Mitä Ubisoftin Teammates-demo kertoo pelien tekoälyn tulevaisuudesta

Ubisoftin Teammates-demo näyttää gen-tarinoiden seuraavan vaiheen

Generatiivinen tekoäly on viimeisen kahden vuoden aikana ehtinyt luvata lähes kaiken: äärettömästi dialogia, loputtomia maailmoja ja täysin eläviä NPC-hahmoja. Useimmiten lupaus on kuitenkin jäänyt teknodemoiksi, jotka näyttävät hyvältä sijoittajapaketeissa, mutta eivät tarjoa oikeaa lisäarvoa pelaajalle.

Ubisoftin Parisissa esittelemä Teammates-demo on yksi ensimmäisistä tapauksista, jossa gen-toteutus on kytketty konkreettisesti perinteiseen pelattavuuteen. Kyse ei ole vain siitä, että voit jaaritella NPC:n kanssa, vaan siitä, että puhe muunnetaan pelimekaniikaksi: tiimikaverit siirtyvät suojaan, avaavat ovia, ratkaisevat pulmia ja tukevat taistelussa.

Tässä artikkelissa puretaan:

• mitä Ubisoft oikeasti teki Teammates-demolla
• miksi ratkaisu nojaa edelleen vahvasti perinteiseen pelitekoälyyn
• mitä tästä pitäisi oppia suomalaisille pelistudioille, jotka rakentavat omia tekoälystrategioitaan
• missä kulkee raja hyödyllisen innovaation ja turhan äänihypen välillä

Artikkeli on osa Tekoäly suomalaisessa peliteollisuudessa -sarjaa, jossa keskitymme siihen, miten tekoälyä kannattaa käyttää peleissä – ei vain siksi, että se on mahdollista, vaan siksi, että se parantaa pelattavuutta, tuotantoprosesseja ja pelaajakokemusta.

---

Miten Teammates toimii: STT → LLM → TTS, mutta pelimoottori edellä

Ubisoftin uusin iterointi heidän gen-tekniikkapinostaan rakentuu klassisen ketjun varaan:

1. Speech-to-Text (STT) – pelaajan puhe tunnistetaan tekstiksi
2. Large Language Model (LLM) – malli tulkitsee, mitä pelaaja tarkoittaa
3. Text-to-Speech (TTS) – peli vastaa takaisin äänellä ja tekstityksillä

Tämä yksinään ei vielä erota Teammatesia kymmenistä muista demoista. Ratkaisevaa on se, miten LLM on kytketty pelimoottoriin ja pelitekoälyyn.

Pelimaailman konteksti on kaiken ydin

Pelaaja voi antaa hyvin arkisia, epätarkkoja käskyjä kahdelle NPC-tiimikaverilleen (Sofia ja Pablo), kuten:

"Työntäkää eteenpäin sen sinisen laatikon taakse."
"Mene sen pakettiauton taakse vasemmalta puolelta."
"Seisokaa niille painelaatoille ja avatkaa ovi."

Jotta komento toimii, taustalla tapahtuu paljon:

• Tason objektit on tagitettu ("sininen laatikko", "pakettiauto" jne.).
• Jokaisella objektilla on synonyymisanasto (pakettiauto = van, auto, lava-auto jne.).
• LLM tulkitsee, mitä objektia pelaaja todennäköisimmin tarkoittaa.
• Tulkittu tavoite muutetaan parametreiksi esimerkiksi EQS-järjestelmälle (Environmental Query System), joka etsii oikean paikan maailmasta.
• Lopulta perinteinen käyttäytymispuu (behaviour tree) ajaa itse toiminnan.

Eli gen-kerros ei korvaa pelitekoälyä, vaan toimii tulkkina pelaajan luonnollisen kielen ja olemassa olevan AI-arkkitehtuurin välissä.

