top of page

GDC AI 설문조사, 생성형 AI를 사용하는 게임 종사자 증가 확인

4시간 전
10분 분량

GDC의 11월 설문조사에 따르면, 조사 대상 게임 업계 전문가의 40%가 업무에서 생성형 AI를 사용한다고 답했다. 이는 지난해 36%에서 증가한 수치다. 학습한 패턴을 바탕으로 콘텐츠를 만드는 소프트웨어인 생성형 AI는 폭넓은 신뢰를 얻지는 못한 채 직장 내 사용자를 늘리고 있다. GDC AI 설문조사는 이 기술을 선별적으로 활용하면서도 그 결과에는 경계심을 보이는 업계의 모습을 보여준다.

이러한 구분은 스튜디오 리더와 소프트웨어 공급업체에 부담을 준다. 도입 자체만으로는 직원들이 생성된 아트워크를 환영하는지, 자동화된 결과물을 신뢰하는지, 또는 이러한 도구가 업계를 개선한다고 믿는지를 입증할 수 없다. 개발자는 특정 업무에서는 보조 도구가 유용하다고 판단하면서도 고용주가 이를 배치하는 방식에는 반대할 수 있다.

핵심적인 경계는 내부 지원과 플레이어에게 도달하는 창작물 사이에 있다. Valve의 Steam 플랫폼은 이미 공개 규정에서 이 두 범주를 구분하고 있다. GDC의 조사 결과는 이 경계를 주시할 만한 이유를 제시한다. 도입의 다음 단계는 팀이 무엇을 수용하고, 유지하며, 출시 결과에 대해 책임질 것인지에 달려 있다.

GDC AI 설문조사가 실제로 보여주는 것

가장 분명한 변화는 게임 개발의 입증된 개선이 아니라, 보고된 직장 내 사용 범위의 확대다. GDC의 생성형 AI 조사 결과에 따르면 도입률은 4%포인트 상승했다. 도입자 가운데 57%는 매일 사용한다고 답했다. 부정적 인식은 55%로, 이전의 54%와 비교해 GDC는 사실상 변함없는 수준이라고 설명했다.

분모는 중요하다. 이 결과는 실무 개발 외의 직종을 포함한 조사 대상 게임 업계 전문가에 관한 것이다. 이를 모든 프로그래밍, 아트, 디자인 또는 프로덕션 팀에서 같은 비율로 AI를 사용한다는 주장으로 확대해서는 안 된다. 폭넓은 업계 표본은 특정 직군에 한정한 설문과는 다른 질문에 답한다.

매일 사용한다는 수치 역시 도입자만을 대상으로 한 것이다. 이는 응답자 대다수가 매일 해당 기술을 사용한다는 의미가 아니다. 이 집단들을 분리해 보면, 이해하기 쉬운 헤드라인이 AI가 프로덕션에 얼마나 깊이 들어왔는지에 대한 과장된 설명으로 변하는 것을 막을 수 있다.

보고서는 2026년 11월 12일에 발표됐다. GDC의 업계 설문조사 발표에 따르면 2,600명 이상의 게임 종사자가 참여했다. 또한 연말에 가까운 시점으로 발표를 옮긴 이유도 설명한다. 독자는 이번 판을 현재 상황의 스냅샷으로 받아들여야 하며, 모든 비교가 동일한 간격의 연간 측정을 가리킨다고 가정해서는 안 된다.

이 시점 때문에 지금 이 결과에 주목할 가치가 있다. 팀들은 향후 프로젝트에 승인하고, 통합하며, 계속 활용할 도구에 대해 결정을 내리고 있다. 현재 사용 현황의 스냅샷은 그러한 논의에 사실적 출발점을 제공한다. 다만 특정 배치 방식의 사업성은 여전히 열려 있다.

