Generative AI has reached filmmaking. Text-to-video models like Sora, Runway, and Pika can produce short video sequences from text prompts. AI screenwriting tools generate plot structures, dialogue, and scene descriptions. AI-generated characters populate virtual productions. The technical capabilities are advancing rapidly, but the aesthetic and narrative question remains open: can algorithmically generated cinema achieve the cultural depth, emotional resonance, and philosophical ambiguity that characterize significant filmmaking?

The answer from the recent literature is cautiously negative—not because AI cannot produce compelling visual content, but because the qualities that make cinema meaningful as an art form appear to resist algorithmic generation, at least with current approaches.

The Research Landscape

AI Screenplays vs. Auteur Cinema

Liu and Li (2025) conduct the most direct comparison in this cohort: a systematic analysis of AI-generated screenplays alongside works of contemporary auteur cinema (Wong Kar-wai, Denis Villeneuve, Bong Joon-ho). The comparison is structured around three dimensions:

Literariness. Does the text exhibit literary qualities—metaphor, ambiguity, stylistic distinctiveness? AI-generated screenplays score well on structural coherence (they follow three-act structure reliably) but poorly on literary texture. The dialogue tends toward the functional—it advances the plot—without the distinctive voice that marks an individual writer.

Cultural expression. Does the narrative engage with specific cultural contexts, histories, or identities? Auteur cinema is typically rooted in cultural specificity (Wong Kar-wai's Hong Kong, Bong Joon-ho's Korean class dynamics). AI-generated screenplays tend toward cultural generality—set in vaguely defined contemporary Western settings, with characters whose cultural identity is decorative rather than constitutive.

Philosophical depth. Does the work raise questions that linger beyond the viewing experience? This is the dimension where the gap is widest. AI screenplays produce narratives that resolve cleanly; auteur cinema often deliberately leaves questions open, tolerating ambiguity as a feature rather than a flaw.

The comparison is useful but should be interpreted carefully. The AI screenplays were generated with minimal prompting; a skilled human prompter working iteratively with an AI tool might close some of these gaps. The study compares AI's floor with auteur cinema's ceiling.

Auteur Style Migration

Chen (2026) examines a related phenomenon: what happens when prominent auteur directors begin incorporating AI-generated elements into their work. The study observes that directors are "negotiating the tension between inherited cinematic traditions and their own expressive impulses" when using AI tools.

The key finding is that auteur directors do not use AI as a replacement for their vision but as a material—analogous to how directors have historically adopted new technologies (color film, steadicam, digital editing) not to replicate what was already possible but to enable new forms of expression. AI-generated imagery, in this context, becomes one more element in the director's palette, subject to the same curatorial judgment as any other material.

This finding suggests that the question "can AI make films?" may be less relevant than "how will filmmakers use AI?" The technology's impact on cinema will likely be mediated by human directorial decisions, not determined by algorithmic capabilities alone.

Prompt as Film Language

Rakhmankulov (2025), with 1 citation, examines the Sora text-to-video model specifically, arguing that the "prompt" constitutes a new element of film language. Just as the camera, editing, and sound design are elements of cinematic expression, the text prompt that generates a video sequence is itself an expressive act—one that requires skill, intention, and aesthetic judgment.

The paper analyzes several AI-generated short films to identify how prompt construction shapes the visual output. Specific prompts ("a lone figure walking through fog at dawn, long shot, desaturated palette") produce specific cinematic effects, and the relationship between prompt and output is neither random nor deterministic but interpretive—the model interprets the prompt, and the result reflects both the prompt's specificity and the model's training biases.

This raises an interesting question about authorship: if the prompt is an expressive act, the prompter is exercising a form of creative agency, even though they do not control the frame-by-frame visual output. The analogy to photography is suggestive—the photographer frames the shot but does not control every photon.

AI Characters and Audience Engagement

Yang (2024), with 3 citations, shifts the focus from production to reception: how do audiences respond to AI-generated characters in film? The study examines psychological responses including realism perception, empathy, and trust.

Key findings:

• Realism: Audiences can distinguish AI-generated characters from human actors in most conditions, but the distinction matters less than expected—viewers engage emotionally with characters they know to be artificial, provided the character's behavior is narratively consistent.
• Empathy: Empathic responses to AI characters are lower than to human characters but not absent. The gap narrows when the AI character has clear emotional arcs and relatable motivations.
• Trust: Audiences report lower trust in AI-generated characters, particularly for roles that require moral authority (judges, doctors, parents). This suggests that AI characters may be more effective in certain narrative roles than others.

