Три с половиной года назад я описал свой опыт взаимодействия с ChatGPT 3.5 (и другими, в основном уже забытыми генеративными AI) для решения геймдизайнерских задач. Публикацию я закончил простой мыслью: “лучше сейчас оседлать искусственный интеллект, чем барахтаться в пыли позади всех”.
2023 год
Прочувствовали, да?
По сравнению с сегодняшними возможностями AI тот опыт вызывает снисходительную улыбку. Дедушка GPT 3.5 не держит контекст дольше трех сообщений? Современный чатбот способен не просто держать окно контекста постоянно открытым, но еще и периодически сжимать его, чтобы впихнуть побольше. Новые чаты умеют перечитывать своих предков, высасывать из них полезный контекст и продолжать работу с того же места.
Не меньшие изменения претерпела генерация контента — на уровне перехода от 2D к 3D в игровой индустрии. Одна революция за другой, каждые полгода-год. Если раньше надо было сновать между разными специализированными AI-инструментами, чтобы нарисовать картинку или 3D-модель, то сегодня ведущие AI-чаты мультимодальны: весь пайплайн от идеации до финального файла можно пройти в рамках одной беседы. Другое дело, что это не всегда оптимально с точки зрения сжигания токенов.
ОК, все круто, но геймдизайнеру-то чем эти революции помогут? Индустрия больно шлепнулась о землю после ковидного взлета, а сверху еще вот — грозной тенью увольнений расстилается AI. Ответ можно подсмотреть в первом абзаце: хочешь остаться на месте — начинай бежать со всех ног. А я поделюсь опытом: за прошедшие годы я и самостоятельно, и вместе с коллегами применял генеративный ИИ на самых разных этапах работы.
В роли Head of Game Design первое что я делаю, когда приступаю к работе с новой командой — настраиваю флоу работы геймдизайнеров. Он сильно зависит от размера команды, жанра игры, специализации геймдизайнеров и пайплайна производства, но для простоты возьмем небольшую команду с геймдизайнером-генералистом. Дальше пойдем по этому общему флоу.
Первый этап — идеация. У нее должна быть какая-то первопричина: зачем нам вообще понадобилось делать новую фичу? Разделим на два ключевых источника: мы либо видим интересную возможность, либо решаем какую-то проблему. Возможность: новая фича у конкурента; событие в реальном мире, которое хорошо ложится на тему или жанр игры; свободный от задач программист и т.п. Проблема: проседает метрика продукта; внушительный вал жалоб от игроков; предикты показывают проблемы в глубине и т.п. А теперь посмотрим, как здесь поможет современный AI.
Начнем с фичей конкурента. Чатик может “посмотреть” скриншоты или ролик по ссылке или даже загруженный в него файл — и помочь деконструировать увиденное: как игрока вовлекают в фичу, что с ним происходит, какими порциями выдают новую информацию, какую продуктовую задачу она может решать. У сервиса Playliner даже есть правильно настроенный и накормленный контекстом бот с доступом к десяткам деконстрактов фичей казуальных игр — по отзывам коллег, этот бот экономит им по несколько часов работы.
На выдумки мы, люди, и сами богаты, а вот правильно понять из гигантских данных, что вообще происходит — это сложненько. Анализ метрик продукта можно частично делегировать и чатику — скормив ему данные в любом виде: хоть через коннектор к БД, хоть скриншотами из Tableau, хоть выборкой в Google Таблицах. Важно, чтобы у AI был максимально полный контекст того, что он анализирует. Что означает ивент ok_01_pvp_done? Что мы считаем за churn? Какие пользователи попали в эту выборку? По сути, это те же вопросы, которые геймдизайнер или аналитик должен сам задавать при взгляде на данные. Опасность в том, что без уточнений AI может интерпретировать данные по-своему — и вы получите вполне убедительную гипотезу, основанную на совершенно неверных предпосылках.
Следующий этап — оформление аргументированной идеи в концепт-док. Здесь AI тоже может помочь — достаточно подключить коннектор к Google Drive, Atlassian или в чем вы там работаете. Вы можете “накормить” чат шаблоном и образцами того, что вы сами считаете хорошим концепт-доком. Скорее всего, на первый раз выйдет форменное безобразие — слишком длинные фразы, метрики и числа вперемешку, много ненужных подразделов. Да, придется поработать редактором у компьютера. Зато ваши правки — это тоже полезный контекст: объясните чату, что именно он сделал не так, и дайте ему шанс исправиться.
Но что если есть возможность показать свою идею не на одной странице концепт-дока, а еще эффективнее? Например, вы придумали новую механику для своей головоломки. Нет ничего лучше для презентации, чем собрать прототип этой механики!