여러 해석이 가능하다. 직원들은 보조 도구를 시험하고 있을 수 있고, 반복 업무에 의존하고 있을 수 있으며, 기존 소프트웨어에 포함된 기능을 사용하고 있을 수도 있다. 헤드라인의 도입 지표만으로는 각 설명이 얼마나 기여하는지 알 수 없다. 또한 직원들이 자발적으로, 마지못해, 또는 경영진의 압박 아래 AI를 사용하기 시작했는지도 입증할 수 없다.

따라서 유용한 해석은 접근성, 활동, 결과를 구분한다. 접근성은 직원이 도구를 사용할 수 있음을 뜻한다. 활동은 그 직원이 실제로 도구를 사용하는 것을 의미한다. 결과는 산출물이 수용 가능한 수준의 노력과 검토를 통해 요구사항을 충족하는지와 관련된다.

이 설문조사는 주로 활동과 태도를 밝히는 데 도움이 된다. 결과를 평가하려면 명확한 기준에 따라 평가된 완성 작업물 같은 다른 증거가 필요하다. 더 빠른 제작을 주장하는 스튜디오는 생성 과정뿐 아니라 확인, 통합, 수정까지 고려해야 한다.

이 구분은 독자가 빈번한 사용을 해석하는 방식도 바꾼다. 반복 사용은 도구가 누군가의 일상 업무에서 자리를 찾았음을 시사한다. 그러나 그 자리가 핵심적인지, 주변적인지, 일시적인지, 또는 대체하기 어려운지는 여전히 알 수 없다. 매일 사용한다는 말은 대규모 프로덕션 의존성만큼이나 짧은 관리 업무를 묘사할 수도 있다.

GDC AI 설문조사는 직장 내 도입을 더욱 면밀히 살펴볼 만한 신뢰할 수 있는 이유를 제공한다. 그러나 모델 품질, 스튜디오 효율성 또는 개발팀 구성의 미래에 대한 보편적 결론을 제공하지는 않는다.

스튜디오 리더가 직면한 더 구체적인 도입 질문

이제 스튜디오 리더는 어떤 업무가 AI 사용을 정당화하는지, 그리고 그 결과물의 책임이 누구에게 있는지 설명해야 한다. 기술을 수용하라는 일반적 지침은 직원들에게 충분한 방향을 제시하지 못한다. 스튜디오가 업무, 허용되는 정보, 검토 절차, 승인 책임자를 명확히 할 때 결정은 의미를 갖는다.

설문조사는 직장 환경이 중요하다는 점도 시사한다. Dean Takahashi의 직장 내 도입 보도에 따르면 AAA 종사자의 27%는 생성형 AI 사용을 장려받거나 압박받았다고 느꼈으며, 인디 스튜디오에서는 9%였다. AAA는 대규모 예산의 게임 제작을 뜻한다. 이 결합된 표현은 지지적인 권장과 강압을 구분하지 않는다.

이 구분은 중요한 결과를 낳는다. 선택적 보조 도구를 제공받은 직원은 사용 실적을 보여줄 것으로 기대받는 사람과 다른 상황에 놓인다. 두 경험을 모두 넓은 도입 서사에 포함하면 그 배경에 있는 경영 선택이 가려진다.

스튜디오 리더에게 즉각적인 압박은 책임 소재와 관련된다. 생성된 작업물이 프로젝트에 들어간다면, 누군가는 그것이 다른 작업물에 적용되는 것과 같은 기준을 충족하는지 결정해야 한다. 생성을 위임한다고 해서 최종 결과에 대한 책임까지 위임되는 것은 아니다.

가령 한 프로듀서가 내부 현황 업데이트 초안을 작성하기 위해 보조 도구를 사용한다고 가정해 보자. 프로듀서가 프로젝트 기록과 대조해 주장을 확인할 수 있다면 초안은 유용할 수 있다. 그러나 허구의 의존 관계가 일정에 들어가고 다른 팀이 이를 바탕으로 업무를 조직한다면 위험해진다.

