조연 한 명이 주인공이 되는 순간: AI가 플레이어의 시선을 따라 다시 쓰는 게임

1. Future Diary (2029년 6월 18일, 서울 마곡 게임 AI 실증관)

‘처음에는 제가 이 게임의 주인공이 아니었어요. 그런데 제가 계속 찾아가 말을 걸자, 어느 순간 세계가 제나의 이야기를 중심으로 움직이기 시작했습니다.’ — 베타 테스터 정예린, 27세

오후 7시 42분, 서울 마곡의 게임 AI 실증관 지하 2층. 관람객들이 쓰는 헤드셋 안쪽에서 낮은 빗소리가 반복됐다. 대형 스크린에는 가상의 해안 도시 아르카디아가 떠 있었다. 항구 크레인 사이로 붉은 경고등이 번쩍이고 젖은 콘크리트 위에는 물웅덩이가 흔들렸다. 정예린은 메인 퀘스트의 영웅이 아니라 부두 끝 생선 가게에서 장부를 정리하던 조연 제나에게 세 번째로 말을 걸었다.

‘오늘도 문 닫기 전에 장부를 보고 있네요.’ 예린이 음성으로 말하자 제나는 고개를 들었다. 2026년 버전의 고정 대사라면 여기서 ’항구에 폭풍이 옵니다’라고 답했을 장면이다. 하지만 제나는 젖은 손가락으로 종이 장부의 특정 줄을 문질렀다. 화면 속 종이가 삐걱거리는 소리를 냈고 음성 합성기는 평소보다 반 박자 늦게 숨을 들이켰다. ‘당신은 왜 매번 이 줄을 보죠? 선박 17호는 사흘 전부터 출항하지 않았어요.’

예린이 장부를 달라고 손을 내밀자 게임 엔진은 새 행동을 생성했다. 장부의 잉크 얼룩, 사라진 선원 이름, 북쪽 방파제의 잠긴 창고가 하나의 사건 그래프로 연결됐다. 제나의 신뢰도 값은 단순한 호감 수치가 아니라 비밀 공개 가능성, 협력 행동의 위험도, 주인공과의 관계 변화에 영향을 주는 벡터로 변환됐다. 11분 뒤 원래 메인 퀘스트였던 왕실 통신탑 탈환 임무의 목표 문구가 바뀌었다. ’통신탑을 점령하라’는 문장은 사라지고 ’제나가 숨긴 선박 17호의 마지막 항로를 추적하라’가 그 자리를 차지했다.

스태프가 옆자리 모니터를 가리켰다. 왼쪽에는 작가가 설계한 고정 세계관이, 오른쪽에는 플레이어별로 생성된 현재 서사 상태가 표시됐다. 제나는 원래 3막에서 한 번만 등장하는 항구 상인이었다. 그러나 예린은 제나에게 총 27분을 머물렀고 같은 질문을 네 번 바꿔 물었으며 다른 동료 캐릭터의 전투 초대를 두 차례 거절했다. 엔진은 이를 우연한 체류가 아니라 특정 인물에 대한 지속 관심으로 판정했다. 관심도 점수가 임계값을 넘자 제나의 서브플롯이 두 개의 장면에서 아홉 개의 사건 노드로 확장됐다.

예린이 창고 문을 열자 차가운 파도 냄새를 흉내 낸 향이 헤드셋 주변에서 희미하게 퍼졌다. 제나는 안으로 들어가지 않고 문턱에 멈췄다. ‘여기서 더 가면 당신도 돌아갈 수 없어요.’ 이 대사는 언어 모델이 즉석에서 꾸며낸 문장이었지만 캐릭터의 공포 반응과 항구 노동자라는 배경, 왕실과 밀수단 사이의 관계 제약을 동시에 통과한 결과였다. 제나는 이제 주인공의 조력자가 아니라 사건의 원인을 알고 있는 인물이 됐다. 그날 밤 예린의 플레이 기록에는 엔딩 하나가 아니라 제나의 선택에 따라 분기하고 다시 합쳐지는 네 개의 결말 후보가 저장됐다.

이 실증관에서 일어난 변화는 조연에게 대사를 더 많이 주는 수준이 아니다. AI가 플레이어의 시선을 서사적 신호로 해석하고 그 신호를 캐릭터의 기억·관계·퀘스트·카메라·음성 연출에 전달하면서 작품의 중심축 자체를 이동시킨 것이다. 2029년의 게임에서 주인공은 캐릭터 선택 화면에서 결정되지 않는다. 플레이어가 반복해서 돌아간 사람, 끝까지 듣고 싶어 한 사람, 구해주기 위해 메인 임무를 미룬 사람이 다음 장의 주인공이 된다.

