주제: AI는 스토리텔링의 꿈을 꾸는가? - 게임 내러티브 기획에서 생성형 AI 활용과 인간의 재미 판단
강연자 : 이지영 - 넥슨코리아
발표분야 : 인공지능 / 게임기획
권장 대상 : 게임 시나리오, 퀘스트, 세계관을 구축하는데 관심이 있는 내러티브 기획자
관심태그 : #NDC26 #생성형AI #게임기획
[🚨 강연 주제] 이 세션은 게임 내러티브 기획에 생성형 AI를 도입해 본 실무 경험을 바탕으로, 스토리텔링 분야에서 AI의 잠재력과 한계를 조명하고 그에 대한 해결 시도를 공유합니다. 기술을 잘 쓰기보다는 스토리를 잘 쓰고 싶었던 기획자가 세계관 설정, 시나리오 작성, 퀘스트 설계에서 AI를 활용하며 겪었던 시행착오와 작업 과정을 소개하고, 창작의 창의성과 게임의 재미에 있어서 인간의 역할과 판단의 중요성에 관해 이야기합니다.
게임의 스토리는 감성, 창의성 같은 인간 고유의 영역으로 여겨진다. 그렇다면 이곳에도 AI를 쓸 수 있을까? NDC 26 무대에 오른 넥슨코리아 이지영 기획자는 'AI는 스토리텔링의 꿈을 꾸는가?'라는 세션에서 게임 내러티브 기획에 생성형 AI를 도입해 본 실무 경험을 풀어내며, "AI는 인간의 결정을 빠르게 수행하는 도구일 뿐 재미를 판단하는 주체는 아니다"라는 결론에 도달한 과정을 공유했다.
이 기획자는 '페리아 연대기', '로스트아크', 넥슨 '프로젝트 EL'에서 시나리오와 퀘스트를 만들어 온 현업 기획자다. 그는 자신을 "기술 혁신보다 스토리를 잘 쓰고 싶었던 기획자"로 소개하며, 기술적 분석보다 'AI를 쓰는 대중적인 유저'의 시각에서 사례 중심으로 발표를 진행하겠다고 밝혔다. 발표는 게임 내러티브 기획의 세 축인 세계관 설정, 시나리오 작성, 퀘스트 설계에 AI를 적용한 사례와 그 과정에서 깨달은 'AI 시대의 창작 전략'으로 구성되었다.
도입부에서 이 기획자는 필립 K. 딕의 소설 '안드로이드는 전기양의 꿈을 꾸는가?'의 한 대목을 인용했다. 안드로이드를 쫓는 주인공 릭 데커드가 회의감 속에서도 "아직 내 경력은 끝나지 않았다"고 되뇌는 장면이다. 그는 "AI 때문에 일자리가 줄어든다는 뉴스를 보며 불안해하던 심정과 닮았다"며, "데커드에게는 감정 이입의 상징인 전기양이라도 남아 있는데, AI와 함께 살아갈 우리에게 남는 것은 무엇일지 고민하며 발표를 준비했다"고 말했다.
세계관 설정 — "기반 자료가 개연성을 결정한다"
이 기획자는 청중에게 두 건의 설정 기획서 A와 B를 보여주며 어느 쪽이 AI가 쓴 것인지 맞혀 보게 하는 퀴즈로 시작했다. 정답은 B였지만, 현장에서도 A를 고른 이들이 적지 않았다. 그는 "AI가 쓴 기획서와 인간이 쓴 기획서가 비등비등할 때도 있다"는 점을 짚었다.
실제 사례로는 판타지 세계관 속 '라스베이거스 같은 도박 도시'의 지역 설정 기획서를 들었다. 약 179자 분량의 프롬프트를 넣고 2분 남짓 기다리자 1만 2,000자 가량의 초안이 나왔고, 그중 70%는 쓸 만한 수준이었다는 것이다. 그는 "겉보기엔 100여 자 프롬프트로 2분 만에 나온 결과 같지만, 배경에는 13만 자가 넘는 기반 자료와 5시간 넘는 회의, 80년에 달하는 참여자 경력이 깔려 있었다"고 설명했다.
그가 특히 강조한 것은 '회의록'이었다. 6명이 참여하고 리더급이 포함된 회의가 3회, 5시간 넘게 진행되었으며, 녹취를 AI가 요약한 뒤 인간이 다시 손보아 정리한 회의록이 핵심 입력 자료가 되었다는 것이다. 그는 "회의록은 여러 기획자가 공유하는 맥락이 응축된 고(高)맥락 자료"라며, 여기에 채택되지 못한 인간의 아이디어 기획서(개연성 있는 대사 포함)와 다른 도시의 설정 기획서 형식을 더하자 AI가 그 구조에 맞춰 빈 부분까지 유창하게 채웠다고 전했다.
