Разговор с директором по инженерии InnoGames Томасом Лером раскрывает реальную историю использования ИИ в Sunrise Village — мобильной F2P-игре, которая несколько лет находилась на плато по выручке.
Контекст: не «пивот к ИИ», а вынужденная ставка
Игра застыла в стагнации: 25 человек на проекте, выручка без перспектив роста. Опции:
- скелетная команда без инструментов — медленная смерть из-за нехватки контента;
- аутсорс — управленческие накладные и потеря контроля;
- ИИ — попытка сохранить проект без сознательного «менеджмента умирания».
Первые два варианта быстро отмели. ИИ стал единственным способом сократить косты и не просто тянуть время.
Экономика: 25 человек → 3, выручка падает, прибыль растёт
Команда Sunrise Village была сокращена с 25 до 3 человек. Остальные 22 ушли на новый проект Cozy Coast (новая игра InnoGames). Увольнений не было.
Реальность против пресс-нарратива:
- загрузки упали примерно вдвое;
- выручка снизилась на ~20%, а не осталась плоской;
- но игра перешла из «глубокого минуса» в прибыль за счёт радикального снижения затрат.
Это не история «ИИ спас игру». Это история о том, как ИИ купил игре более длинную и дешёвую траекторию умирания и освободил людей для более перспективного проекта.
Главный инсайт: сначала логирование и автоматизация, потом ИИ
Прежде чем подключать модели, инженер из AI-task force просто сел рядом с командой и зафиксировал реальный рабочий процесс. Ключевая находка:
- геймдизайнер вручную набивал дизайн-данные в Confluence;
- экспортировал в Excel → конвертировал в CSV/JSON → импортировал в Unity;
- каждый апдейт — дни рутинной, ошибкоопасной работы.
Решение — кастомный тул, написанный примерно за час, который радикально сократил время обновлений. ИИ здесь изменил стоимость создания автоматизации, а не саму мотивацию автоматизировать.
Вывод для студий: начинать стоит не с обхода витрин ИИ-инструментов, а с наблюдения за тем, как реально работает команда, и поиска «узких мест» в передаче и трансформации данных.
Выбор моделей: стабильность важнее топ-скоринга
InnoGames сознательно оставалась на GPT-4o около полутора лет, хотя модель устарела. Причина — каждая смена модели требует полного ретеста продакшн-пайплайна: разные модели ведут себя по-разному, что ломает надёжность.
Перешли с GPT-4o только после официальной деприкации, а не из-за появления «лучшей» модели.
Контраст: для кодогенерации они мгновенно переходят на новые модели Anthropic — там всегда есть человек, проверяющий результат, и вариативность допустима. В контентном пайплайне, работающем полусамостоятельно на тысячах ассетов, вариативность критична и недопустима.
Практический вывод: нужно чётко разделять части пайплайна, которые могут пережить «дрейф модели», и те, где важнее стабильность, чем прирост качества.
Эрозия навыков и усталость от ИИ
Лер признаёт: инженеры, включая его, утрачивают навык «ручного» кодинга на конкретных языках. Он считает это приемлемым, если сохраняются и развиваются более важные навыки — архитектура, системное мышление.
Но он отмечает и издержки: рост объёма аутпута ИИ ведёт к:
- увеличению числа решений, которые нужно принять;
- частым переключениям контекста между параллельными агентами;
- ощущению большей усталости к концу дня, несмотря на автоматизацию набора текста.
Вывод: CTO должны осознанно решать, какие навыки можно «отдать на эрозию», а какие — целенаправленно сохранять и развивать. Иначе это за них сделает ИИ по умолчанию.
Сопротивление ИИ и конкурентоспособность
На фоне опроса GamesIndustry.biz (84,2% профессионалов против ИИ-контента на любой стадии разработки) Лер даёт прямой ответ: студии, которые не будут использовать ИИ, будут просто неконкурентоспособны.
