정윤지(유리링)
1시간 전
게임을 만드는 사람도, 배우는 사람도 이제는 AI를 켜두고 작업을 시작하는 시대입니다. 아이디어를 던지면 코드가 나오고, 콘셉트를 설명하면 이미지가 생성됩니다. 하지만 “AI가 만들어줬으니 구현은 끝”이라고 생각하는 순간, 프로젝트는 금세 방향을 잃습니다. 기능은 돌아가지만 구조는 흔들리고, 속도는 빨라졌지만 설계는 비어 있을 수 있습니다.
10년 차 게임 기획자로 크래프톤, 넷마블, 컴투스 등에서 라이브 프로젝트를 경험하고, 최근에는 게임 기획 및 AI 게임 개발 강의를 진행하고,『유리링의 실전 게임 시스템 기획』, 『AI 게임 개발 with 코덱스』를 출간한 유리링 저자는 AI 시대의 게임 개발 역량을 ‘코드 작성’이 아니라 ‘구조 설계와 의사결정’으로 재정의합니다. AI는 속도를 폭발적으로 끌어올리는 가속 장치이지만, 세계관의 톤을 정하고 시스템을 통합하며 장기 운영을 고려한 구조를 설계하는 일까지 대신해주지는 않습니다.
이번 인터뷰에서는 AI와 함께 실제 게임을 끝까지 완성해본 경험을 바탕으로, 개인의 게임 개발의 진입 장벽이 어떻게 달라졌는지, AI 협업에서 무엇을 맡기고 무엇을 직접 판단해야 하는지, 그리고 앞으로 게임 기획자와 개발자가 어떤 역량을 준비해야 하는지에 대해 이야기합니다.
안녕하세요 유리링입니다. 크래프톤, 넷마블, 컴투스 등에서 배틀그라운드, 서머너즈워, 카운터사이드 등의 프로젝트에 참여한 10년 차 게임 기획자입니다. 현재는 AI를 활용해 기획과 코딩을 직접 수행하며 개인 게임을 제작하고 있습니다.
또한 게임캔버스 아카데미에서 게임 기획 취업 포트폴리오 제작과 AI 게임 개발을 강의하고 있으며, 콜로소에도 두 차례 게임 기획 강의를 업로드했습니다. 한빛미디어에서는《소문난 명강의 유리링의 실전 게임 시스템 기획》과《AI 게임 개발 with 코덱스》를 출간했고, 유튜브 ‘게임 기획자 유리링’ 채널을 운영하며 게임 기획 지식을 전달하는 버튜버로도 활동하고 있습니다.
게임업계에 있는 사람이라면 누구나 한 번쯤은 ‘나만의 게임’을 만들어보고 싶다는 로망을 품습니다. 업계 종사자뿐 아니라, 게임을 사랑하고 그 안에서 즐거움을 느껴온 분들 역시, 언젠가는 자신도 게임을 통해 다른 사람들에게 즐거움을 주고 싶다고 생각해보셨을 겁니다.
하지만 현실은 녹록지 않았습니다. 기획, 아트, 프로그래밍, 사운드까지 모두 갖춰야 하는 1인 개발의 벽은 너무 높았고, 대부분의 사람들에게는 도전조차 쉽지 않은 영역이었습니다.
그런데 AI의 발전은 이 구조를 바꾸기 시작했습니다. 이제는 개발자가 아니어도, 혼자서 모든 역량을 갖추지 않아도, 상당 부분을 보완하며 게임을 만들어볼 수 있는 환경이 마련되었습니다.
저는 현업에서 오랫동안 팀 개발을 경험해왔기 때문에, 오히려 이 변화가 얼마나 큰 전환점인지 더 선명하게 느낄 수 있었습니다. “이제는 정말, 더 많은 사람이 자기 게임을 만들어볼 수 있겠다”는 확신이 들었고, 그 가능성을 정리해 보여주고 싶었습니다. 그래서 이 책을 쓰게 되었습니다.
AI 관련 도서는 많이 출간되고 있지만, 《AI 게임 개발 with 코덱스》는 결이 조금 다릅니다.
먼저, 챗GPT 코덱스를 중심으로 게임을 실제로 완성해가는 과정을 본격적으로 다룬 게임 개발서는 국내에서 처음이라는 점입니다. 단순히 “AI로 코드가 생성된다”는 소개에 머무르지 않고, 기획부터 구현, 테스트, 빌드, 배포까지 실제 개발 흐름 안에서 코덱스를 어떻게 동료처럼 활용하는지를 구체적으로 보여줍니다.