Critical Analysis: Claims and Evidence

Open Questions and Future Directions

What This Means for Your Research

For film scholars, AI cinema offers a productive analytical object: comparing what algorithms produce with what human filmmakers produce reveals assumptions about what makes cinema meaningful that are often implicit in traditional film theory.

For filmmakers, the evidence suggests that AI is most useful as a material or tool rather than a replacement for directorial vision. The creative leverage comes from combining human judgment with algorithmic capability.

Explore related work through ORAA ResearchBrain.

면책 조항: 이 게시물은 정보 제공 목적의 연구 동향 개요이다. 학술 저작물에서 인용하기 전에 구체적인 연구 결과, 통계 및 주장은 원본 논문과 대조하여 확인해야 한다.

AI 시네마: 알고리즘은 의미 있는 이야기를 들려줄 수 있는가?

생성형 AI가 영화 제작 분야에 도달했다. Sora, Runway, Pika 같은 텍스트-투-비디오 모델은 텍스트 프롬프트로부터 짧은 영상 시퀀스를 생성할 수 있다. AI 시나리오 작성 도구는 플롯 구조, 대사, 장면 묘사를 생성한다. AI가 생성한 캐릭터들이 가상 프로덕션을 채운다. 기술적 역량은 빠르게 발전하고 있지만, 미학적·서사적 질문은 여전히 열려 있다. 알고리즘으로 생성된 시네마가 유의미한 영화 제작의 특징인 문화적 깊이, 정서적 울림, 철학적 모호성을 달성할 수 있는가?

최근 문헌에서 도출된 답변은 신중하게 부정적이다—AI가 설득력 있는 시각적 콘텐츠를 생산하지 못해서가 아니라, 시네마를 예술 형식으로서 의미 있게 만드는 특질들이 적어도 현재의 접근 방식으로는 알고리즘적 생성에 저항하는 것으로 보이기 때문이다.

연구 현황

AI 시나리오 대 오퇴르 시네마

Liu와 Li(2025)는 이 연구군에서 가장 직접적인 비교를 수행한다. 즉, AI가 생성한 시나리오와 현대 오퇴르 시네마(왕가위, 드니 빌뇌브, 봉준호)의 작품들을 체계적으로 분석·비교하는 것이다. 비교는 세 가지 차원을 중심으로 구성된다.

문학성. 텍스트가 문학적 특질—은유, 모호성, 문체적 독창성—을 보이는가? AI가 생성한 시나리오는 구조적 일관성 측면에서는 높은 점수를 받지만(3막 구조를 안정적으로 따른다), 문학적 질감 측면에서는 낮은 점수를 받는다. 대사는 기능적인 경향이 있어 플롯을 진전시키기는 하지만, 개별 작가를 특징짓는 독특한 목소리는 결여되어 있다.

문화적 표현. 서사가 특정 문화적 맥락, 역사, 또는 정체성에 관여하는가? 오퇴르 시네마는 일반적으로 문화적 특수성에 뿌리를 두고 있다(왕가위의 홍콩, 봉준호의 한국적 계급 역학). AI가 생성한 시나리오는 문화적 일반성을 향하는 경향이 있다—모호하게 정의된 현대 서구 배경에서 전개되며, 캐릭터의 문화적 정체성은 구성적이기보다는 장식적이다.

철학적 깊이. 작품이 관람 경험을 넘어 지속되는 질문을 제기하는가? 이것이 격차가 가장 큰 차원이다. AI 시나리오는 깔끔하게 해소되는 서사를 생산하는 반면, 오퇴르 시네마는 종종 의도적으로 질문을 열어 두며, 모호성을 결함이 아닌 특성으로 수용한다.

이 비교는 유용하지만 신중하게 해석해야 한다. AI 시나리오는 최소한의 프롬프팅으로 생성되었다. AI 도구와 반복적으로 작업하는 숙련된 인간 프롬프터라면 이러한 격차 중 일부를 줄일 수 있을 것이다. 이 연구는 AI의 최저 수준과 오퇴르 시네마의 최고 수준을 비교하고 있다.

오퇴르 스타일 이전

Chen(2026)은 관련 현상을 검토한다. 즉, 저명한 오퇴르 감독들이 자신의 작품에 AI가 생성한 요소들을 통합하기 시작할 때 어떤 일이 발생하는가 하는 것이다. 이 연구는 감독들이 AI 도구를 사용할 때 "계승된 영화적 전통과 자신의 표현적 충동 사이의 긴장을 협상하고" 있음을 관찰한다.