관련 질문은 완성된 업데이트가 더 정확해졌는지, 또는 준비 비용이 줄었는지다. 프롬프트 수를 세는 방식으로는 이 차이를 포착하지 못한다. 초안 작성 시간만 측정해도 프로듀서나 수신자에게 추가로 부과되는 확인 작업을 놓치게 된다.

낯선 코드베이스 영역을 탐색하는 가상의 프로그래머에게도 같은 논리가 적용된다. 보조 도구의 설명은 출발점을 제공할 수 있다. 그러나 프로그래머는 동작을 변경하기 전에 그것이 실제 구현과 일치하는지를 여전히 확인해야 한다.

이 사례들은 조사 대상 스튜디오에서 문서화된 결과가 아니라 분석적 예시다. 이들은 하나의 직장 내 사용 범주 안에 매우 다른 결과를 가져오는 업무가 포함된 이유를 보여준다. 뉴스 가치의 일부는 단순한 도입 수치와 복잡한 프로덕션 결정 사이의 이러한 불일치에 있다.

직원들에게도 추측 없이 적용할 수 있는 정책이 필요하다. 스튜디오는 기밀 프로젝트 세부정보를 외부 서비스에 입력할 수 있는지 명확히 해야 한다. 생성된 자료가 프로토타입에 남을 수 있는지, 프로덕션에 들어갈 수 있는지, 또는 마케팅에 등장할 수 있는지도 설명해야 한다.

이러한 경계는 부서 간 관계에 영향을 준다. 한 사람이 수행한 실험은 그 결과물이 후속 단계로 이동할 경우 다른 팀에 의무를 만들 수 있다. 예를 들어 임시 에셋은 검토자가 교체 또는 승인이 필요한지 이해할 수 있도록 명확한 상태가 필요하다.

도구 공급업체도 관련된 상업적 과제에 직면한다. 보조 도구가 무언가를 생성할 수 있음을 보여주는 것만으로 스튜디오가 이를 경제적으로 수용할 수 있다는 사실이 입증되지는 않는다. 구매자는 해당 도구가 기존 검토, 문서화, 승인 관행에 어떻게 들어맞는지 이해해야 한다.

이 때문에 도입 구호보다 통합 증거가 더 유용하다. 설득력 있는 배치 사례는 원래 업무, 결과, 그리고 남은 인적 노력을 설명해야 한다. 또한 보조 도구의 성능이 낮았거나 유난히 면밀한 감독이 필요했던 상황도 밝혀야 한다.

구매와 정책 결정에 대한 압박은 즉각적이지만, 프로덕션 결과는 더 긴 프로젝트 주기에 걸쳐 나타난다. 조직은 도구를 빠르게 승인할 수 있다. 그 주변에 신뢰할 수 있는 습관을 구축하려면 더 지속적인 노력이 필요하다.

내부 지원과 완성 콘텐츠는 서로 다른 검증을 거친다

누군가의 작업 준비를 돕는 도구는 플레이어에게 직접 전달되는 콘텐츠와 다른 수용 기준에 직면한다. 이것이 이 글의 핵심적인 상충관계다. 내부 지원은 잠정적 상태로 쉽게 폐기될 수 있다. 완성된 자료는 프로젝트의 창작적, 기술적, 상업적 요구사항을 충족해야 한다.

Valve는 AI 콘텐츠 공개 문서에서 이 구분을 명시하고 있다. Steam은 일반적인 효율성 향상보다 플레이어에게 출시되고 소비되는 생성 콘텐츠에 초점을 맞춘다. 개발 중 생성된 자료와 게임 실행 중 생성되는 콘텐츠를 구분하며, 후자의 경우 추가적인 보호장치를 요구한다.

이 정책은 직장 내 도입과 눈에 보이는 AI 콘텐츠가 별도 지표를 필요로 하는 이유를 설명하는 데 도움이 된다. 누군가는 보조 도구를 광범위하게 사용하면서도 그 산문, 이미지 또는 오디오를 출시하지 않을 수 있다. 반대로, 기본 도구를 사용하는 팀원이 비교적 적더라도 프로젝트에는 생성된 에셋이 포함될 수 있다.