Juuri tämä on se kohta, johon myös suomalaisten pelistudioiden kannattaa kiinnittää huomiota:

Todellinen lisäarvo syntyy, kun LLM liimataan osaksi jo toimivaa pelijärjestelmää – ei kun yritetään rakentaa koko peli pelkän gen-hypen varaan.

---

Kolme eri tekoälyroolia: tiimikaverit, meta-assistentti ja middleware

Teammates-demossa tekoäly esiintyy kolmessa eri tasossa, joista jokainen tarjoaa suoria ideoita myös kotimaisiin projekteihin.

1. Sofia ja Pablo – perinteinen NPC-AI, johon puhutaan

Sofia ja Pablo ovat teknisesti katsottuna hyvin tyypillisiä AI-kumppaneita:

• liikkuminen, suojautuminen ja tähtääminen hoidetaan käyttäytymispuiden ja navmeshien kautta
• päätöksenteko kunnioittaa tuttua taktiikka-ajattelua (linjat, katveet, riskin välttäminen)
• generatiivinen kerros tuo uuden syötteen: pelaajan puheen

Suomalaiselle pelistudiolle tästä syntyy kiinnostava malli:

• sinun ei tarvitse rakentaa "taianomaista" LLM-pohjaista NPC:tä alusta asti
• voit parantaa jo olemassa olevaa AI:ta uudella ohjauskanavalla (puhe, tekstikomento, kontekstuaalinen chat)

Käytännön sovelluksia:

• taktinen co-op, jossa pelaaja voi puhua bottitiimille suomeksi tai englanniksi
• yksinpelin escort-tehtävät, joissa saattokohde oikeasti ymmärtää ohjeita
• pulmat, joissa pelaaja voi ratkoa tilanteita sekä mekaniikan että dialogin kautta

2. Jaspar – pelin sisäinen tekoälyassistentti

Kolmas hahmo, Jaspar, toimii meta-tason AI-assistenttina – käytännössä pelin "oma Copilot":

• selittää ohjaimet ja mekaniikat
• säätää asetuksia pelaajan pyynnöstä (esim. värisokeus, HUDin värit)
• toistaa tavoitteet, tiivistää tarinaa, korostaa objekteja HUDissa

Tämä avaa erityisesti kaksi rakoa, joista suomalaiset studiot voivat hyötyä:

1. Onboarding ja opastus
   Pelaaja voi:

   • kysyä "mitä olin tekemässä?"
   • pyytää uusimaan ohjeet
   • muuttaa vaikeusastetta, tekstikokoa tai kontrolliasetuksia ilman valikkosukellusta.

2. Esteettömyys ja saavutettavuus
   Peli voi heti alussa kysyä puheella tai tekstillä:

   • haluatko automaattisen tähtäysavun?
   • tarvitsetko tekstityksiä tai värikontrastin parannuksia?
   • pelaatko yhdellä kädellä, näppäimistöllä vai ohjaimella?

Kun puhutaan tekoälyn käytöstä suomalaisessa pelikehityksessä, tällainen sisäinen assistentti voi olla realistisesti toteutettavissa myös keskikokoisella studiolla – etenkin jos se rakennetaan kevyen paikallisen mallin ja tarkasti rajattujen toimintojen varaan.

3. Middleware ja työkalupakki talon sisällä

Ubisoftin pidemmän aikavälin tavoite on rakentaa yhtenäinen middleware, jota eri studiotiimit voivat hyödyntää:

• valmiit mallit puheentunnistukseen ja dialogintulkintaan
• API-rajapinnat pelimoottoreihin
• ohjeistukset ja "design patternit" siitä, miten gen-kerros kytketään level-designiin, narratiiviin ja AI:hin

Suomessa sama ajatus kannattaa soveltaa mittakaavaan sopivaksi:

• isoille studioille: talon sisäinen "tekoälytoolbox", jota eri projektit käyttävät
• pienille studioille: yhteiset kirjastot ja plugin-ratkaisut (esim. Unity/Unreal), jotka on dokumentoitu jaettavaksi tiimin sisällä

Tärkeintä on, ettei jokainen projekti keksi integraatiota uudelleen. Se hidastaa ja kasvattaa riskiä, että kokeilu päätyy roskakoriin ennen kuin se ehtii tuotantoon.

