【CEDEC2025】Playable!Mobileと「言霊の迷宮」から学ぶゲーム開発における生成AI活用ノウハウ

コンピュータエンターテインメント開発者を対象とした、ゲームに関する技術や知識を共有する国内最大級のカンファレンスCEDEC2025が2025年7月22日から24日、パシフィコ横浜ノースでオンラインを併用してハイブリッド開催されました。同カンファレンスではさまざまなセッションが行われましたが、本稿はモリカトロン株式会社所属のエンジニアが発表した「ツールと LLM との付き合い方 ～Playable!Mobile ではこうしてます～」と「人とAIが紡ぐ無限の冒険物語！「言霊の迷宮」が生成AIならではのゲーム体験を創るカラクリ」を紹介します。

出力の判断理由を追記し、多数のLLMへの対応は後回しに

Playable!Mobileをテーマとしたセッションでは、モリカトロン株式会社でリードエンジニアを務める岡島学氏が登壇しました。このセッションでは、同システムの活用事例を紹介するのではなく、同システムの開発にあたってLLMをどのように応用したのか、といったLLM活用ノウハウにフォーカスを当てました。そうしたノウハウとして、岡島氏は、以下のような6つを挙げました（6つ目はCEDiLで配布の資料をご参照ください　※要ログイン）。

1つ目の「LLMが何を考えているのか知る」とは、LLM出力の妥当性等を検証できるようにすることを意味します。Playable!Mobileでは、出力の判断理由がわかるように、出力に「行動要約」「（行動の）計画」「状況説明」を追加するようにしました。

以上のように判断理由がわかるようにしたことで、精度向上などのメリットが得られました。こうした判断理由は短文で十分であり、さらに知りたい情報があれば、その情報を追加出力してもらうのが効果的なのもわかりました。

2つ目の「後から対応するLLMを増やす」とは、Playable!Mobileの場合、開発初期はGPT-4のみに対応し、後で対応モデルを増やした開発方針を指します。この方針を採用したことで、迅速に開発できました。

もっとも、対応モデルを増やすことも非常に重要です。というのも、LLMの新モデルが頻繁にリリースされるので、すぐに新モデルに対応すれば、新機能などを試行できるメリットが生じるからです。

トークン削減によってコストダウンを実現

3つ目の「利用料金のコストダウンを図る」とは、Playable!Mobileの処理過程を改善して、LLM API呼び出しに伴う料金を削減する努力を意味します。同システム開発当初は“まずは使えるものを作り、コストダウンは二の次”という方針でしたが、同システム完成後には先送りしていたコストダウンに取り組みました。この取り組みにおける施策は、以下のスライドのようにまとめられます。

はじめに行ったのは、API呼び出しに伴うコストの把握でした。具体的には、使用トークンからUSドル換算のコストを算出・表示するようにしました。

続いて出力トークン数削減に取り組みました。一般に出力トークンは入力トークンより高価なうえに、出力を変えてもLLMの判断にあまり影響ないので、この施策は有効です。出力トークンを減らすには、無駄な情報を出力しない、出力内容を簡潔にするなどの施策が挙げられます。

入力トークン数削減は、LLMの判断結果に大きく影響するので、慎重に取り組む必要があります。システムプロンプトを短く的確な指示に書き換えるなどが、有効な施策となります。

トークン数削減の方法として、OpenAIが2024年8月から提供するPrompt cachingの活用もあります。この方法は、複数のプロンプトが連続して入力された際、それらに共通している部分があれば、後続するプロンプト処理コストが安くなる、というものです。ちなみに、Anthoropicも同様の機能を提供していますが、こちらは場合によってはコストが高くなるので注意が必要です。

Prompt Cachingを活用するには、プロンプトの並び順を変化しない順に並び変えることが有効です。こうすると、プロンプト間で共通する部分はプロンプトの前の方に位置づけられる一方で、入力の度に変わる情報は、最後に位置づけられます。

LLMでの画像処理と独自構造データの与え方

4つ目の「画像を扱う際に気を付けること」とは、LLMで画像データを処理する際の注意事項です。周知のように、近年のLLMは画像も処理できるようになりました。しかし、こうした処理ではその仕様を正しく理解しないと、LLMの画像認識能力を十分に生かせません。OpenAI系LLMの画像処理の仕様は、以下のようにまとめられます。高解像度設定でも、ゲームのスクリーンショットを等倍で扱えないことに注意が必要です。

Anthropic系LLM（Claudeシリーズ）が扱える画像処理の仕様は、以下の通りです。こちらも、等倍のゲームスクリーンショットは扱えません。

OpenAI系LLMとAnthropic系LLMが処理可能な画像解像度は、以下のように図示できます。

LLMで画像処理する場合のポイントは、LLM側の自動リサイズに頼らないことです。リサイズ処理を自前で実装することで、人間開発者が見る画像とLLMが処理するそれの解像度を一致させられます。

5つ目の「ドメイン知識の扱い方について」では、ドメイン知識をLLMに与える方法が解説されました。ドメイン知識の与え方としてRAG（Retrieval-Augmented Generation）が一般的ですが、この方法では独自な構造を有したデータを与えるのが難しくなります。Playable!Mobileでは、独自なデータとして画面遷移をまとめた画面遷移グラフをLLMに与えました。

もっとも、RAGで十分な場合はこの方法の活用が推奨されます。というのも、独自な知識を与えるためには、その与え方を考案する手間が必要な一方で、RAGではその手間が省けるからです。そして、独自な知識を与える場合には、そうした知識にふさわしい表現を採用するのが重要となります。