2. 핵심 요약 (Quick Overview & TL;DR)

핵심 기술	예상 상용화 시점	현재 기술 수준 (2026)	결정적 패러다임 전환	주요 기술적 동력	해결 과제
플레이어 관심도 기반 동적 내러티브 엔진	2029년경	대화형 NPC, 장기 기억, 실험적 플롯 생성 단계	작가가 모든 분기를 고정하는 구조에서 플레이어 관심도가 서사 비중을 재배분하는 구조로 이동	LLM 에이전트, 벡터·그래프 메모리, 내러티브 플래닝, 실시간 음성·애니메이션 생성	캐릭터·세계관 일관성, 생성 지연, 비용, 저작권, 등급 및 안전 통제
조연 서브플롯 자동 확장	2028~2030년	STORY2GAME과 StoryVerse가 개념 및 프로토타입을 제시	부가 퀘스트가 메인 플롯으로 승격	관심도 추론, 사건 그래프, 사전조건·효과 기반 상태 관리	지나친 개인화로 인한 작가 의도 훼손과 플레이어 간 콘텐츠 격차
분기 후 재수렴하는 하이브리드 스토리	2029년경	두 프롬프트의 공통 조건을 이용한 연구 단계	무한 분기 대신 서로 다른 경로가 공통 사건으로 합류	추상적 막 구조, 제약 디코딩, 목표 상태 기반 계획	재수렴 과정에서 캐릭터의 과거와 감정이 삭제되거나 모순되는 문제

3. 현재 상황 및 기술적 토대 (2026년 기준)

핵심 원천 기술 및 메커니즘 (원리 및 기술 아키텍처 상세)

동적 스토리텔링은 하나의 거대한 언어 모델이 즉흥적으로 이야기를 쓰는 방식이 아니다. 상용화 가능한 구조는 대체로 다음 다섯 층을 갖는 하이브리드 시스템이 될 가능성이 높다.

첫째는 플레이어 관심도 추론층이다. 엔진은 특정 NPC와 나눈 대화 횟수만 세지 않는다. 대화 사이의 간격, 선택지 앞에서 멈춘 시간, 해당 NPC 주변을 배회한 거리, NPC가 주는 임무를 수락하거나 거절한 비율, 전투 중 NPC를 보호했는지 여부, 관련 아이템을 다시 조사한 횟수를 함께 본다. 이 신호들은 관심도 벡터로 변환된다. 중요한 점은 관심과 단순 노출을 구분하는 것이다. 퀘스트 진행을 위해 한 번 말을 걸 수밖에 없었던 행동은 낮은 가중치를 받고 메인 임무를 포기하면서 반복적으로 같은 인물을 찾아간 행동은 높은 가중치를 받는다. 2029년 상용 시스템에서는 이 판정을 명시적 동의와 함께 제공해 플레이어가 개인화 강도를 끄거나 낮출 수 있어야 한다.

둘째는 캐릭터 상태층이다. NPC마다 이름과 성격 설명만 저장하는 것이 아니라 현재 목표, 공개된 사실, 숨겨진 사실, 감정의 방향, 신뢰 수준, 관계 그래프, 물리적 위치, 시간대, 이미 한 약속, 절대 깨지면 안 되는 세계관 규칙을 구조화한다. 예를 들어 제나의 상태는 ’왕실을 싫어한다’라는 문장 하나가 아니라 ‘선박 17호의 선원 명단을 알고 있음’, ‘주인공에게는 아직 말하지 않음’, ‘동생이 밀수단에 연루됨’, ’폭풍 전까지 항구를 떠나지 못함’과 같은 원자적 사실과 관계로 관리된다.

셋째는 서사 계획층이다. StoryVerse가 제안한 추상적 막 구조처럼 작가는 ’제나의 비밀이 드러나고 주인공이 왕실을 의심하게 된다’는 고수준 목표를 정한다. AI는 현재 게임 상태에서 이 목표를 달성할 수 있는 장면, 행동, 대화, 장소를 계산한다. 각 사건에는 사전조건과 결과가 붙는다. 장부를 발견하려면 제나의 신뢰가 일정 수준 이상이어야 하고 창고에 들어가려면 북쪽 방파제의 경비 상태가 바뀌어야 하며 메인 퀘스트를 재구성한 뒤에도 최종 악당과의 대면이라는 상위 목표는 보존될 수 있다.

