Evgenij Tolstykh non si è limitato a chiedere a un'intelligenza artificiale di redigere un'e-mail educata o di riassumere una riunione nella sua ricerche recenti. Lo ha sfidato a costruire da zero un reparto di produzione di giochi AAA. In un esperimento testa a testa, Tolstykh ha incaricato un Large Language Model (LLM) di generare roadmap artistiche, strutture Jira e stime di produzione, quindi ha misurato i risultati rispetto all'output del suo team umano.
I risultati sono stati crudi.
L’intelligenza artificiale ha ridotto i tempi di pianificazione da settimane a ore, ma è arrivata con un avvertimento: una pericolosa tendenza verso un ottimismo “allucinato”. L'esperimento di Tolstykh offre una visione granulare dell'attrito tra la velocità algoritmica e la realtà caotica dello sviluppo del gioco.
Questo cambiamento non avviene nel vuoto. I recenti dati del settore confermano che Tolstykh è all’avanguardia di un massiccio perno strutturale. Secondo a Sondaggio Google Cloud 2025il 90% degli sviluppatori di giochi sta ora integrando l'intelligenza artificiale generativa nei propri flussi di lavoro e il 95% riferisce che la tecnologia sta riducendo attivamente le attività ripetitive.
Forse in particolare per i produttori, il 44% degli sviluppatori ora utilizza l’intelligenza artificiale per elaborare le informazioni in modo autonomo, consentendo un processo decisionale più rapido lungo tutta la pipeline. Questa rapida adozione è dovuta al fatto che il 94% degli intervistati ritiene che l’intelligenza artificiale sarà, in definitiva, la chiave per ridurre la spirale dei costi di produzione.
La base matematica per la creatività
Uno dei risultati più sorprendenti dell'esperimento è stata la proposta dell'IA di una “BTSU” (unità shell di livello BT) per standardizzare la complessità dell'arte. Mentre Tolstykh fornì il concetto iniziale di una “unità aurea” per la stima, l'IA formalizzò in modo indipendente i calcoli.
“Il contributo chiave del modello non è stato l'emergere dell'idea stessa, ma la sua formalizzazione”, afferma Tolstykh. “L'intelligenza artificiale ha derivato in modo indipendente la struttura della formula, ha giustificato la scelta dei parametri e ne ha spiegato la logica senza ulteriori chiarimenti.”
Fondamentalmente, Tolstykh ha nascosto tutti i dati specifici del progetto e le stime interne per testare le capacità “out of the box” del modello e rispettare i rigorosi vincoli NDA. L’intelligenza artificiale si è basata sulle sue rappresentazioni statistiche interne di come gli oggetti complessi vengono scomposti in vari domini per costruire una linea di base funzionale.
“Ho trattato la formula BTSU non come una verità oggettiva scoperta, ma come un'ipotesi generata dal modello e soggetta a convalida e calibrazione rispetto ai dati di produzione reali”, spiega.
Navigare nella “trappola dell’ottimismo”
Le stime iniziali dell’IA erano 1,5 volte inferiori a quelle del team umano. Anche dopo aver perfezionato le istruzioni con dati di riferimento, Tolstykh ha mantenuto un buffer di contingenza del 15%, un punto fermo della sua pratica di produzione. Per lui questo non è una soluzione all'”ottimismo dell'intelligenza artificiale”, ma una copertura necessaria contro il caos intrinseco dello sviluppo vivente.
Tuttavia, Tolstykh sostiene che la prospettiva della “stanza pulita” dell’intelligenza artificiale ha il suo valore. “Una prospettiva pulita, simile a quella di un laboratorio, dal vuoto può essere una lente interessante per osservare i processi dall'esterno”, afferma. Costringe i produttori a chiedersi come potrebbe essere un progetto se gli inevitabili attriti del mondo reale fossero rimossi.
L'elemento umano in un futuro agente
Mentre Tolstykh si prepara a esplorare l’“Agentic AI” – sistemi progettati per agire con maggiore autonomia – riconosce il terrore esistenziale provato da molti project manager. Tuttavia, insiste sul fatto che il nucleo del ruolo del produttore rimane al sicuro dall’automazione.
“L'intelligenza artificiale non è in grado di sostituire gli esseri umani in ciò che conta di più: prendere decisioni e assumersi responsabilità in condizioni di incertezza”, afferma Tolstykh. “La gestione dei conflitti, la comunicazione con gli stakeholder e il bilanciamento tra qualità, scadenze e morale del team implicano non solo l'analisi, ma anche la fiducia, il contesto e le relazioni personali costruite nel tempo.”
Paragona il futuro della produzione all’aviazione. I piloti automatici esistono da decenni, ma il capitano comanda ancora l’aereo. “L'intelligenza artificiale può diventare un potente assistente nella pianificazione e nelle previsioni, ma la decisione finale, soprattutto quando la posta in gioco è alta e non esiste un'unica risposta corretta, appartiene ancora a un essere umano”, aggiunge.
Quando l'allucinazione diventa innovazione
L'intelligenza artificiale occasionalmente produceva suggerimenti non richiesti, come un “modello di produzione di armatura Titano”, che il team di Tolstykh alla fine convalidò come una solida strategia. Ciò solleva una domanda difficile: come si distingue una “cattiva ipotesi” da una “ipotesi brillante”?
“Se un suggerimento dell'intelligenza artificiale non può adattarsi a un processo reale, non regge nella pratica o non ha una logica interna chiara, allora è una cattiva ipotesi”, spiega Tolstykh. Guida i produttori junior affinché si concentrino sulla verifica piuttosto che sulla fiducia cieca. “Il nostro principale superpotere è il controllo dei fatti; dobbiamo verificare tutto ciò che viene detto.”
Affinché un'”allucinazione” diventi una caratteristica, deve essere comprensibile e verificabile. Dal punto di vista di Tolstykh, l'intelligenza artificiale è particolarmente utile quando offre regolarmente ipotesi che possono essere testate e rifiutate in modo sicuro senza rompere il sistema.
La sicurezza psicologica degli strumenti semplici
Mentre l’industria spesso insegue costose suite di intelligenza artificiale di livello aziendale, Tolstykh sostiene l’utilizzo dei più semplici LLM di livello consumer. Secondo lui, questi strumenti accessibili riducono la barriera all’ingresso per i veterani scettici.
“Strumenti semplici e accessibili consentono alle persone di sperimentare senza sentirsi a rischio o perdere il controllo”, afferma Tolstykh. “L'attenzione si sposta da 'Dovremmo implementarlo?' a 'Come può aiutarmi con il mio compito specifico?'”
Eliminando la pressione “dall’alto verso il basso” di integrazioni complesse, questi strumenti sembrano psicologicamente più sicuri. Per lo sviluppatore veterano, uno strumento che aiuta silenziosamente con compiti concreti è molto più facile da accettare di uno che promette una rivoluzione.
