6d • GAME DESIGN
Game Design with AI: from level editor to autonomous co-designer
🎮🤖 Game Design com IA: do “level editor” ao co-designer autônomo
Como pesquisador em Computação, minha tese é direta: a IA não está apenas ajudando a fazer games – ela está redesenhando o próprio conceito de game design.
Durante décadas, o trabalho do game designer foi essencialmente manual e antecipado: documentos de GDD gigantes, árvores de diálogo pré-roteirizadas, fases montadas à mão, balanceamento feito na base de planilha + tentativa e erro. Hoje, o estado da arte aponta para outra direção: design de jogos como orquestração de sistemas inteligentes, capazes de gerar, adaptar e testar conteúdo em tempo real.
1. Ideação e narrativa: IA como roteirista e arquiteta de missões
Modelos de linguagem de grande porte (LLMs) já são usados para:
- gerar variações de diálogos de NPCs, mantendo tom, lore e contexto do mundo;
- criar quests personalizadas com base nas escolhas e no estilo de jogo do jogador;
- apoiar o designer na escrita de barks, descrições de itens, lore e até estruturas de história ramificada.
Pesquisas recentes combinam knowledge graphs (para estrutura de história e consistência de mundo) com LLMs para criar missões e diálogos que se adaptam continuamente ao jogador, mantendo coerência narrativa. ResearchGate+2ScienceDirect+2 Estudos específicos sobre diálogos dinâmicos mostram que LLMs já conseguem sustentar conversas contextuais com NPCs, com ganhos claros em imersão quando há controle de tom e limites bem definidos. arXiv+1
2. PCG 2.0: fases, mundos e sistemas gerados por IA
A área de Procedural Content Generation (PCG) deu um salto qualitativo. Saímos de algoritmos de ruído e regras estáticas para:
- métodos de busca e machine learning que geram mapas, dungeons e variações de cenário;
- reforço profundo (PCGRL) para treinar agentes que projetam fases otimizadas por métricas de desafio, acessibilidade ou ritmo; AAAI
- combinação de PCG clássica com LLMs, criando pipelines híbridos que geram desde layout de níveis até descrições e elementos narrativos acoplados. arXiv+2Semantic Scholar+2
Em paralelo, surveys recentes organizam o conteúdo de jogo em camadas (bits, espaço, sistemas, cenários, design, derivados) e mostram que praticamente todas essas camadas já têm técnicas de geração automática aplicáveis – o que significa que o designer passa a desenhar regras, objetivos e restrições, e não apenas o “mapa final”. @Large Research+1
3. Player modeling e personalização: um jogo diferente para cada pessoa
O outro eixo crítico é o player modeling: entender o jogador a partir de dados de comportamento, desempenho e preferências. Revisões de literatura apontam que modelos de jogador hoje combinam:
- análise de comportamento (sequência de eventos de jogo);
- avaliação de habilidade;
- predição de preferências para ajustar desafio, recompensas e até economia do jogo. ACM Digital Library+2DROPS+2
Pesquisas mais recentes começam a tratar logs de jogo como linguagem, usando LMs para segmentar jogadores e prever trajetórias com base em sequências de eventos. arXiv+1 Isso abre espaço para um game design em que:
- o jogo aprende o perfil do jogador;
- ajusta dificuldade, ritmo, tipo de missão e estilo de feedback;
- e até muda o “tom” da narrativa conforme o engajamento e o momento de vida daquele jogador.
4. Indústria: designers cercados de IA por todos os lados
Na prática, isso já deixou o laboratório: uma pesquisa recente aponta que 87% dos estúdios em mercados maduros usam agentes de IA em alguma parte do desenvolvimento, e mais de um terço já usa IA diretamente em tarefas criativas como design de níveis e escrita de diálogos. PC Gamer+2Moonfire+2 Casos como o Ghostwriter, da Ubisoft, ilustram bem a lógica: a IA gera rascunhos de diálogos e barks, e o time de narrativa foca na intenção, no ritmo dramático e na coesão do mundo. Naavik+2LinkedIn+2
O que isso significa para o game design?
- O designer deixa de ser apenas “quem desenha fases e histórias” e passa a ser arquiteto de sistemas inteligentes.
- A unidade de trabalho deixa de ser só o nível ou a missão, e passa a ser o espaço de possibilidades que a IA pode explorar com segurança.
- A responsabilidade central desloca de “criar tudo” para definir restrições, princípios éticos, métricas de qualidade e identidade autoral em um mar de conteúdo gerado.
Em termos simples:
- Game Design 1.0: tudo feito à mão, conteúdo finito, roteiro fixo.