「言霊の迷宮」を魅力的にする3つのポイント

「言霊の迷宮」をテーマとしたセッションでは、早瀬悠真氏と高橋力斗氏が登壇しました。まず早瀬氏は、セッションの発表内容として「ゲームデザイン」と「制作を通しての学び」の2つを提示しました。

早瀬氏は「言霊の迷宮」の紹介として、ゲームプレイ全体の流れを説明しました。このゲームは、主人公のトレジャーハンターであるキツネ娘モリックが封印された宝物を探しに冒険に出かける、という世界観を持っています。10人のプレイヤーがリレー形式で宝探しをプレイするのですが、その過程でテキスト入力してアイテムを強化し、さらに次にプレイヤーに「試練」と「アイテム」を残します。冒険画面はプレイ内容に応じて生成されるので、プレイ内容が異なれば、冒険画面も異なったものとなります。

続いて発表した高橋氏は、「言霊の迷宮」のゲームデザインを「ゲームの目的」「物語生成」「体験の共有」という3つのポイントから解説しました。

「言霊の迷宮」では、前述の通り、前のプレイヤーから与えられた試練を解決しなければなりません。そのためにテキスト入力によって、与えられたアイテムを強化する必要があります。こうした「テキスト入力によるアイテム強化」に、生成AI活用に由来する自由度とゲームの目的が同時に表現されています。つまり、プレイヤーの創造力しだいでアイテムの強化内容が変わり、強化されたアイテムに応じてストーリー展開も変わります。

「言霊の迷宮」では、前のプレイヤーのプレイ内容が次のプレイヤーのプレイに反映されます。こうした仕様を実現するために、前回までの物語内容をAIに要約させたうえで、その要約をプレイする物語の生成に活用しています。例えば、音楽の力で遺跡の謎解きをした場合、次のプレイの試練が「知事選に立候補する」という奇抜な内容であっても、「知事選でギターを演奏しながら演説する」といった連続性のある物語が生成されるのです。

生成AIによる物語生成は自由度が高い一方で、ストーリーが破綻するリスクがあります。このリスクは、事前準備した筋書きを物語生成時に参照することで回避しています。

「言霊の迷宮」は、10人の各プレイヤーが前のプレイヤーが残したアイテムと試練を引き継ぐ仕組みとなっています。こうした仕組みにより、前のプレイにおける物語を振り返ったり、次のプレイにどんな試練を残そうかと思案したりする、プレイヤー間のゆるいつながりが生じます。

「言霊の迷宮」を出展した2024年開催のインディーゲームの祭典「BitSummit Drift」では同ゲームの試遊コーナーにおいて、ゲームをプレイする人とプレイを見学する人が和気あいあいと交流する姿が見られました。こうした光景は、”生成AIゲームならではソーシャル性”の現れと考えられるでしょう。

参考記事：これからの日本のゲームAIコミュニティを牽引するために：BitSummit Driftと『言霊の迷宮』出展振り返り

「言霊の迷宮」を制作して得られたふたつの学び

制作を通しての学びについては、早瀬氏が解説しました。こうした学びとして、「生成AIの面白さ」と「ゲームらしさ」のバランスと、生成フローの適切な分割が挙げられます。

ひとつ目の学びは、入力テキストに応じてプレイ内容が変わる「言霊の迷宮」がもつ自由度に関係しています。自由がゆえに唯一無二なゲーム体験を提供できる点が、生成AIを活用した同ゲームの大きな魅力となっています。

しかしながら、物語生成の自由度が行き過ぎると、どんな試練でも簡単に解決できてしまう、というゲームバランス崩壊のリスクがあります。物語生成とゲームらしさを両立させるには、状況によってゲーム進行上の有利不利を設計して、ゲームの攻略をうながすしかけが不可欠となります。

注目すべきなのは、生成AI由来の自由度とゲームを面白くするための攻略要素はトレードオフの関係にあることです。つまり、一方に注力すると、他方がないがしろになってしまうのです。したがって、生成AI活用ゲームでは自由度と攻略要素のバランス設計が、ゲームの面白さを左右することになります。

ふたつ目の学びは、生成AIへの指示出しでは、複数の処理をまとめて実行するのは望ましくないことに関係します。まとめて処理を実行させると、エラーや品質劣化を引き起こしやすくなるのです。それゆえ、生成指示は生成する要素に応じて細分化すると同時に、明確な指示とすることが重要となります。ひとつの処理を複数に分けて実行する「ステップバイステップ」の手法も有効です。

「言霊の迷宮」では、以下のスライドのように生成フローごとに生成指示を細分化しています。また、使用しているプロンプトも、以下の表のようにその目的に応じて設計しています。

生成処理を分割すると、工程ごとの品質向上が容易になる一方で、多数の生成処理が蓄積されるので、全体の生成時間が増えてしまうという欠点があります。

早瀬氏は、「言霊の迷宮」1プレイあたりの生成費用と生成時間も解説しました。それらは、以下の表のようにまとめられます。最初のバージョンが完成した2024年7月に比べて、2025年7月では生成費用・生成時間がともに改善しています。

以上に紹介したセッションでは、モリカトロン株式会社所属エンジニアが生成AI活用案件に関わったことで得た、ゲーム開発における生成AI活用ノウハウが凝縮されていました。こうしたノウハウは、OpenAIをはじめとする世界的LLM開発企業でもおそらく知らないような貴重な知見と言えます。こうした知見がゲーム業界で蓄積されることで、生成AIをゲーム開発に活用するのが”当たり前”になっていくことでしょう。

Writer：吉本幸記