수동 수정 50% 감소시킨 GPT-6 Astra의 프로토타이핑 성능

GPT-6 Astra 도입 후 게임 프로토타이핑 과정에서 엔지니어가 직접 개입해 수정하는 수동 작업이 50% 감소했다. AI가 생성한 결과물을 사람이 다시 수정하는 빈도가 줄어들면서 개발자의 실질적인 작업 시간이 단축됐다. Playco는 이 모델을 활용해 아이디어 구상 단계에서 플레이 가능한 형태로 넘어가는 진입 장벽을 낮췄으며, 이는 모델이 게임 엔진의 객체 간 관계와 API 구조를 정확히 반영해 코드를 생성했기 때문에 가능했다.

Playco 팀은 단순한 기본 도형으로 구성된 그레이 박스(Grey box, 시각적 디테일 없이 기능만 구현한 초기 모델) 하나를 먼저 구축했다. 이후 게임 플레이 방식과 창의적인 세부 사항에 대해 몇 차례 반복 작업을 거쳐 공통 기반을 다졌다. GPT-6 Astra는 이 하나의 공유 기반을 통해 세 가지 서로 다른 테마의 게임 프로토타입을 한 번에 생성했다. 단일한 기능적 뼈대 위에서 테마만 교체해 여러 버전을 빠르게 뽑아내는 방식으로 프로토타이핑 효율을 높였다.

생성된 프로토타입 대부분은 첫 시도(First take, 추가 수정 없이 한 번에 생성된 결과물)에서 곧바로 작동했다. 사이버펑크 테마 버전에서 단 한 차례의 성능 수정 작업이 발생한 것을 제외하면 모델이 내놓은 결과물을 그대로 사용할 수 있었다. 이전 모델의 경우 초기 그레이 박스의 완성도가 낮았고, 수정을 요청하는 프롬프트를 입력할수록 결과가 더 나빠지는 현상이 발생해 엔지니어가 직접 수동으로 수정해야 하는 상황이 빈번했다.

Unity·Godot 엔진을 직접 제어하는 Playbot의 작동 구조

Playbot은 Unity와 Godot 같은 게임 엔진에 AI 모델을 직접 연결해 씬 편집과 실시간 테스트를 수행한다. 전문 게임 개발자를 위해 설계된 이 도구는 통합 개발 환경(IDE) 형태로 제공된다. AI가 단순히 텍스트 형태의 코드를 제안하는 수준을 넘어, 게임 엔진 내부의 설정값을 직접 변경하거나 객체를 배치하는 제어권을 가진다. 개발자는 평소 사용하던 엔진 인터페이스를 유지하며 AI가 수행하는 작업 결과를 실시간으로 확인하고 제어한다.

AI 모델의 수행 범위는 게임 내 공간과 객체 배치를 정의하는 단위인 씬(Scene) 편집부터 실제 게임 플레이 및 테스트까지 이어진다. AI가 특정 기능을 구현하기 위해 코드를 수정하면, 이를 엔진에 즉시 반영해 게임을 실행하고 의도한 대로 작동하는지 검증하는 루프를 형성한다. AI가 엔진의 API를 통해 직접 명령을 내리고 엔진의 반응을 다시 입력값으로 받는 구조를 갖춰, 개발자가 수동으로 코드를 복사해 붙여넣고 실행 버튼을 누르는 반복 단계를 제거했다.

이러한 작동 방식은 AI가 개발자의 작업 흐름을 방해하지 않고 병렬로 협업하는 환경을 구축한다. 개발자가 씬의 전반적인 구조를 설계하는 동안 AI는 세부 객체의 속성을 조정하거나 물리 엔진의 수치를 최적화한다. AI가 스스로 게임을 플레이하며 변경 사항을 검증하므로, 구현 단계에서 발생하는 논리적 오류나 물리적 충돌을 빠르게 식별하고 수정한다.

공간 추론과 UI 구현 능력 향상이 가져온 개발 경험 변화

Astra는 3차원 공간 내 객체 간의 거리와 위치 관계를 이해하는 공간 추론(Spatial reasoning) 능력이 향상되었다. 개발자가 제시한 참조 이미지를 분석해 게임 내에 그대로 재현하거나, Unity 엔진 내부에서 화면 크기와 입력 방식에 따라 유연하게 변하는 반응형 UI(사용자 인터페이스)를 정밀하게 구현한다. 시각적 구상을 물리적 공간으로 옮기는 과정에서 발생하는 좌표 오차가 줄어들어 초기 기획의 재현도가 높아졌다.

조작감이나 반응 속도 등 사용자가 느끼는 물리적 경험인 게임 필(Game feel) 구현 능력도 개선되었다. AI가 직접 게임을 플레이하며 조작의 이질감을 찾아내고, 버그를 발견하거나 사용자 경험(UX) 개선 지점을 스스로 식별한다. 모델이 작성한 코드를 엔진에서 실행한 뒤, 실제 플레이 결과물을 확인하며 수정 사항을 반영하는 루프를 수행함으로써 개발자가 일일이 테스트하며 수정하던 물리 엔진의 미세 조정 작업을 대체한다.

아이디어를 실제 플레이 가능한 프로토타입으로 전환하는 속도가 빨라지며 검증 방식이 바뀌었다. Playco의 리드 제품 엔지니어 Joao Vieira는 게임 아이디어가 10개 있을 때 이를 상상만 하지 않고 10개 모두 실제로 구현해 직접 플레이하며 비교할 수 있게 되었다고 밝혔다. 제작 리소스 제약으로 한두 가지 안만 선택해 제작하던 과거와 달리, 이제는 모든 가설을 실제 구동 가능한 형태로 만들어 조작감을 확인하고 데이터 기반으로 비교하는 개발 주기가 가능해졌다.

AI 코더에서 '엔진 오퍼레이터'로의 전환과 실무적 시사점

이러한 기술적 진보는 AI의 역할을 단순한 코드 생성기에서 엔진의 기능을 직접 다루고 제어하는 '엔진 오퍼레이터'로 확장시킨다. AI가 코드를 생성하는 단계에서 멈추지 않고 엔진 내에서 직접 실행하고 검증하는 루프를 가질 때 엔지니어의 수동 개입이 유의미하게 줄어들기 때문이다.

한국 게임 개발 환경에서도 이러한 에이전트 방식의 도입은 아이디어 구상에서 실제 플레이 가능한 프로토타입까지의 리드타임(작업 시작부터 완료까지 걸리는 시간)을 단축한다. 개발자가 AI가 생성한 코드를 복사해 엔진에 붙여넣고 런타임 오류를 잡는 수동 과정을 생략할 수 있기 때문이다. AI가 엔진 오퍼레이터로서 공간 배치와 기능 구현을 동시에 제어하면 기획 단계의 아이디어를 즉시 검증할 수 있는 환경이 만들어진다. 이는 상상에 그치던 기획안을 즉시 플레이 가능한 형태로 구현해 비교하는 워크플로우를 가능하게 하며, 프로토타이핑 단계의 반복적인 수정 병목을 해결하는 실무적 대안이 된다.

AI 도구를 도입할 때 코드 생성의 정확도보다 엔진 제어 권한을 가진 에이전트로서 스스로 검증 루프를 수행할 수 있는지를 최우선 판단 기준으로 삼아야 한다.