---

Mitä suomalaiset studiot voivat oppia – käytännön vinkit

Ubisoftin demo on mittava panostus, mutta sen taustalla oleva ajattelu on sovellettavissa myös paljon pienempään mittakaavaan. Tässä neljä konkreettista oppia suomalaiselle pelistudiolle.

1. Aloita perinteisestä pelitekoälystä, lisää gen vain sinne missä se tuo arvoa

Teammates osoittaa selvästi:

• liikkuminen, taistelu, väistöliikkeet ja taktiikka kannattaa yhä tehdä perinteisellä AI:lla
• LLM ja muut gen-mallit toimivat tulkkina ja liimana, eivät päätöksenteon ydimenä

Suunnittelukysymykset, joita kannattaa pohtia heti alussa:

• Missä kohtaa peliä pelaajan luonnollinen kieli olisi oikeasti parempi käyttöliittymä kuin näppäin tai valikko?
• Voimmeko käyttää LLM:ää:
  • kommentoimaan pelaajan toimintaa
  • selittämään pelimekaniikkoja dynaamisesti
  • luomaan variaatiota repliikkeihin ilman, että juoni hajoaa

2. Suunnittele "ääni sisään, teko ulos" – mutta tarjoa aina vaihtoehto

Teammatesin suurin heikkous on se, että pelaajan on pakko puhua pelille. Tämä nostaa sekä kognitiivista kuormaa että esteettömyysongelmia:

• kaikki eivät halua tai voi käyttää ääntä (ympäristö, puhekyky, sosiaalinen mukavuus)
• jatkuva puhuminen on yllättävän työlästä pitkissä pelisessioissa

Suomalaisille kehittäjille hyvä peruslinja:

• suunnittele ensin mekaaninen rajapinta (ping, komento­valikko, quick wheel)
• sen jälkeen lisää mahdollisuus tehdä sama asia äänellä niille, jotka haluavat

Näin varmistat, että tekoälypohjainen puheohjaus on lisäarvoa, ei portti koko sisältöön.

3. Panosta sisällön "raamittamiseen": maailmabible, rajat ja turvakaiteet

Narratiivitiimi Ubisoftilla korosti, että LLM ei helpottanut kirjoittamista – se teki siitä raskaampaa:

• jokaisella hahmolla on oltava selkeä "raamattu" (persoonallisuus, historia, puhetapa)
• malli pitää kouluttaa ja rajata niin, ettei se lipsu tyyliltään tai kerro asioita, joita pelissä ei ole

Suomalaisissa projekteissa tämä tarkoittaa käytännössä:

• tee ensin vahva käsityö: maailmankuva, hahmokortit, tyyliohjeet
• käytä LLM:ää korkeintaan:
  • ehdottamaan repliikkivaihtoehtoja
  • varioimaan jo hyväksyttyä dialogia
  • täyttämään "tyhjiä välejä" tiukkojen sääntöjen sisällä

4. Käsittele eettiset ja sopimukselliset kysymykset heti alussa

Ubisoft kertoi hyödyntävänsä oikeita ääninäyttelijöitä, joiden esityksestä luodaan AI-äänimallit. Olennaiset periaatteet, jotka sopivat myös suomalaisiin sopimusneuvotteluihin:

• näyttelijä tietää tarkasti, mihin hänen äänimalliaan käytetään
• käyttö on rajattu projektiin, ei avoin "ikuisesti kaikkeen"
• korvausmalli ottaa huomioon sekä äänitystyön että äänimallin jatkuvan käytön

Sarjamme näkökulmasta tämä on kriittistä:

Tekoäly suomalaisessa peliteollisuudessa menettää nopeasti uskottavuutensa, jos sen käyttöönotto nähdään ensisijaisesti säästökeinona tekijöiden kustannuksella.