또 하나의 차별점은 ‘관점’입니다. 일반적인 게임 개발서는 프로그래머 중심으로 작성된 경우가 많습니다. 기능 구현이나 엔진 사용법에 집중하는 경우가 대부분이죠. 하지만 게임은 기능의 집합이 아니라, 재미의 구조입니다. 이 책은 시스템 설계, 반복 플레이를 유도하는 구조, 데이터 설계의 확장성, 유지보수를 고려한 테이블 구조까지 함께 다룹니다. 실제 현업에서 게임을 운영해본 기획자의 시선이 반영되어 있기 때문에, “돌아가는 코드”가 아니라 “서비스 가능한 게임”을 만드는 방법을 설명합니다.
또한 다른 바이브 코딩 계열의 책들과 달리, 이 책은 코딩에만 머물지 않습니다. 아트 리소스 제작, 사운드 생성, UI 구성, 그리고 현지화 번역까지 AI를 활용해 해결하는 과정을 함께 담았습니다. 혼자서 게임을 완성하려면 결국 이 모든 영역을 건드려야 하는데, 그 현실을 피하지 않았습니다.
한 마디로 정리하자면, 이 책은 AI를 도구로 삼아 ‘게임 하나를 끝까지 만들어보는 경험’을 설계한 책입니다.
기능 몇 개를 구현해보는 튜토리얼이 아니라, 기획자의 사고방식과 AI 협업 방식을 동시에 익히도록 구성했습니다.이 책은 AI라는 동료를 어떻게 활용해야 하는지를 보여주는 안내서라고 생각합니다.
AI가 등장하기 이전에도 게임 개발은 충분히 고도화된 산업이었습니다. 다만 대부분의 작업은 사람이 직접 시간을 들여 수행해야 했고, 특히 자료 조사, 데이터 정리, 테스트 같은 반복 업무에 많은 리소스가 투입되었습니다.
AI 이후 가장 먼저 달라진 것은 생산성과 속도입니다. 업계에서는 효율성을 높이기 위해 AI 도입을 적극적으로 권장하고 있고, 실제로도 반복 업무의 자동화, 빠른 프로토타이핑과 테스트 검증, 개발 중 발생한 문제 해결과 같은 다양한 영역에서 활용이 이루어지고 있습니다. 단순한 문서 보조를 넘어, 개발 파이프라인 안으로 AI가 들어오기 시작한 것이죠. 이 덕분에 사람은 더 중요한 판단과 설계에 집중할 수 있게 되었습니다.
또 하나 달라진 점은 개인 개발의 진입 장벽입니다. 과거에는 팀 단위로 움직여야 가능했던 영역이, 이제는 사이드 프로젝트 형태로도 도전 가능한 환경이 되었습니다. 실제로 현업 개발자들 사이에서도 개인 프로젝트를 병행하거나, AI를 활용해 소규모 게임을 제작해보는 사례가 눈에 띄게 늘어나고 있습니다.
결국 변화의 핵심은 ‘대체’가 아니라 ‘확장’입니다. AI가 사람을 대신해 게임을 만드는 것이 아니라, 사람이 더 많은 시도를 해볼 수 있게 된 것입니다. 실험 비용이 낮아졌고, 시도할 수 있는 횟수가 늘어났습니다. 그 점이 가장 큰 변화라고 생각합니다.
직접 게임을 제작해보며 AI가 “이건 진짜 쓸만하다”고 느꼈던 순간은, 애매한 표현을 던졌는데도 의도를 정확히 구현해냈을 때였습니다.
예를 들어 이런 요청이 있었습니다. “경험치 구슬에 가까이 가면 플레이어에게 흡수되게 해줘.”
사실 개발자 입장에서 보면 ‘흡수’라는 표현은 굉장히 추상적입니다. 구슬의 좌표를 플레이어 좌표 방향으로 이동시킬 것인지, 일정 반경 안에 들어오면 자동 추적하도록 할 것인지, 속도는 가속할 것인지, 충돌 판정은 어떻게 처리할 것인지 등으로 쪼개서 명확하게 설명하는 게 보통의 작업 방식입니다. 그래서 처음에는 “구슬의 위치가 플레이어 위치를 향해 최단 경로로 이동하도록 하고, 일정 거리 이내에서는 이동 속도를 점점 증가시키고, 도달 시 비활성화 처리…” 같은 식으로 세부 명세를 다 적어야 하나 고민했습니다.