ИИ-контент сам по себе не гарантирует качества, но команды, которые правильно его используют, выигрывают по скорости и себестоимости итераций. Рынок не вознаграждает ремесло, которое не успевает дойти до релиза.
Почему этот кейс важен
InnoGames открыто говорит о цифрах, ограничениях и побочных эффектах, вместо привычных двух крайностей — гиперболизированного пиара для инвесторов или полного замалчивания ИИ перед игроками. Это редкий честный разбор реальных трейд-оффов, а не победный отчёт.
Выводы
- ИИ стал не «волшебным ростом», а инструментом радикального снижения костов и продления жизни стагнирующей игры.
- Главный эффект начался с наблюдения за рабочими процессами и автоматизации рутинных data-flow задач, а не с внедрения модных ИИ-платформ.
- В продакшн-пайплайнах стабильность модели важнее максимальной мощности; менять модели нужно редко и осознанно.
- ИИ меняет профиль компетенций: падает ценность «ручного синтаксиса», растёт ценность архитектурного мышления — но растёт и нагрузка на принятие решений.
- Отказ от ИИ — это не культурный протест, а риск проиграть в скорости и себестоимости тем, кто научится использовать технологии правильно.
- «Space Ape sold us the “Lean Live Ops” narrative back in 2018. That story didn’t last the test of time.» — категоричное обобщение. В индустрии нет общепринятого вывода, что концепция «lean live ops» не выдержала проверку временем; её эффективность сильно зависит от жанра, масштаба и конкретной реализации. Это скорее оценочное суждение автора, чем установленный факт.
- «The bottleneck is rarely creative. It's almost always some unglamorous data-shuffling task nobody bothered to fix…» — чрезмерно сильное обобщение. В разных студиях узким местом могут быть как рутинные процессы, так и именно креатив (нарратив, системный дизайн, визуальный стиль). Исследования производственных процессов в геймдеве не подтверждают, что «почти всегда» узкое место — только «data-shuffling».
- «In other words, stability beats capability the moment a workflow runs without a human checking every step.» — слишком универсальная формулировка. В некоторых задачах (например, где ошибка мало критична или легко откатывается) более мощная модель может быть предпочтительнее, даже при меньшей стабильности. Это разумная эвристика, но не универсальный закон.
- «Skill erosion is real… engineers… are losing the ability to hand-write code in specific languages.» — формулировка подаётся как общее явление, хотя описывается опыт одной компании/команды. На уровне индустрии пока нет устойчивых количественных данных, подтверждающих масштабную «утрату навыков» из‑за ИИ; это скорее гипотеза и локальное наблюдение.
- «AI will make that decision for them by default, and it usually picks wrong.» — утверждение о том, что ИИ «обычно» приводит к эрозии «не тех» навыков, не подкреплено исследованиями. Это оценка автора, а не установленный закономерный эффект.
- «studios that don't adopt will get outcompeted, full stop.» — жёсткое причинно‑следственное утверждение без оговорок. Хотя есть логичные экономические аргументы в пользу того, что автоматизация даёт преимущество по стоимости и скорости, нет надёжных данных, что все студии, не использующие ИИ, неизбежно проиграют. Возможны ниши, где ценность уникального ремесла, бренда или специфической аудитории компенсирует отсутствие ИИ.
- «the market doesn't reward craft that it never gets to see.» — чрезмерное упрощение рыночной динамики. В реальности «ремесло» может монетизироваться через премиум‑цену, нишевые аудитории, репутацию бренда и т.п., даже при меньшей скорости итераций. Это скорее риторическая фигура, чем факт, подтверждённый исследованиями.
- «The real stakes of the resistance are survival. Not a culture war over authenticity. A speed and cost war that most of the resisters are not currently equipped to win.» — сильное обобщение и драматизация. Нет общепринятого научного или индустриального консенсуса, что отказ от ИИ в геймдеве в целом — вопрос «выживания», а не множества разных стратегий (позиционирование, нишевость, премиум‑модель и т.д.). Это интерпретация автора, а не установленный факт.
