게임 산업에서 생성형 인공지능(GenAI)의 활용이 급속도로 확산되고 있다. 필란드의 알토대학교 연구진이 발표한 연구 논문에 따르면, 스팀 플랫폼에 출시되는 게임 중 AI 사용을 공개한 작품이 전년 대비 7배 증가한 7%에 달하며, 이 중 60%가 비주얼 에셋 생성에 활용되고 있다.

하지만 공개가 일관되지 않아 실제 활용 규모는 과소평가될 가능성이 높다. 이에 따라 밸브(Valve)는 스팀 콘텐츠 조사를 업데이트하여 개발 중 생성된 사전 생성 AI 콘텐츠와 게임플레이 중 생성되는 실시간 생성 AI 콘텐츠 모두의 공개를 요구하고 있다.

"완벽한 AI 결과물은 없다"... 모든 생성물에 전문가 손길 거쳐야

연구에 참여한 모든 환경에서 일관되게 나타난 결과는 생성형 AI 출력물이 반드시 전문가의 개입을 통한 반복적 개선 과정을 거쳐야 실제 게임 제작 파이프라인에 활용될 수 있다는 점이다. 현재 연구 자료에서는 GenAI가 인간의 수정 없이 포함 준비가 완료된 산출물을 생산할 수 있다는 증거를 찾을 수 없었다.

전문 게임 개발 환경에서 독립 개발자와 대형 스튜디오 개발자 모두 반복적 프롬프팅을 창의적 의도 회복과 모델 경향성을 프로젝트의 스타일적, 기능적 요구사항과 조율하는 핵심 메커니즘으로 활용하고 있다고 보고했다.

이미지 생성에서는 스타일적 안정성이 에셋 클래스에 따라 민감하게 달라지며, 배경이 캐릭터 디자인보다 더 가변적인 것으로 나타났다. 또한 만족스러운 결과는 단일 고충실도 생성보다는 여러 출력물에 걸친 선택적 큐레이션의 결과인 경우가 더 많았다.

코드 기반 작업에서는 실무자들이 오류 메시지를 진단적으로 활용해 후속 프롬프트를 구조화하여 작동하는 솔루션으로 점진적 수렴을 가능하게 하는 반복적 교환에 참여한다고 보고됐다. 3D 제작에서는 편집되지 않은 출력물이 기술적, 스타일적 긴장으로 인해 프로젝트 제약과 직접 포함에 거의 적합하지 않다고 나타났다.

AI, 아이디어 샘물 역할은 OK… 하지만 "완성작 자동 생성"은 불가능

모든 환경에서 생성형 AI의 현재 가치는 완전한 자율 저작이 아닌 아이디어 생성에 있다고 일관되게 나타났다. 스튜디오 성찰에서는 인간 선택 이전에 아이디어 범위를 넓히는 생성기의 유용성을 강조했으며, 게임잼에서는 LLM이 디자인 영감과 문제 해결 지도를 위해 명시적으로 사용된다고 보고됐다.

교육 환경에서는 GenAI가 큐레이션을 위해 이용 가능한 옵션 범위를 확장하는 내러티브 다양성을 생산할 수 있다는 수렴 증거를 제공했다. 이런 설명들은 속도, 일회용성, 저충실도 탐색이 우선시되는 프로토타이핑 체제에서 아이디어 생성이 가장 효과적임을 시사한다.

생산성은 인간과 기계 책임에 대한 명확성을 유지하는 협업 워크플로우 내에서 창의적 보조자로 포지셔닝된 시스템과 함께 명시적 역할 설계에 의해 향상된다. 하지만 게임잼 실무에서 단일 프롬프트로 완전한 게임을 생산하는 것이 어렵다는 증거가 있어 GenAI의 아이디어 생성 기능이 제한적임을 보여준다.

"시간 절약된다"는 말, 절반만 맞다... 단계별로 천차만별

연구진은 효율성이 자주 주장되지만 증거는 개발 단계, 에셋 클래스, 실무자 전문성에 따라 달라진다고 분석했다. 전문가 계정은 일상 실무에서 시간 절약을 설명하고, 검토 수준 분석은 제한된 활동에 대한 자원 효율성과 더 빠른 완성을 식별한다.

교실 보고서는 특정 연습에서만 더 빠른 진전을 언급하고, 독립 개발자는 집중적이고 비용 효과적인 개발의 장점을 보고한다. 이런 보고서의 많은 부분이 초기 단계에서 발생한다. 스튜디오 성찰은 빠른 프로토타이핑과 컨셉 아이디어 생성에서 가속화의 가치를 두지만, 시스템을 생산적으로 활용하기 위한 충분한 AI 전문성 조건에서만이다.

하지만 명확한 한계도 문서화됐다. 아트팀은 이미지 생성이 포함 시점에서 배경 에셋 생산을 가속화하지 않았다고 보고했고, 모델 준비는 생성이 빠르더라도 여전히 시간 집약적이다. 통제된 교실 연습에서는 사양이 엄격할 때 수동 편집이 생성형 보조보다 빠르다는 것이 입증됐다.

