
AI 리더십
Clean to Continue
AI에 구현을 맡기고 게임의 범위와 연출, 최종 검수를 직접 담당했습니다.
2026 넷마블네오 AI 인턴십 지원
플레이어에게 몰입의 즐거움을 안겨주는 게임 제작자가 되겠습니다.
실패해도 다시 도전해 마침내 공략법을 찾는 성취감
느리지만 모든 도전 과제를 끝까지 완수하는 보람
누구보다 빠르게, 남들과는 다르게 성장하는 기분
모두 게임에서 느낄 수 있는 몰입과 즐거움입니다.
AI라는 똑똑한 도구, 상상력 넘치는 동료들과 함께 새로운 게임의 재미를 발굴하려 합니다.
제가 내린 결정과 플레이에서 확인한 결과를 담았습니다.
팀이 함께 결정하고 완성한 결과와 제가 맡은 작업을 보여드립니다.
Unity 팀 개발에서 AI를 활용한 게임 제작과 운영으로 경험을 넓혔습니다.
Ski Shooter VR에서 기획, 맵과 장애물 설계, 랭킹 연동을 맡았습니다.
GIDDA에서 AI와 앱의 데이터 흐름을 연결하고, 잔향에서 기획 선택 기준을 제안했습니다.
기획, AI 협업, 테스트, 배포를 이어서 수행하며 게임을 직접 완성했습니다.
프로젝트를 선택하면 기획과 구현, 검증 과정을 볼 수 있습니다.
AI 리더십 | OpenAI Game Builders Seoul | 개인 프로젝트
게이밍 장비를 청소하며 추억을 복원하는 Unity WebGL 게임입니다.

장비별로 세 스테이지를 나누되 입력, 청소 진행도, UI는 공통으로 사용하도록 범위를 정했습니다.
메뉴에서 엔딩까지 먼저 연결해 남은 시간에 각 장비의 조작감과 연출을 다듬을 수 있었습니다.
키보드는 화면상 청소를 끝내도 표면 좌표가 비어 있는 부분 때문에 진행도가 87%에서 멈췄고, 헤드셋은 여러 부품의 표면 좌표가 겹쳤습니다.
마우스와 키보드에는 표면 마스크를 쓰고 헤드셋에는 화면상 영역을 별도로 정의하는 방식을 선택해 Codex에 구현을 맡겼습니다.
장비마다 청소를 마치면 관련 추억이 드러나는 구조로 반복 행동에 보상을 연결했습니다.
회상 이미지와 문구의 배치, 음악이 시작되는 시점, 완료 연출은 직접 플레이하며 조정했습니다.
브라우저에서 누락된 UI와 늦게 시작하는 배경음, 작동하지 않는 엔딩 버튼을 직접 발견했습니다.
제가 발견한 현상과 Codex가 맡은 수정 내용을 의사결정 기록에 남기고 업로드한 빌드에서 다시 확인했습니다.
구조화 능력 | 실시간 협동 웹 게임 | 개인 프로젝트
접속자가 하나의 잠수정을 공유하며 30초씩 교대해 심해로 내려가는 게임입니다.
30초씩 교대하는 게임에서는 앞사람이 남긴 위치에서 출발합니다.
위험한 함정은 유지하되 인계 직후 피할 길은 있어야 한다고 판단했고, 가능한 이동 경로를 찾는 시뮬레이션을 테스트에 넣었습니다.
직접 플레이했을 때 해파리 사이가 좁게 느껴져 시즌 지도를 측정했습니다.
여섯 곳 중 네 곳이 픽셀 단위로만 통과할 수 있어 배치를 조정했고, 통과할 때 확보해야 할 여유 폭을 테스트에 고정했습니다.
환경 기믹을 추가한 뒤 구현에 참여하지 않은 AI 세션에 리뷰를 맡겼습니다.
먹물에 가려져 해류에 밀리는 상황, 가림 직전에 아래쪽 위험물이 보이지 않는 상황 등 네 가지를 재현하는 테스트를 추가한 뒤 수정했습니다.
새 기믹은 수심 1,000m 아래에서만 등장하도록 범위를 정하고, 여덟 가지 지도 시드에서 기존 구간이 바뀌지 않는지 확인했습니다.
배포 직전에는 현재 잠수정 깊이와 조종 상태를 직접 확인했습니다.
학습 실행력 | 모바일 게임 | 출시 준비
사용자가 글로 만든 캐릭터의 설정을 AI가 읽고, 다른 사용자의 캐릭터와 대결한 결과를 보여줍니다.
유사 게임의 능력치 부여와 재화 성장 방식을 분석했습니다.
저는 글로 묘사한 능력과 특징이 승부에서 의미를 갖는 쪽을 선택해, AI가 사용자 설정을 대결의 근거로 읽도록 설계했습니다.
같은 캐릭터가 만나도 전장 조건에 따라 결과가 달라질 수 있게 했습니다.
한 번 이긴 상대와의 재대결은 제한해, 새로운 조합을 상상할 이유를 만들었습니다.
초기 대결이 재미없다는 피드백을 받아 AI가 대화와 웹소설식 서술을 출력하도록 프롬프트를 반복 수정했습니다.
스킬과 효과음을 구분하고 사운드와 텍스트 흔들림을 넣은 뒤, 대결을 읽는 몰입감이 높아졌다는 피드백을 받았습니다.
Unity 팀 개발 | VR 레일 슈터 | 2인 프로젝트
설산을 빠르게 내려가며 장애물을 피하고 표적을 맞히는 VR 게임입니다.

