叶夫根尼·托尔斯泰赫 不只是要求人工智能起草一封礼貌的电子邮件或在他的会议中总结会议 最近的研究。他要求公司从头开始建立一个 AAA 级游戏制作部门。在一项面对面的实验中，Tolstykh 要求大型语言模型 (LLM) 生成艺术路线图、Jira 结构和产量估算，然后根据人类团队的输出来衡量结果。
结果很明显。
人工智能将计划时间从几周缩短为几个小时，但它带来了一个警告：“幻觉”乐观主义的危险倾向。托尔斯泰赫的实验提供了算法速度与游戏开发的混乱现实之间的摩擦的细致视角。
这种转变并不是凭空发生的。最近的行业数据证实，托尔斯泰赫处于大规模结构性转向的先锋地位。根据一个 2025 年 Google Cloud 调查，90% 的游戏开发者现在正在将生成式 AI 集成到他们的工作流程中，95% 的人表示该技术正在积极减少重复性任务。
也许对于生产者来说最值得注意的是，44% 的开发人员现在使用人工智能自主处理信息，从而能够在整个流程中更快地做出决策。这种快速采用是因为 94% 的受访者认为人工智能最终将成为降低螺旋式生产成本的关键。
创造力的数学基线
该实验最引人注目的结果之一是 AI 提出了“BTSU”（BT 级外壳单元）来标准化艺术复杂性。虽然托尔斯泰赫提供了用于估计的“黄金单位”的最初概念，但人工智能独立地形式化了数学。
“该模型的关键贡献不是想法本身的出现，而是其形式化，”托尔斯蒂赫说。 “人工智能独立推导了公式的结构，证明了参数选择的合理性，并解释了它们的逻辑，无需额外说明。”
至关重要的是，托尔斯蒂赫保留了所有特定于项目的数据和内部估计，以测试模型的“开箱即用”功能并遵守严格的 NDA 约束。人工智能依靠其内部统计表示复杂对象如何跨不同领域分解来构建功能基线。
“我没有将 BTSU 公式视为已发现的客观事实，而是将其视为由模型生成的假设，并根据实际生产数据进行验证和校准，”他解释道。
穿越“乐观陷阱”
AI 最初的估计值比人类团队的估计值低 1.5 倍。即使在使用参考数据完善提示后，Tolstykh 仍保留了 15% 的应急缓冲，这是他生产实践的主要内容。他认为这并不是“人工智能乐观主义”的解决办法，而是对实时开发固有混乱的必要对冲。
然而，托尔斯泰赫认为人工智能的“洁净室”视角有其自身的价值。 “从真空中获得干净、类似实验室的视角可以成为从外部观察流程的有趣镜头，”他说。它迫使制作人思考，如果消除了不可避免的现实世界摩擦，项目会是什么样子。
代理未来中的人为因素
当托尔斯泰赫准备探索“代理人工智能”（旨在具有更多自主性的系统）时，他承认许多项目经理感受到了存在主义的恐惧。然而，他坚持认为，生产者角色的核心仍然不受自动化的影响。
“人工智能无法在最重要的事情上取代人类：在不确定的情况下做出决定并承担责任，”托尔斯蒂赫说。 “冲突管理、利益相关者沟通以及平衡质量、截止日期和团队士气不仅涉及分析，还涉及随着时间的推移建立的信任、背景和个人关系。”
他将生产的未来比作航空。自动驾驶仪已经存在了几十年，但机长仍然指挥飞机。他补充道：“代理人工智能可以成为规划和预测的有力助手，但最终的决定权仍然属于人类，尤其是在风险很高且没有唯一正确答案的情况下。”
当幻觉变成创新
人工智能偶尔会自动产生建议，例如“泰坦装甲生产模板”，托尔斯泰赫的团队最终将其验证为可靠的策略。这就提出了一个难题：如何区分“糟糕的猜测”和“绝妙的假设”？
“如果人工智能建议无法融入真实的流程，在实践中不成立，或者没有明确的内部逻辑，那么它就是一个糟糕的猜测，”托尔斯蒂赫解释道。他指导初级制作人注重验证而不是盲目信任。 “我们的主要超级能力是事实核查；我们必须验证所说的一切。”
要使“幻觉”成为一种特征，它必须是可理解和可测试的。在托尔斯泰赫看来，当人工智能定期提供可以在不破坏系统的情况下安全地测试和拒绝的假设时，它是最有用的。
简单工具的心理安全
虽然业界经常追逐昂贵的企业级人工智能套件，但 Tolstykh 主张使用最简单的消费级法学硕士。他发现这些可用的工具降低了持怀疑态度的退伍军人的进入门槛。
“简单易用的工具让人们可以在不感到风险或失去控制的情况下进行实验，”托尔斯蒂赫说。 “焦点从‘我们应该实施这个吗？’转移了。” '这如何帮助我完成我的具体任务？'”
通过消除复杂集成的“自上而下”压力，这些工具在心理上感觉更安全。对于经验丰富的开发人员来说，一种默默地帮助完成具体任务的工具比承诺带来革命的工具更容易接受。
