AI pelituotannossa
Krasila, Micke (2025)
2025
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2025102826615
https://urn.fi/URN:NBN:fi:amk-2025102826615
Tiivistelmä
Tässä opinnäytetyössä tarkasteltiin generatiivisen tekoälyn (GenAI) hyödyntämistä pelituotannossa ja keskityttiin erityisesti tuottajan ja suunnittelijan rooleihin. Työssä käsiteltiin tekoälyn perusteita, kuten artificial intelligence (AI), artificial general intelligence (AGI), ChatGPT, Grok ja syväoppiminen sekä niiden historiaa 1950-luvulta nykypäivään. Esimerkiksi AGI:n riskejä analysoitiin korostaen hallinnan ja eettisten periaatteiden tarvetta. Työssä etsittiin tietoa GenAI:sta, josta oli haastava löytää tuoretta tietoa. GenAI on tuore ja nopeasti muuttuva aihe, joten pitkät ja tarkat akateemiset artikkelit eivät pysy perässä. Tämän sijasta tietoa etsittiin ja kerättiin ensisijaisesti Google Scholar -hakukoneen avulla, joka erikoistuu akateemisen tasojen julkaisemiin artikkeleihin. Pelialan rooleista tarkempaa tietoa kerättiin myös haastattelemalla Suomessa työskenteleviä ammattilaisia.
Pelituotannon rooleja kuvattiin: tuottaja vastaa aikataulutuksesta, budjetoinnista, riskienhallinnasta ja tiimien kommunikaatiosta, kun taas suunnittelija ideoi pelimekaniikkoja, sisältöä ja kulkua. Tekoälyä sovelletaan pelituotannossa monipuolisesti, kuten SWOT-analyysien luomisessa. Sitä käytetään myös markkinatutkimuksissa, tarinoiden ja dialogien kehittelyssä (esim. ChatGPT), koodin generoinnissa (esim. GitHub Copilot) sekä kuvien luonnostelussa (esim. DALL-E). AI-agentteja hyödynnetään automaattisissa tehtävissä, kuten kokousmuistiinpanoissa tai koodin vertaisarvioinneissa eli code review’ssa.
Lähteissä hyödyiksi mainitaan virheiden vähentäminen, ympärivuorokautinen saatavuus, datan nopea analysointi ja riskien ennakointi. Haasteina nähtiin mallin ajautuminen (model drift), tietoturva, hallusinaatiot sekä eettiset kysymykset, kuten työntekijöiden korvaaminen tai ajattelukyvyn heikentyminen.
Kyselytutkimus (8 vastaajaa, toukokuu 2024 – Kesäkuu 2025) osoitti jakautuneita näkemyksiä: 62,5 % näkee hyötyjä prototyyppauksessa ja tehtävien tehostamisessa, mutta 25 % korostaa haittoja, kuten eettisiä ongelmia. Vastaajat ehdottivat parannuksia, kuten lähteiden viittaamista ja paikallisia malleja.
Johtopäätöksissä tekoäly nähtiin työkaluna, joka tehostaa tuotantoa, joka vaatii valvontaa. Pohdinnassa käsiteltiin tulevaisuutta, kuten yrityskohtaisia malleja ja lainsäädäntöä. Työ sisältää ChatGPT:n analyysin ja tiivistelmän sekä liitteitä lähteistä. Työn tavoitteena oli tarjota näkemys tekoälyn roolista pelialalla, erityisesti indie-kehittäjille ja studiolle. This thesis explores the integration of generative artificial intelligence (GenAI) in game production, focusing on the roles of producers and designers. The overarching aim is to provide a comprehensive overview of AI’s role in the game industry, particularly for independent developers and small indie studios. It examines foundational concepts of artificial intelligence (AI), artificial general intelligence (AGI), ChatGPT, Grok, and deep learning, tracing their historical development from the 1950s to the present. The study also analyzes risks associated with AGI, highlighting the need for governance and ethical frameworks.
Due to the novelty and rapidly evolving nature of GenAI, finding current and comprehensive academic research was challenging. Consequently, data were primarily sourced from Google Scholar, which specializes in scholarly publications, and supplemented by interviews with professionals in the Finnish game industry to provide practical insights into contemporary production toles. The thesis includes analyses and summaries from ChatGPT, as well as the appendices containing source materials.
In game production, producers manage scheduling, budgeting, risk management, and team communication, while designers focus on conceptualizing game mechanics, content, and progression. AI technologies are applied across various production processes, including generating SWOT analyses, conducting market research, developing narratives and dialogue (e.g., ChatGPT), producing code (e.g., GitHub Copilot), and creating concept art (e.g., DALL-E). Additionally, AI agents automate auxiliary tasks such as meeting documentation and code review processes.