그런데 “흡수되게 해줘”라고만 써도, 제가 머릿속에 그렸던 것과 거의 동일한 동작이 구현되었습니다. 근처에 접근하면 자연스럽게 끌려오고, 플레이어 위치로 부드럽게 이동한 뒤 사라지는 형태였습니다. 이 경험이 인상 깊었던 이유는, 제가 ‘기계에게 명령을 내리는 느낌’이 아니라 ‘개발자에게 의도를 설명하는 느낌’으로 작업할 수 있었기 때문입니다.
반대로 “아직은 멀었다”고 느낀 순간도 분명히 있었습니다. 먼저 아트 영역입니다. 게임은 아트 톤의 일관성이 굉장히 중요합니다. 캐릭터, UI, 아이콘, 이펙트가 같은 세계관 안에서 조화를 이뤄야 플레이 경험이 자연스럽습니다. 그런데 AI로 이미지를 생성하면 개별 퀄리티는 나쁘지 않더라도, 전체 프로젝트 안에서 완벽한 톤 일관성을 유지하기가 쉽지 않습니다. 결국 일부는 사람이 직접 리터칭하거나 보정해야 했습니다. “초안은 훌륭하지만, 최종 완성은 아직 사람의 손이 필요하다”는 걸 느꼈습니다.
유니티 작업에서도 비슷한 지점이 있습니다. UI를 실제로 배치하고, 앵커를 조정하고, 해상도 대응을 맞추는 작업은 아직 직접 하는 것이 더 정확하고 빠릅니다. 유니티와 연동된 AI 도구들, 예를 들어 MCP(Model Context Protocol) 기반 워크플로우처럼 에디터와 연결해 자동화하려는 시도도 있지만, 아직은 완전하지 않습니다. 세밀한 레이아웃 조정이나 씬 단위 맥락 이해까지 맡기기에는 한계가 있습니다.
코드 일관성 문제도 체감했습니다. 예를 들어 팝업 닫기 버튼을 그때그때 다른 방식으로 구현하면, 나중에 “모든 닫기 동작에 UI 애니메이션을 추가해달라”는 요청을 했을 때 일괄 적용이 되지 않는 경우가 생깁니다. AI는 요청에 맞춰 코드를 만들어주지만, 프로젝트 전반의 규칙을 항상 일관되게 유지해주지는 않습니다. 이 부분은 초기에 MD(개발 지침서, 코드 규칙 문서)를 잘 마련해두고, 그 기준 안에서 생성하도록 유도하면 어느 정도 개선할 수 있었습니다.
결국 느낀 점은 이렇습니다. AI는 속도를 폭발적으로 올려주는 가속 장치이지만, 구조와 기준을 대신 설계해주지는 않습니다. 세계관의 톤, UI 규칙, 코드 컨벤션 같은 ‘프로젝트의 철학’은 여전히 사람이 정해야 합니다. 잘 준비된 개발자는 AI와 함께 팀 하나를 얻는 느낌이고, 준비되지 않은 상태에서 쓰면 정리해야 할 결과물이 더 늘어나는 느낌이 됩니다.
그 차이를 만드는 건 도구가 아니라 설계력이라고 생각합니다.
예전에는 강의 자료를 만들고, 책 원고를 쓰고, 유튜브 대본을 정리하는 과정이 각각 따로 존재했습니다. 아이디어를 정리하고, 구조를 잡고, 문장을 다듬는 데 시간이 많이 들었죠. 지금은 대부분의 작업을 AI와 함께합니다. 아이디어 초안을 던지고 구조를 잡을 때, 문장을 다듬을 때, 목차를 재정렬할 때, 반복적으로 설명해야 하는 개념을 더 명확하게 풀어쓸 때 AI를 적극적으로 활용합니다. 초안 작성 속도가 굉장히 빨라졌습니다.
개발 쪽에서도 마찬가지입니다. 기능 구현 아이디어를 정리하고, 로그를 분석하고, 에러 원인을 좁히는 과정에서 AI를 동료처럼 사용합니다. 모든 걸 맡기지는 않지만, 혼자 고민하는 시간을 줄이는 데 큰 도움이 됩니다.
실생활 루틴으로 보면, 저는 “생각은 제가 하고, 정리는 AI가 돕는 구조”에 가깝습니다. 완성된 결과물을 그대로 쓰는 것이 아니라, 초안을 빠르게 만들고 그 위에 제 판단을 얹는 방식입니다.