Valve와의 비교는 범위와 책임에 관한 것이다. GDC는 전문가에게 업무와 견해를 묻는다. Steam의 공개 절차는 고객이 받는 제품과 관련된다. 각각 개발의 서로 다른 부분을 설명하기 때문에 어느 지표도 다른 지표를 대체할 수 없다.

가상의 브레인스토밍 세션은 첫 번째 범주를 보여준다. 한 디자이너가 내부 프로토타입의 가능한 이름을 요청하고, 대부분의 제안을 거부한 뒤 독창적인 방향을 발전시킨다. 결과물은 인간의 의사결정 과정 안에서 폐기 가능한 자료로 쓰인다.

가상의 출시 대화 시스템은 다른 범주를 보여준다. 플레이어는 게임의 일부로 그 응답을 접한다. 이러한 응답은 캐릭터성, 분위기, 그리고 플레이어의 세계 이해에 직접 기여한다.

차이는 예술적 선호를 넘어선다. 토론을 촉발하는 것이 목적인 거친 제안은 무해하게 실패할 수 있다. 완성 콘텐츠로 제시되는 자료는 주변 경험 속에서 제대로 작동해야 한다. 일관되지 않은 품질은 준비 과정의 불편함이 아니라 제품의 일부가 된다.

이는 모든 내부 사용이 허용되거나 모든 출시 사용이 허용되지 않는다는 뜻은 아니다. 승인은 업무와 그 결과에 따라 결정되어야 한다는 뜻이다. 스튜디오는 자신이 주장하려는 내용에 적합한 증거를 갖춰야 한다.

내부 조사에서는 정확성과 결론을 신뢰할 수 있는 자료로 다시 추적할 수 있는 능력이 유용한 증거가 된다. 프로덕션 에셋의 경우 평가에는 프로젝트 방향과의 일관성도 포함되어야 한다. 인터랙티브 생성의 경우 평가에서는 다양한 플레이어 입력에 걸친 행동을 고려해야 한다.

기반 기술이 같더라도 이는 서로 다른 질문이다. 한 영역에서 좋은 성능을 보인 시연이 다른 영역까지 결론짓지는 못한다. 이를 서로 바꿔 쓸 수 있는 것으로 취급하면 낙관적 주장과 비판적 주장 모두의 정확성이 떨어진다.

지식 관리는 생성된 요약이 이를 뒷받침하는 기록과 분리될 수 있기 때문에 이 논의에 속한다. 체계적인 엔지니어링 지식 베이스는 문서와 의사결정의 추적성을 보존하는 데 유용한 기준점이 된다. 그 관련성은 특정 생성 도구를 도입해야 한다는 이유가 아니라 추적 가능성에 있다.

한 팀이 프리프로덕션 중 어떤 메커니즘을 포기한 이유를 다시 검토한다고 가정해 보자. 다듬어진 설명은 실제 의사결정을 반영할 때에만 유용하다. 팀은 원래의 조사 결과, 제약 조건, 그리고 해결되지 않은 이견에 접근할 수 있어야 한다.

생성된 자료가 다른 사람에게 전달될 때에도 같은 원칙이 적용된다. 검토자는 자신이 보고 있는 내용을 판단할 만큼 충분한 맥락이 필요하다. 그런 맥락이 없으면, 잠정적인 제안도 완성된 문서나 승인된 폴더에 들어 있다는 이유만으로 권위를 얻게 될 수 있다.

이 때문에 지원과 완성된 콘텐츠 사이의 경계에 주의를 기울일 필요가 있다. 이 경계는 실험이 다른 사람들이 뒷받침해야 하는 약속으로 전환되는 시점을 결정한다. 도입 수치는 도구가 업무 현장에 들어오고 있음을 보여주며, 수용 여부에 대한 결정은 무엇이 게임에 남는지를 결정한다.

