저는 서울대학교 대학원에서 AI를 연구하면서 개인적으로 게임을 만들고 있습니다. 혼자 게임을 만들려면 기획과 코드뿐 아니라 그림, 화면 구성, 저장 기능, 테스트와 배포 준비까지 맡아야 합니다. 저는 Claude Code와 Codex, NovelAI API를 활용해 이 작업을 나누고, 제가 직접 문제와 기준을 정한 뒤 실제 결과를 확인하는 방식으로 개인 프로젝트를 진행했습니다.

대표적인 사례가 ‘통통 던전 식당’입니다. 공을 튕겨 던전을 탐험하고 얻은 재료로 요리와 식당 운영을 이어가는 게임입니다. 저는 게임의 규칙과 플레이 흐름을 정하고, AI 코딩 도구에는 엔진과 화면, 저장 기능, 테스트, 빌드 스크립트 구현을 맡겼습니다. 그림은 NovelAI API를 이용하는 생성 도구로 제작하고, 장면에 어울리는지와 화면에서 읽히는지를 보며 선택했습니다.

처음부터 모든 것이 잘 맞지는 않았습니다. 코드가 실행되어도 조작감이 어색할 수 있었고, 데스크톱에서 보이던 화면이 작은 휴대전화에서는 빽빽해질 수 있었습니다. 그래서 ‘만들었다’는 답변과 ‘직접 확인했다’는 결과를 구분했습니다. AI가 코드를 수정하면 자동 시험으로 규칙과 저장 동작을 확인하고, 여러 화면 크기의 캡처와 실제 플레이로 버튼 크기, 배치, 반응을 다시 살폈습니다. 봇 시뮬레이션으로 얻은 수치도 재미에 대한 최종 판단과 구분했습니다.

요리 기능은 같은 버튼을 반복하는 방식에서 벗어나 조리법마다 입력 방식을 나누었습니다. 볶음은 재료를 받아내고, 구이는 조각마다 뒤집고 꺼내며, 튀김은 쓸어 모으고, 수프는 정해진 순서에 맞춰 재료를 선택하는 식입니다. 이런 구체적인 기획을 전달한 뒤 AI가 구현한 결과를 확인하며 수정했습니다. 첨부 화면은 실제 개발 과정에 저장해 둔 요리·식당 화면입니다.

이 방식으로 게임 코드와 생성 그림을 별도로 다루는 데서 나아가, 실행 가능한 웹 결과물과 데스크톱 빌드, 한국어·영어 화면, 스토어 소개 자료까지 준비했습니다. 다만 빌드가 존재한다는 사실이 상용 출시 완료를 뜻하지는 않습니다. 결제, 실제 기기 동작, 최종 미술 검수처럼 별도로 확인해야 하는 항목은 남은 작업으로 관리했습니다. 출시 매출이나 검증하지 않은 시간 절감률은 성과로 적지 않았습니다.

제게 AI 활용의 핵심은 한 번의 지시로 게임을 완성하는 데 있지 않았습니다. 기획을 작게 나누고, AI가 구현한 것을 확인할 기준을 만들고, 실패한 부분을 구체적으로 전달해 다시 고치는 과정이었습니다. 혼자서는 부담이 큰 코드·그림·반복 시험을 AI의 도움으로 이어 가면서, 저는 무엇을 만들지와 무엇을 채택할지에 더 집중할 수 있었습니다.

다른 사람도 자신의 취미 프로젝트에 이 방식을 적용할 수 있습니다. 먼저 한 장면이나 한 기능만 정하고, 실행 가능한 작은 결과를 만든 뒤, 자동 시험과 실제 사용을 함께 확인하면 됩니다. 기존 저장 파일을 보호하고, 계정 비밀정보를 코드나 제출 자료에 넣지 않으며, 생성물의 사용 조건과 제3자의 권리를 확인하는 것도 함께 지켜야 합니다.

사용 도구와 역할
- Claude Code·Codex: 코드 구현, 수정, 자동 시험과 검증 보조, 빌드 및 자료 준비
- NovelAI API: 개발용 그림 생성
- Suno: 첨부 영상에 포함된 식당 배경음악 일부 생성
- 본인: 기획, 규칙과 검증 기준 설정, 플레이 피드백, 결과물 선택

첨부 영상은 개발 과정에서 실제 게임을 실행해 만든 기존 트레일러를 공모전용 32초 광고로 편집한 것입니다. 당시 개발 버전의 전투와 식당 운영을 보여주며, 현재 버전의 모든 기능이나 상용 출시 완료를 의미하지 않습니다.