그래서 동시에 여러 일을 할 수 있는 것처럼 보이지만, 사실은 작업 밀도를 조정한 것에 가깝습니다. 예전에는 한 가지 일을 끝까지 다 정리한 후 다음으로 넘어갔다면, 지금은 여러 프로젝트를 병렬로 돌리되, 각 단계의 초안 작업을 빠르게 통과시키는 구조입니다. 결국 저는 AI가 아니라, AI를 잘 쓰는 사람에 가깝습니다. 도구가 바뀌면서 일하는 방식이 바뀌었고, 그 결과 생산성이 달라진 것 같습니다.
AI를 많이 쓰면 실력이 늘지 않는다는 우려는 충분히 이해합니다. 실제로 아무 이해 없이 결과만 받아 쓰면, 문제 해결 능력은 자라기 어렵습니다.
저는 컴퓨터공학과를 졸업했고, 직접 코딩을 해본 경험이 있습니다. 그래서 AI를 사용할 때도 추상적인 의도를 개발 친화적인 언어로 구체화해 전달할 수 있었습니다. 예를 들어 “이 기능을 만들어줘”라고 말하는 대신, 어떤 조건에서 어떤 상태가 바뀌어야 하는지, 어떤 구조 안에 들어가야 하는지를 설명할 수 있었던 것이죠. 이런 부분은 직접 개발을 해본 경험이 있었기 때문에 가능했다고 생각합니다.
바이브 코딩을 하더라도 기본적인 개발 지식은 필요하다고 봅니다. 그래야 AI가 만들어준 코드의 문제를 판단할 수 있고, 어디를 수정해야 하는지 감이 생깁니다. 특히 트러블슈팅 단계에서는 이 차이가 크게 드러납니다. 원인을 좁히는 능력은 결국 사람이 갖고 있어야 합니다.
하지만 동시에 저는 이렇게도 생각합니다. AI를 쓰는 것이 실력을 떨어뜨리는 게 아니라, “어떤 실력이 중요한지”를 바꾸고 있다고요. 예전에는 문법을 많이 아는 것이 강점이었다면, 지금은 구조를 설계하는 능력, 문제를 정의하는 능력, 그리고 AI의 답을 비판적으로 검증하는 능력이 더 중요해졌습니다. 손으로 다 구현하는 능력보다는, 전체 시스템을 이해하고 조율하는 능력이 핵심이 되고 있습니다.
AI는 계산기를 쓰는 것과 비슷합니다. 계산기를 쓴다고 수학 실력이 사라지는 게 아니라, 오히려 더 복잡한 문제에 도전할 수 있게 됩니다. 다만 개념원리를 이해하지 못한 상태라면 어떤 식을 세워야 하는지조차 판단하기 어렵습니다. AI도 마찬가지입니다. 코드를 대신 작성해줄 수는 있지만, 어떤 구조로 설계해야 하는지, 왜 이 방식이 맞는지 판단하는 능력은 사용자의 몫입니다. 기초가 있을수록 더 큰 문제를 다룰 수 있고, 기초가 없으면 겉으로는 빠르게 가는 것처럼 보여도 깊이에서 막히게 됩니다. 물론 이렇게 생각할 수도 있습니다.
“AI가 더 발전하면 설계까지 다 대신해줄 텐데, 굳이 내가 깊이 이해할 필요가 있을까?”라고요. 하지만 저는 그렇게 보지 않습니다. AI가 만들어낸 결과물은 결국 ‘AI의 판단 구조’를 거친 결과입니다. 내가 왜 이 시스템을 이렇게 설계했는지, 어떤 의도를 담았는지, 어떤 플레이 경험을 만들고 싶은지까지 완전히 대신해주지는 못합니다.
AI는 평균적으로 타당한 해법을 제시할 수는 있습니다. 그러나 어떤 방향으로 게임을 밀고 갈지, 어떤 감정을 남기고 싶은지, 어디서 타협하지 않을지 결정하는 것은 창작자의 몫입니다. 설계를 이해하지 않은 채 결과만 받아 쓰면, 겉으로는 완성된 것처럼 보일 수 있습니다. 하지만 그 결과물은 ‘내 생각이 증폭된 산출물’이라기보다는 ‘AI가 정리해준 선택지 중 하나’에 가까워집니다. 저는 AI를 대체자가 아니라 증폭기라고 생각합니다.
