대형 언어 모델이 게임 개발에 미치는 영향: 게임플레이·플레이어빌리티·플레이어 경험 분석

본 논문은 대형 언어 모델(LLM)이 게임 개발 과정에 통합될 때 발생하는 설계·구현·품질 측면의 변화를 탐구한다. 연구자는 협업 자동민족지 방법을 적용해 두 개의 학부 수준 게임 프로젝트—‘Wizdom Run’과 ‘Sena’—에 LLM을 핵심 아키텍처 요소로 삽입하고, 개발자들의 서술적 일지와 설계·코드 아티팩트를 자료로 삼았다. ‘Wizdom Run’은 학습용 롤플레잉 게임으로, 플레이어가 PDF 형태의 학습 자료를 업로드하면 LLM이 이를 분석해 난이도별 다중 선택형 질문을 자동 생성한다. 생성된 질문은 전투 루프에 직접 연결되어, 정답 시 마나가 회복되고 오답 시 행동 옵션이 제한되는 형태로 게임 진행에 영향을 미친다. 질문은 OpenAI 모델을 활용해 JSON 형식으로 구조화되며, PostgreSQL 백엔드에 저장돼 캠페인 진행 상황과 연동된다. 이 과정에서 LLM은 단순 텍스트 생성기를 넘어, 게임 내 자원 관리와 레벨 진행을 제어하는 ‘규칙‑구현’ 역할을 수행한다. ‘Sena’는 지속 가능성 교육을 목표로 한 시뮬레이션 게임이다. 여기서는 LLM이 대화형 피드백, 시나리오 해석, 그리고 의사결정에 대한 맞춤형 설명을 제공한다. 플레이어는 전문 역할을 선택하고, 지속 가능성 관련 의사결정을 내리며, LLM이 그 결과를 해석해 게임 상태에 반영한다. ‘Wizdom Run’과 달리, ‘Sena’는 LLM을 통해 플레이어와의 지속적인 대화와 반영형 학습을 구현한다. 데이터 수집은 각 개발자가 약 2페이지 분량의 반성적 서술을 작성한 것이 핵심이며, 설계 문서와 코드 레포지토리도 보조 자료로 활용했다. 분석은 주제별 독해와 내용 분석을 결합했으며, 게임플레이, 플레이어빌리티, 플레이어 경험이라는 세 가지 민감 개념을 기준으로 텍스트를 코딩했다. 주요 결과는 다음과 같다. 1. **게임플레이 구조에 대한 영향** - LLM이 생성한 콘텐츠가 게임 규칙과 직접 연결돼, 플레이어 행동과 자원 흐름을 결정한다. - 동적 콘텐츠 생성으로 동일한 코드베이스에서도 플레이어마다 전혀 다른 경험을 제공한다. - 그러나 동일 입력에 대해 동일한 질문이 반복되는 경향이 있어, 변동성은 모델 설정과 입력에 크게 의존한다. 2. **플레이어빌리티(게임성) 측면의 도전** - LLM 출력 형식을 정확히 정의하고 검증하는 파이프라인이 필수적이다. JSON 스키마, 정규식 검증, 오류 시 fallback 로직을 구축해야 시스템이 중단되지 않는다. - 난이도 조정이 모델의 내부 확률에 좌우돼, 기대와 다른 난이도의 질문이 생성돼 게임 흐름을 방해한다. 이를 보완하기 위해 개발자는 난이도 라벨링과 후처리 필터링을 적용했다. - 정답이 없는 질문, 수학적 오류, 옵션 편향 등 품질 문제는 플레이어에게 불공정한 느낌을 주어 게임 몰입을 저해한다. 3. **플레이어 경험에 대한 긍정·부정 양상** - 개인화된 학습 자료와 실시간 대화형 피드백은 “주제의 무한한 확장성”과 “즉각적인 해설”이라는 긍정적 인식을 형성한다. - 반면, LLM 오류가 발생하면 플레이어는 AI의 사고 방식을 추론하려는 인지 부하를 겪으며, 게임의 재미가 감소한다. - 오류가 반복될 경우, 플레이어는 시스템을 신뢰하지 않게 되고, 학습 목적 자체가 퇴색한다. 연구자는 이러한 결과를 바탕으로 LLM을 게임에 통합할 때는 전통적인 소프트웨어 엔지니어링 기법—형식 검증, 테스트 자동화, 지속적 모니터링—과 결합해야 한다고 주장한다. 또한, LLM이 제공하는 변동성과 개인화는 게임 디자인에 새로운 가능성을 열어주지만, 품질 보증과 난이도 설계에 대한 추가적인 연구가 필요함을 강조한다. 결론적으로, LLM은 게임플레이 구조를 확장하고 플레이어 경험을 개인화하는 강력한 도구이지만, 그 활용은 출력 신뢰성, 난이도 일관성, 시스템 일관성 확보라는 세 가지 핵심 품질 과제를 동시에 해결해야만 실용적인 게임 엔지니어링으로 자리 잡을 수 있다.