- Game Design 2.0: PCG tradicional, live ops, balanceamento contínuo.
- Game Design 3.0 com IA: mundos, histórias e desafios co-criados em tempo real por designers, jogadores e modelos inteligentes, sob um mesmo conjunto de princípios de design.
A pergunta que coloco para quem atua com game design hoje não é “se” vai usar IA, mas:“Que tipo de parceria criativa humano–IA você quer estabelecer no seu jogo – e como vai garantir que essa parceria respeite o jogador, a autoria e a visão de design a longo prazo?”
🎮🤖 Game Design with AI: from level editor to autonomous co-designer
As a Computer Science researcher, my core thesis is straightforward: AI is not just helping us make games – it is redefining what we mean by game design.
For decades, the work of a game designer was essentially manual and pre-scripted: huge GDD documents, dialogue trees carefully written by hand, levels built piece by piece, balance tuned with spreadsheets and endless trial and error.Today, the state of the art points in another direction: game design as the orchestration of intelligent systems capable of generating, adapting and testing content in (almost) real time.
1. Ideation and narrative: AI as writer and mission architect
Large Language Models are already being used to:
- generate alternative NPC dialogue lines that preserve tone, lore and world context;
- create personalized quests that respond to player choices and play style;
- support designers in writing barks, item descriptions, lore entries and even branching story structures.
Recent research combines knowledge graphs (to keep world logic and lore consistent) with LLMs to build missions and dialogues that adapt to the player while maintaining narrative coherence. Experiments with dynamic NPC dialogue show clear gains in immersion when tone, boundaries and style are well controlled.
2. PCG 2.0: worlds, levels and systems generated by AI
The field of Procedural Content Generation (PCG) has taken a qualitative leap. We moved from noise-based algorithms and static rule sets to:
- search- and ML-based methods that generate maps, dungeons and layouts;
- PCGRL (Procedural Content Generation via Reinforcement Learning), where agents “design” levels optimized for challenge, accessibility, pacing or other metrics;
- hybrid pipelines that combine classical PCG with LLMs, generating not only level layouts but also descriptions, objectives and narrative hooks that come attached to those spaces.
Recent surveys break down game content into layers (bits, space, systems, scenarios, design, derivatives) and show that almost every one of these layers now has viable automatic generation techniques. That means the designer increasingly works on rules, goals and constraints, rather than only on the final map or quest list.
3. Player modeling and personalization: a different game for each person
The second critical axis is player modeling – understanding the player from behavioural data, performance and preferences. The literature on personalization in games points to models that combine:
- behavioural analysis (event sequences, paths, retries, drop-offs);
- skill estimation;
- preference prediction to adjust difficulty, rewards, pacing and even in-game economy.
More recent work starts treating game logs as a kind of language, using sequence models and LLM-like approaches to cluster players and predict trajectories. This opens up a vision of game design where:
- the game actively learns the player’s profile;
- tunes difficulty, rhythm, mission types and feedback style;
- and even changes the tone of the narrative according to engagement, frustration level or stage of the player’s life cycle in that game.
4. Industry reality: designers surrounded by AI on all sides
This is no longer confined to labs. Industry surveys report that a large majority of studios in mature markets already use AI agents in parts of the pipeline, and a growing share use AI directly in creative tasks such as level design and dialogue writing.
Cases like Ubisoft’s Ghostwriter illustrate the pattern clearly: the AI generates drafts of barks and incidental dialogue, and the narrative team focuses on intent, dramatic rhythm and world cohesion. Similar tools exist for level blockouts, encounter variants and economy tuning.
What does this mean for game design as a discipline?
- The designer is no longer just “the person who makes levels and stories”, but increasingly an architect of intelligent systems.
- The unit of work is no longer just the level or the quest, but the possibility space that AI systems can explore safely.
- The core responsibility shifts from “creating every asset by hand” to defining constraints, ethical boundaries, quality metrics and authorial identity in a sea of generated content.
In simple terms:
- Game Design 1.0 – everything handcrafted, finite content, fixed script.
- Game Design 2.0 – traditional PCG, live-ops, continuous balancing.
- Game Design 3.0 with AI – worlds, stories and challenges co-created in real time by designers, players and intelligent models, all under a shared set of design principles.
So, for anyone working in game design today, the question is not whether you will use AI, but:
“What kind of human–AI creative partnership do you want to build into your game – and how will you ensure that this partnership respects the player, authorship and your long-term design vision?”
0
0 comments
Game Design with AI: from level editor to autonomous co-designer