내 사고가 명확할수록 결과도 선명해집니다. 반대로 사고가 흐릿하면, AI는 그 흐릿함을 더 빠르게 확장해줄 뿐입니다. 그래서 저는 AI 시대일수록 기초와 사고력이 더 중요해진다고 생각합니다. 도구가 강해질수록 방향을 정하는 사람의 역할은 오히려 더 커집니다.
네, 가능합니다. AI나 게임 개발이 처음인 분도 이 책만 따라가면 게임을 만들 수 있도록 구성했습니다. AI 기본 사용법부터 시작해서, 유니티의 핵심 개념과 실제 사용법, 그리고 기획부터 빌드·배포까지의 흐름을 단계별로 아주 자세히 정리해두었습니다.
또 “그냥 따라 만들어라”에서 끝나지 않습니다. 예를 들어 게임 개발에서 데이터 테이블 방식으로 데이터를 입력하고 관리하면 밸런싱이나 유지보수가 훨씬 편해지는데, 이 책에서는 그런 방식이 왜 필요한지, 어떤 상황에서 강점이 생기는 지까지 세세하게 설명합니다. 그래서 한 번 따라 만든 뒤에도, 자기 게임을 만들 때 그대로 응용할 수 있습니다.
AI를 활용하려면 어려운 배경 지식이 필요할 것 같다고 걱정하는 분들도 많습니다. LLM 같은 작동 원리까지 알아야 하나 고민할 수 있는데, 그런 지식이 없어도 괜찮습니다. 지금의 AI 기술 수준이라면, 책의 흐름대로 따라가기만 해도 간단한 게임을 완성하는 데 전혀 무리가 없습니다.
정리하면, 아무것도 몰라도 따라 만들 수 있고, 따라 만든 뒤에는 “왜 이렇게 했는지”를 이해하면서 자기 방식으로 확장할 수 있게 해주는 책입니다.
AI 시대에 게임 기획자와 게임 개발자는 사라지지 않습니다. 하지만 “어떤 사람이 살아남는가”는 분명히 달라질 것이라고 생각합니다. 종종 기획자는 창의적인 아이디어를 떠올리는 사람이기 때문에 대체되지 않을 것이라고 말합니다. 그런데 저는 그 부분에 대해 조금 다르게 봅니다. 창의력은 완전히 무에서 유를 만드는 능력이라기보다, 다양한 배경지식과 경험 속에서 서로 연결되지 않아 보이는 요소들을 엮어내는 직관에 가깝습니다. 그리고 그런 패턴 조합과 확장은 오히려 AI가 굉장히 잘하는 영역이기도 합니다. 데이터가 많을수록 더 많은 조합을 만들어낼 수 있기 때문입니다. 그래서 “창의적인 기획자는 대체되지 않는다”는 말은 지나치게 낙관적이라고 생각합니다. 아이디어 자체만으로는 차별화가 어려워질 가능성이 높습니다.
그래서 앞으로 중요한 것은 아이디어를 떠올리는 능력만이 아니라, 그 아이디어를 구조로 설계하는 능력, 여러 개의 소규모 시스템이 따로 노는 것이 아니라 하나의 방향 아래에서 유기적으로 연결되도록 통합하는 능력, 전투, 성장, 경제, 보상 구조가 서로 모순되거나 튀는 지점 없이 하나의 경험으로 조화되도록 조율하는 능력, 전체 시스템을 장기 운영 관점에서 일관성 있게 유지하고 확장 가능하도록 설계하는 능력, 그리고 AI가 만들어낸 수많은 선택지 중에서 무엇을 채택하고 무엇을 버릴지 판단하는 능력입니다.
결국 기획자는 점점 ‘아이디어 생산자’라기보다 ‘의사결정자’에 가까워질 것이라고 봅니다. AI를 활용해 수십 개의 시안을 뽑아낼 수 있다면, 그중 어떤 방향이 게임 전체 맥락에 맞는지 통합하고 조율하는 사람이 필요합니다.
게임 개발자 역시 단순 구현자에서 벗어나, 아키텍처를 설계하고 코드 일관성을 유지하며, AI 산출물을 검증하고 통합하는 역할이 더 중요해질 것입니다.
그래서 저는 앞으로 살아남는 기획자는 “창의적인 사람”이라기보다, 구조를 설계할 수 있고, 시스템을 이해하고, AI를 도구로 통솔할 수 있는 제너럴리스트에 가까울 것이라고 생각합니다.
