Мы сделали ИИ-слоп игру о разработке игр, чтобы понять, как ИИ меняет геймдев, — и посадили модели играть против людей

Четыре месяца вечерней разработки, 740 коммитов, больше 450 задач и ни одной строчки кода руками: почему игра с одного промпта мертва, зачем агентам свой таск-трекер и чем отличаются стили игры Claude, GPT и Gemini.

ИИ уже 100% станет неотъемлемой частью разработки видеоигр. Но какое влияние и на что он оказывает на самом деле, какой состав команды теперь набирать и обязательно ли держать все экспертизы внутри студии — эти вопросы всё ещё остаются без устоявшихся ответов.

Я поговорил с десятками разработчиков: у них были разные целевые платформы, масштабы и бизнес-модели. Сложить из их ответов цельную картину у меня не получилось. Думаю, на это есть три главные причины:

Мы решили, что честные ответы можно получить, только сделав и выпустив игру с применением ИИ самим. Ну и в целом мы очень любим разработку игр. Хотелось взять какую-то «малую архитектурную форму» — что-то, что можно собрать за пару недель.

Мне показалось, что будет интересно сделать игру про разработку игр, где разработчики смогут играть наравне с ИИ. Рэп для рэперов. Так появилась идея ролевой игры про продюсера инди-студии — The Last Game Producer. Хотелось подарить полноценный, но сжатый опыт разработки и издания игры в Steam: быстрый (на 35–40 минут) и не травмирующий. Поэтому наша игра — не табличный симулятор, а именно role play. Ироничная офисная комедия, горящий бюджет, капризы издателей, ссоры лидов и мучительные компромиссы. Ещё я шучу, что впервые смог объяснить жене, что же я делаю на работе.

Да, в заголовке мы с долей самоиронии называем проект «ИИ-слоп игрой» — просто потому, что весь код, арт и переводы здесь сгенерированы нейросетями без единой ручной правки в файлах. Но на самом деле весь наш эксперимент был как раз о том, как переломить эту природу генерации: нащупать, где именно игра скатывается в настоящий слоп (спойлер — там, где ИИ заменяет недостающую экспертизу и сам у себя принимает работу), и выстроить систему контроля, в которой последнее слово всегда остаётся за человеком.

Главный сюрприз эксперимента — как в эту игру играют сами нейросети. Когда мы посадили три модели соревноваться наравне с живыми продюсерами, каждая внезапно отыграла свой яркий управленческий психотип: Claude Sonnet 5.5 включил беспощадного топ-менеджера и выжал команду в ноль ради первого места среди ИИ, GPT-5.6 Terra отыграл осторожного бухгалтера, режущего треть фич ради предсказуемости, а Gemini 3.8 Flash оказался добрым инди-романтиком — сберёг разработчикам нервы, но заработал меньше всех (подробный разбор их решений — в финале статьи).

Чтобы были понятны вводные эксперимента: за годы в геймдеве я понемногу научился кодить, моделить, анимировать, верстать, собирать сеть и настраивать CI/CD. Что-то знаю глубоко, что-то — на уровне «для геймджема сойдёт» (пару джемов я даже выигрывал). То есть почти во всех технических задачах я хотя бы понимаю, что требовать от ИИ и как проверять результат. Главные мои слепые зоны – я совсем не умею рисовать 2D и писать музыку. Спойлер — именно о них мы больнее всего и споткнулись.

Если бы я делал такую игру один по вечерам, ушёл бы примерно год. С помощью ИИ и Григория Бортника, кофаундера Narwhal, разработка по вечерам заняла около четырёх месяцев. Знаю, может показаться, что это слишком долго. Но, ещё раз подчеркну, это «по вечерам» и «эксперимент». За это время задумка на пару недель выросла в приличный по объёму проект: 740 коммитов, больше 450 закрытых задач и 28 000 строк кода и данных. Внутри — чистый модульный JS и CSS без сборщиков и фреймворков (игра запускается прямо из папки двойным кликом по index.html), облачные сохранения и общий рейтинг на Supabase, хостинг на Cloudflare и десятки автотестов и проверок на Node.js и Headless Chrome.