반면 같은 방식을 캐릭터 설정에 적용했을 땐 결과가 나빴다. '하이드 자크'라는 귀족 망나니 캐릭터의 설정에서 대표 대사부터 엉뚱했고, 시나리오에 있던 창고 '마법문'의 대사가 캐릭터의 대표 대사로 잘못 등록되는 식이었다. 그는 원인을 "기반 자료의 차이"로 진단했다. 프롬프트는 거의 같았지만, 지역 설정 때와 달리 캐릭터 설정에선 관련 내용이 적은 자료 하나만 넣었기 때문이라는 것이다.
그는 "단일 자료로 작업할 것이라면 어느 부분이 캐릭터성에 중요한지, 앞으로 전개가 어떻게 될지 프롬프트에 더 구체적으로 보충했어야 했다"고 말했다.
세계관 설정 파트의 결론은 명확했다. 같은 프롬프트라도 양질의 회의록과 인간이 쓴 기획서가 받쳐줄 때 좋은 결과가 나온다는 것이다. 그는 실무 팁으로 "어차피 많이 하는 회의를 고맥락 자료로 잘 정리하고, 기존 기획서를 노션이나 마크다운 파일처럼 AI가 활용하기 좋은 형태로 만들어 두라"고 권하면서도, "AI가 유창하지만 가끔 헛소리를 하기 때문에 정합성과 개연성은 반드시 인간이 검토하며 맞춰야 한다"고 강조했다.
시나리오 작성 — "고쳐 써도 반복되던 평균화"
시나리오 파트에서 그는 기존에 인간이 써 둔 코미디 대본을 '더 웃기게' 수정하는 작업과 새 유머 에피소드를 만드는 작업을 각각 시도했다. 수정 작업은 비교적 성공적이었다. 동료에게 배운 대로 프롬프트를 직접 다 쓰지 않고 "유머에는 짧은 호흡과 긴 호흡이 있는 것 같으니 참고해 달라"고만 했더니, AI가 재치 있는 비유, 예상치 못한 단어 조합, 가벼운 자학 같은 기법을 스스로 끌어내 납득할 만한 수정안을 냈다는 것이다. 그는 이를 "인간이 쓴 대사를 많이 넣어 준 덕분"으로 보았다.
그러나 새 유머 에피소드 작성은 거듭 실패했다. 세계관 설정과 작법 이론, 샘플 유머까지 넣었지만 결과물은 웃기지 않았다. 그가 샘플로 활용한 유머는 영국 심리학자 리처드 와이즈먼이 라프랩(LaughLab) 실험에서 약 4만 건의 농담을 약 200만 명에게 평가받아 선정한 '세계에서 가장 웃긴 유머'였다. 한 사냥꾼이 쓰러진 동료를 두고 구조대에 전화하자 구조대원이 "사망이 확실한지 확인하라"고 했고, 잠시 뒤 총성이 울린 후 "확인했다. 다음엔 어떻게 하느냐"고 묻는 이야기다.
그는 왜 이렇게 만들어진 유머가 거듭 웃기지 않았는지를 동료의 조언에서 찾았다. AI는 학습 데이터에서 평균적으로 가장 그럴듯한 것을 따라가기 때문에 의외성이 약해진다는 것이다. 그는 "유머의 핵심인 웃음은 예측에서 빗나갈 때, 즉 부조화에서 나온다"며, "할아버지가 빙판에서 넘어지면 큰일을 걱정해 웃음이 억제되지만 젊은이가 요란하게 넘어지면 몸개그가 되는 것처럼, 기대와 어긋나는 의외성이 웃음을 만든다"고 설명했다. 확률에 기반해 다음에 올 법한 것을 잇는 AI로서는 이런 '예측을 벗어나는 설계'가 어렵다는 진단이다.
그가 내린 결론은 'AI에게 판단을 위임하면 안 된다'였다. "'더 웃기게 해 줘'라고 시키면 안 되고, 인간이 무엇이 웃긴지 판단하고 선택한 뒤 '길 가다 미끄러져 몸개그를 하게 해 줘'처럼 구체적 장면을 구상해 알려줘야 AI가 비로소 장면을 만든다"는 것이다. 그는 "재미 판단은 인간이 할 수밖에 없다. 그 시나리오가 웃긴지 판단하는 것도 결국 인간이기 때문"이라며, 인간은 맥락과 의미라는 큰 그림으로 방향을 정하고 AI는 이를 수행한다는 역할 분담을 제시했다.
