2023년 이후 AI는 게임업계의 가장 강력한 화두가 됐다.

아트, 번역, QA, 코딩, 게임 개발. 운영 자동화 등 국내외 게임사들의 발표자료와 투자자 설명회에는 빠짐없이 AI가 등장했다. 생성형 AI 열풍 이후 게임업계는 물론 산업 전반이 AI 도입 경쟁에 뛰어들었고, 이제 AI를 언급하지 않는 기업을 찾기가 더 어려울 정도다.

이렇듯 AI가 해일처럼 쓸고 나간 2023년 이후 지금 게임 시장은 "AI를 도입할 것인가?"라는 질문에서 이제는 "AI로 어떻게 효율을 극대화할 수 있는가?”라는 질문으로 헤게모니가 바뀌는 중이다.

[혁신적인 AI 도입 이후 불어오는 불만의 목소리]

생성형 AI가 등장한 이후 기업들의 투자 규모는 폭발적으로 증가했고, 게임업계 역시 AI를 실제 업무에 도입하는 사례는 빠르게 늘어나고 있다.

문제는 이렇게 기업 전 분야에서 업무에 AI를 도입하는 중이지만, 효율성이 증가한 사례는 매우 적다는 것이다.

보스턴컨설팅그룹(이하 BCG)이 2025년 발표한 조사에 따르면 전 세계 1,250개 이상 기업 가운데 AI를 통해 실질적인 가치를 대규모로 창출하고 있는 기업은 전체의 5%에 불과했다. 반면 60%의 기업은 상당한 투자에도 불구하고 매출 증가나 비용 절감과 같은 의미 있는 성과를 만들어내지 못했다.

글로벌 회계·컨설팅 기업인 프라이스워터하우스쿠퍼스(이하 PwC)의 2026 글로벌 CEO 조사 결과 역시 비슷하다.

95개국 4,454명의 CEO를 대상으로 진행된 조사에서 AI를 통해 비용 절감과 매출 증가를 모두 경험했다고 답한 기업은 12%에 불과했다. 반면 56%는 AI 투자 이후에도 의미 있는 재무적 성과를 확인하지 못했다고 답했다.

MIT 계열 연구진이 기업 AI 프로젝트를 분석한 결과도 비슷한 결론을 내놓았다. 생성형 AI 프로젝트의 상당수가 실제 손익계산서(P&L)에 측정 가능한 영향을 주지 못했으며, 기존 업무 프로세스와 AI 프로젝트의 통합 실패 사례가 자주 등장한다고 전하기도 했다.

흥미로운 점은 AI 도입의 실패 사례는 많지만, 기술 자체가 문제가 됐다는 분석은 거의 없다는 점이다.

BCG는 가치 창출에 성공한 5% 기업과 그렇지 못한 60% 기업의 차이를 분석하면서 기술력이 아니라 조직 운영 방식에 주목했다. PwC 역시 성과를 낸 기업들은 AI를 제품, 서비스, 고객 경험, 의사결정 과정에 깊게 통합했다고 분석했다.

한마디로 AI의 기술이 부족했던 것이 아니라 어떤 성과와 데이터 즉 ‘숫자’를 측정할 것인지가 더 중요했던 셈이다.

[AI 도입 이후로 성과를 거둔 기업의 공통점 ‘숫자’]

AI 도입에 성공한 기업들의 공통점은 AI 자체를 목표로 삼지 않았다는 데 있다. 이들은 먼저 바꾸고 싶은 ‘숫자’를 정하고, 그 목표를 달성하기 위한 수단으로 AI를 활용했다.

스웨덴의 핀테크 기업 클라르나의 경우 2024년 AI 고객 응대 시스템 도입 이후 230만 건 이상의 고객 상담을 처리했다고 발표했다. 이는 약 700명의 정규 상담원이 수행하는 업무량에 해당하는 규모다.

실제로 AI 도입 이후 평균 문제 해결 시간은 기존 11분에서 2분 미만으로 감소했고, 반복 문의 역시 25% 줄어들었다. AI 자체의 성능보다 고객 응대 시간과 운영 비용이라는 명확한 목표를 설정한 것이 성과로 이어졌다는 것이다.

여기에 대표 코드 공유 플랫폼인 GitHub가 진행한 연구 결과에 따르면 Copilot을 활용한 개발자들은 특정 프로그래밍 과제를 평균 55.8% 더 빠르게 완료했다고 소개했다. 웹 애플리케이션 기능 구현, API 연동, 데이터 처리 로직 작성과 반복적인 코드 작성 및 표준화된 패턴 등의 작업에 집중한 결과다.