이 설문조사만으로는 생산성이나 해고의 인과관계를 판단할 수 없다

보고된 사용량만으로 생산성 향상을 입증할 수 없으며, 해고가 동시에 발생했다는 사실만으로 AI가 이를 유발했다고 단정할 수도 없다. 이는 각각 별도의 증거가 필요한 별개의 주장이다. 둘을 하나의 이야기로 결합하면 설문조사 설계가 뒷받침할 수 있는 수준보다 더 큰 설명력을 부여하게 된다.

고용 관련 조사 결과에서는 이러한 방법론적 경고가 특히 분명하다. GDC는 해고의 영향을 받은 사람들 사이에서 참여율이 더 높은 것으로 보인다고 말한다. 이는 그들의 경험을 살펴볼 가치를 높이는 한편, 이 표본을 업계 고용 현황 조사로 간주하려는 시도에는 한계를 둔다.

AI 도입 측면에서 더 넓은 교훈은 설문 응답과 측정된 제작 결과를 구분하는 것이다. 한 근로자는 도구를 사용했다고 정확히 보고할 수 있지만, 그 효과를 수치화하지는 못할 수 있다. 또한 특정 상황에서의 유용성을 인정하면서도 업계 전반에 대해서는 부정적인 견해를 가질 수 있다.

따라서 도입 수치와 정서 수치는 분리해서 다뤄야 한다. 관련 교차 집계가 없다면 독자는 도입자 중 개인적으로 부정적 견해를 가진 사람이 얼마나 되는지 계산할 수 없다. 전체 결과는 표본 수준에서의 공존을 보여줄 뿐, 모든 개별 사용자의 신념을 보여주지는 않는다.

태도의 작은 변화 역시 비슷한 절제가 필요하다. 설문조사 간의 미세한 차이만으로 의미 있는 여론 변화를 입증할 수는 없다. 시간에 따른 변화를 해석할 때는 표본 구성, 질문 문구, 응답자 특성이 모두 중요하다.

회의적인 관점에도 정확성이 필요하다. 고용, 저작권 귀속, 창작 기준에 대한 우려는 정당한 보도 대상이다. 그렇다고 해서 모든 도입이 일자리를 줄이거나 품질을 훼손한다는 사실이 자동으로 입증되는 것은 아니다. 각 주장은 특정 의사결정이나 결과와 연결된 증거를 필요로 한다.

생산성 주장을 하려면 명확한 비교가 필요하다. 팀은 어떤 조건에서, 어떤 요구사항을 충족하며 어떤 작업을 완료했는가? 수정에는 얼마나 많은 시간이 들었는가? 다른 부서가 추가 작업을 떠안았는가?

가령 가상의 아티스트가 지원을 받아 더 많은 초안 변형안을 만든다고 하자. 그 결과만으로 프로젝트가 더 빨리 진행되는지는 알 수 없다. 팀이 승인된 방향에 더 빨리 도달할 수도 있고, 브리프를 충족하지 못하는 자료를 검토하는 데 더 많은 시간을 쓸 수도 있다.

관련된 기준 단위는 승인된 결과물이다. 더 많은 후보를 만들어 내는 과정은 여전히 총 투입 노력을 늘릴 수 있다. 반대로 눈에 보이는 산출물이 거의 없는 과정도 누군가가 유용한 방향을 빠르게 찾아내는 데 도움이 될 수 있다.

어느 결과도 기술만으로 자동적으로 따라오지는 않는다. 이것이 설문조사가 세부 평가를 촉진해야지, 이를 건너뛰는 지름길이 되어서는 안 되는 이유다. 설문 결과는 조사할 가치가 있는 질문을 제시하지만, 답은 작업별 조건에 따라 달라진다.