게임 엔진과 AI 도구 사이 "호환성 문제"가 발목 잡아

모든 환경에서 현재 도구들은 패키지화되고 버전화된 산출물, 추적 가능한 출처, 엔진 적합 형식을 요구하는 게임 제작 파이프라인과 잘못 정렬된다고 보고됐다. 게임잼 환경의 약한 증거는 모델 출력이 에셋 통합보다는 텍스트 상호작용에 최적화되어 포함 이전에 어댑터, 후처리, 인간 평가를 필요로 하는 양식 불일치를 생산한다고 시사한다.

교실 환경은 프롬프트를 통한 디버깅이 엔진 컨텍스트 내에서 오류가 표적 검사를 필요로 할 때 어렵다는 점을 강조하는 등 이런 어포던스 격차를 더 강력하게 지원한다. 마찬가지로 표준화된 투명도 지원의 부재는 아트 파이프라인으로 출력물을 직접 가져오는 데 장벽을 만든다.

ChatGPT를 사용한 Unity 코딩은 여전히 기존 프로그래밍 역량을 전제로 하며, Unity 런타임 코드 생성은 3D 기본 요소의 좁은 세트에서만 유용한 것으로 확인됐다. 라벨링과 훈련 데이터, 추론 매개변수에 대한 민감성이 실제적 위험으로 나타났다.

개발자들 "AI는 동료지만 책임은 내가"... 역할 구분 뚜렷

실무자들은 종종 게임 개발에서 GenAI를 인간 창의성을 대체하기보다는 증강하는 협업자 같은 조력자로 묘사한다. 전문 개발자들은 이런 시스템과 다른 동료들과 마찬가지로 비판, 탐색, 턴테이킹을 조정하며 참여한다고 보고했다.

독립 개발자에게는 같은 자세가 시스템을 "동료 작업자"로 특성화하고 소규모 팀에서 피드백 사이클을 구조화하고 추진력을 유지하는 협업 루틴을 통해 나타난다. 학습 컨텍스트에서 학생들은 시스템을 팀원으로 포지셔닝하여 소그룹 조정에 통합하고 집단적 진전을 지원하는 데 사용한다.

하지만 전문적 정체성과 기예 책임성은 의인화에 명확한 경계를 설정한다. 산업 민족지학 연구에 따르면 일부 실무자들은 저작권, 기술 인정, 책임이 걸린 상황에서 GenAI에 대한 동료 은유를 거부하고 시스템을 도구로 포지셔닝한다.

"일자리 뺏길까" 불안 vs "저작권은 누구 것?" 딜레마

기회에 대한 설명과 함께 윤리적 불확실성과 창작 노동의 노출에 대한 인식도 나타나고 있다. 주요 연구들은 윤리적, 법적 모호성, 독창성에 대한 우려, 노동 대체 가능성을 중요한 체계적 이슈로 식별했다.

실무자 관점은 이를 인간 감시와 저작권 경계 설정을 안내하는 위험 범주로 번역한다. 독립 실무에서는 경력 성장, 개인 투자, 창의성, 지적 소유권 위험이 포함된다. 각각은 전문적 발전에서의 잠재적 손실, 저작권 침식, 소유권과 크레딧의 논란 가능성, 기술 습득과 검증의 매몰 비용을 통한 순이익 축소를 프레임화한다.

민족지학적 증거는 이런 위험이 실무에서 어떻게 제정되고 지속되는지를 더 구체화한다. 예상 대체는 실재적 경험으로 나타나 커뮤니티 수준 내러티브를 형성하고 일부 실무자들이 직업 상실이 신빙성 있는 위협으로 인식되는 워크플로우에 도구 통합을 전략적으로 회피하게 만든다.

독립 컨텍스트에서 개인 투자 위험은 작업 실행에서 구성, 검증, 기술 개발로의 비용 이전으로 나타나며, 이는 명목상의 효율성 향상 실현을 결정한다. 설정 전반에 걸쳐 독창성과 귀속에 대한 불확실성이 에셋 포함의 관문 역할을 하며, 출처와 크레딧의 공식화 가능 여부에 따라 채택이 좌우된다.

FAQ (※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.)

Q: 생성형 AI를 사용하면 게임 개발 시간이 단축되나요?

A: 효율성 향상은 개발 단계, 에셋 클래스, 실무자 전문성에 따라 달라집니다. 초기 아이디어 생성과 프로토타이핑에서는 시간 절약 효과가 있지만, 실제 게임에 적용할 수 있는 수준으로 다듬는 과정에서는 오히려 더 많은 시간이 필요한 경우가 많습니다.

Q: 생성형 AI가 게임 개발자를 완전히 대체할 수 있나요?

A: 현재 연구 결과로는 생성형 AI는 개발자를 대체하기보다는 아이디어 생성 단계에서 창작 보조 도구로 활용되고 있습니다. 최종 결과물 제작에는 여전히 인간의 전문적 개입과 반복적 개선이 필수적입니다.

Q: 생성형 AI 사용 시 저작권 문제는 어떻게 해결하나요?

A: 저작권과 소유권 문제는 여전히 불분명한 상태입니다. 연구에서는 개발자들이 원작성과 귀속 문제로 인해 AI 생성 콘텐츠 사용을 주저하는 경우가 많으며, 명확한 출처 표기와 귀속 절차 확립이 필요한 상황입니다.

해당 기사에 인용된 논문 원문은 arvix에서 확인 가능하다.

논문 명: Generative AI in Game Development: A Qualitative Research Synthesis

이미지 출처: 이디오그램 생성

해당 기사는 챗GPT와 클로드를 활용해 작성되었습니다.