[NDC 26] 엠바크 마틴 싱-블롬 “머신러닝, 실제 조직에 필요한 형태가 중요”

“알고리즘과 모델은 중요하지만 조직도 중요합니다. 좋은 모델은 사람들이 그 존재를 알고 실제로 사용할 수 있을 때만 유용합니다.”

글로벌 흥행작 ‘아크 레이더스’ 개발사 엠바크스튜디오의 마틴 싱-블롬(Martin Singh-Blom) 머신러닝 책임자는 머신러닝을 실제 게임 개발에 적용한 사례를 공유하며 좋은 모델만큼 실제 작업자가 쓸 수 있는 도구와 조직 구조가 중요하다고 밝혔다.

그는 16일 경기도 성남시 판교 넥슨 사옥 일대에서 열린 ‘넥슨 개발자 콘퍼런스(NDC)’에 참석해 엠바크스튜디오의 머신러닝 구현 사례를 발표했다.

그는 이날 강연에서 ‘더 파이널스’와 ‘아크 레이더스’의 개발과 라이브 서비스 과정에서 머신러닝을 적용한 사례를 공유했다. ‘더 파이널스’의 상점 개인화 추천 시스템 구축, ‘아크 레이더스’의 퀘스트 분석 사례와 대형 로봇 AI 구축 등이다.

그에 따르면 ‘더 파이널스’의 경우 지난 2023년 12월 출시 이후 서비스가 이어지며 4000개가 넘는 꾸미기 아이템이 쌓였고 상점 화면이 작아 과거 아이템을 이용자에게 보여주기 어려운 문제가 발생했다.

엠바크는 이를 해결하기 위해 개인화 추천 시스템을 도입했다. 이 과정에서 얻은 교훈은 복잡한 딥러닝 모델보다 단순한 행렬 기반 모델이 가장 좋은 성과를 냈다는 점이다. 실제 해당 추천 모델을 적용한 상점 섹션의 구매자 수는 400% 증가했다. 게임 내 재화 소비와 달러 기준 매출도 유의미하게 늘었다.

하지만 그가 전한 핵심은 성과보다 배포 과정이었다. 엠바크 연구팀이 실제 라이브 운영 조직과 떨어져 있다 보니 승인, 테스트, 분석 기준에서 계속 문제가 생겼다. 처음에는 A/B 테스트 결과도 잘못 해석돼 효과가 없다는 결론이 나오기도 했다고 한다. 결국 엠바크는 해당 엔지니어를 라이브 운영팀 옆자리에 배치해 의사소통 문제를 해소했고 테스트와 분석도 정상적으로 돌아갔다.

‘아크 레이더스’의 퀘스트 분석 사례도 유사했다. 퀘스트를 읽고 모순점이나 혼란스러운 지점을 찾게 한 도구는 초반에는 성공적이었지만 실제 내러티브팀은 점차 도구를 쓰지 않게 됐다. 이유는 내러티브팀이 퀘스트 관계를 시각적으로 보기 위해 화살표를 그릴 수 있는 도구가 필요했지만 기존 도구는 노션 기반이었기 때문이다. 이에 엠바크는 ‘스핀들’이라는 새로운 도구를 제작해 해결했다.

‘아크 레이더스’의 대형 로봇 AI 개발도 마찬가지다. 엠바크는 현실적인 움직임을 구현하기 위해 강화학습을 활용했고 이를 통해 자연스러운 움직임을 도출할 수 있었다. 하지만 반대로 여러 문제도 발생했다. 가령 걷기와 멈추기를 동시에 학습시키면 로봇이 언제 멈춰야 할지 몰라 걷는 동작 자체가 조심스러워지고 어색해지는 등 여러 행동을 하나의 모델에 넣을 때 발생하는 문제가 있었다. 로봇의 움직임을 원하는 방향으로 조정하는 데도 오랜 시간이 소요되기도 했다. 이에 엠바크는 전통적인 게임 AI 방식인 행동 트리를 결합했고 이후에는 애니메이터가 만든 걷기 애니메이션을 기준으로 삼고 로봇이 그 움직임과 비슷하게 행동하도록 보상하는 방식도 활용했다고 한다.

그는 “알고리즘과 모델은 중요하지만 사람들이 그 존재를 알고 실제로 사용할 수 있을 때에만 유용하다”라며 “아티스트와 디자이너가 실제로 어떻게 일하는지 이해하고 그들의 파이프라인에 어떻게 맞출지 고민해야 한다”라고 강조했다.