P2E의 다음 시대: 게임, AI 에이전트 및 암호화폐의 융합
저자: Sid @IOSG
Web3 게임의 현황
보다 신선하고 주목도 높은 스토리텔링 방식들이 등장함에 따라 Web3 게임 산업은 프라이머리 및 공개 시장 모두에서 서사적 중심에서 물러났다. Delphi가 2024년 발표한 게임 산업 보고서에 따르면, Web3 게임의 프라이머리 시장 누적 투자금액은 10억 달러에도 미치지 못한다. 이는 반드시 나쁜 일은 아니다. 거품이 이미 꺼졌음을 의미하며, 현재 자본이 더 고품질의 게임 개발 쪽으로 이동하고 있음을 나타낸다. 아래 차트는 이를 명확히 보여주는 지표다.
2024년 전반기에 걸쳐 Ronin과 같은 게임 생태계의 사용자 수가 크게 증가했으며, Fableborn과 같은 고품질 신규 게임 출시로 인해 거의 2021년 Axie의 전성기 수준에 근접했다.
게임 생태계(L1, L2, RaaS)는 점점 Web3 버전의 Steam처럼 진화하고 있으며, 내부 콘텐츠 배포를 장악함으로써 게임 개발자들이 해당 생태계에서 개발하도록 유인하는 동기를 제공한다. 왜냐하면 이를 통해 플레이어 확보가 가능하기 때문이다. 이들 이전 보고서에 따르면, Web3 게임의 고객 유치 비용(CAC)은 Web2 게임보다 약 70% 더 높다.
플레이어 유지율
플레이어 유치만큼 중요한 것이 바로 그들의 유지이며, 때로는 더 중요하다. Web3 게임의 플레이어 유지율 데이터는 부족하지만, 유지율은 헝가리 심리학자 미하이 칙센트미하이(Mihaly Csikszentmihalyi)가 제안한 '몰입 상태(Flow)' 개념과 밀접하게 연결되어 있다.
'몰입 상태'란 도전과 기술 수준 사이에서 완벽한 균형을 이루는 심리적 상태를 말한다. 일명 '집중 상태'라 할 수 있는데, 시간이 순식간에 흐르고 게임에 완전히 몰입하는 경험을 의미한다.
지속적으로 몰입 상태를 만들어내는 게임은 일반적으로 더 높은 유지율을 보이며, 그 이유는 다음과 같은 메커니즘 때문이다:
# 난이도 설계
게임 초반: 간단한 도전으로 자신감 형성
게임 중반: 점진적으로 난이도 상승
게임 후반: 복잡한 도전과 게임 숙달
플레이어의 기술 수준이 향상됨에 따라 세심하게 조정된 난이도는 각자의 리듬 안에서 지속적인 몰입을 유지할 수 있게 해준다.
# 참여 루프
단기: 즉각적인 피드백(처치, 점수, 보상)
중기: 스테이지 클리어, 일일 과제
장기: 캐릭터 성장, 랭킹
이러한 중첩된 루프들은 다양한 시간 범위에서 플레이어의 관심을 유지한다.
# 몰입 상태를 깨뜨리는 요소들:
1. 부적절한 난이도/복잡도 설정: 잘못된 게임 디자인이나, 플레이어 수 부족으로 인한 매칭 불균형 때문일 수 있음
2. 목표 불명확성: 게임 디자인 문제
3. 피드백 지연: 게임 디자인 및 기술적 문제
4. 침습적인 수익화 모델: 게임 디자인 + 제품 문제
5. 기술 문제/지연
게임과 AI의 공생 관계
AI 에이전트는 플레이어가 이러한 몰입 상태를 경험하도록 도울 수 있다. 이를 어떻게 실현할 수 있는지 살펴보기 전에, 게임 분야에 적합한 에이전트 유형을 먼저 이해해보자.
LLM과 강화 학습
게임용 AI의 핵심은 속도와 규모다. LLM 기반 에이전트를 게임에 적용할 경우, 모든 결정마다 대규모 언어 모델을 호출해야 한다. 마치 매번 움직이기 전에 중간자에게 승인을 받아야 하는 것과 같다. 중간자는 똑똑하지만, 그의 응답을 기다리는 것은 느리고 고통스럽다. 수백 명의 캐릭터에게 동시에 이런 작업을 수행한다고 상상해보라. 속도는 느릴 뿐 아니라 비용도 매우 높아진다. 이것이 우리가 아직 게임 내에서 대규모 LLM 기반 에이전트를 보기 어려운 주된 이유다. 지금까지 가장 큰 실험은 마인크래프트 위에 구축된 1,000개의 에이전트로 이루어진 문명이다. 만약 서로 다른 맵에 10만 개의 동시 접속 에이전트가 존재한다면, 이는 엄청난 비용이 소요된다. 새로운 에이전트를 추가할 때마다 지연이 발생하며, 이는 플레이어의 게임 흐름을 방해한다. 결국 몰입 상태가 깨지는 것이다.
