[딜사이트 이태민 기자] "새로운 기술을 도입하고 복잡한 모델을 설계해 좋은 결과를 내는 것도 중요하지만, 진짜 과제는 사람이 이를 자연스럽게 활용할 수 있게 만드는 것입니다."

마틴 싱 블롬 엠바크스튜디오 머신러닝 리서치 리드는 16일 경기 성남시 경기창조혁신센터에서 열린 '넥슨 개발자 콘퍼런스(NDC) 26'에서 이같이 밝혔다.

싱 블롬 리드는 이날 '머신 러닝 구현 - 엠바크스튜디오의 케이스' 세션을 통해 머신러닝과 인공지능(AI) 적용 과정에서 겪은 성과와 실패, 개선 사례를 공유했다.

엠바크스튜디오는 소수 정예 인원으로 대규모 기술 기반 게임을 개발하는 것으로 알려져 있다. 특히 AI·자동화 기술 등을 활용해 소규모 조직의 생산성을 극대화하는 전략을 취하는 것으로 유명하다. 최근 출시한 '더 파이널스'와 '아크 레이더스' 개발 과정에서도 실제 사물을 촬영한 뒤 게임 에셋으로 변환하고, 비파괴형 캐릭터 제작 파이프라인을 구축하는 등 신기술을 적극 도입했다.

참석자들의 이목을 끈 건 '더 파이널스'의 수익 창출 요소인 상점 개인화 추천 시스템 개선 사례였다. 엠바크는 4000개가 넘는 꾸미기 아이템을 이용자에게 더 적절하게 보여주기 위해 개인화 추천 시스템을 도입했다. 넷플릭스와 아마존에서 활용하는 방식과 유사한 여러 모델을 검토한 끝에 선택한 것은 EASE였다.

EASE는 상점 개인화 추천 시스템 및 머신러닝에 사용되는 AI 모델이다. 유저가 구매하거나 클릭한 아이템 데이터를 행렬로 정리한 뒤, 수학적으로 분해해 각 아이템 간 유사도를 계산한다. 이를 통해 특정 아이템을 선호한 유저의 구매 패턴을 뽑아내 아이템 추천 목록을 추출한다.

싱 블롬 리드는 "학습 코드가 4줄에 불과할 정도로 단순한 모델이었지만 상점 추천 영역에 적용하자 구매자 수는 400% 증가했다"며"게임 내 재화 사용량과 실제 결제 금액 역시 눈에 띄게 상승했다"고 말했다.

거대언어모델(LLM)을 활용해 복잡한 퀘스트 구조에서 발생하는 오류를 찾아낸 사례도 제시했다. 통상 게임 로그와 데이터를 토대로 퀘스트의 변수 등을 일일이 검수하는 작업은 한계가 있다. LLM이 퀘스트 간 연결 관계를 분석한 결과 '이미 사망한 NPC가 다른 퀘스트에 다시 등장한다'와 같은 오류를 잡아냈다. 이를 토대로 방향 지시 UI를 개선하자 퀘스트 완료율이 상승했다. 이에 엠바크는 시각적 퀘스트 연결 구조 안에 AI 분석 기능을 결합한 '스핀들'을 개발했다.

싱 블롬 리드는 단순히 좋은 AI 모델을 도입하는 것이 아닌, 기술을 조직에 내재화하는 과정에서 구성원들과의 원활한 소통과 맞춤형 도구가 뒷받침돼야 좋은 결과로 이어진다고 강조했다.

그는 “머신러닝을 실제 게임 제작 과정에 적용하는 일의 절반은 기술 개발이 아니라 아티스트와 디자이너가 자연스럽게 활용할 수 있는 환경을 만드는 과정”이라며 "AI가 제시하는 결과값이 실제 이용자의 플레이 경험으로 이어지는 파이프라인이 없으면 의미가 없다"고 말했다.