계획 수립

전체적인 게임 개발 프로세스를 정했으니, 각각의 역할과 일정을 정하기로 하였다. 3가지로 나뉜 역할 중 서로 시도해보고싶은 기능을 꼽았고, 다행히 아무도 겹치지 않고 역할 분담이 자연스럽게 진행되었다. ( 나의 경우 기획 AI의 퀄리티에 따라 어쩌면 우리 프로젝트만의 차별점이 될 수 있을거라 생각해 시도해보고 싶었다 )

마감기한 구축

NAN 해커톤의 사전제출 마감 기한은 26.08.10 으로 대략 29일이 남았다. 이에 맞춰 AI 구축 2주 / 게임 개발및 Q&A 1주 / 문서 정리 1주 정도로 러프하게 마감을 잡았다.

작업 마감 기한 작업일 수
AI 프로세스 구축 26.07.26 14 일
게임 개발 26.07.31 5 일
게임 QA 26.08.03 3 일
문서 정리 26.08.10 7 일

AI 학습 방식

현재 AI관련 교육을 조금씩 받고 있지만, AI를 어떻게 만드거나 학습해야하는지에 대한 지식은 전무했다.. 그래서 조금의 오류를 감수하면서 유료로 사용중인 Claude를 이용해 AI의 학습방안을 찾아보았다.

  1. 제로 베이스

    • AI 전공의 석사/박사 분들이 기업에서 하는 일로 데이터를 준비한 후 모델을 생성하여 학습을 반복하여 AI를 직접 만드는 일이다.

    • 현재 프로젝트의 스케일 및 단기간 구현가능성에 의해 제외하였다.

  2. RAG / Fine Tuning

    • 기존의 AI를 추가로 학습시켜 자신의 도메인의 맞춤형으로 키워내는 방식이다.

    • RAG(검색 증강 생성,Retrieval-Augmented Generation) : 외부 데이터를 제공해 도메인의 지식 공백을 채워 답을 도출해내는 학습 방식
      ( 학습 비용 낮음, 기존 상식선에 도메인 관련 최신 지식을 제공해 답을 도출 => 국소적 추론 가능 )

    • Fine Tuning : 지속적으로 도메인 관련 지식을 학습시켜 내부 가중치를 변경하는 방식
      ( 학습 비용 높음, 도메인 맞춤형으로 AI를 직접적으로 개조함 => 도메인에 전문적인 추론 가능 )

단순히 성능만 본다면 Fine Tuning이 좋아 보이지만, 단기적 구현가능성 및 실시간 게임 트렌드를 반영할 수 있는 RAG가 매력적으로 보였다. 추가로 RAG 방식으로 시작하여도 데이터가 쌓이기 시작하면 이를 토대로 Fine Tuning 방식으로 전환가능성도 있기에 RAG 방식을 채택하였다.

학습 데이터

기획 AI가 어떤 데이터와 입력을 통해 답을 도출해내야 되는가에 대한 고민을 했다.
입력(대략적인 기획/사용자) -> 1차 기획안 + 설계구조 출력 (AI) -> 검토 (사용자) -> 개발자 AI 전달용 프롬프트 작성 (AI)
이에 따라 게임 업계에 관한 트렌드 및 장르/요소들을 배울 수 있도록 AI와 지속적으로 구조를 논의하여 완성했다.

├── research/                  # 지식 베이스 (4계층 카드 DB)
│   ├── INDEX.md               # 자동 생성 - 직접 수정 금지
│   ├── elements/              # ① 요소: 불변의 설계 블록 (ELEM-###)
│   ├── genres/                # ② 장르: 요소 조합 레시피 (GENRE-##)
│   ├── games/                 # ③ 게임: 증거 사례 (GAME-###)
│   ├── signals/               # ④ 신호: 날짜별 시장 데이터 (SIG-YYYY-W##) - 추가만, 수정 금지
│   └── pending/               # 리서치 봇 출력 대기소 (인간 승인 전)
└── tools/
    ├── build_index.py         # front-matter → INDEX.md 재생성 (pre-commit 훅)
    └── collect.py             # Steam/Reddit 수집 → pending/ 카드 생성

  • INDEX.md 를 통해 사용자 입력과 관련/활용하기 좋은 요소들을 뽑고, 이를 통해 기획안을 작성

  • INDEX.md 의 요소들 중 내용을 이해하기 위해 각 폴더 내의 md 파일을 탐색

  • 추후 정보 업데이트 자동화를 위해 정보들을 찾아주는 프로세스도 설계

진행 사항

현재는 토대가 될 elements, genres, games, signals 의 카드들의 양식과 실제 데이터를 채우는 작업을 진행중이다. 이후엔 AI 스킬로 지정하여 자동화 ( 그전엔 스크립트를 이용한 프로세스별 반자동화 )를 구현할 예정이다.

한줄 평

  • SSAFY에서 배울 AI 관련 학습들이 너무나도 기대된다. 우리의 프로젝트에 적용할 수 있을까? 라는 생각이 뇌에 맴돌거 같다.