넷째는 분기·재수렴 관리층이다. 플레이어가 제나를 따라가는 동안 기존 주인공의 왕실 반란 서사는 완전히 폐기되지 않는다. 두 경로는 제나가 가진 선박 기록이 왕실 통신망의 약점을 밝히는 공통 사건에서 다시 합류할 수 있다. 2024년 연구인 Generating Converging Narratives for Games with Large Language Models는 서로 다른 프롬프트가 공유하는 조건을 이용해 분기된 이야기의 재수렴 가능성을 탐색했다. 상용 엔진은 이 방식을 발전시켜 핵심 결말, 주요 세계관 사실, 등급 제한은 고정하고 주변 장면과 캐릭터의 동기는 플레이어별로 조정할 것이다.

다섯째는 표현 렌더링층이다. 생성된 사건은 대사만 바꾸지 않는다. 카메라가 누구를 먼저 비추는지 어느 NPC가 다음 장면에 등장하는지 성우가 말할 때의 감정 강도, 배경 음악의 악기 구성, 퀘스트 아이콘의 우선순위, 새로운 장소와 소품의 배치까지 연쇄적으로 바꾼다. GameNGen은 2024년 연구에서 하나의 TPU로 고전 게임 DOOM을 초당 20프레임 이상 실시간 시뮬레이션했고 다음 프레임 예측에서 PSNR 29.4를 기록했다. 이 기술이 곧바로 상용 게임의 전체 그래픽을 대체한다는 뜻은 아니지만 게임 상태와 생성 모델이 긴 상호작용을 함께 처리할 수 있다는 방향을 보여준다. Google DeepMind의 Genie는 110억 개 파라미터 규모의 생성형 상호작용 환경으로 행동 가능한 가상 세계를 학습하는 구성 요소를 제시했다.

현재의 가장 현실적인 상용 구조는 고정된 핵심 퀘스트 그래프 위에 생성형 NPC와 제한된 동적 사건을 얹는 방식이다. 언어 모델이 임의로 게임 규칙을 다시 쓰게 하는 대신, 이벤트 로그와 지식 그래프가 허용 범위를 정하고 플래너가 가능한 행동 후보를 만들며 검증기가 캐릭터·시간·장소·인과관계 위반을 걸러낸다. 마지막으로 음성, 애니메이션, 카메라 연출 모듈이 승인된 장면을 표현한다.

글로벌 선도 기관 및 산업계 동향 (주요 대학, 기업, 연구소의 실증 현황)

Stanford 연구진의 Generative Agents는 25명의 가상 인물이 자연어 경험 기록을 저장하고 중요한 기억을 반성 형태로 통합한 뒤, 상황에 맞는 기억을 검색해 행동을 계획하는 구조를 공개했다. 한 인물이 밸런타인데이 파티를 열고 싶다는 설정만으로 초대와 약속, 사회적 관계가 이틀 동안 확산되는 실험은 플레이어 관심에 따라 조연의 사회적 행동이 누적될 수 있음을 보여준다.

Georgia Tech의 Mark Riedl 연구진이 참여한 Neural Story Planning은 언어 모델의 다양성과 기호적 계획의 인과성을 결합했다. 목표 사건에서 거꾸로 사전조건을 추론하는 방식은 조연의 비밀을 갑자기 생성하는 대신, 그 비밀이 드러나기까지 필요한 행동과 단서를 계산하는 데 활용될 수 있다.

Google DeepMind의 Genie는 텍스트, 이미지, 사진, 스케치로부터 행동 가능한 가상 환경을 생성하는 가능성을 탐색했다. 이 계열의 연구가 게임 제작 파이프라인에 들어오면 조연이 메인 인물로 승격될 때 필요한 방, 소품, 이동 경로를 모두 수작업으로 제작하지 않고 기존 에셋 조합과 생성 모델로 보완할 수 있다.

Microsoft Research 계열의 GameNGen은 게임 엔진의 핵심 기능 일부를 신경 모델로 시뮬레이션하는 방향을 보여줬다. 현재는 특정 게임과 제한된 환경에서의 실증이지만 향후에는 사건이 바뀔 때 화면·물리·연출을 함께 갱신하는 생성형 런타임 연구로 이어질 가능성이 있다.

게임·엔터테인먼트 산업은 완전 자유 생성형보다 작가 통제형 시스템을 먼저 채택할 가능성이 크다. STORY2GAME은 이야기에서 세계와 행동 코드를 생성하고 플레이어가 예상하지 못한 행동을 하면 새로운 행동과 게임 상태 표현을 동적으로 추가하는 접근을 제시했다. Craft an Iron Sword 연구 역시 Minecraft 환경에서 LLM이 자연어 대화와 새로운 코드를 생성할 수 있음을 시연했지만 동시에 실패 사례와 안정성 문제가 남아 있음을 보고했다. 산업 현장에서는 이 한계를 고려해 핵심 장면은 사람이 승인하고 주변 대사·탐색·관계 변화만 생성하는 단계적 배포가 유력하다.

