기술과혁신

SPECIAL ISSUE

생성형 AI에 의한 게임 개발 프로세스와 E-Sports의 변화

글. 강신진
홍익대학교 교수

고려대학교에서 컴퓨터학 박사 학위를 취득했다. 소니컴퓨터엔터테인먼트코리아, 엔씨소프트를 거쳐 홍익대학교 게임학부에 재직 중이다. 주요 연구 분야는 게임 AI 및 게임 기획으로 다양한 게임 개발사들과 협업하며 차세대 게임 개발 프로젝트들에 참여하고 있다.

생성형 AI 기술의 발전

생성형 인공지능(Generative AI)이 게임 산업의 핵심 기술로 부상했다. 2010년대 후반까지 생성적 적대 신경망(GAN, Generative Adversarial Network) 같은 연구용 모델이 주로 활용되었으나¹⁾, 이후 대규모 언어 모델(LLM, Large Language Model)의 등장은 AI 실용화 흐름을 근본적으로 바꾸었다²⁾. 특히 2022년 말 ChatGPT 공개 이후 GPT-4 같은 정교한 모델이 등장하며, AI는 단순 자동화를 넘어 창작 파트너로 게임 개발에 참여하기 시작했다. 최근 산업계에서 AI는 텍스트 명령으로 게임 레벨을 자동 생성하거나³⁾ 진화 알고리즘과 결합해 새로운 게임 규칙을 설계하는 방식⁴⁾을 사용되며, 절차적 콘텐츠 생성(PCG, Procedural Content Generation)의 가능성을 확장해 나가고 있다. GDC 2024 조사에 따르면, 개발자의 31%가 이미 생성형 AI를 업무에 활용하고 있다⁵⁾. 이는 AI가 실험실을 넘어 산업 현장의 핵심 경쟁력이 되었음을 의미하며 기업은 개발 기간 단축, 비용 절감, 품질 개선 효과를 기대할 수 있다.

기존 게임 개발에서의 AI 활용 사례 및 한계

과거에도 AI는 게임 개발에 활용되었지만, 다양한 기술적 한계에 부딪혔다. 1980년대 Rogue나 Elite의 절차적 콘텐츠 생성(PCG)은 정해진 규칙 안에서 무작위 결과물을 만드는 수준에 그쳐 창의적인 콘텐츠라 보기 어려웠다¹⁾. 2010년대 후반 머신러닝을 도입했으나, 방대한 데이터 학습 비용과 결과물 제어의 어려움으로 인해 실무 도입 사례가 부족했다. NPC(Non-Player Character) 역시 유한 상태 기계(FSM, Finite State Machine)나 행동 트리 기반으로 설계되어 예측 가능한 패턴만 반복할 뿐이었다⁶⁾. 결국 기존 AI는 개발 효율을 일부 높였을 뿐, 유저에게 새로운 경험을 제공하는 데는 실패했다. 이는 곧 기업의 핵심 과제인 ‘차별화된 경쟁력 확보’에 기여하지 못했음을 의미한다.

게임 개발 프로세스에서 생성형 AI의 적용과 변화

최근 생성형 AI의 등장은 게임 제작 전 과정에 변화를 일으켰다. 기획과 디자인 단계에서는 시나리오와 대사 작성이 대표적이다. Ubisoft가 개발한 Ghostwriter는 NPC 대사를 자동으로 생성해 작가가 핵심 스토리에 집중할 수 있게 돕는다. 스탠퍼드 대학교의 Generative Agents 연구는 가상 마을 속 NPC들이 자율적으로 상호작용하며 예상치 못한 사건을 만들어내는 모습을 보여주었다⁶⁾. 그림 1은 이러한 생성형 에이전트가 생활하는 샌드박스형 가상 마을 환경을 시각적으로 나타낸 것이다. 기획자의 아이디어 발굴 속도를 높이고 방대한 분량의 대사와 시나리오를 단기간에 확보할 수 있는 가능성을 열었다. 프로그래밍과 개발 단계에서도 AI는 강력한 조력자가 되고 있다. GitHub Copilot은 주석이나 함수명만으로 코드를 제안해 개발자의 시간을 크게 절약시켜준다.⁷⁾ DeepMind의 AlphaCode는 복잡한 알고리즘 문제를 인간 수준으로 해결하며 코드 생성 능력을 입증했다⁸⁾. 품질 관리(QA) 분야에서는 강화학습 기반 에이전트가 게임을 반복 플레이하며 밸런스를 검증하고 대규모 언어 모델이 비정상 상황을 자동으로 탐지하고 보고하는 방식이 연구되고 있다⁹⁾. 이는 기업이 반복적인 디버깅과 테스트 비용을 절감하는데 실질적인 도움을 준다. 아트와 콘텐츠 제작 영역에서의 변화는 특히 두드러진다. 이미지 생성 모델인 Stable Diffusion이나 Midjourney는 콘셉트 아트를 빠르게 제작할 수 있고 Scenario는 특정 스타일을 유지한 디자인 작업을 지원한다¹⁰⁾. 3D 분야에서는 텍스트나 사진 입력만으로 모델을 만들어내는 Text-to-3D와 NeRF 기술이 상용화되고 있으며 Promethean AI는 오픈월드 환경을 자동으로 배치하는 데 활용되고 있다.¹¹⁾ 오디오 영역에서도 AI가 음악과 음성을 생성한다. AIVA는 배경 음악을 제작하고 ElevenLabs는 자연스러운 캐릭터 음성을 생성해 사용되고 있다.¹²⁾ 이러한 변화는 소규모 인력으로도 대작 게임 수준의 결과물을 만들어낼 수 있는 길을 열어 기업이 글로벌 시장에서 경쟁할 수 있는 기회를 제공한다.

