Ubisoftin Teammates-demo näyttää, miten generatiivinen tekoäly voi tukea perinteistä pelitekoälyä ja esteettömyyttä. Tästä suomalaiset studiot voivat oppia paljon.
Tekoäly tulee tiimiksi – mitä Ubisoftin Teammates-demo kertoo pelinkehityksen tulevaisuudesta?
Generatiivinen tekoäly ei ole enää vain chattibotteja ja markkinointipuhetta. Ubisoftin uusin Teammates-demo näyttää ensimmäistä kertaa, miltä näyttää, kun genAI ei ole pelin pääosassa, vaan liimataan osaksi perinteistä FPS-peliä – tukemaan pelattavuutta, tekoäly-NPC:itä ja pelaajan kokemusta.
Tämä on erityisen kiinnostavaa meille Suomessa, missä peliteollisuus etsii parhaillaan konkreettisia tapoja hyödyntää tekoälyä: ei hypeä, vaan ratkaisuja, joilla voidaan parantaa pelattavuuden personointia, NPC-käyttäytymistä, sisällöntuotantoa ja pelaaja-analytiikkaa.
Tässä artikkelissa puramme auki, mitä Ubisoft oikeasti teki, miksi se on merkittävää – ja mitä suomalaiset pelistudiot voivat tästä oppia käytännössä juuri nyt.
1. Teammates lyhyesti: ei AI-show, vaan peli jossa AI tukee peliä
Ubisoftin Teammates on Snowdrop-moottorilla tehty ensimmäisen persoonan räiskintädemo, jossa pelaajalla on kaksi tekoälytiimiläistä (Sofia ja Pablo) ja erillinen “pelin sisäinen assistentti” Jaspar. Kaikkien kanssa puhutaan äänellä: pelaaja antaa käskyjä, esittää kysymyksiä ja pyytää apua.
Taustalla pyörii tuttu putki:
- STT (Speech-to-Text) – pelaajan puhe tekstiksi
- LLM (Large Language Model) – tulkitsee, mitä pelaaja haluaa, ja muuntaa sen pelimoottorin ymmärtämäksi toiminnaksi
- TTS (Text-to-Speech) – NPC:t ja Jaspar vastaavat takaisin puheena
Mutta kaikkein kiinnostavinta ei ole itse LLM, vaan se, että:
- NPC:t eivät ole pelkkiä generatiivisia chatteja, vaan perinteisen pelitekoälyn (behavior tree, EQS jne.) ohjaamia hahmoja
- Generatiivinen tekoäly toimii tulkkaus- ja orkestrointikerroksena pelaajan puheen ja pelisysteemien välillä
- Jaspar ei ole "universaali AI", vaan syvälle peliin integroitu assistentti, joka osaa koskea asetuksiin, HUD-elementteihin, tehtävätavoitteisiin ja saavutuksiin
Tämä on juuri se malli, jota myös suomalaisissa studioissa kannattaa seurata: genAI ei korvaa pelitekoälyä tai suunnittelijoita, vaan liimaa eri järjestelmät yhteen.
2. Tekninen ydin: kielestä pelimekaniikaksi
Perinteinen pelitekoäly + genAI-kerros
Sofia ja Pablo käyttäytyvät pitkälti kuten modernit squad-AI-hahmot missä tahansa taktisessa räiskintäpelissä. Heitä ohjataan behavior tree -arkkitehtuurilla, ja päätöksentekoon käytetään ympäristökyselyjä (EQS) ja normaaleja pelitason signaaleja.
Generatiivinen tekoäly tekee tässä jotain hyvin tarkasti rajattua, mutta voimakasta:
- Ymmärtää pelaajan vapaamuotoisen puheen ("mene tuon sinisen laatikon taakse")
- Yhdistää sen pelimaailman tagattuihin objekteihin ("sininen laatikko" -> tietty cover-objekti)
- Muuntaa pyynnön parametrisoiduksi komennoksi ("liiku tähän sijaintiin, ota suoja oikein suunnattuna")
- Syöttää sen behavior treehen ja antaa normaalin pelitekoälyn hoitaa loput
Tämä malli on erittäin kiinnostava myös suomalaisille kehittäjille, koska se:
- hyödyntää olemassa olevaa AI-osaamista ja -koodia
- vaatii ennen kaikkea hyvää pelisuunnittelua ja data-annotointia (tagit, synonyymit, kontekstit)
- on siirrettävissä myös muihin genreihin: taktisista räiskinnöistä strategiapeleihin ja co-op-peleihin
Mitä tämä voisi tarkoittaa suomalaiselle pelille?
Kuvitellaan muutama konkreettinen sovellus suomalaisessa kontekstissa:
- Taktinen co-op-shooter (tyyliin "Suomi-mil-sim")
- Pelaaja: "Pablo, ota sniper-positio vasemman tornin viereen ja odota signaalia"
- AI: tulkitsee "sniper-positio", "vasen torni", "odota signaalia" ja ketjuttaa ne toiminnaksi
- Roguelike tai selviytymispeli
- Pelaaja: "Etsi lähin suoja ja pingaa viholliset, mutta älä ammu ennen kuin käsken"
- NPC-botti tekee tiedustelun ja päivittää tilannekuvaa pelaajan puolesta
- Tarina- tai seikkailupeli suomalaisessa miljöössä
- Pelaaja kysyy kumppaniltaan: "Mikä tämä paikka on, onko tällä jotain historiaa?"