4. 실현 가능성을 높이는 동력 vs 극복해야 할 난제

🚀 기술 실현을 앞당기는 핵심 동력 (Key Drivers)

1. 캐릭터가 대화형 인터페이스를 넘어 지속적 에이전트로 진화한다

NPC는 더 이상 특정 위치에서 같은 대사를 반복하는 오브젝트가 아니다. 관찰, 기억, 반성, 계획을 갖춘 에이전트로 구현되면 플레이어가 누구를 반복해서 찾았는지 어떤 약속을 지켰는지 어떤 비밀을 숨겼는지를 다음 행동에 반영할 수 있다. 이 변화는 조연의 비중을 수동으로 늘리는 비용을 크게 낮춘다.

2. 생성 플롯과 전통적 게임 상태 관리가 결합되고 있다

LLM만으로 이야기를 생성하면 문장은 자연스럽지만 사건의 원인과 결과가 흔들린다. 반대로 기호적 플래너만 사용하면 규칙은 정확하지만 행동의 다양성이 제한된다. StoryVerse와 STORY2GAME이 제시한 사전조건·효과·추상적 막 구조의 결합은 언어 모델의 표현력과 게임 엔진의 검증 가능성을 연결한다. 2029년에는 이 구조가 플레이어 관심을 퀘스트 우선순위와 캐릭터 관계 변화로 변환하는 표준 계층이 될 가능성이 높다.

3. 추론 비용 하락과 생성형 표현 기술의 병렬화

대화 생성, 기억 검색, 퀘스트 계획, 음성 합성, 애니메이션 생성을 하나의 거대한 모델이 순차 처리하면 지연 시간이 길어진다. 반면 소형 모델이 관심도 분류와 사실 검증을 맡고 고성능 모델은 장면 전환과 핵심 대사에만 투입하는 구조는 운영비를 줄일 수 있다. GameNGen의 초당 20프레임 이상 실시간 상호작용과 Genie의 행동 가능한 환경 연구는 생성형 시뮬레이션의 실시간성을 높이는 하드웨어·모델 최적화가 진행 중임을 보여준다.

⚠️ 넘어야 할 기술적·제도적 장벽 (Bottlenecks)

1. 긴 플레이 시간에서 기억과 약속이 무너지는 문제

조연이 주인공이 되려면 최소 수 시간에서 수십 시간의 관계 변화가 축적되어야 한다. 그러나 현재 모델은 캐릭터가 이미 떠난 장소에 다시 나타나거나 죽은 인물을 살아 있다고 말하거나 이전에 공개한 비밀을 모르는 척하는 오류를 낸다. 2026년 NCP-Bench는 100개의 서사 환경에서 20턴 후 약속 유지율과 사실 충돌을 측정했으며 최상위 모델의 생존율도 42%였다. 상용 게임은 생성 전후에 사건 그래프 검증, 캐릭터 상태 잠금, 되돌리기 가능한 세이브 포인트를 두어야 한다.

2. 플레이어 관심과 조작적 개인화 사이의 경계

엔진이 플레이어가 오래 머문 캐릭터를 자동으로 확대하면 몰입은 커질 수 있지만 플랫폼이 의도적으로 특정 캐릭터에 시간을 쓰게 만들어 과금이나 감정적 의존을 유도할 위험도 있다. 관심도 데이터는 행동 로그, 음성 입력, 감정 추정과 연결될 수 있으므로 수집 범위와 보관 기간을 명확히 해야 한다. 특히 미성년자 계정에서는 감정 추론과 개인화 강도를 기본값으로 제한하는 제도적 장치가 필요하다.

3. 저작권과 창작자 책임의 재설계

플레이어가 만든 한 문장이 조연의 성격을 바꾸고 그 변화가 새로운 장면과 음성 대사로 확장되면 결과물의 저작자와 책임 주체가 불분명해진다. 원작 캐릭터의 말투를 성우의 동의 없이 무한 생성할 수 있는지 작가가 승인하지 않은 로맨스·폭력·정치적 메시지가 등장했을 때 누가 책임지는지 플레이어별 엔딩을 심의 등급에 어떻게 반영할지에 대한 기준이 필요하다.

5. 산업 생태계 및 사회적 파급 효과 (Impact Analysis)

1) 관련 산업 지형 및 비즈니스 모델 변화

게임 제작사는 하나의 완성된 줄거리를 판매하는 대신, 캐릭터 세계관과 내러티브 엔진을 지속적으로 운영하게 된다. 출시일에 모든 서브퀘스트를 완성하는 모델에서 벗어나 작가가 핵심 사건과 금지 규칙을 설계하고 AI가 플레이어 집단별로 주변 사건을 확장하는 모델이 가능해진다.

