게임 개발에서 AI 모델이 어려움을 겪는 이유는 코드 밖의 자산과 시스템을 읽고 다루기 어렵기 때문이라는 주장이 나왔다. 이 진단은 9월 12일 캘거리에서 열린 인디 로데오(Indie Rodeo) 발표를 확장한 내용으로, 10월 13일 개인 홈페이지에 공개됐다.
게임 개발에 AI가 어려움을 겪는 이유
발표자는 게임 개발에 AI를 활용할 때 일회성 시연이 아니라 하루 8시간씩 주 5일 일하는 실제 개발 과정을 기준으로 봐야 한다고 짚었다. 자신의 경험으로는 웹 기반 작업에서 대규모언어모델(LLM)의 능력이 크게 향상됐지만, 게임 작업에서는 모델이 제대로 대응하지 못하는 경우가 많았다는 것이다. 다만 이는 게임 개발자로 거의 15년 일한 자신의 관점이 영향을 미쳤을 수 있다고 덧붙였다.
발표자는 LLM을 활용해 무드보드 사이트 ‘무드닷사이트(mood.site)’를 만든 경험도 소개했다. 에이전트형(agentic) 도구가 등장하기 전 챗GPT(ChatGPT) 웹 인터페이스에 코드를 복사해 붙이는 방식으로 작업했고, 결과를 직접 검증해야 했지만 사이트를 완성했다. 첫 버전을 만드는 데 걸린 시간은 밤 시간대 작업을 합쳐 약 20시간, 2~3주 정도였다고 설명했다. 이후 이 프로젝트는 LLM을 시험하는 기반이 됐고, 클로드 코드(Claude Code)와 후속 클로드(Claude) 모델의 발전도 경험했다고 밝혔다.
웹 앱과 게임의 차이는 모델이 참고하고 조작할 수 있는 정보의 형태에 있다는 설명이다. 웹 프로젝트는 코드로 표현되는 부분이 많아 LLM이 구조를 파악하고 수정하기 쉽다. 공개된 고품질 웹 프로젝트도 풍부해 모델이 학습할 자료가 상대적으로 많을 수 있다. 반면 게임에는 코드뿐 아니라 코드로 표현하기 어려운 요소가 포함되고, 화면 배치와 글자 처리 외에도 여러 시스템이 함께 작동한다. 게임에 필요한 데이터가 웹 프로젝트보다 훨씬 적을 가능성도 제기했다.
코드와 자산을 연결하는 개발 환경
이런 차이는 게임의 주요 구성 요소가 LLM에겐 불투명하게 작용할 수 있다는 지적으로 이어진다. 게임이 모델을 통해 이미지나 다른 자산을 조작·변환하는 데 크게 의존하면, 모델은 그 자산을 제대로 읽지 못해 작업에 실패할 수 있다는 것이다. 발표자는 이를 LLM이 기본 상태에서는 게임을 읽는 데 서툴다는 구조적 한계로 설명했다. 게임 개발에 AI를 적용하려면 코드뿐 아니라 게임을 구성하는 요소와 그 처리 과정도 모델이 다룰 수 있도록 해야 한다는 문제의식이다.
웹 기반 도구인 쓰리제이에스(Three.js)를 이용해 게임을 만드는 흐름은 이런 제약을 줄이는 사례로 언급됐다. 자산을 단순한 상자 형태의 기본 도형으로 표현하면 별도의 자산 제작과 규격 맞춤, 처리 작업을 덜어낼 수 있기 때문이다. 다만 발표자는 이런 방식의 결과물이 실제 창작자의 개성 없이 LLM이 만들어내는 평균적인 결과에 머물 수 있다고 지적했다. 게임의 많은 요소를 코드로 표현하면 모델이 이해하기 쉬워지는 장점이 있지만, 그 과정에서 게임의 시각적·창작적 특성이 약해질 수 있다는 설명이다.
발표 내용은 게임 제작에서 LLM의 성능만 볼 것이 아니라 모델이 게임의 코드와 비코드 요소를 얼마나 파악할 수 있는지도 따져야 한다는 관점을 제시한다. 발표자는 ‘당신의 게임은 하네스다(Your Game Is A Harness)’라는 제목으로 45분 발표를 했으며, 발표 뒤 만난 사람들에게 내용을 더 널리 전하기 위해 글로 정리했다. 제공된 내용에는 특정 제품의 출시 일정이나 가격, 게임 개발용 하네스의 구체적인 구현 절차는 담기지 않았다.