The literature highlights several advantages of AI, including reduced errors. Continuous availability, rapid data analysis, and improved risk prediction. However, significant challenges were identified, such as model drift, data security concerns, hallucinations phenomena, and ethical issues related to workforce displacement and the potential erosion of critical thinking skills.
A survey conducted between May 2024 and June 2025 (n = 8) revealed divergent perspectives: 62.5% of respondents acknowledged AI’s benefits in prototyping and process optimization, while 25% emphasized potential drawbacks, particularly ethical concerns. Participants suggested improvements such as better source referencing and the adoption of localized AI models.
In conclusion, AI is perceived as a valuable tool that can significantly enhance production efficiency when used responsibly and with proper oversight. The discussion also considers future developments, including company-specific AI implementations and evolving legislative frameworks.
Pelituotannon rooleja kuvattiin: tuottaja vastaa aikataulutuksesta, budjetoinnista, riskienhallinnasta ja tiimien kommunikaatiosta, kun taas suunnittelija ideoi pelimekaniikkoja, sisältöä ja kulkua. Tekoälyä sovelletaan pelituotannossa monipuolisesti, kuten SWOT-analyysien luomisessa. Sitä käytetään myös markkinatutkimuksissa, tarinoiden ja dialogien kehittelyssä (esim. ChatGPT), koodin generoinnissa (esim. GitHub Copilot) sekä kuvien luonnostelussa (esim. DALL-E). AI-agentteja hyödynnetään automaattisissa tehtävissä, kuten kokousmuistiinpanoissa tai koodin vertaisarvioinneissa eli code review’ssa.
Lähteissä hyödyiksi mainitaan virheiden vähentäminen, ympärivuorokautinen saatavuus, datan nopea analysointi ja riskien ennakointi. Haasteina nähtiin mallin ajautuminen (model drift), tietoturva, hallusinaatiot sekä eettiset kysymykset, kuten työntekijöiden korvaaminen tai ajattelukyvyn heikentyminen.
Kyselytutkimus (8 vastaajaa, toukokuu 2024 – Kesäkuu 2025) osoitti jakautuneita näkemyksiä: 62,5 % näkee hyötyjä prototyyppauksessa ja tehtävien tehostamisessa, mutta 25 % korostaa haittoja, kuten eettisiä ongelmia. Vastaajat ehdottivat parannuksia, kuten lähteiden viittaamista ja paikallisia malleja.
Johtopäätöksissä tekoäly nähtiin työkaluna, joka tehostaa tuotantoa, joka vaatii valvontaa. Pohdinnassa käsiteltiin tulevaisuutta, kuten yrityskohtaisia malleja ja lainsäädäntöä. Työ sisältää ChatGPT:n analyysin ja tiivistelmän sekä liitteitä lähteistä. Työn tavoitteena oli tarjota näkemys tekoälyn roolista pelialalla, erityisesti indie-kehittäjille ja studiolle.
Due to the novelty and rapidly evolving nature of GenAI, finding current and comprehensive academic research was challenging. Consequently, data were primarily sourced from Google Scholar, which specializes in scholarly publications, and supplemented by interviews with professionals in the Finnish game industry to provide practical insights into contemporary production toles. The thesis includes analyses and summaries from ChatGPT, as well as the appendices containing source materials.
In game production, producers manage scheduling, budgeting, risk management, and team communication, while designers focus on conceptualizing game mechanics, content, and progression. AI technologies are applied across various production processes, including generating SWOT analyses, conducting market research, developing narratives and dialogue (e.g., ChatGPT), producing code (e.g., GitHub Copilot), and creating concept art (e.g., DALL-E). Additionally, AI agents automate auxiliary tasks such as meeting documentation and code review processes.
The literature highlights several advantages of AI, including reduced errors. Continuous availability, rapid data analysis, and improved risk prediction. However, significant challenges were identified, such as model drift, data security concerns, hallucinations phenomena, and ethical issues related to workforce displacement and the potential erosion of critical thinking skills.
A survey conducted between May 2024 and June 2025 (n = 8) revealed divergent perspectives: 62.5% of respondents acknowledged AI’s benefits in prototyping and process optimization, while 25% emphasized potential drawbacks, particularly ethical concerns. Participants suggested improvements such as better source referencing and the adoption of localized AI models.
In conclusion, AI is perceived as a valuable tool that can significantly enhance production efficiency when used responsibly and with proper oversight. The discussion also considers future developments, including company-specific AI implementations and evolving legislative frameworks.