JP모건 역시 생성형 AI 플랫폼을 계약서 검토, 문서 요약, 규정 검색, 보고서 정리 등 기존 업무 중 가장 많은 시간이 투입되던 업무에 집중적으로 사용했고, 평균 처리 시간이 30~50% 단축됐다는 보고서를 내놓기도 했다.

이들 기업의 공통적인 AI 도입 개선 사례는 새로운 사업을 만든 것이 아니라 기존 업무의 비효율을 줄이고, 고객 응대 시간, 문서 검토 시간, 개발 시간, 운영 비용 같은 핵심 성과 지표(KPI)에 먼저 집중했다는 공통점이 있다.

반대로 AI 도입에 큰 효과를 보지 못한 기업들은 AI를 마치 ‘만능 열쇠’처럼 모든 곳에 도입하고, 인건비 절감에만 집중했다는 공통점이 나타나기도 했다. 결국 AI의 기술 도입의 성과 여부는 기술력이 아니라 구체적인 ‘숫자’를 파악하고, 목표를 설정하는 것에 갈렸다는 결과로 이어진다.

[국내 게임사들의 AI 도입 사례]

이 같은 흐름은 게임업계에서도 나타나고 있다.

가장 적극적인 움직임을 보이는 기업은 크래프톤이다. 크래프톤은 지난해 AI 퍼스트(AI First) 전략을 발표하며 약 1,000억 원 규모의 GPU 클러스터 구축 계획을 공개하고, 연간 약 300억 원 규모의 AI 활용 지원 투자 계획을 발표했다.

크래프톤은 이를 통해 캐릭터 애니메이션 생성, 배경 및 오브젝트 제작, 테스트 자동화 등 반복적이고 시간이 많이 소요되는 작업에 우선 AI를 도입. 개발 인력이 핵심 기획과 창의적 작업에 집중할 수 있도록 하는 것이 목표라고 전하기도 했다.

넥슨 역시 ‘모노레이크(MonoLake)’를 중심으로 개발 속도 증가와 창의성을 높인다는 계획이다. ‘모노레이크’는 넥슨 전체의 게임 개발과 운영 전반에서 발생하는 방대한 데이터를 수집·관리하는 시스템이다.

이를 통해 각 게임에서 생성되는 로그, 이용자 행동 데이터, 경제 흐름, 콘텐츠 소비 패턴 등을 실시간으로 통합 분석할 수 있으며, AI 모델 학습과 서비스 적용까지 연결하여 데이터 기반 의사결정 속도를 높이고 운영 효율을 극대화한다는 것이 넥슨의 목표다.

엔씨소프트 역시 자체 AI 브랜드 ‘VARCO’를 중심으로 다양한 시도를 이어가고 있다. 엔씨는 언어모델뿐 아니라 3D 생성 AI, 음성 AI, 번역 AI 등 게임 개발 과정 전반에 활용 가능한 기술을 개발하고 있는 중이다.

특히, ‘VARCO 3D’는 텍스트나 간단한 입력만으로 캐릭터, 배경, 오브젝트 등의 3D 에셋을 자동 생성하거나 수정하여 기존 수작업으로 제작하던 일부 에셋 제작 과정을 단축하는 데 초점을 맞추고 있어 많은 주목을 받는 중이다.

이와 같은 사례에서 보듯 국내 게임사의 전략 역시 QA, 번역, 운영, 데이터 분석, 아트 파이프라인, 개발 자동화 등 측정 가능한 업무들에 집중하고 있으며, AI가 게임을 만드는 것보다 게임을 만드는 과정을 얼마나 효율적으로 만들 수 있는지에 더 주목하고 있는 모습이다.

이처럼 2026년 현재 게임 시장의 AI는 “누가 더 많은 데이터를 확보했는가?”, “누가 더 자연스러운 결과물을 생성했는가?”라는 형태에서 “개발 기간은 얼마나 단축됐는가?”, “비용은 얼마나 절감됐는가”, “생산성은 얼마나 향상됐는가?” 등 더욱 현실적인 단계로 이동하는 중이다.

과연 기술 도입 시기를 결과를 내는 단계로 넘어간 지금. 어떤 기업이 가장 정확하게 숫자를 측정하고 가장 냉정하게 성과를 검증하여 AI 시대의 헤게모니를 잡을 수 있을지 앞으로읨 모습이 궁금해진다.