게임 환경에서 생성형 AI 인터랙션 유형 분류 및 디자인 가이드라인 = Classification of Generative AI Interaction Type in Games and Design Guidelines

국문 초록 (Abstract)

게임 산업에서 인공지능(AI)의 역할은 급격히 변화하고 있다. 2023년 이후 대규모 언어 모델(LLM)과 생성형 AI 기술이 게임에 본격적으로 도입되면서, AI는 더 이상 사전에 프로그래밍된 규칙을 실행하는 수동적 시스템이 아니라 플레이어와 자유롭게 대화하고 예측 불가능한 서사를 생성하며 게임 세계를 실시간으로 변형시키는 능동적 존재로 변모하였다. 그러나 이처럼 급격히 확산되는 생성형 AI 기반 게임 인터랙션에 대한 학술적 이해는 여전히 부족하며, AI를 활용한 상호작용 유형 자체를 체계화한 연구는 거의 없다.
본 연구는 생성형 AI 기반 게임 인터랙션의 구조적 특성을 체계적으로 분석하고 새로운 유형 분류 체계를 제시하는 것을 목적으로 한다. 연구 방법론으로는 PRISMA 2020 가이드라인에 따라 체계적 문헌 고찰을 수행하여 이론적 토대를 구축하였으며, 2019년부터 2025년 사이 출시된 생성형 AI 기반 게임 12개를 선정하여 심층 분석하였다. MDA Framework, Flow Theory, Human-AI Interaction 이론을 통합한 코딩 체계를 개발하여 AI 역할, 방식, AI 시스템, 대상, 효과, 경험 산출의 6개 필드로 각 게임을 체계적으로 코딩하였다.
라벨 공출현 분석을 통해 두 가지 핵심 차원을 도출하였다: (1) AI의 자율성 수준(Autonomy Level of AI)과 (2) AI 개입 초점(AI Intervention Focus). 이를 바탕으로 2×2 분류 매트릭스를 구성하여 4가지 생성형 AI 게임 인터랙션 유형을 정의하였다. Type 1: Story Maker(이야기 생성형)는 플레이어 주도로 AI가 서사를 확장하며, Type 2: Living NPCs(살아있는 NPC형)는 AI 에이전트들이 독립적으로 사회적 네트워크를 구축한다. Type 3: Auto Balancer(자동 조정형)는 AI가 실시간 성능 분석으로 난이도를 조절하며, Type 4: System Tuner(시스템 맞춤형)는 플레이어 요청에 따라 AI가 게임 시스템을 공동 설계한다.
기본 분류 체계를 확립한 후, 실무 적용을 위한 두 가지 확장을 수행하였다. 첫째, 레벨 기준 정교화를 통해 AI 자율성 수준을 4단계로, AI 개입 초점을 4단계로 세분화하고, 게임 개발자가 직접 레벨을 진단할 수 있도록 레벨 진단 체크리스트를 개발하였다. 둘째, 디자인 가이드라인을 개발하여 각 유형별로 핵심 설계 원칙, UX 고려사항, 주의사항, 체크리스트, 사례 등을 포함한 실무 적용 가능한 가이드를 제공하였다. 게임 디자이너와 UX 전문가를 대상으로 전문가 검증을 수행하여 연구의 타당성을 확보하였다.
본 연구는 생성형 AI 게임 인터랙션에 대한 체계적 분류 체계를 제시하고, 게임 인터랙션 이론과 Human-AI 인터랙션 이론을 통합한 새로운 분석 프레임워크를 개발하였다는 학술적 의의를 지닌다. 실무적으로는 게임 디자이너들이 프로젝트 기획 단계에서 활용할 수 있는 실용적 가이드라인을 제공하여, 생성형 AI 게임 개발의 의사결정을 지원하고 팀 커뮤니케이션의 공통 언어를 제공한다.

다국어 초록 (Multilingual Abstract)

The role of artificial intelligence (AI) in the gaming industry is
undergoing a radical transformation. Since 2023, with the introduction
of Large Language Models (LLMs) and generative AI technologies into
games, AI has evolved from a passive system executing
pre-programmed rules into an active entity that freely converses with
players, generates unpredictable narratives, and transforms game
worlds in real time. However, academic understanding of rapidly
proliferating generative AI based game interactions remains insufficient, – with virtually no research systematically categorizing interaction types
utilizing AI. This study aims to systematically analyze the structural
characteristics of generative AI based game interactions and propose a – novel typology. Methodologically, a systematic literature review was
Abstract
conducted following PRISMA 2020 guidelines to establish a theoretical
foundation, and 12 generative AI based games released between 2019 – and 2025 were selected for in-depth analysis. An integrated coding
scheme was developed combining MDA Framework, Flow Theory, and
Human-AI Interaction theory, systematically coding each game across
six fields: AI Role, Interaction Mode, AI System, Target, Effect, and
Output. Through label co-occurrence analysis, two core dimensions
were derived: (1) Autonomy Level of AI and (2) AI Intervention Focus.
Based on these dimensions, a 2×2 classification matrix was
constructed, defining four generative AI game interaction types: Type
1: Story Maker (Co-creative Narrative) features player-led storytelling
with AI expansion, Type 2: Living NPCs (Autonomous Social) involves
AI agents independently building social networks, Type 3: Auto
Balancer (Adaptive Challenge) utilizes AI's real-time performance
analysis to adjust difficulty, and Type 4: System Tuner (System
Co-design) employs AI to generate game systems based on player
requests. After establishing the basic classification system, two
extensions were developed for practical application. First, through
refinement of level criteria, the autonomy level was subdivided into
four stages and the intervention focus into four stages, constructing a
multi-level classification system capable of identifying over 16 detailed
patterns. Second, design guidelines were developed, providing
practically applicable guides for each type including core design
principles, considerations, pitfalls, checklists, and failure cases. This
study contributes the first systematic classification of generative AI
game interactions and an integrated analytical framework, and provides
actionable guidelines to support planning, decision-making, and team
communication in generative AI game development

목차 (Table of Contents)

• 1. 서론 1
• 1.1 연구 배경 및 필요성 1
• 1.2 연구 목적 및 연구 질문 4
• 2. 이론적 배경 7
• 2.1 문헌 선별 7
• 2.2 게임 인터랙션 연구 동향 9
• 2.3 Human-AI 인터랙션 연구 동향 16
• 2.4 연구 격차 및 본 연구의 위치 21
• 3. 연구 방법 23
• 3.1 분석 틀 설계 23
• 3.2 사례 수집 및 선정 26
• 3.3 코딩 절차 30
• 4. 유형 분류 및 검증 33
• 4.1 코딩 결과 개요 33
• 4.2 패턴 매트릭스 분석 37
• 4.3 유형 분류 41
• 4.4 전문가 검증 47
• 5. 유형별 가이드라인 52
• 5.1 레벨 기준 정교화 52
• 5.2 AI 기반 인터랙션을 위한 공통 설계 원칙 59
• 5.3 유형별 디자인 가이드라인 62
• 5.4 전문가 검증 65
• 6. 결론 70
• 6.1 연구 요약 70
• 6.2 연구 의의 71
• 6.3 연구 한계 및 향후 연구 과제 72
• 6.4 결론 및 마무리 74
• 참고문헌 75
• 영문 초록 78
• 부록 80
• 부록1. 코드북 81
• 부록2. 데이터셋 코딩 요약 85
• 부록3. 가이드라인 절차 및 유형별 가이드라인 원문 86