-- 一样，我尽量简单地说明。有兴趣的人可以看我引用的研究连结。嫌太长可先离开。 网路上一直都会有一种人，就是拥护AI的人大多会立个反AI的稻草人在打。 但你只要有很基础的模型概念，那麽你就会知道模型与工具本身不是万能的。 而大多数公司倒闭的问题也不是「做不出商品」，而是「管理出了很大的问题」 而只要是牵涉到人与价值观冲突的问题，就算你用AI也无法改善。 佐证这方面命题的质化研究，例如Politowski, Petrillo, Ullmann, Guéhéneuc, 的《游戏产业问题：基於业界文献的全面分析》(2021) https://arxiv.org/abs/2009.02440 Politowski(2021)认为：在研究多达200多篇的游戏专案事後检讨，这些还存活出版的 游戏大多经历以下和人有关的问题。 -- 1. 范围控管(Scope Management)失效：也就是游戏本身应该含那些功能、发多少平台 、要不要配音、要不要多聘用美术与作者做剧情与背景设定建议、要不要有DEI顾问。 这些只要有一个环节不断膨胀，就会导致内容和实作的失衡，想做的东西太多 能做的时间却越少。 2. 功能蔓延(Feature Creep)：开发过程中不断想增加新功能，然後又要不断修改， 故完成日不断展延。 3. 砍功能(Cutting Features)：发现时间不够，预算随人事薪资、办公室租金 营业费用而不断减少，那麽要避免做不出来无收入公司倒闭的情境下， 只能妥协砍功能，试着赶鸭子上架再把画大饼的功能砍掉，只求能在底线前出版。 毕竟这边是C_chat版，那我就举一个游戏有特地做个关卡自嘲的例子。 XGP有一款今天下架的游戏，叫做《Crime Scene Cleaner》，最近免费更新关卡 有一关叫做开发地狱(Development Hell)，就是一个很经典的例子： A公司本来只想做一个异世界农夫模拟器，品质是像素风格。然後大概发现这游戏很无聊 所以开始新增打怪、更大的开放地图，现实的画面，完整的世界设定背景。 (功能蔓延)，所以他们请了专门的作家，物理动态撷取的程式设计师。 另一方面，老板去找金主开发商，然後开会讨论出：「应该加上多人线上和课金DLC」 -- 此外又雇用了各种人力，例如撰写背景与主线的作家，人资与顾问。 公司不断在支出上烧钱，开发的程式设计师还跟老板吵起来说这些新增功能根本做不完； 发现难产後的老板要人资砍人，人资决定把程式设计师解雇，最终悲剧就发生了。 这种开发与发行(金主)的价值冲突问题也是老问题了，像是Ergin Bulut(2020) 《岌岌可危的游戏：游戏产业工作的幻象》针对一家开发工作室的访谈就提到， 原本工作室被并购进入母公司後，母公司就空降了「管理顾问」评估内容与生产力， 结果是开发内容的限制与以「开发游戏很好玩应该尽可能去做」理由要工作室超时加班。 https://academic.oup.com/cornell-scholarship-online/book/34161?login=false 回顾Politowski的研究也有提出类似问题：「开发者与发行商沟通不良」(10件)、 「发行商设定过紧的期限」(5件) 所以产出的东西多半不是工作室原本计画想做的，产出的内容也包含了发行商的"要求" 最後就是那种你看到那种被骂翻的游戏。 「阿你也只是挑个案讲啊？只会挑烂的谁不会啊？」 嗯，那麽我们就从量化统计研究来看吧。 -- 游戏开发者大会(GDC State of the Game Industry)是一个从1980年代，也就是 骨灰老游戏时代就有的开发者聚会，2000年以後随着工作室成员规模增加， 开始有有定期的年度统计资料，它已经做13届了。 你懒得看研究全文可以看新闻摘要： https://h1.nu/1Ac5I 以2025年裁员的统计量，裁员原因：营收下滑(18%)、工作重整(22%)、市场变化(15%) 贪婪(13%)、过度招募(13%)。 砍掉的职业部门分类：叙事(19%)、制作与团队管理(16%)、美术(16%)、 程式(12%)、设计(9%)。 