AI 기반의 살아있는 GDD: 디자인 문서 업데이트 자동화
인디 개발자들은 흩어져 있는 플레이테스트 노트로 인해 종종 어려움을 겪습니다. 어떤 인사이트가 특정 디자인 변경으로 이어졌는지 잊어버릴 수도 있습니다. 게임 디자인 문서(GDD)를 최신 상태로 유지하는 것은 수동으로 해야 하는 번거로운 작업입니다. 이 작업은 개발 시간을 잡아먹습니다.
핵심 원칙: 반복적인 피드백 루프
GDD를 살아있는 유물(living artifact)로 취급하세요. GDD는 반복 가능한 사이클을 통해 진화해야 합니다. 피드백을 수집하고, 테마를 추출하며, 업데이트를 제안하고, 변경 사항을 검증합니다. 각 반복 단계마다 실행 중심의 프롬프트를 사용하세요. 이를 통해 모든 변경 사항의 추적 가능성과 정당성을 확보할 수 있습니다. 이 루프는 끝없는 회의 없이 플레이어의 의견을 디자인 결정으로 전환해 줍니다.
도구 집중 조명: 피드백 수집을 위한 Discord
Discord는 중앙 허브 역할을 합니다. 플레이테스터들은 그곳에 관찰 내용, 스크린샷, 반응 등을 게시합니다. #boss-feedback과 같은 채널과 설문 조사 링크는 가공되지 않은 데이터를 하나의 스트림으로 모아줍니다. 이를 통해 자동 처리를 위한 주간 입력을 쉽게 추출할 수 있습니다.
실제 적용 미니 시나리오
월요일에 봇이 최신 Discord 스레드와 설문 조사 CSV 파일을 가져옵니다. 봇은 테스터의 70%가 투사체 난사(projectile spam)와 근접 추가 몹(melee adds) 때문에 최종 보스가 너무 압도적이라고 느꼈다는 점을 감지합니다. AI는 GDD 업데이트 초안을 작성합니다. 근접 추가 몹을 제거하고 투사체 재사용 대기시간(cooldown)을 2초 늘릴 것을 제안합니다. 심지어 원본 댓글로 연결되는 링크까지 포함합니다.
구현: 세 가지 상위 단계
수집 및 정규화(Aggregate and Normalize): 매주 월요일마다 Discord 채널에서 메시지를 가져오고 설문 응답을 공유 폴더로 내보내는 예약된 작업(scheduled job)을 설정합니다.
AI 기반 테마 추출 및 초안 작성(AI-Driven Theme Extraction and Drafting): 수집된 텍스트를 언어 모델에 입력합니다. 모델은 근거 자료와 함께 간결한 결정 요약서(decision brief) 및 수정된 밸런스 테이블을 출력합니다.
인간의 검토 및 병합(Human Review and Merge): 목요일에 15분 정도를 할애하여 AI가 생성한 변경 사항을 검토합니다. 자신의 비전에 부합하는 편집 사항을 승인하고 이를 마스터 GDD에 병합합니다.
이 피드백 루프를 주간 루틴에 포함함으로써, 혼란스러운 데이터를 신뢰할 수 있는 GDD로 변환할 수 있습니다. 더 빠른 반복과 명확한 커뮤니케이션이 가능해집니다. 노트를 쫓아다니는 대신 게임을 만드는 데 더 많은 시간을 쓸 수 있습니다.
Optional learning community: https://t.me/GyaanSetuAi