AI 기반 게임: 개요 및 발전 로드맵

AI Native Games: A Survey and Roadmap

생성형 인공지능은 이제 게임이 실시간으로 대화, 퀘스트, 캐릭터, 이미지, 그리고 세계를 생성할 수 있도록 합니다. 하지만 단순한 생성 기능만으로는 게임을 AI 기반이라고 할 수 없으며, 플레이 가능성을 보장하지도 않습니다. 본 논문에서는 AI 기반 게임을 정의하는데, 핵심은 실시간 생성형 AI가 게임의 핵심 루프에 필수적인 요소인지 여부입니다. 만약 AI 구성 요소를 제거하거나 사소하게 대체했을 때, 게임의 기본적인 플레이 방식이 붕괴되거나 근본적으로 달라진다면 이를 AI 기반 게임으로 간주합니다. 이러한 기준은 AI 기반 게임과 AI 지원 게임, 경계 영역, 챗봇, 연회 스타일의 역할극, 절차적 콘텐츠 생성, 그리고 AI 지원 제작을 구분합니다. 본 논문에서는 이 정의를 바탕으로 잠재적인 사례들을 검토하고, 공개적으로 이용 가능한 53개의 AI 기반 게임 및 프로토타입을 분석했습니다. 우리는 G/N이라는 이중 축 분류 체계를 도입했는데, G축은 플레이어에게 드러나는 게임 유형을 나타내고, N축은 생성형 AI가 플레이에 필수적인 주요 AI 메커니즘을 나타냅니다. 연구 대상은 주로 언어를 중시하는 디자인, 특히 내러티브 어드벤처, 인식적 상호작용, 그리고 생성적 내러티브로 구성되어 있으며, 의미 조정, 다중 에이전트 시뮬레이션, 생성적 구축, 관계/동반자 플레이와 같은 범주들은 상대적으로 덜 대표적입니다. 우리는 핵심 디자인 문제가 의미의 개방성을 안정적인 게임 플레이로 통합하는 데 있다고 주장합니다. AI 기반 디자인은 목표, 규칙, 상태, 피드백, 페이싱, 그리고 플레이어 주체성과 같은 기계적 불변성을 필요로 하며, 이를 통해 열린 형태의 AI 출력을 해석 가능하고 중요한 결과로 만들 수 있습니다. 마지막으로, 우리는 제어 가능한 생성, AI를 메커니즘으로 활용하는 디자인, 다중 모드 및 다중 에이전트 시스템, 추론 경제, 평가, 안전, 그리고 규제에 대한 발전 로드맵을 제시합니다.

Generative AI now enables games to produce dialogue, quests, characters, images, and worlds at runtime. Yet generation alone does not make a game AI-native, nor does it guarantee playability. This paper defines AI-native games by whether runtime generative AI is constitutive of the core loop: if the AI component were removed or trivially replaced, the central form of play would collapse or become fundamentally different. This counterfactual criterion separates AI-native games from AI-augmented games, boundary artifacts, chatbots, tavern-style role-play, procedural content generation, and AI-assisted production. Using this definition, we screen candidate artifacts and analyze 53 publicly available AI-native games and prototypes. We introduce a dual-axis G/N taxonomy: the G-axis captures player-facing game type, while the N-axis captures the dominant AI mechanic that makes generative AI indispensable to play. The corpus is concentrated around language-forward designs, especially narrative adventure, epistemic interaction, and generative narrative, while categories such as semantic adjudication, multi-agent simulation, generative construction, and relationship/companion play remain less represented. We argue that the central design problem is organizing semantic openness into stable gameplay. AI-native design depends on mechanical invariants: goals, rules, state, feedback, pacing, and player agency that make open-ended AI outputs interpretable and consequential. We conclude with a roadmap for controllable generation, AI-as-mechanic design, multimodal and multi-agent systems, inference economics, evaluation, safety, and regulation.