핵심 발견은 오퇴르 감독들이 AI를 자신의 비전을 대체하는 수단이 아니라 재료로 사용한다는 것이다—이는 감독들이 역사적으로 새로운 기술(컬러 필름, 스테디캠, 디지털 편집)을 이미 가능한 것을 복제하기 위해서가 아니라 새로운 표현 형식을 가능케 하기 위해 수용해 온 방식과 유사하다. 이러한 맥락에서 AI가 생성한 이미지는 감독의 팔레트에 추가되는 또 하나의 요소가 되며, 다른 모든 재료와 동일한 큐레이터적 판단의 대상이 된다.

이 발견은 "AI가 영화를 만들 수 있는가?"라는 질문이 "영화인들은 AI를 어떻게 활용할 것인가?"보다 덜 관련성이 있을 수 있음을 시사한다. 시네마에 대한 기술의 영향은 알고리즘적 역량에 의해서만 결정되는 것이 아니라, 인간의 감독 결정에 의해 매개될 가능성이 높다.

프롬프트를 영화 언어로

이 논문은 프롬프트 구성이 시각적 결과물을 어떻게 형성하는지 파악하기 위해 여러 AI 생성 단편 영화를 분석한다. 특정 프롬프트("새벽 안개 속을 걷는 고독한 인물, 롱 쇼트, 채도를 낮춘 색조")는 특정 영화적 효과를 만들어 내며, 프롬프트와 결과물 사이의 관계는 무작위적이지도 결정론적이지도 않고 해석적이다. 즉, 모델은 프롬프트를 해석하고, 그 결과물은 프롬프트의 구체성과 모델의 학습 편향 모두를 반영한다.

이는 저작권에 관한 흥미로운 질문을 제기한다. 프롬프트가 표현적 행위라면, 프롬프트를 작성하는 사람은 프레임 단위의 시각적 결과물을 직접 통제하지 않더라도 일종의 창의적 주체성을 행사하고 있는 셈이다. 사진과의 유비는 시사적이다. 사진작가는 장면을 구도로 잡지만 모든 광자를 통제하지는 않는다.

AI 캐릭터와 관객 참여

Yang(2024)은 3회 인용으로 초점을 제작에서 수용으로 전환한다. 관객은 영화 속 AI 생성 캐릭터에 어떻게 반응하는가? 이 연구는 현실감 지각, 공감, 신뢰를 포함한 심리적 반응을 검토한다.

주요 연구 결과:

• 현실감: 관객은 대부분의 조건에서 AI 생성 캐릭터와 인간 배우를 구별할 수 있지만, 그 구별이 예상보다 중요하지 않다. 캐릭터의 행동이 서사적으로 일관된다면, 관객은 인공적임을 알면서도 감정적으로 몰입한다.
• 공감: AI 캐릭터에 대한 공감적 반응은 인간 캐릭터에 비해 낮지만 부재하지는 않는다. AI 캐릭터가 명확한 감정적 흐름과 공감 가능한 동기를 가질 때 그 격차는 좁혀진다.
• 신뢰: 관객은 AI 생성 캐릭터에 대해 더 낮은 신뢰를 보고하며, 특히 도덕적 권위를 요구하는 역할(판사, 의사, 부모)에서 두드러진다. 이는 AI 캐릭터가 특정 서사적 역할에서 다른 역할보다 더 효과적일 수 있음을 시사한다.

비판적 분석: 주장과 근거

미해결 과제와 향후 방향

연구에 대한 시사점

영화학자들에게 AI 시네마는 생산적인 분석 대상을 제공한다. 알고리즘이 생성하는 것과 인간 영화감독이 생성하는 것을 비교함으로써, 전통적인 영화 이론에서 종종 암묵적으로 전제되어 온 '무엇이 시네마를 의미 있게 만드는가'에 관한 가정을 드러낼 수 있다.

영화감독들에게 이 증거는 AI가 감독적 비전의 대체재라기보다 소재 또는 도구로서 가장 유용하다는 것을 시사한다. 창의적 레버리지는 인간의 판단과 알고리즘적 역량을 결합하는 데서 비롯된다.

ORAA ResearchBrain을 통해 관련 연구를 탐색할 수 있다.