새로운 상품 단위는 캐릭터 팩, 관계 확장팩, 세계관 규칙 세트가 된다. 예를 들어 제나의 항구 서사를 구매한 플레이어는 동일한 세계에서 밀수단, 가족사, 왕실 기록관과 연결되는 추가 에피소드를 경험할 수 있다. 플랫폼은 단순 플레이 시간보다 어떤 인물이 주인공으로 승격됐는지 어떤 관계 그래프가 만들어졌는지 어느 장면에서 플레이어가 이탈했는지를 분석해 다음 콘텐츠를 설계한다.

게임 작가의 역할도 줄어들기보다 바뀐다. 작가는 장면 대사를 모두 쓰는 사람에서 캐릭터의 욕망과 금기, 사건의 인과 구조, 절대로 바뀌면 안 되는 사실, 분기가 합류해야 하는 상위 목표를 설계하는 내러티브 시스템 디자이너로 이동한다. QA 조직에는 문법 검수자뿐 아니라 수천 개의 플레이 경로를 자동으로 탐색하는 서사 테스트 엔지니어가 필요해진다.

2) 개인의 삶과 노동 환경의 재편

플레이어는 더 이상 작가가 정한 주인공의 감정선만 따라가지 않는다. 자신이 반복해서 말을 건 인물이 어느 순간 가장 중요한 선택을 요구하면서 게임은 개인의 관심 패턴을 반영한 거울처럼 작동한다. 같은 게임을 해도 친구와 전혀 다른 인물의 과거를 보고, 서로 다른 정치적 갈등과 결말을 경험하게 된다.

이 변화는 교육과 훈련 콘텐츠에도 적용될 수 있다. 역사 시뮬레이션에서 학생이 이름 없는 기록관에게 계속 질문하면 그 인물의 관점에서 사건이 재구성되고 직무 훈련에서는 수습 직원 NPC가 학습자의 실수에 따라 멘토나 내부고발자로 성장할 수 있다. 다만 개인화가 강해질수록 사용자는 자신이 선택한 것이 실제 기록인지 AI가 만든 해석인지 구분하기 어려워진다. 모든 생성 장면에는 출처, 허구 여부, 시스템 개입 수준을 확인할 수 있는 투명성 표시가 필요하다.

노동 측면에서는 대규모 콘텐츠 제작의 진입장벽이 낮아지는 동시에 고품질 세계관을 관리할 수 있는 소수의 IP 보유자에게 가치가 집중될 수 있다. 성우와 번역가는 고정된 대사를 녹음하는 업무에서 감정 범위와 발음 규칙을 설계하고 AI 출력물을 검수하는 업무로 이동한다. 게임 노동자의 평가도 제작한 장면 수보다 캐릭터 일관성, 플레이어 선택의 다양성, 오류 없는 장기 서사 유지율을 중심으로 바뀔 가능성이 높다.

6. 자주 묻는 질문 (FAQ)

Q1. AI가 플레이어가 좋아하는 조연을 어떻게 주인공으로 바꾸나요?

A. AI는 반복 대화, 체류 시간, 선택 패턴, 보호 행동, 관련 아이템 조사 등 플레이어의 관심 신호를 종합해 관심도 벡터를 만들고 일정 임계값을 넘으면 해당 캐릭터의 기억·관계·퀘스트 우선순위를 확장합니다. 이후 내러티브 플래너가 기존 메인 사건과 연결되는 새로운 장면을 생성합니다.

Q2. AI가 이야기를 마음대로 바꾸면 설정 오류가 발생하지 않나요?

A. 발생할 수 있습니다. 이를 줄이기 위해 상용 시스템은 LLM 단독 생성 대신 캐릭터 상태 그래프, 사전조건·효과 기반 퀘스트 플래너, 세계관 규칙 검증기, 작가 승인 목록을 결합하는 하이브리드 구조를 사용해야 합니다. 2026년 기준 장기 일관성은 아직 상용화를 제한하는 핵심 병목입니다.

Q3. 동적 스토리텔링은 언제 대중적인 게임에서 사용할 수 있나요?

A. 제한된 조연 대화와 서브퀘스트 확장은 2027~2028년에 널리 도입될 가능성이 높고 특정 조연이 플레이어별로 메인 스토리의 중심이 되는 형태는 2029년경부터 일부 대형 게임과 클라우드 게임 서비스에서 상용화될 전망입니다.