그림1

생성형 에이전트가 생활하는 샌드박스형 가상 마을 환경⁶⁾

E-Sports 분야에서의 생성형 AI 기술 적용과 변화

E-Sports는 성형 AI 기술 도입으로 E-Sports 분야는 훈련, 중계, 팬 경험의 전 영역에서 변화를 겪고 있다. 먼저 훈련 및 전략 분석에서 AI는 이미 프로게이머 수준의 성과를 보였다. 알파스타(AlphaStar, 스타크래프트 II)와 오픈AI 파이브(OpenAI Five, 도타2)는 인간을 능가하는 경기력을 보여주었고 현재는 프로팀이 연습 파트너와 전략 분석 도구로 활용하고 있다. 중계와 해설 영역에서도 변화가 뚜렷하다. 리그오브레전드(LoL) 경기 영상을 분석해 실시간 해설을 생성하는 연구가 발표되었으며¹³⁾, 2025년에는 45개 이상의 데이터셋을 정리한 AI 해설 보고서가 출간되었다¹⁴⁾. 그림 2는 이러한 과정을 시각적으로 정리한 파이프라인으로 경기 영상 입력에서 이벤트 인식, 해설 생성까지 이어지는 흐름을 보여준다. 실제로 윔블던 테니스 대회는 IBM WatsonX 기반 자동 해설을 도입했으며 E-Sports 역시 비슷한 방식으로 확장되고 있다. 팬 경험 측면에서는 자동 하이라이트 영상 제작, 개인 맞춤형 리플레이, 가상 캐스터, 시선 추적을 포함한 멀티모달 데이터 분석을 통한 코칭 등 다양한 시도가 진행 중이다¹⁵⁾. 이러한 기술은 팬들에게 더 깊이 있는 관전 경험을 제공하는 동시에 기업에게는 새로운 수익모델을 창출할 기회를 제공할 것으로 기대된다.

그림2

e스포츠 경기 데이터를 활용한 자동 해설 생성 파이프라인¹⁴⁾

마무리 하며

생성형 AI는 기획, 프로그래밍, 아트, 그리고 E-Sports까지 게임 산업의 전 과정을 바꾸고 있다. 개발사는 소규모 인력으로도 빠르고 창의적인 결과물을 낼 수 있고, 퍼블리셔는 QA와 운영 비용을 줄이며 출시 속도를 높일 수 있다. E-Sports 기업은 팬 경험을 혁신하며 글로벌 시장에서 차별화된 서비스를 제공할 수 있다. 다만 품질 관리, 저작권, AI 의존성 같은 과제는 여전히 존재한다. 따라서 기업은 AI를 인간을 대체하는 존재가 아니라 보조하는 도구로 인식해야 한다. 최종 검증과 중요한 의사결정은 사람이 담당해야 하며, 이러한 균형을 지킬 때 생성형 AI는 한국 게임 산업과 E-Sports의 글로벌 경쟁력을 강화하는 핵심 엔진이 될 것이다.

참고문헌

01 Farrokhi, N., & Zhao, Y. “Procedural Content Generation in Games: A Survey with Insights on Emerging LLM Integration.” arXiv. (2024).
02 Gallotta et al. “Large Language Models and Games: A Survey and Roadmap.” arXiv. (2024).
03 Sudhakaran e t al. “MarioGPT: Open-Ended Text2Level Generation through Large Language Models.” In Proceedings of the 37th Conference on Neural Information Processing Systems (NeurIPS). 2023.
04 Todd, G., et al. GAVEL: Generating Games via Evolution and Language Models. arXiv preprintarXiv 2024.
05 Game Developers Conference. “State of the Game Industry 2024.” GDC Industry Report. 2024.
06 Park e t al. “Generative Agents: Interactive Simulacra of Human Behavior.” arXiv. (2023).
07 Ahmad e t al. “A Systematic Review of the Applications of Generative AI in Software Engineering.” arXiv. (2023)
08 Li et al. “Competition-Level Code Generation with AlphaCode.” Science, Vol. 378, Issue 6624, pp. 1092-1097. 2022.
09 Wang et al. “LLMs for Automated Game Testing.” arXiv. 2025.
10 Wu et al. “ControlNet for Game Art Generation.” arXiv. (2023).
11 Chen et al. “A Survey on 3D Generation.” arXiv. (2024).
12 Kim et al. “A Survey on Generative AI for Audio: From Deep Learning to Foundation Models.” arXiv. (2025).
13 Renella, N., & Eger, M. “Towards Automated Video Game Commentary Using Generative AI.” In Proceedings of the AIIDE Workshop on Experimental Artificial Intelligence in Games. 2023.
14 Zheng et al. “AI-Generated Game Commentary: A Survey and Datasheet.” arXiv. (2025).
15 Fanourakis., M., & Chanel, G. AMuCS: Affective Multimodal Counter-Strike Video Game Dataset. Scientific Data, 12, Article 496, 2025. (Nature Portfolio)