.
Sheffer가 가장 자랑스러워하는 작품 중 하나는 Mile 80이 OpenArt로 생성한 프레임만으로 완성한 롤스로이스 애니메이션입니다. 그는 이런 럭셔리 브랜드 작업에 AI가 참여한 선례가 사실상 없다고 말합니다. "그보다 더 하이엔드인 브랜드는 떠올릴 수가 없어요."라고 그는 말합니다.
OpenArt's contribution here goes beyond just start and end frames. Rather than generating a finished background, Mile 80 prompts OpenArt to build visuals with a green screen already baked into the shot, then relies on its own compositing tools, the same ones it's always used, to pull that green screen out and layer the shot into the scene. It's the detail that lets Sheffer's team keep working the way a VFX shop always has, just with a generated element standing in for what used to be a live-action plate. The same approach produced a character Mile 80 built for LangChain, an animated figure named Newton generated with a green screen baked in and then composited out, set to appear as part of a New York City subway campaign.
불가능했어야 할 프로젝트
The clearest example of what that pipeline makes possible is Gammarama, a live event series the client wanted positioned as something like the new TED talks: more serious than the brand's usual output, without losing its sense of fun. Sheffer's team had five weeks to develop the entire visual identity and then deliver on it. "There was only five weeks to develop the entire visual identity," he says, "what the deliverables would be, each of the video scripts, each of the videos, storyboards, and then execute and deliver for a large screen display."
Sheffer는 AI 기반 파이프라인 없이 그 일정을 소화한다는 것이 어떤 의미였을지에 대해 단호하게 말합니다. "절대 불가능했을 겁니다"라고 그는 말합니다. "우리가 해낸 걸 다른 방법으로는 절대 할 수 없었을 겁니다." 팀은 마감을 맞추려고 콘셉트를 더 단순하고 개성 없는 수준으로 축소해야 했을 겁니다. 어우러진 비주얼 스타일도 줄이고, 화면 속 애니메이션 요소도 줄이고, 결국 클라이언트가 받은 겹겹이 스타일링된 아이덴티티보다는 단순한 편집에 가까운 결과물이 됐겠죠. 그는 이 야심 찬 버전을 애초에 가능하게 만들어 준, 팀의 AI 워크플로를 발전시킨 리드 애니메이터 프랜의 공을 인정합니다.
What made the timeline work wasn't a single clever trick so much as the team's willingness to treat "if this were possible, how would we do it" as the starting question, rather than "can we even attempt this." Green screen and alpha-channel generation handled the layering, while Claude, connected through MCP, handled direction and shot management. And because OpenArt could turn a concept into a usable start and end frame quickly, the team could iterate on a look before committing real production time to it.
정성과 대충 만든 것의 차이
Sheffer's read on generative AI is more particular than the average AI-optimist take, partly because he's been burned by the hype cycle before. Back in 2013, before founding Mile 80, he ran a company that automatically generated short news videos from trending social posts, pulling content based on hashtag and location spikes and stitching it into a reel with an early large language model. It worked, in the sense that it got views. It also produced, by his own account, a video about a viral photo of a slice of pizza at the World Series that did numbers, and that was the moment he started backing away from the business. "I did see AI slop immediately as the core issue," he says. "That's funnily enough kind of why Mile 80 was started."
That history is why he's specific about what AI tools are actually good for. "The generative AI tools are the world's fastest, and in some ways dumbest, employees you have," he says. "You have to be incredibly specific with what you ask for. And if you correctly ask them for it, they will give it to you." He compares the goal to how David Fincher uses visual effects in nearly every shot of every film he makes, so seamlessly that audiences never register them as effects at all. "No one thinks of him as a visual effects director ever," Sheffer says. "Why? It's so good. It's integrated into the scene." The alternative, in his view, is the same failure mode people associate with the least-liked Marvel visual effects work: technically present, but not actually serving the story. "That's the same thing as AI slop," he says. "It's not understanding how to use the tool."
그는 자신이 이를 사용할 때 어디에 선을 긋는지에 대해서도 분명합니다. "저는 절대로 OpenArt에 API 접근 권한을 가지고 바나나가 농담하는 영상을 십만 개씩 생성하고 싶지 않습니다"라고 그는 말하며, 이를 단순한 농담 이상으로 진지하게 여깁니다. 대량의, 통제되지 않은 생성이야말로 그가 이전 회사가 무너지는 것을 지켜본 바로 그 실패 방식이니까요.
더 큰 야망, 그대로인 마감
Sheffer는 더 빠른 생성이 Mile 80에 실제로 무엇을 가져다주는지 미화하지 않습니다. 더 많은 클라이언트가 아니라, 이미 정해진 마감 안에서 훨씬 더 야심 찬 작업을 할 수 있게 해준다는 것이죠. "더 빠르다는 걸 알게 됐어요"라고 그는 말합니다. "하지만 이제 고질라가 들어가는 프로젝트는, 예전 방식으로는 고질라를 만들 시간이 없었던 프로젝트예요. 아이디어에서 비주얼화까지 가는 역량이 크게 향상됐죠." 예전이라면 마감에 맞추느라 조용히 단순화됐을 콘셉트도, 이제는 브리프가 원래 요구했던 만큼 야심 차게 그대로 유지할 수 있습니다.
유일하게 변하지 않은 제약은 클라이언트 검토입니다. "영상을 하루 만에 만들 수 있어도, 여전히 결재 라인을 거쳐야 하죠." Sheffer의 말입니다. 이 승인 사이클은 생성 단계가 아무리 빨라져도 프로젝트의 실제 속도를 좌우합니다. 곱씹어 볼 만한 차이입니다. 여기서의 가치는 일정을 단축하는 게 아니라, 이미 가진 일정 안에 담을 수 있는 것의 한계를 훨씬 높인다는 데 있으니까요.
다음 난제
The newest thread Mile 80 is pulling on is live action. Rather than generating a scene from scratch, the team is testing what happens when real footage, shot quickly and simply, gets AI effects, creature work, or set extension added in post. Sheffer thinks there's real room to run here: "I could see a workflow for sure of filming with an iPhone and getting out high quality Hollywood blockbuster style," he says, enough that he half-jokes about the approach eventually undercutting the traditional camera market.
The limiting factor, in his view, is still human emotion. "Our eyes are so used to, and our brains are so used to, knowing that's a human being, that it's always the hardest thing to fake," he says. That's part of why he's also been thinking through quicker face-replacement pipelines, layering real webcam performance onto a generated character rather than trying to generate the performance itself. It's a fitting place for the story to land: even the team most willing to push a pipeline as far as it can go still draws the line at the same place, the parts of the work that come from being human.