직접 착용해 달려보면서 플레이 시간이 길어지거나 장애물 배치가 부담스러운 구간의 맵과 등장률을 반복 조정했습니다.
빠르게 내려가는 재미를 유지할 수 있는 플레이 시간을 중요하게 봤습니다.
Unity Gaming Services에서 현재 계정의 플레이어 데이터만 조회할 수 있다는 제약을 확인했습니다.
랭킹에 필요한 정보를 점수와 함께 저장하도록 연동해 순위 화면에서 표시할 수 있게 했습니다.
팀은 프로토타입, 알파, 베타 순으로 빌드를 점검했습니다.
저는 VR 기기에서 근거리 텍스트 떨림과 양안 화면 겹침을 확인하고 카메라 구성을 조정했습니다.
오브젝트 풀링과 LOD 등을 적용한 빌드는 기록상 유선 VR 환경에서 평균 약 70 FPS였습니다.
팀 프로젝트 | 기획 조율과 웹 구현 | Microsoft AI 엔지니어 과정
사용자의 일기에 담긴 감정과 감각을 분석해 개인화된 향을 추천하는 팀 서비스입니다.
제가 제안한 조건은 ‘사용자가 기억과 감정을 자기 말로 꾸준히 기록할 수 있는가’였습니다.
각 제안의 장점을 먼저 확인하고, 기록이 쌓였을 때 개인화된 향 추천에 활용할 수 있는지를 함께 비교했습니다.
AI가 고른 향을 텍스트로만 보여주면 사용자가 결과를 이해하기 어렵다고 생각했습니다.
향료 데이터를 3D 파티클로 배치하고 문장을 입력하면 향 카테고리와 세부 향료 후보가 좁혀지는 흐름을 표현했습니다.
감정 특성의 추출과 향료 연결 파이프라인은 팀에서 설계했습니다.
저는 향료 데이터와 웹의 접점을 맡아 MediaPipe 인식 결과를 화면 입력으로 연결하고, 처음 방문한 사용자가 가볍게 체험할 수 있는 클릭 미니게임을 추가했습니다.
팀 프로젝트 | AI와 모바일 앱 통합 | Microsoft AI 엔지니어 과정
휴대폰 안에서 사진을 분석하고, 결과를 저장해 다시 검색할 수 있게 만든 팀 프로젝트입니다.

사진 분석은 기기에서 실행하고 결과를 SQLite에 저장했습니다.
외부 AI가 필요한 경우에도 사진 원본을 보내지 않도록, 사진 ID와 기기에서 추출한 일부 키워드만 전달했습니다.
사진 ID, 날짜, 위치와 AI 태그를 저장해 매번 사진첩을 분석하던 작업을 줄였습니다.
위치 정보나 분석 태그가 없는 사진만 골라 추가로 처리하도록 앱과 AI 모델 사이의 데이터 흐름을 연결했습니다.
DB 구현으로 시작해 AI 분석 결과가 앱에서 검색되는 데 필요한 서버 통신과 연결까지 맡았습니다.
앱 담당 팀원과 실제 빌드를 함께 점검하며 각자 구현한 기능을 하나의 사용자 흐름으로 연결했습니다.