AI는 점점 더 많은 것을 만들어낼 것입니다.
그 안에서 방향을 정하고, 기준을 세우고, 책임을 지는 사람이 진짜 경쟁력을 갖게 될 것입니다.
“하나의 완성된 게임”을 꼭 만들어보셨으면 좋겠습니다. 규모가 크지 않아도 됩니다.
대신 처음부터 끝까지, 시작 화면부터 엔딩 혹은 목표 지점까지 하나의 경험으로 완성해보셨으면 합니다.
1인 개발 성공 사례를 보면 공통점이 있습니다. 스타듀 밸리, 언더테일, 뱀파이어 서바이버즈 같은 작품들은 규모는 작지만, 핵심 재미가 매우 명확합니다. 언더테일은 사실상 1인 개발에 가까운 형태였고, 뱀파이어 서바이버즈도 초기에는 거의 1인 프로젝트에 가까웠습니다. 스타듀 밸리 역시 한 사람이 수년간 대부분을 만들어낸 작품입니다. 이 게임들이 거대한 AAA 시스템을 갖췄기 때문에 성공한 것은 아닙니다. 핵심 루프가 명확했고, 작은 시스템들이 서로 충돌하지 않도록 조율되어 있었기 때문입니다.
그래서 제가 제안하고 싶은 도전 과제는 이것입니다. “내가 재미있다고 느꼈던 게임의 핵심 루프를 하나 가져와서, 20%만 비틀어보라.” 완전히 새로운 것을 만들겠다는 생각은 오히려 위험합니다. 유저는 100% 낯선 경험보다, 80%는 익숙하고 20%는 신선한 구조를 더 편안하게 받아들입니다. 예를 들어 로그라이크를 좋아했다면, 전투 구조는 유지하되 성장 방식을 비틀어보거나, 카드 게임을 좋아했다면 기본 규칙은 유지하되 자원 구조를 바꿔보는 식입니다. 핵심은 “낯설지 않지만 어딘가 다르다”는 지점을 만드는 것입니다.
그리고 무엇보다 중요한 건, 끝까지 만들어보는 경험입니다. 아이디어를 떠올리는 것과, 시스템을 연결해 완성된 형태로 다듬는 것은 전혀 다른 단계입니다. 완성 경험이 쌓이면, 그다음 프로젝트는 훨씬 선명해집니다. AI는 이제 우리에게 더 많은 시도를 할 수 있는 기회를 줍니다. 그 기회를 활용해서, 작지만 단단한 게임 하나를 세상에 내보내셨으면 좋겠습니다. 저 역시 그 길 위에 있습니다. 언젠가 독자분들의 게임이 스토어에 올라오는 날을 기대하겠습니다.
요즘은 “나도 AI로 새로운 걸 만들고 싶다”는 마음만 있으면 뭐든 시작할 수 있는 시대죠. 하지만 막상 해보면 아이디어를 구현하는 것부터 앱을 개발하고 배포하는 것까지, 한 사람의 힘으로 완성하기에는 벽이 높습니다. 그래서 필요한 게 AI를 ‘도구’가 아니라 ‘팀원’처럼 쓰는 방법이죠.
『AI 게임 개발 with 코덱스』는 비개발자나 주니어 개발자도 AI와 협업하며 게임을 완주할 수 있는 책입니다. 단순히 'AI로 결과물 뽑기'가 아니라, 내가 기획한 시스템을 스스로 설계하고 개선하는 단계를 자연스럽게 경험할 수 있도록 구성되어 있습니다. 특히 역할별 AI 파트너에게 일을 시키고, 협업하는 방법을 배울 수 있습니다. 캐릭터·에셋은 챗GPT로, 복잡한 시스템 코딩은 코덱스로, 게임의 맛을 살리는 음원은 Lami.ai로 사용하는 등 혼자서도 팀처럼 움직이는 제작 파이프라인을 구축하게 해주죠.
그리고 그 과정이 유니티 실전 개발로 이어지면서, 인트로부터 종료까지 '작동하는 게임'을 완성하도록 안내합니다. 이어 배포와 수익화, 그리고 글로벌 서비스 관점의 운영까지 다뤄봅니다. 책을 끝까지 따라온다면, AI와 협업하면서 스스로 기획하고 제작해 하나의 게임을 완성할 수 있는 개발자로 성장하게 될 것입니다.
0
0 
댓글