你单纯看统计可能看不懂贪婪和过度招募是三小，但回头比照上一页的质化文献/访谈 研究就可以知道原因了。 必须注意的是，任何的研究都存在着「幸存者偏差」，因为你能访谈的从业人员， 代表他们都是经历过但活下来发行游戏的人，而且他们大多是具经验的老手了。 所以相对业余或是撑不过问题倒闭的公司或员工应该会更多。 -- 这些管理问题基本上都涉及到人类本身的贪婪、价值冲突，以前人会碰到，不代表AI化 就不会有这类破事。 所以像是「当初拥抱AI就不会有这些问题」，只是痴人说梦的幻想而已。 原因很简单：模型只是单纯执行人类的提示，它就像镜子一样忠实反映你的回答。 所以如果你要一个有包山包海的游戏功能，那也只是让AI带你进去功能蔓延的问题。 问题本质并不会解决。 那最後你做不出来不是你被裁员，就是母公司为了停损把你"独立"出来。 另外，GDC的统计也有提到所谓AI产出的内容品质问题，这块则是从另一方面来佐证 「为何AI代劳後工时没有减少」的原因。 Joel Becker, Nate Rush, Elizabeth Barnes, David Rein的《衡量人工智慧对 开发老手的生产力影响》(2025)论文 (原文连结：https://arxiv.org/abs/2507.09089) 这个研究是用双盲测验(RCT)的方法，研究与受试者都不会知道被分到哪一组， 实验组可以用AI、对照组不能用AI，结果很有趣：受试者认为有省20%时间，但 研究以萤幕录影时间做基准比照，结果工时反而增加19%。 -- 为什麽？ 这是一个很简单的概念问题，你只要有创作的经验，那就会知道创作的本质是把 「原本虚无飘渺的概念变成实际的东西」，但概念要怎麽做不见得有清楚，明确的路径。 所以不论是靠人类自己还是AI，本质上工作流程不会改变， 一样是需要撰写、校正、重修、测试、以及是否和专案其他项目冲突。 加上模型本身写作的逻辑不会跟人类一样，所以在模型撰写省下的时间， 人类事後审核看脚本与校正的时间还是会多花回来，实际上没省到工时是很平常的结果。 就我个人经验能唯一节省的情境，只有：「我已经有自己做过成功的专案了，我知道 怎麽做，所以我只要把全部框架叫AI做就好。」那的确可以缩短到非常快。 但这是先射箭後画靶的谬论。如果你是要从无生出有，那你基本上无法靠模型省时。 因为模型很可能会骰出不符合你预期的东西。或者你以为很好结果它在细项动到 其他专案的规则，或者无视了原本的规则限制，或者写的方式在计算上效率很差， 所以你还是要审核重写，或者你要花时间等模型重骰，基本上你躲不掉的。 -- 所以才会出现研究发现的：开发者只能接受不到44%的模型生成内容、 75%访谈者要逐行阅读AI程式码、56%的人还有要大改的经验、 开发者最终都要花时间改AI产出的东西。而且程式码撰写逻辑和风格还要花时间理解 与整理。 那麽有可能会出现「AI代劳後结果产出一个你觉得不好玩的游戏」吗？ 当然有可能会阿，那你要不要花时间改？所以问题的本质一直都不是 「当初失败者靠AI骰出来就好了」，而是从无到有的创作试错本身就是花时间的。 你很可能会失败很多次，而这些沉默成本时间你心态上选择不计算而已。 不过对於那种脑袋只有Null什麽都只想靠ai骰出来就好的人，我想从价值观就不同了 大概一辈子也不会懂吧(笑) --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 45.67.97.42 (韩国) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/C_Chat/M.1792036823.A.F24.html 如果连目的路径问题还要偷换概念成功能不足问题的话，那也的确没必要说了。 你高兴就好。 我可是有凭有据的引用研究来说明「自认省下20%时间结果萤幕录影纪录反而增加19%」 你还可以凹成"省下80%时间"喔，到底是要讨价还价什麽啊？笑死 ※ 编辑: midas82539 (45.67.97.42 韩国), 10/15/2026 12:27:09