퀘스트 설계 — "데이터는 AI가, 폴리싱은 인간이"
이 같은 깨달음을 바탕으로 그는 퀘스트 설계에서 AI의 '수행' 능력을 적극적으로 활용했다. 그는 게임 스토리텔링이 한 번 쓰고 끝나는 것이 아니라 유저와 상호작용하며 계속 만들어지는 진행형이라는 점에서 퀘스트 기획의 중요성을 짚었다. 퀘스트는 기획서 작성 → 데이터 작업(NPC, 오브젝트, 레벨, 모션, AI 트리거 등 구현) → 플레이하며 대사와 구성을 다듬는 폴리싱 과정을 거치는데, 재미와 감각을 판단하는 폴리싱은 인간의 몫으로 두고 반복적이고 노동집약적인 데이터 작업에 AI를 투입한다는 구상이었다.
핵심은 기획서의 구조와 데이터의 구조를 맞추는 것이었다. 노션에서 '제목 2'는 퀘스트 스텝 데이터, 특정 서식은 NPC 대사(다이얼로그 데이터)로 대응시키는 식으로 실행 단위를 명시하고, 이미 제작되어 있던 퀘스트 데이터의 시스템과 기능을 AI에 입력해 "이 팀이 쓰는 퀘스트 데이터란 이런 것"임을 학습시켰다. 다만 기획자가 복잡한 변환 규약을 다 외워 쓰지는 않았고, 평소처럼 트리트먼트(Treatment) 형태로 기획서를 쓰면 AI가 이를 데이터 생성용 기획서로 변환하도록 했다.
데이터 생성은 'AI 에이전트' 방식으로 이루어졌다. NPC를 담당하는 에이전트, 아이템을 담당하는 에이전트처럼 기획 작업 단위별로 특화된 에이전트를 두고, 각 에이전트가 기획자를 대신해 데이터를 만든 뒤 하나의 퀘스트 데이터로 합치는 구조다. 예컨대 특정 적 무리를 처치하는 스텝이라면 NPC 에이전트가 기존 언리얼 엔진 에셋에서 외형을 가져와 몬스터 속성과 스킬을 부여하고, 아이템 에이전트가 처치 시 드롭되는 아이템을 붙이는 식이다.
그는 동료들이 실제 구현한 시범 결과를 소개했다. 기획서만 입력하자 언리얼 맵에 데이터와 시퀀스가 자동 생성되었고, 달려가 NPC와 대화하면 퀘스트가 수락되며 자동 배치된 적을 처치하면 완료 조건이 달성되는 플레이 가능한 수준까지 구현되었다는 것이다. 구축에는 2주가량이 걸렸다.
그는 "데이터 작업 단계의 시간과 비용이 상당히 단축되었다"면서도 "몬스터 배치 간격이나 플레이 중 대사 길이 같은 재미 판단은 여전히 인간이 직접 플레이하며 폴리싱해야 했다"고 선을 그었다. 그러면서 "예전엔 반복적인 데이터 작업에 치여 대사를 다듬을 시간조차 부족했는데, 이제는 기획자가 더 깊이 고민하고 재미를 생각할 시간이 생겼다"는 점을 효용으로 꼽았다.
다만 이 퀘스트 자동 생성 파이프라인이 적용된 프로젝트는 이후 개발이 중단되었다. 그는 데이터 수정 및 오류 대응을 위한 별도 검증 프로그램을 만들던 중 "프로젝트 개발이 중단되었다"고 발표 중 직접 언급했는데, 이는 넥슨코리아가 올해 4월 '판타지풍 GTA'를 표방한 오픈월드 신작 '프로젝트 EL'의 개발 중단을 결정한 것으로 알려진 사실과 맞닿아 있다.
AI 시대의 창작 전략 — 텍스트를 둘러싼 '맥락'
발표를 정리하며 그는 AI가 수많은 텍스트를 생성하지만, 그 텍스트를 둘러싼 맥락(Context)은 매우 다양하다는 점을 짚었다. 오픈월드라면 비선형적 스토리텔링에 대한 이해가, 라이브 게임이라면 운영 이슈가 맥락으로 작동한다. 그는 "이 많은 현실의 맥락을 한 번에 모두 반영하기엔 AI의 토큰이 모자라고, 오케스트레이션으로 쪼개 작업하더라도 '방금 팀장이 안 좋은 표정으로 회의를 마치고 와서 빌드에 들어간 퀘스트를 고쳐야 한다'는 식의 상황까지 일일이 정리해 넣지 않으면 AI는 알지 못한다"고 말했다. "AI는 수행의 도구이지 생각하고 판단하는 주체가 아니다"라는 것이다.