강화 학습(RL)은 다른 접근 방식이다. 마이크로폰을 통해 일일이 지시하는 대신, 무용수를 직접 훈련시키는 것으로 생각할 수 있다. 강화 학습에서는 AI가 게임 내 다양한 상황에 어떻게 반응해야 하는지 '춤추는 법'을 사전에 가르치는 데 시간을 투자해야 한다. 한 번 잘 훈련되면, AI는 자연스럽고 원활하게 작동하며, 요청 없이도 몇 밀리초 안에 결정을 내린다. 이렇게 훈련된 수백 개의 에이전트를 게임 내에서 동시에 운영할 수 있으며, 각각은 주변 환경에 따라 독립적으로 판단한다. LLM 기반 에이전트처럼 말이 많거나 유연하지는 않지만, 빠르고 효율적이다.
에이전트 간 협업이 필요할 때, RL의 진정한 강점이 드러난다. LLM 기반 에이전트는 조율을 위해 길고 번거로운 '대화'가 필요하지만, RL 기반 에이전트는 훈련 과정에서 묵시적인 협업 감각을 형성할 수 있다. 수개월간 함께 훈련한 미식축구팀처럼 말이다. 그들은 서로의 움직임을 예측하고, 자연스럽게 협력하게 된다. 완벽하지는 않으며, 때때로 LLM이 하지 않을 실수를 저지를 수 있지만, 그들은 LLM이 결코 따라올 수 없는 규모에서 작동할 수 있다. 게임 애플리케이션의 경우, 이러한 트레이드오프는 항상 타당하다.
에이전트와 NPC
에이전트로서의 NPC는 오늘날 많은 게임이 직면한 첫 번째 핵심 문제인 플레이어 유동성 문제를 해결할 수 있다. P2E는 암호경제학(crypto-economics)을 이용해 플레이어 유동성 문제를 해결하려는 최초의 실험이었으며, 그 결과는 모두가 알고 있다.
사전 훈련된 에이전트는 두 가지 역할을 한다:
-
멀티플레이어 게임 세계를 채우는 것
-
세계 내 일정 수의 플레이어 집단에게 적절한 난이도를 유지하여 몰입 상태를 유지하게 하는 것
이것은 표면적으로는 당연해 보이지만, 실제로 구현하기는 어렵다. 인디 게임 및 초기 Web3 게임들은 인공지능 팀을 고용할 만큼 충분한 재정력을 갖추지 못했기 때문에, 강화 학습을 중심으로 한 에이전트 프레임워크를 제공하는 서비스 업체에게는 기회가 열려 있다.
게임 개발사는 테스트 및 베타 단계에서 이러한 서비스 제공업체와 협력하여, 정식 출시 시점의 플레이어 유동성을 확보할 수 있다.
이렇게 되면 게임 개발자들은 게임 메커니즘 자체에 더 집중할 수 있으며, 게임을 더욱 재미있게 만들 수 있다. 우리는 게임에 토큰을 통합하는 것을 좋아하지만, 결국 게임은 게임이어야 하며, 재미있어야 한다.
에이전트 플레이어
세계에서 가장 많은 플레이어를 보유한 게임 중 하나인 리그 오브 레전드(LoL)에는 검은 시장이 존재하는데, 여기서 플레이어들은 자신의 캐릭터를 최고의 능력치로 훈련시키며, 게임 회사는 이를 금지하고 있다.
이는 게임 캐릭터와 능력치를 NFT로 만들고, 이를 구현할 수 있는 시장을 창출하는 기반이 된다.
새로운 형태의 '플레이어' 하위 집단이 등장할 수 있을까? 즉, 이러한 인공지능 에이전트를 지도하는 '코치' 말이다. 플레이어는 AI 에이전트를 지도하고, 경기에서 승리하거나 e스포츠 선수 혹은 열정적인 플레이어의 '훈련 파트너'가 되는 방식으로 이를 수익화할 수 있다.
메타버스의 귀환인가?
초기 메타버스는 이상적인 현실이 아닌 또 다른 현실을 창조했기 때문에 목표를 달성하지 못했다. AI 에이전트는 메타버스 거주자들이 이상적인 세계를 창조하고, 현실을 '탈출'할 수 있도록 도와줄 수 있다.