---

Pelaajapsykologia: kaikki eivät halua puhua pelilleen

Yksi kiinnostavimmista havainnoista Teammatesin kokeilijalta oli hyvin inhimillinen:

"Demo oli vaikuttava, mutta en silti haluaisi pelata näin toteutettua peliä pitkään – koska minun täytyi puhua koko ajan."

Tällä on suora merkitys myös suomalaisille kehittäjille:

• nuoremmat pelaajat, jotka ovat kasvaneet Sirin, Alexan ja muiden assistenttien kanssa, saattavat kokea puheohjauksen luontevampana
• osa pelaajista (varsinkin PC-puolella) suhtautuu yhä varauksella mikrofonin käyttöön
• monelle äänen käyttäminen tuntuu sosiaalisesti kuormittavalta – etenkin jaetussa kodissa tai julkisissa tiloissa

Tämän vuoksi gen-ominaisuudet kannattaa suunnitella niin, että:

• puheohjaus ja keskustelu ovat valinnainen kerros, eivät pääpelattavuuden ehto
• malli osaa myös reagoida hiljaiseen pelaajaan – seuraamalla tapaa, jolla tämä liikkuu ja toimii

Tulevaisuudessa mielenkiintoisimpia sovelluksia voivat olla järjestelmät, joissa:

• AI-kumppanit oppivat pelaajan taistelutyyliä ja ehdottavat ratkaisuja ilman, että pelaajan täytyy antaa eksplisiittisiä komentoja
• tekoäly analysoi pelaajan pelityyliä ja muokkaa vaikka stealth–aggressio-akselia kumppani-AI:ssa

Tämä on linjassa koko sarjamme teeman kanssa: tekoälyn rooli ei ole vain puhua enemmän, vaan ymmärtää paremmin.

---

Mitä seuraavaksi: miten suomalainen peliala voi tarttua mahdollisuuteen?

Ubisoftin Teammates-demo ei ole valmis tuote, eikä se sellaisenaan ole malli, joka sopisi jokaiselle pelille. Se on kuitenkin tärkeä askel pois pelkistä chat-NPC-demoista kohti:

• pelimekaniikkaan integroitua tekoälyä
• saavutettavuutta parantavaa AI-avustajaa
• tuotantoprosesseja tukevaa middleware-ajattelua

Suomalaiselle pelistudiolle järkevä etenemispolku voisi olla:

1. Kartoita peli-ideastasi 1–2 kohtaa, joissa luonnollinen kieli tai AI-avustaja voisi aidosti parantaa kokemusta (opastus, tiimikomentaminen, asetusten hallinta).
2. Prototypoi kevyesti: käytä rajattua dataa, tiukkoja sääntöjä ja pientä kohdeyleisöä. Keskity integraatioon pelimekaniikan kanssa, älä wow-efektiin.
3. Mittaa pelaajakokemus: helpottiko AI-pohjainen ratkaisu pelaajan elämää, vai lisäsikö se kognitiivista kuormaa ja turhautumista?
4. Päivitä studioesi tekoälystrategiaa tämän perusteella: mihin kannattaa panostaa seuraavaksi – pelitekoälyn parantamiseen, työkaluihin vai pelaaja-analytiikkaan?

Sarjamme "Tekoäly suomalaisessa peliteollisuudessa" palaa myöhemmissä osissa tarkemmin myös kotimaisiin esimerkkeihin ja käytännön toteutuksiin. Sillä välin kannattaa pysähtyä kysymään:

Jos rakentaisitte oman "Teammatesin" tai "Jasparin" seuraavaan peliinne – mihin ongelmaan se ratkaisisi pelkästään näyttämisen sijaan?

Vastaus tähän kysymykseen erottaa aidosti arvokkaan tekoälyn käytön seuraavasta hypekuplasta.