Конечно же, первое, что мы решили попробовать, — сделать игру «с одного промпта». Кратко — не работает вообще. Я досконально описал механику, целевой баланс, аудиторию и референсы на каждый тип контента. Запустил несколько агентов. К утру всё было готово, и игру даже можно было пройти от начала до конца.

Проблема была в том, что это совершенно не было игрой. Невозможно заранее описать в промпте «всю» игру целиком. Любой документ оставляет сотни мелких геймдизайнерских развилок, которые модели пришлось додумывать самой, — и она сделала это плохо. Формально кнопки нажимаются и цифры меняются, но выборы либо очевидны, либо бессмысленны, а драматургии нет вовсе.

Так почему же не получилось? Потому что никогда не получится с первого раза. Как говорил один знакомый директор игровой студии: «Если вы три раза не переделывали — это точно говно». А итерировать монолит, сгенерированный за один присест, оказывается мучительно долго и сложно: правишь одну механику — ломаются три соседние. В таком режиме разработка с ИИ становится сложнее и длиннее обычной. В итоге мы выкинули этот ночной билд и начали всё заново с пустого репозитория.

Со второго захода мы пошли по классическому пайплайну: начали с концепта, перешли к голому прототипу без картинок и баланса, затем собрали вертикальный срез и двигались итерациями. Мы осознанно сдерживали рост количества контента до самых поздних стадий. Именно в работе с ИИ понимаешь, насколько сильно большой объём контента замедляет итерации геймплея.

Отдельно отмечу, как хорошо себя показал документ «Библия проекта». В нём были описаны столпы игры, целевая аудитория, тон и жёсткие ограничения. Обязательным этапом приёмки любой фичи и текста стала сверка с этим документом. Менять Библию агентам было запрещено — это мог делать только человек. Если код противоречил Библии, переделывался код.

Рядом с ней жил CSV-файл с целевыми метриками по сложности, темпу и длительности. Спрашивать у самой модели, сбалансирована ли игра, бессмысленно: на словах ИИ всегда уверенно соврёт, что баланс идеальный, даже если экономика рушится на третьем ходу. Поэтому у нас каждая новая версия проверяется скриптом симуляции на соблюдение заданных метрик на 1 000 партий.

ИИ совершенно не понимает, что такое веселье. Поначалу я пробовал описывать в промптах нескольких реальных людей, подбирал метафоры и формулировал задачи через «это должно вызывать у вот такого человека вот такие эмоции и чувства». Ничего не работало и не начинало делать игру лучше — на выходе получался пресный стерильный текст. У машины нет пережитого опыта: она не знает, как колотится сердце перед созвоном с издателем, когда сборка падает. Живая комедия заработала только тогда, когда саму суть ситуаций, иронию и абсурд индустрии мы стали вкладывать сами из собственной жизни, а ИИ зажали в строгие рамки редполитики.

Бесполезно пытаться выглядеть не как ИИ-слоп, если вы ИИ-слоп. Одним из пунктов эксперимента была попытка добиться того, чтобы визуально всё выглядело так, словно игру рисовал человек. Мы пробовали разные модели, строили простые и сложные пайплайны постобработки, но получить такой эффект не удалось. Каждый, кто тестировал игру, безошибочно угадывал, что применялся ИИ.

ИИ не может заменить отсутствие экспертизы. В начале статьи я перечислял то, что умею делать сам хотя бы на базовом уровне: в коде, вёрстке или сети я понимаю, как поставить задачу и где модель схалтурила. Но если у вас в команде нет композитора, вы не сможете написать хорошую музыку с помощью ИИ: без профильного слуха невозможно ни объяснить нейросети, что именно звучит фальшиво, ни отличить хорошую генерацию от шума. В итоге мы отказались от готовых аудиофайлов и написали процедурный синтезатор на Web Audio API прямо в коде игры — браузер на лету собирает спокойный lo-fi, джаз и шум дождя.

