6d • IA GAME DEV
AI, software development and games today
🤖🎮 IA, desenvolvimento de software e games hoje
Como pesquisador em Computação, meu ponto de partida é simples e contundente: a IA não é mais um “plugin” no desenvolvimento – ela virou parte da própria linha de produção de software e de games.
1. Desenvolvimento de software com IA: da sugestão de código à fábrica híbrida
Hoje, ferramentas de geração de código com LLMs (Copilot, ChatGPT, CodeWhisperer, Gemini, etc.) deixaram de ser curiosidade de early adopters e viraram infraestrutura. Estudos recentes mostram ganhos médios na casa de 30% de aumento de produtividade, medidos por tempo de conclusão de tarefas – ao custo de mais vulnerabilidades e problemas de segurança se não houver revisão sistemática. ResearchGate+1
Revisões mais amplas sobre IA para geração de código são claras em três pontos:
- Produtividade sobe – tarefas repetitivas, boilerplate, testes e documentação são acelerados;
- Risco técnico também sobe – bugs sutis, vulnerabilidades de segurança e código difícil de manter aparecem com mais frequência;
- O papel do dev muda – menos digitar linha a linha, mais modelar o problema, escrever bons prompts, revisar criticamente e desenhar arquitetura. Darcy & Roy Press+1
A fronteira hoje não é mais “um copiloto” isolado, mas ecossistemas de múltiplos agentes de IA orquestrados: agentes que leem o repositório, planejam refactors, geram código, escrevem testes, rodam análises estáticas e abrem PRs. Plataformas recentes já oferecem “hubs” para conectar vários agentes de IA em paralelo dentro do próprio GitHub/IDE, com modos de planejamento (“plan mode”) e code review automatizado integrando análise estática e verificação de segurança. The Verge+1
O estado da arte em engenharia de software com IA, em 2025, é esse:
- times que tratam IA como par programador sistêmico, não como brinquedo;
- pipelines com testes, SAST/DAST e políticas de segurança obrigatórias ao redor da geração de código;
- uma mudança de skill set do desenvolvedor para pensar em nível de sistema, produto e métrica, deixando o “cognitive grunt work” para o modelo. ResearchGate
2. Games com IA: da IA inimiga ao jogo co-criado em tempo real
Nos games, a curva é ainda mais dramática. Pesquisas recentes sobre LLMs e jogos mostram aplicações em praticamente todas as camadas: narrativa, diálogos de NPCs, geração de quests, design de níveis, balanceamento, teste automatizado e até suporte ao próprio time de desenvolvimento. arXiv+1
Em paralelo, a área clássica de Procedural Content Generation (PCG) deu um salto: saímos de ruído + gramáticas para combinações de busca, machine learning, reinforcement learning e, agora, LLMs gerando fases, dungeons, mapas e variações de gameplay com base em métricas de diversão, diversidade e desafio. arXiv+2cdn.aaai.org+2
Do lado da indústria, os números são difíceis de ignorar:
- quase 90% dos desenvolvedores de jogos em mercados maduros já usam agentes de IA em partes do pipeline (playtesting, balanceamento, localização, código, assets etc.); PC Gamer+1
- cerca de 1 em cada 5 jogos lançados no Steam em 2025 declara uso de IA generativa em alguma etapa (arte, áudio, texto, marketing ou até geração dinâmica em runtime). Tom's Hardware
No estado da arte, vemos três grandes frentes em games com IA:
- IA como ferramenta de produção: geração de artes, animações, sons, diálogos e protótipos de níveis para reduzir custo e tempo; arXiv+1
- IA como parte do jogo: NPCs com diálogos dinâmicos, mundos reagindo em linguagem natural, quests emergentes, sistemas de narrativa adaptativa; ResearchGate+2NHSJS+2
- IA como “designer aprendiz”: agentes que geram e testam níveis via reinforcement learning, ajustam dificuldade e ajudam a encontrar espaços interessantes de design que humanos talvez não explorassem. cdn.aaai.org+1
A mensagem que defendo é direta:
- Em software, IA está transformando a fábrica.
- Em games, IA está transformando tanto a fábrica quanto o próprio produto.
O próximo passo – e o campo de pesquisa realmente interessante – está em como projetar ecossistemas híbridos em que times humanos, LLMs e outros modelos trabalham juntos com clareza de papéis, métricas de qualidade e responsabilidade bem definidas, em vez de simplesmente jogar “IA” em cima de processos ruins.