내 생각에, 이곳이야말로 LLM 기반 에이전트가 진정한 잠재력을 발휘할 수 있는 영역이다. 누군가 자신의 세계에 특정 분야의 전문가인 사전 훈련된 에이전트를 추가할 수 있고, 그 에이전트는 자신이 좋아하는 주제에 대해 대화할 수 있다. 만약 내가 엘론 머스크의 1,000시간 인터뷰로 훈련된 에이전트를 만들었다면, 다른 사용자가 자신의 세계에 그 에이전트 인스턴스를 사용하고자 할 때 나는 보상을 받을 수 있다. 이렇게 새로운 경제가 창출될 수 있다.
Nifty Island과 같은 메타버스 게임에서는 이것이 현실이 될 수 있다.
Today: The Game에서는 팀이 LLM 기반 AI 에이전트 'Limbo'를 개발하였으며(투기성 토큰 발행), 여러 에이전트가 이 세계에서 자율적으로 상호작용하면서 24x7 라이브 스트리밍을 통해 관찰할 수 있는 비전을 제시하고 있다.
암호화폐는 어떻게 융합되는가?
암호화폐는 다양한 방식으로 이러한 문제들을 해결하는 데 기여할 수 있다:
-
플레이어가 자신의 게임 데이터를 기여하여 모델을 개선하고, 더 나은 경험을 얻으며, 그에 대한 보상을 받는다
-
캐릭터 디자이너, 트레이너 등 다양한 이해관계자들을 조정하여 최고의 게임 내 에이전트를 공동 창조한다
-
게임 내 에이전트의 소유권을 가진 시장을 창출하고, 이를 수익화한다
이러한 모든 일을 하고 있는 팀이 있으며, 더 나아가 이를 실현하고 있다: ARC Agents. 그들은 위에서 언급한 모든 문제를 해결하고 있다.
ARC SDK를 통해 게임 개발자가 게임 파라미터에 따라 인간 같은 AI 에이전트를 생성할 수 있도록 지원한다. 아주 간단한 연동만으로도 플레이어 유동성 문제를 해결하고, 게임 데이터를 정제하여 인사이트로 전환하며, 난이도 조절을 통해 플레이어가 몰입 상태를 유지하도록 돕는다. 이를 위해 그들은 강화 학습(Reinforcement Learning) 기술을 사용하고 있다.
그들은 처음에 'AI 아레나(AI Arena)'라는 게임을 개발했는데, 이 게임은 기본적으로 AI 캐릭터를 전투에 맞춰 훈련시키는 것이다. 이를 통해 벤치마크 학습 모델을 형성했으며, 이것이 ARC SDK의 기반이 되었다. 이는 일종의 DePIN과 유사한 비틀림(flywheel) 구조를 형성한다:
이 모든 과정은 생태계 토큰 $NRN을 중심으로 조정된다. Chain of Thought 팀은 ARC 에이전트에 관한 글에서 이를 잘 설명하고 있다:
Bounty와 같은 게임은 광야의 서부 세계를 배경으로 에이전트 중심 접근 방식을 취하고 있다.
맺음말
AI 에이전트, 게임 디자인, 암호화폐의 융합은 단순한 또 다른 기술 트렌드를 넘어서, 인디 게임이 오랫동안 겪어온 다양한 문제들을 해결할 가능성을 지닌다. 게임 분야에서 AI 에이전트의 진정한 가치는 좋은 경쟁, 풍부한 상호작용, 그리고 플레이어를 끝없이 몰입하게 만드는 도전을 통해 게임의 재미를 증폭시키는 데 있다. ARC 에이전트와 같은 프레임워크가 성숙하고, 더 많은 게임들이 AI 에이전트를 통합함에 따라 우리는 완전히 새로운 형태의 게임 경험을 목격하게 될 것이다. 세계가 생동감 있는 이유가 다른 플레이어들 때문이 아니라, 커뮤니티와 함께 학습하고 진화하는 에이전트들 때문이라는 것을 상상해보라.
우리는 이제 '플레이 투 언(pay-to-earn)' 시대를 넘어, 진정한 재미와 무한한 확장성이 공존하는 더 흥미로운 시대로 나아가고 있다. 이 분야에 주목하는 개발자, 플레이어, 투자자들에게 미래 몇 년은 매우 흥미진진할 것이다. 2025년 이후의 게임들은 기술적으로 더욱 진보할 뿐 아니라, 본질적으로 이전까지 우리가 경험한 어떤 게임보다도 더 매력적이고, 참여도 높으며, 생명력 있는 존재가 될 것이다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
IOSG Ventures