- NPC kaivaa esiin taustatarinaa, vihjeitä tai muistuttaa aiemmista tapahtumista
Ydinajatus: kielen kautta ohjattavat korkeamman tason komennot, joista peli purkaa yksityiskohtaiset toiminnot.
3. Jaspar – pelin sisäinen AI-assistentti ja esteettömyystyökalu
Ubisoftin Jaspar on ehkä koko demokonseptin kiinnostavin osa, jos katsotaan asiaa pelaajakokemuksen ja esteettömyyden näkökulmasta.
Jaspar voi muun muassa:
- selittää kontrollit, jos pelaaja sanoo "en ymmärrä miten liikun"
- muuttaa HUD:n värejä ja tulkita toiveet (esim. värisokeuden huomiointi)
- korostaa tärkeitä objekteja ja vihollisia
- muistuttaa tavoitteista ja tiivistää löydettyjen objektien ("black boxien") sisällön
- muuttaa asetuksia lennossa (äänenvoimakkuus, vaikeustaso, tekstitykset jne.)
Tämä avaa mielenkiintoisia mahdollisuuksia suomalaisille studioille:
3.1 Esteettömyys puheella – heti ensimmäisestä käynnistyskerrasta
Monet suomalaiset pelistudiot ovat viime vuosina panostaneet esteettömyyteen. Generatiivinen tekoäly voi viedä tämän seuraavalle tasolle:
- Peli kysyy alussa: "Miten haluat pelata?"
- Pelaaja vastaa luonnollisella kielellä:
- "Tarvitsen isot tekstitykset ja vähän hitaamman pelitempon"
- "Vaihda kaikki quick time -tapahtumat automaattiseksi"
- AI-assistentti kääntää tämän suoraan asetuksiksi ilman valikkosukellusta
Suomenkieliselle pelaajalle tämä voisi olla vielä vaikuttavampaa: selkeä suomenkielinen tuki, joka ei vaadi navigating englanninkielisiä valikoita.
3.2 Pelikohtainen "Copilot", joka oikeasti ymmärtää peliä
Erona käyttöjärjestelmän tasolla toimiviin yleisassistenteihin on se, että Jaspar on peliin upotettu:
- tuntee kyseisen pelin mekaniikat, tehtävät ja maailman
- voi hyödyntää sisäistä tilaa (tehdyt valinnat, aiemmat tehtävät, asetukset)
- voi pitkällä aikavälillä oppia pelaajan mieltymyksiä (esim. oletusasetukset kaikkiin Ubisoft-peleihin)
Suomalaisessa pelisarjassa tämä voisi tarkoittaa esimerkiksi:
- sama AI-assistentti seuraa pelaajaa usean pelin läpi
- muistaa, että pelaaja haluaa käänteisen Y-akselin, suuret tekstitykset ja tietyt vaikeustasot
- ehdottaa seuraavassa pelissä valmiiksi näitä asetuksia ja kysyy vain vahvistuksen
4. Työkalupakki, ei taikalaatikko – mitä Ubisoftin malli opettaa studiotiimille?
Ubisoftin tiimi kasvoi noin 25 kehittäjästä yli 80:een, kun generatiivista tekoälyä alettiin oikeasti integroida kehitykseen. Tämä on tärkeä signaali: genAI ei vähentänyt työn määrää, se muutti sitä ja lisäsi sitä tietyillä osa-alueilla.
Muutama keskeinen oppi suomalaiselle pelistudiolle:
4.1 Narratiivitiimille työmäärä kasvaa, ei katoa
Narratiivijohto Ubisoftilla korosti:
- jokaiselle hahmolle tarvitaan entistä laajempi "raamattu" – taustatarina, puhutyylit, suhde muihin, rajat sille mitä hahmo voi sanoa
- LLM ei vapauta kirjoittajaa, vaan pakottaa olemaan entistä systemaattisempi: mitä enemmän pelaaja voi kysyä, sitä enemmän maailmaa pitää seurata johdonmukaisesti
- guardrailit ovat kriittisiä: missä vaiheessa AI ei saa jatkaa vapaata luovaa tulkintaa, vaan sen pitää palata käsin kirjoitettuun polkuun
Suomalaisessa tarinavetoisessa pelissä (esim. narratiivinen seikkailu) tämä tarkoittaa:
- suunnittele genAI:n rooli alusta alkaen: mikä on vapaata, mikä käsikirjoitettua
- tee työkalut, joilla kirjoittajat voivat helposti testata, mitä NPC:t voivat päästää suustaan eri tilanteissa
4.2 Tekniikka- ja data-tiimeille: API-kerros ja lokaalit mallit
Ubisoft käyttää vielä pilvipalvelua LLM:ien ajamiseen, mutta tavoitteena on siirtyä paikalliseen inferenssiin ja oman mallipinon hallintaan. Suomalaisten studioiden kannattaa suunnitella oma arkkitehtuuri saman periaatteen mukaan jo nyt:
- määritä selkeä API-kerros pelimoottorin ja AI-palvelujen väliin
- rakenna kaikki niin, että mallin tai palveluntarjoajan vaihtaminen on mahdollista
- mieti, mitä voit jo nyt ajaa paikallisesti (esim. intent-luokittelu, yksinkertaiset dialogipolut, pelaajan tyyliluokittelu)
Näin vältät vendor lock-in -ansan ja pystyt reagoimaan nopeasti, kun uusia avoimia malleja tulee saataville.