그는 재미 판단이 어려운 이유도 맥락에서 찾았다. 어떤 문화권인지, 어떤 장르와 유저층을 겨냥하는지에 따라 무엇이 재미있는지 달라지기 때문이다. 그는 이런 시대에 필요한 역량으로 수많은 맥락을 읽어내는 통찰력, 재미를 이야기로 풀어내는 상상력, AI가 생성한 것 중 무엇을 쓰고 버릴지 고르는 판단력, 자신의 생각을 AI에 제대로 전달하는 표현력을 꼽았다.
'AI가 인간의 창의성을 해치는 것 아니냐'는 우려에는 플라톤의 '파이드로스'에 담긴 문자 비판을 끌어와 답했다. 기원전의 한 비판은 '문자가 기억 연습을 게을리하게 해 사람들의 혼에 망각을 심을 것'이라고 경고했는데, 2,000여 년이 지난 지금 우리는 문자가 가져온 문명의 발전을 안다는 것이다. 그는 "인류의 능력은 퇴화하는 것이 아니라 변화하는 것이며, 문자의 발명이 인간 문화를 바꿨듯 AI의 등장도 그러할 것"이라며, "어떤 도구를 쓰든 우리는 세계와 삶, 사랑과 감동을 전하는 스토리텔링을 꿈꾸고 만들고 함께 즐길 것"이라는 말로 발표를 맺었다.
질의응답 — "베이스가 없어도, 작은 팀이어도"
이어진 질의응답에서는 실무 적용 가능성에 대한 질문이 이어졌다. 한 대학원생이 "참고 자료가 많아야 동작한다면, 자료 준비가 버거운 소규모 조직이나 비전공자는 도움받기 어렵지 않으냐"고 묻자, 그는 1인 개발자가 AI가 언급한 고전 작품을 하나하나 찾아보거나 서로 다른 모델로 교차 검증하는 사례를 들며 "내러티브 베이스가 부족해도 검증해 가며 조금씩 만드는 것은 가능하다고 본다"고 답했다. 그는 "결국 인간이 검토해야 하는 것은 기술 쪽도 마찬가지일 것"이라고 덧붙였다.
예비 기획자를 위한 학습법을 묻는 질문에는 자신도 문과 베이스라 어려움을 겪었다고 털어놓으며 "AI와 직접 계속 대화하며 맞춰 보는 것, 유튜브 등 간접 자료를 활용하는 것"을 권했다. 또 "테크 쪽은 노하우 축적과 공유가 잘 되어 있는데, 기획 쪽도 'AI로 내러티브를 어떻게 만들어 보았고 왜 실패 혹은 성공했는지'를 누적해 공유하는 커뮤니티가 있으면 좋겠다"는 바람을 밝혔다.
'재미 판단의 기준'을 묻는 질문에는 "재미있는 게임을 많이 해 보고 커뮤니티 반응과 평점을 참고하는 전통적 방법"과 함께, 만들고 있는 장르에 맞는 레퍼런스(예: 오픈월드의 비선형 진행 사례)를 AI에 선행 학습시키는 방식을 소개했다. 그는 "언젠가 사람들이 'AI가 만든 게 더 재미있다'고 하면 그때는 AI가 재미를 판단할 수도 있겠지만, 게임을 즐기는 주체가 인간인 한 인간을 가장 잘 이해하는 것도 인간"이라며 판단과 선택의 영역을 인간에게 두었다.
특히 한 프로그래머 참석자는 "직함을 가리면 'AI 에이전트 코딩 모범 사례'라고 해도 구분이 안 될 정도"라며, 의도와 맥락에 따라 정해진 데이터와 구조를 만들어 낸 점이 인상적이었다고 평했다. 그는 AI가 데이터 도구를 다룰 때 실수를 검증하는 구조(하네스)의 유무와, 기획 의도가 바뀌었을 때의 변경 관리 방식을 물었다.
이 기획자는 검증 프로그램을 별도로 만들던 중 프로젝트가 중단되었다는 점을 밝히면서, 변경 관리에 대해서는 "회의록을 일정 단위로 끊어 정리하고 최신 회의록을 주 참고 자료로, 이전 맥락은 보조 자료로 지정하는 방식으로 진행했다"고 답했다. 시나리오에 유저 데이터를 활용할 수 있느냐는 질문에는 "유저 반응은 재미 판단에서 가장 강력한 근거인 만큼 절반은 참고하되, 반복적 패턴을 피하기 위해 나머지 절반은 기획자들이 논의해 변주하는 식으로 할 것"이라고 답했다.
Biit@inven.co.kr 