Написание текстов и локализация. Мы перевели игру с помощью ИИ на дюжину языков, и каждый язык я отдавал вычитывать своим знакомым из индустрии, для которых он родной. В среднем можно сказать, что оценка — твёрдые 7 из 10 и у качества исходных текстов, и у качества локализации.

Творческий контроль критически необходим на всех этапах и во всех типах контента. У нас был специальный агент и правила под каждый тип контента, которые перед выкаткой в продакшен проверяли игру на консистентность и соответствие вижену. Но само по себе это почти не спасало: машина плохо удерживает единое видение во всём проекте. Типичный пример: в тексте события у героя на столе появился кактус, а на иллюстрации нейросеть просто забыла его нарисовать.

Поначалу мы пытались проверять глазами вообще всё — вычитывали каждую строчку кода, каждый JSON и каждый сгенерированный файл. Но в какой-то момент от тотальной ручной вычитки кода и мелочей пришлось отказаться — иначе это переставало быть разработкой с помощью ИИ. Модели генерируют много и быстро, и самым узким местом в процессе стали мы сами. А скорость конвейера всегда равна скорости его самого медленного участка.

Чтобы расшить это горлышко, нам, во-первых, всё равно потребовался таск-трекер. Мы вели его в GitHub Issues: он был нужен для координации между моими агентами и агентами Григория (мы работали в связке Claude Code, Codex и Antigravity), да и нам самим тоже. Задачи там заводил, закрывал и комментировал ИИ, но нужны они были в первую очередь для нас. Объём задач в трекере оказался на порядок меньше, чем если бы мы делали всё руками, — по ощущениям, примерно в 5–10 раз.

А во-вторых, мы жёстко разделили рутинную проверку кода и смысловую приёмку. Всю механику (не сломались ли старые сохранения, нет ли кнопок без последствий, не вылезла ли строка за пределы экрана, сходится ли баланс и переводы) мы переложили на десятки автотестов и скриптов-линтеров. За собой же оставили главный — смысловой и продуктовый — контроль: вместо длинной переписки в чате агенты стали приносить нам развилки в виде отдельных HTML-страниц решений с вариантами А, Б и В, визуальными набросками экранов, плюсами и минусами, где человек за минуту принимает решение.

При этом само творчество никуда не исчезает — кажется, даже наоборот. Большую часть времени вы генерируете идеи и проверяете, насколько точно ИИ их реализовал. Для меня это был самый интересный и приятный опыт.

Но здесь же кроется и обратная сторона медали. Когда узкое место смещается с реализации на формулирование задач и приёмку готового, возникает соблазн отдать ИИ и саму приёмку. Для себя я дал такое определение: ИИ-слоп — это игра, в которой ИИ заменил недостающие экспертизы и забрал на себя роль приёмки готового. Без объективных производственных ограничений и живого опыта слишком легко сорваться в бессвязную генерацию идей. Когда любая новая механика стоит один промпт, сложнее всего остановиться — в итоге мы сами безжалостно резали и выкидывали целые пласты уже готовых фич и контента, которые размывали фокус игры.

В мире, где любой может нажать кнопку и получить generic-код, побеждает не тот, у кого больше токенов, а тот, у кого есть ясное видение, вкус, личный опыт и смелость довести проект до релиза.

В зависимости от ваших решений и финансовых итогов игра в финале определяет продюсерский стиль. ИИ проходит ровно ту же игру и получает такое же определение: мы подключили модели через честный MCP-протокол с двумя действиями (look и act), так что они видят те же письма, чаты, бюджет и обложки в Steam, что и человек, без доступа к скрытым формулам движка.

Проходя игру, разные модели показали совершенно разные характеры:

Скоро мы запустим в The Last Game Producer топовые модели — GPT Astra, Claude Fable и Gemini Argon. Подписывайтесь на новости, чтобы узнать их результаты, а также прочитать аналитику того, какие именно решения принимает ИИ и почему.

Спасибо всем, кто помогал тестировать игру, приходил на плейтесты и читал тексты на всех языках. Вы очень помогли.
#gamedev #инди #ии #разработка #опыт