【토카티비-totocasinocomunity】 보증업체안전놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 스포츠뉴스 : 안구정화 놀이터홍보 놀이터후기공유 먹튀피해사례공유

로그인

글쓰기

[IT뉴스]구매자 400% 늘린 AI, 하마터면 버려질 뻔했다

온카뱅크관리자

2026-06-16 15:37:30

<div id="layerTranslateNotice" style="display:none;"></div> 마틴 싱 블롬 엠바크 스튜디오 머신 러닝 팀장 NDC 강연 “머신러닝의 진짜 과제는 사람” 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="0OSUY33Gy9">
 <figure class="figure_frm origin_fig" contents-hash="ec26bb2e6e85427cea279d955ac7040f4da1745aaddb8c93492d465612781eb5" dmcf-pid="pIvuG00HlK" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202606/16/kukminilbo/20260616153502190uecp.jpg" data-org-width="1200" dmcf-mid="36s1lXXSv2" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202606/16/kukminilbo/20260616153502190uecp.jpg" width="658">
 </figure>
 구매자를 무려 400% 끌어올린 추천 인공지능(AI)은 자칫 버려질 뻔했다. 발목을 잡은 것은 AI의 성능이 아니라 팀과 팀 사이의 ‘거리’였다.
 마틴 싱 블롬 엠바크 스튜디오 머신러닝 리서치 리드는 16일 경기 성남시 판교에서 열린 ‘2026 넥슨 개발자 콘퍼런스(NDC)’ 무대에 올라 “머신러닝을 실제 게임 제작에 적용하는 일의 절반은 기술 개발이 아니라 아티스트와 디자이너가 자연스럽게 활용할 수 있는 환경을 만드는 과정”이라며 이 같은 경험담을 공유했다.
 ‘머신 러닝 구현 – 엠바크 게임의 사례’를 주제로 발표한 그는 ‘잘 만든 AI’가 어떻게 현장에서 좌초하고 또 어떻게 되살아났는지를 소개했다.
 싱 블롬 팀장은 “대형 게임사에서 수천 명의 개발자가 수년간 막대한 비용을 들여 게임을 만드는 구조에서는 새로운 시도를 할 수 없었다”면서 이를 개선하기 위해 실제 사물을 촬영해 게임 에셋으로 바꾸는 포토 그래메트리, 캐릭터 아트와 분리한 비파괴형 제작 파이프라인을 도입하고 코드 작성에는 클로드 같은 코드 에이전트를 붙여 소수의 인원이 개발 작업을 효율적으로 하는 환경을 조성했다.
 AI의 효용성은 ‘더 파이널스’에서 빛났다. 무료 게임인 만큼 꾸미기 아이템 판매가 핵심 수익원이지만 누적 아이템이 4000개를 넘어서면서 이용자들은 최신 상품만 보고 과거의 것은 지나치기 일쑤였다. 엠바크는 넷플릭스·아마존이 쓰는 방식을 두루 검토한 끝에 학습 코드가 4줄에 불과한 단순 추천 모델 ‘EASE’를 골랐다. 결과는 강력했다. 상점 추천 영역에 적용하자 구매자 수가 400% 늘었다.
 하지만 머신러닝 연구팀과 라이브 운영팀이 따로 떨어져 있다 보니 실험 승인과 결과 해석마다 충돌이 빚어졌다. 성과를 낸 추천 시스템은 오히려 중단 위기에 몰렸다. 해법은 단순했다. 머신러닝 엔지니어의 자리를 운영팀 곁으로 옮긴 것이다. 싱 블롬 팀장은 “아무리 뛰어난 알고리즘이라도 실제 서비스에 적용되지 못하면 아무 의미가 없다”며 “때로는 새로운 기술보다 사람 사이의 거리를 좁히는 작은 변화가 더 큰 문제를 푼다”고 말했다.
 그러면서 “AI가 아무리 뛰어난 결과를 내놓아도 사람들이 기존에 일하던 방식과 맞지 않으면 결국 쓰이지 않는다”고 덧붙였다.
 흥행 돌풍을 일으킨 ‘아크 레이더스’의 ‘적 로봇’은 머신러닝이 만들어낸 ‘예측 불가능성’을 가장 잘 보여준다. 엠바크는 매번 다른 움직임을 보이는 물리 기반 로봇을 강화학습으로 빚어냈는데, 걷기와 멈추기라는 상반된 목표를 한꺼번에 학습시키자 로봇이 언제 멈춰야 할지 갈피를 잡지 못하고 움직임을 망설이는 문제가 생겼다. 엠바크는 기존 게임 AI의 행동 트리를 결합해 걷기와 정지를 각각 담당하는 AI를 따로 학습시키고 상황에 맞춰 골라 쓰도록 설계해 이를 해결했다. 여기에 애니메이터가 원하는 움직임을 그대로 학습하는 AMP, 격자 대신 로봇이 주변을 직접 감지하는 공간 인식 방식을 더해 복잡한 지형에서의 오작동을 줄였다.
 이후 아크 레이더스는 플레이어와의 거리·각도·위치를 따져 가장 빠른 접근 경로를 계산하면서도 물리 법칙을 벗어나지 않는다.
 싱 블롬 대표는 “AI를 무조건 많이 쓰는 것이 아니라 문제에 맞는 도구를 가려 쓰고 사람이 자연스럽게 쓸 수 있는 환경을 만들어야 한다”고 강조했다. 이어 그는 “좋은 AI는 뛰어난 성능만으로 완성되지 않는다”고 덧붙였다.
 판교=이다니엘 기자 dne@kmib.co.kr
 GoodNews paper ⓒ <a href="https://www.kmib.co.kr" target="_blank">국민일보(www.kmib.co.kr)</a>, 무단전재 및 수집, 재배포 및 AI학습 이용 금지
 </section> 
 </div> 
 Copyright © 국민일보. 무단전재 및 재배포 금지.

댓글 총 0개

업체홍보/구인 더보기

놀이터홍보 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기