AdMonsters анализирует реальную эффективность (yield) AI-видео и её влияние на контентные, рекламные и выручечные процессы издателей. Ключевой вывод: доля «готовых к публикации» материалов существенно ниже маркетинговых обещаний, а экономика токен-модели часто скрыто раздувает себестоимость.

• Низкий yield: кейс Kalshi — ~400 генераций дали 15 клипов (≈4–5%); в типовых сценариях требуется 10–40 промптов на 1 пригодное видео, даже простые ролики — 5–20 дублей.
• Качество и контроль: «галлюцинации» встречаются в 10–29% попыток, что делает обязательными ручную модерацию, доработки и пост-продакшн.
• Экономика токенов: оплата «за попытку» стимулирует итерации, повышая фактическую стоимость готового ассета; без оркестрации расходы и сроки растут.
• Доходность видео: качественные ролики открывают instream-инвентарь; видео-CPM выше дисплея в 5–10 раз, что при дисциплине процессов повышает yield и маржу.
• Что делать Ad Ops/RevOps: моделировать true cost per usable video с учётом типового yield; внедрять оркестрационные платформы (например, Aeon) с мультимодельным стеком, бренд-правилами, авто-курацией и комплаенсом; отслеживать прирост выручки от нового instream-инвентаря.

Итог: AI-видео — не «волшебная кнопка», а источник инкрементальной ценности при строгом управлении процессом, качеством и экономикой итераций.