4.3 Eettinen perusta kuntoon ennen tuotantoa
Ubisoftin demossa:
- käytettiin oikeita ääninäyttelijöitä
- heille annettiin kontrolli oman äänensä käytöstä
- AI-äänimallit olivat välttämättömiä, koska dialogia luodaan lennossa
Tämä on linjassa mallin kanssa, jota myös suomalaisissa studioissa kannattaa noudattaa:
- Tarvitaanko genAI:ta oikeasti tähän käyttöön? Ilman sitä peli ei toimisi suunnitellulla tavalla.
- Korvaako se ihmisiä vai laajentaako heidän työtään?
- Onko luovan tekijän suostumus, korvaus ja kontrolli kunnossa?
- Onko ratkaisu luovasti perusteltu, ei vain kustannussyistä tehty?
5. Pelaajakokemus: puhuminen on myös kuormitusta
Teammates osoittaa myös genAI:n heikkouksia: se lisää pelaajalle kognitiivista kuormaa.
Moni kokenut pelaaja – etenkin vanhempi ikäluokka, joka ei ole kasvanut Alexan ja Sirin kanssa – ei välttämättä halua:
- puhua tietokoneelle jatkuvasti
- miettiä, miten muotoilee käskyn, että AI varmasti ymmärtää sen
- ylläpitää samanaikaisesti tilannetajua, tähtäystä ja verbaalista ohjeistusta
Tästä nousee kaksi tärkeää suunnitteluperiaatetta suomalaisille studioille:
- Älä tee äänestä ainoaa käyttöliittymää. Tarjoa aina vaihtoehtoinen, hiljainen tapa käyttää samoja toimintoja (ping-systeemi, quick-komennot, radial-menu, makrot…).
- Anna NPC:ille oma-aloitteisuutta. GenAI-kerros voi seurata pelaajan käyttäytymistä ja ehdottaa tekoja:
- "Huomaan, että tykkäät flankata – haluatko, että otan automaattisesti sniper-positiot, kun löydämme korkean maaston?"
- "Näen kolme vihollista oikealla, voin avata tulen signaalistasi."
Kun AI osaa oppia pelaajan taistelutyyliä ja mukautua siihen, käskyjen tarve vähenee ja järjestelmä tuntuu oikealta tiimikaverilta, ei komentokonsolilta.
6. Mitä tästä kannattaa kopioida Suomeen juuri nyt?
Osana "Tekoäly suomalaisessa peliteollisuudessa" -kirjoitussarjaa Ubisoftin Teammates-demo toimii hyvänä suunnannäyttäjänä – ei siksi, että kaikki pitäisi kopioida, vaan siksi, että se näyttää, mihin suuntaan maailma on menossa.
Keskeiset opit suomalaisille pelistudioille:
- Aloita pienestä, mutta suunnittele arkkitehtuuri isoksi. Rakenna API-kerros ja data-taggaus niin, että voit lisätä LLM:t myöhemmin.
- Pidä perinteinen pelitekoäly keskiössä. GenAI tulkitsee, mutta behavior treet, plannerit ja EQS hoitavat pelaajalle näkyvän toiminnan.
- Panosta esteettömyyteen ja personointiin. Pelikohtainen AI-assistentti, joka puhuu pelaajan kieltä ja ymmärtää pelin sääntöjä, voi olla tulevien vuosien kilpailuetu.
- Keskustele tiimin kanssa avoimesti etiikasta. Sovi yhdessä, mihin genAI:ta saa käyttää, ja missä ihmisluovuus on korvaamaton.
Kun suomalaiset studiot yhdistävät oman vahvan pelisuunnittelu- ja teknologiaosaamisensa tällaiseen harkittuun tekoälykerrokseen, syntyy pelejä, jotka sekä tuntuvat älykkäämmiltä että ovat aidosti saavutettavampia yhä laajemmalle yleisölle.
Seuraavissa osissa pureudumme tarkemmin siihen, miten vastaavia ratkaisuja voi rakentaa Unityssa ja Unrealissa, sekä millaisia datakäytäntöjä suomalaisissa pelitiimeissä kannattaa ottaa käyttöön jo kehityksen alkuvaiheessa.