Para quem desenvolve software e games, a pergunta deixou de ser “usar IA ou não?” e passou a ser:“Qual modelo de colaboração humano–IA eu quero criar na minha fábrica e nos meus jogos – e como vou governar isso de forma segura e sustentável?”
🤖🎮 AI, software development and games today
As a Computer Science researcher, my starting point is simple and blunt: AI is no longer a “plugin” in development – it has become part of the actual production line for software and games.
1. Software development with AI: from code suggestions to the hybrid factory
Today, LLM-based code generation tools (Copilot, ChatGPT, CodeWhisperer, Gemini, etc.) have stopped being an early-adopter curiosity and have become infrastructure. Recent studies report average productivity gains of around 30%, measured by task completion time – at the cost of more vulnerabilities and security issues if there is no systematic review (as shown in recent work indexed on ResearchGate).
Broader reviews on AI for code generation are very clear on three points:
- Productivity goes up – repetitive tasks, boilerplate, tests and documentation are accelerated;
- Technical risk also goes up – subtle bugs, security vulnerabilities and hard-to-maintain code appear more often;
- The developer’s role changes – less typing line by line, more modelling the problem, writing good prompts, reviewing critically and designing architecture (discussed in depth by Darcy & Roy Press, among others).
The frontier today is no longer a single “copilot” running in isolation, but ecosystems of multiple orchestrated AI agents: agents that read the repository, plan refactors, generate code, write tests, run static analysis and open PRs. Recent platforms already offer “hubs” to connect several AI agents in parallel inside GitHub/your IDE, with planning modes (“plan mode”) and automated code review that combines static analysis and security checks (as reported by outlets like The Verge).
The state of the art in software engineering with AI in 2025 looks like this:
- teams that treat AI as a systemic pair programmer, not as a toy;
- pipelines with tests, SAST/DAST and mandatory security policies wrapped around AI-generated code;
- a shift in the developer skill set towards thinking at the level of system, product and metrics, leaving the “cognitive grunt work” to the model (a trend already visible in empirical studies on ResearchGate).
2. Games with AI: from enemy AI to real-time co-created play
In games, the curve is even more dramatic. Recent research on LLMs and games shows applications in practically every layer: narrative, NPC dialogue, quest generation, level design, balancing, automated testing and even support for the development team itself (see several surveys on arXiv).
In parallel, the classic area of Procedural Content Generation (PCG) has taken a leap: we moved from noise + grammars to combinations of search, machine learning, reinforcement learning and now LLMs generating stages, dungeons, maps and gameplay variations based on fun, diversity and challenge metrics (as discussed in recent PCG work on arXiv and in AAAI proceedings).
On the industry side, the numbers are hard to ignore:
- almost 90% of game developers in mature markets already use AI agents in parts of their pipeline (playtesting, balancing, localization, code, assets, etc.), according to reports in PC Gamer;
- around 1 in every 5 games released on Steam in 2025 declares the use of generative AI in some stage (art, audio, text, marketing, or even dynamic runtime generation), as tracked by outlets like Tom’s Hardware.
At the state of the art, we see three major fronts in games with AI:
- AI as a production tool: generating art, animations, sound, dialogue and level prototypes to reduce cost and time (highlighted in several arXiv case studies);
- AI as part of the game: NPCs with dynamic dialogue, worlds reacting in natural language, emergent quests, adaptive narrative systems (described in research on ResearchGate and in journals such as NHSJS);
- AI as an “apprentice designer”: agents that generate and test levels via reinforcement learning, adjust difficulty and help discover interesting design spaces that humans might not explore alone (a recurring theme in AAAI papers).
The message I defend is straightforward:
- In software, AI is transforming the factory.
- In games, AI is transforming both the factory and the product itself.
The next step – and the truly interesting research field – is understanding how to design hybrid ecosystems in which human teams, LLMs and other models work together with clear roles, quality metrics and well-defined responsibilities, instead of simply throwing “AI” on top of bad processes.
For anyone developing software and games, the question is no longer “use AI or not?” and has become:
“What human–AI collaboration model do I want to create in my factory and in my games – and how am I going to govern it in a safe and sustainable way?”
0
0 comments
AI, software development and games today