Как я уже говорил, современный AI мультимодален. Любой чатик при наличии нужных скиллов и доступов может собрать играбельный прототип за один промпт. Да, для такого промпта придется постараться: максимально полно изложить свою идею, обложить ее контекстом и ограничениями, привести референсы. Даже если с первого раза не получится — ничего страшного, современный AI умеет вносить точечные изменения в уже собранный прототип, а не пилить все сызнова каждый раз. А на выходе у вас будет не абстрактная презентация или one pager: в прототип можно потыкать руками и проверить, действительно ли механика работает так хорошо, как выглядела у вас в голове.
Но и технические ограничения никто не отменял: собрать покер или пазл можно быстро, а вот сделать свой GTA — сильно вряд ли. Оставим эту возможность для будущих поколений AI.
После одобрения концепта — пора садиться за документацию. Хорошо, если у вас есть шаблон, и каждая фича укладывается в него. Здесь так и напрашивается просьба к AI — “сделай за меня домашку”. Как и в случае с концептом, за ним нужно будет потом прибрать и причесать, но даже если он просто накидает скелет документа и сэкономит вам время — уже неплохо. А в следующий раз вы будете лучше понимать, что именно ему поручить.
Нет, если вы самостоятельно описываете каждый пункт документации — честь вам и хвала. Но вы точно уверены, что ничего не упустили? Особенность современного AI — это способность выступать в роли “второй головы”: посмотреть на ваше творение свежим взглядом, найти противоречия и упущения, предложить улучшения и составить список вопросов, которые ваша документация ПОКА ЕЩЕ не решает. Важен не столько конкретный документ — одним хватает Rovo (встроенный в Confluence бот), другие загружают документацию в ChatGPT — сколько ваша способность предоставить полный контекст. Чат должен иметь доступ ко всей релевантной документации проекта, чтобы поискать вопросы, до которых вы сами не догадались: а как идея связана с такой-то механикой? А зачем придумана такая-то функция, если она уже описана вон в том документе? А что произойдет, если игрок выйдет из игры вот на этом шаге?
Неважно, кто закроет эти вопросы — ответственность за них все равно лежит на плечах геймдизайнера.
Не менее важны и качественные иллюстрации. Ретрограды могут продолжать вымерять каждый пиксель в Figma, но современный геймдизайнер просто обязан прибегать к помощи ИИ. Даешь скриншот, объясняешь, что хочешь получить на выходе — и результат довольно точно соответствует запросу.
Визуализировать идеи теперь умеет не только естественный интеллект. Чатик способен собрать мокапы даже из несуществующих элементов, если предварительно показать ему референсы из проекта. Художники и UI-дизайнеры могут ругаться на отсутствие теней и поехавший шрифт, но это не так важно, если остальным исполнителям будет намного понятнее фейковый скриншот, нежели вайрфрейм из Balsamiq.
Документация готова! Или нет?.. Ваше представление о том, как должна работать фича, что должно быть у нее под капотом и какие впечатления она оставит, — это такая субъективная хрустальная лодка, которая разобьется о первые же вопросы QA, арта и разработчиков. Чтобы избежать опасных рифов, снова натравите на свое детище AI, только на этот раз попросите его поискать вопросы, которые могут возникнуть у программистов, тестировщиков и художников. Чатик не заменит экспертизу ваших коллег, но поможет зачистить поверхность от проблем, которые вы можете легко решить самостоятельно.
А еще лучше, если AI найдет вопросы, на которые вы сами ответить не сможете. С ними можно заранее пойти к исполнителям, вместо того чтобы впервые услышать их уже на презентации фичи.
Продолжать можно сколько угодно: гипотезы на A/B-тест, тесткейсы для самопроверки фичи, составление чеклистов и конфигов, локализация текста, написание раскадровок для анимаций, разработка симулятора для проверки баланса… Практически на любом этапе работы геймдизайнера найдется задача, в которой AI способен помочь. Но есть одно ключевое условие.
Важнее всего, чтобы в любой задаче, поставленной AI, голов было все-таки две, а не только одна виртуальная. Геймдизайнер здесь выступает агентом экспертизы: оценивает результат, выбирает направление и сверяет предложения со своим знанием продукта и контекста. Критическое мышление в принципе должно быть присуще людям, но современным геймдизайнерам — особенно работающим с AI — без него совсем никак.
Кстати, если вы хотите прокачать свои геймдизайнерские навыки — в том числе работу с AI — я занимаюсь коучингом и менторингом и делюсь своими 17+ годами опыта в геймдизайне и руководстве геймдизайнерами. Пишите в личку или в Telegram: @torick
А как изменилось ваше отношение к генеративному AI за последние три года? Что из описанного вы уже используете в работе? И главное — что вы никогда не доверите AI?