고용 관련 주장은 더욱 신중하게 다뤄야 한다. 한 스튜디오의 발표는 구조조정, 변화하는 프로젝트 수요, 또는 효율성 목표를 언급할 수 있다. AI의 역할을 입증하려면 단지 두 일이 함께 발생했다는 점을 지적하는 것이 아니라, 특정 도입과 인력 결정 사이를 연결하는 증거가 필요하다.

근로자의 우려는 여전히 고용주가 소통하는 방식에 영향을 미쳐야 한다. 불명확한 기대는 선택 사항인 도구조차 미래 역할에 관한 신호처럼 느끼게 만들 수 있다. 리더는 무엇이 바뀔 것으로 예상하는지, 향후 결정에는 어떤 증거가 반영될 것인지를 설명함으로써 이러한 불확실성에 대응할 수 있다.

이 설문조사만으로는 AI가 학습을 개선하는지 여부도 판단할 수 없다. 보조 도구는 누군가가 낯선 문제를 이해하도록 도울 수도 있고, 이해하지 못한 채 계속 진행하게 할 수도 있다. 두 결과를 구분하려면 그 사람이 이후 무엇을 설명하고 수행할 수 있는지 살펴봐야 한다.

구매자에게 실질적인 의미는 검증 가능한 주장을 요구해야 한다는 것이다. 광범위한 효율성을 약속하는 공급업체는 그 주장의 근거가 되는 작업과 조건을 구체적으로 밝혀야 한다. 성공적인 도입을 설명하는 스튜디오는 완성된 작업을 어떻게 평가했는지 설명해야 한다.

비판자에게도 같은 기준은 더 강한 논거를 뒷받침한다. 모든 사용 사례를 동일하게 취급하는 것보다, 구체적인 실패 사례, 분쟁이 된 에셋, 또는 문서화된 인력 결정을 지적하는 편이 더 유익하다. 구체적 증거는 피할 수 있는 문제와 더 광범위한 이견을 구분하기 쉽게 만든다.

독자가 이러한 한계를 지킬 때 GDC AI 설문조사는 가장 유용하다. 이 조사는 업무 현장의 추세와 지속되는 회의론을 기록한다. 가치, 피해, 인과관계에 관한 상당한 질문은 추가 조사를 위해 남겨 둔다.

스튜디오가 다음 AI 정책을 수립하며 주목할 점

다음으로 유용한 증거는 도구 사용을 명시적 정책, 승인된 작업, 그리고 플레이어 대상 의사결정과 연결할 것이다. 앞으로 몇 달 동안 이러한 신호는 또 하나의 포괄적인 지지 또는 반대 선언보다 더 많은 것을 보여줄 것이다. 선택적 도입이 안정적인 운영 관행으로 자리 잡는지 드러낼 수 있다.

첫 번째 신호는 스튜디오 정책의 구체성 증가다. 기업이 어떤 작업을 허용하는지, 근로자가 어떤 정보를 제출할 수 있는지, 누가 생성된 결과물을 승인하는지를 설명하는지 살펴봐야 한다. 이러한 세부 사항은 정책을 평가 가능하게 만든다.

조사 지원과 제작 에셋을 구분하는 정책은 도입이 더 선택적이고 신중해지고 있다는 해석을 강화할 것이다. 사용 목표를 중심에 둔 정책은 가치에 관한 증거로는 더 약하다. 이는 참여를 측정할 뿐, 작업이 개선되는지는 입증하지 못한다.

스튜디오가 근로자가 제안된 사용에 어떻게 이의를 제기할 수 있는지 설명하는지도 살펴봐야 한다. 검토 경로는 이견을 실제 대응으로 이어지게 한다. 그런 경로가 없다면 정책은 정교해 보일 수 있지만, 직원들은 분쟁이 있는 결과에 어떻게 대응해야 할지 확신하지 못할 수 있다.

