AI가 대다수 코드를 작성한 브라우저 기반 오픈월드 레이서 개발 경험과 한계

게시자는 실전 배포와 유료 사용자 발생이라는 구체적 증거를 제시해 주장에 신뢰성을 부여했고 많은 댓글이 유사한 경험을 공유하면서 보일러플레이트·리팩터·디버깅에서의 AI 유용성을 인정했다. 대다수 반응은 AI가 반복적이고 패턴화된 작업에서 시간 절감을 가져왔다는 공감으로 이어졌으나 공간 추론과 전역 상태 관리, 게임 감성 판단에서는 인간 개입이 필요하다는 의견도 널리 퍼졌다. 일부는 AI가 점진적으로 개선될 것이라는 기대를 보였고 다른 일부는 현재로서는 인간 감독이 없는 자동화 배포는 위험하다고 우려를 표명했다.

• 명세를 가능한 한 구조화된 입력으로 제공하고 변경 의도를 명확히 명시하면 AI가 생성하는 코드 품질이 높아진다는 경험이 여러 차례 보고되었다. 예를 들어 '포토 모드: orbit camera, hdr filter, save image API'처럼 기능을 작은 요구 단위로 나누어 요청하면 AI가 완성도를 갖춘 모듈을 산출하기 쉬웠다. 또한 변경 전후의 통합 테스트 케이스를 제공하면 AI가 로컬 변경으로 발생할 수 있는 회귀를 탐지하는 데 도움이 되었다.
• 성능과 렌더링 비용은 사전 가드레일로 방지해야 하고 인스턴싱이나 배칭 같은 그래픽 최적화 규칙을 요구사항에 포함시켜야 한다는 조언이 반복되었다. 예컨대 차량당 라이트를 붙이는 구현이 예상된 병목을 일으킬 수 있음을 알려주고, 대신 인스턴스드 메시와 쉐이더 기반 라이트 처리 같은 구체적 대안을 명시하면 AI가 더 적절한 코드를 생성한다. 이는 퍼포먼스 문제를 사후 디버깅으로만 해결하는 것보다 총 개발 시간을 줄이는 데 유리하다.
• AI가 시각적 판단이 필요한 작업을 수행할 때는 스크린샷·플레이 로그·씬 그래프 같은 기계가 해석 가능한 증거를 함께 제공해야 한다는 권고가 있었다. 텍스트만으로는 충돌·오클루전·게임감 등을 판단하기 어렵기 때문에 자동화 파이프라인에 시각적 검증 단계를 넣거나 인간이 정기적으로 리뷰하는 절차를 운영하면 배포 리스크를 낮출 수 있다. 이런 검증 체계는 특히 라이브 사용자와 수익이 걸린 프로덕션 환경에서 필수적이다.

Instanced Mesh

— 인스턴스드 메시는 동일한 메쉬를 여러 번 그릴 때 GPU draw call을 줄이기 위해 한 번의 드로우로 여러 인스턴스를 렌더링하는 기법이다. 개별 오브젝트마다 별도 버퍼를 할당하지 않고 인스턴스별 위치·회전·스케일을 보조 속성으로 전달해 렌더링 비용을 크게 낮춘다. 대규모 차량이나 군중을 렌더링하는 게임에서 프레임레이트 유지와 네트워크 스트리밍 최적화에 핵심적이다.

Draw Call

— 드로우 콜은 CPU가 GPU에 렌더링 명령을 보내는 단위로, 명령 수가 많을수록 CPU 비용이 증가하고 프레임 지연이 커진다. 인스턴싱이나 배칭을 통해 드로우 콜 수를 줄이면 GPU 파이프라인 효율이 높아지고 전체 퍼포먼스가 개선된다. 실시간 멀티플레이 3D 씬에서는 드로우 콜 최적화가 프레임레이트와 네트워크 동기화 안정성에 직접적인 영향을 준다.

Spatial Reasoning

— 공간 추론은 객체의 3차원 위치 관계와 가시성, 충돌 여부 등을 판단하는 능력으로서 센서나 시각 입력 없이 텍스트만으로는 정확한 판별이 어렵다. 게임 개발에서는 충돌 판정, 카메라 배치, 렌더링 우선순위 결정 등에서 공간 추론이 필수적이며 시각화·디버깅 도구 없이는 자동화가 제한된다. 본 게시물 맥락에서는 AI가 시각 입력 없이 코드 수준에서 이러한 관계를 일관되게 유지하지 못한 것이 주요 제약으로 나타났다.