두 번째 신호는 완료된 작업에 관한 증거다. 유용한 설명은 원래의 작업을 식별하고 생성 이후에 무엇이 남았는지 설명해야 한다. 그런 세부 사항이 성공 사례를 복잡하게 만들더라도 검토와 수정에 든 노력을 포함해야 한다.

총 투입 노력은 줄이면서 허용 가능한 품질을 보인 결과는 특정 도입의 근거를 강화할 것이다. 상당한 후속 수정이 나타난 결과는 그 근거를 약화할 것이다. 어느 쪽이든 프롬프트 수나 접근 권한을 가진 직원 수보다 더 많은 정보를 제공한다.

이러한 평가는 책임 있게 전달될 수 있을 만큼 충분한 맥락을 필요로 한다. 내부 기획 작업의 결과가 완성된 아트워크에 대한 약속으로 바뀌어서는 안 된다. 성공한 프로토타입이 제작 시스템이 안정적으로 작동할 것이라는 증거가 자동으로 되어서는 안 된다.

세 번째 신호는 스튜디오가 플레이어에게 생성 콘텐츠를 어떻게 설명하는지다. 공개의 구체성, 실험적 자료와 출시된 자료의 구분, 그리고 플레이어가 에셋에 의문을 제기했을 때의 대응을 살펴봐야 한다. 명확한 설명은 실제 선택을 드러낸다.

팀이 내부 지원은 확대하면서 완성된 콘텐츠에는 엄격한 승인 경계를 유지한다면, 이는 설문조사의 핵심 긴장을 강화할 것이다. 출시된 생성 콘텐츠를 더 폭넓게 수용한 사실을 문서화한다면, 도입이 지원 업무에 집중되어 있다는 생각에 이의를 제기하게 될 것이다.

플레이어 반응 역시 신중하게 해석해야 한다. 하나의 분쟁은 기대와 제공 결과 사이의 불일치를 드러낼 수 있다. 긍정적 댓글이 보편적 수용을 입증하지 못하는 것처럼, 이것만으로 전체 이용자층의 반응을 자동으로 입증할 수는 없다.

스튜디오의 설명은 작업 자체를 다룰 때 가장 중요해진다. 무엇이 생성되었는가? 어떤 검토가 이루어졌는가? 팀은 무엇을 유지하고, 교체하고, 수정했는가? 이러한 답변은 플레이어와 전문가에게 평가할 수 있는 구체적 근거를 제공한다.

같은 질문은 지속 가능한 관행과 실험을 구분하는 데에도 도움이 된다. 팀이 어디에서 도구가 도움이 되고 어디에서 추가 작업을 만드는지 설명할 수 있을 때, 그 도구는 지속적인 자리를 얻는다. 그 설명은 초기 시연 이후에도 유지되어야 한다.

다음 발표를 평가하는 독자는 작업에서 출발해 승인된 결과까지 따라가야 한다. 누가 결과물을 확인했는지, 어떤 정보가 이를 뒷받침했는지, 주장된 이점에 수정 시간이 포함되는지 물어야 한다. 업무 현장에서의 도입과 완성된 콘텐츠의 승인 여부를 구분해야 한다. 고용 관련 주장은 실제 인력 결정에 관한 증거와 비교해야 한다. GDC AI 설문조사는 더 많은 설문 응답 전문가가 이러한 도구를 사용하고 있음을 보여준다. 다음 보도의 과제는 그 사용이 무엇을 달성하는지 판단하는 것이다. 스튜디오가 AI가 자사의 프로세스를 개선했다고 말한다면, 그 작업, 검토, 그리고 결과에 책임진 사람들을 확인해야 한다.

 
 

무료로 시작하세요

개인 지식 관리 기능을 갖춘 로컬 우선 AI 어시스턴트

더 나은 AI 경험을 위해

현재 remio는 Windows 10+ (x64) 및 M-Chip Macs만 지원합니다.

업무를 위한 AI 파트너
remio와 더 많은 일을 해내세요

계획하고, 만들고, 완성하세요
모든 일을 한곳에서

bottom of page