AIは「スキルの全組み合わせ評価」の夢を見るか？―― 網羅的アプローチの挑戦と次の一手

---

こんにちは。ドリコムAI部の栃木です。 今回は私が取り組んでいる「ゲーム内のスキル・能力の組み合わせをAIに評価させる」仕組みについて、実際のアプローチとそこから見えてきた課題、そして今後の展望について紹介したいと思います。

背景：長期運用タイトルを悩ませる「組み合わせ爆発」

多くのソーシャルゲームでは、プレイヤーを飽きさせないために、常に新しいキャラクターやスキル、装備などが追加され続けます。これはコンテンツの魅力を維持するために不可欠な要素ですが、開発の裏側では深刻な問題を引き起こします。それは、検証コストの「組み合わせ爆発」です。 新しい能力が1つ追加されると、既存の無数の能力との間で相互作用をチェックする必要があり、そのパターンは指数関数的に増加していきます。人力での検証には限界があり、時として予期せぬ強力な組み合わせ（いわゆる「ぶっ壊れ」）が生まれ、ゲームバランスを損なうリスクも高まります。 この「膨大なパターンの組み合わせ」という課題こそ、AIが得意とする領域ではないか？ それが、この取り組みの出発点でした。

最初の挑戦：LLMによる「総当たりシナジー評価」という夢

私たちの初期構想は、シンプルかつ非常にパワフルなものでした。

「新規で開発するスキルの効果をLLMに渡し、既存の全てのスキルとの連携度合いを評価させ、リスクを分析する」

LLMに全スキルのリストを「記憶」させ、新しいスキルが投入された際に「この中で最もシナジーが高い組み合わせTop10は？」「危険な相互作用を起こす可能性のあるスキルは？」といった質問に答えさせるイメージです。これが実現すれば、開発の早い段階で危険な組み合わせを検知し、品質向上とコスト削減に繋がるはずでした。

立ちはだかった「2つの壁」

しかし、実際にプロトタイプを構築し検証を進めると、理想と現実の間にある大きな壁が見えてきました。

課題1：計算量という物理的な壁

「最もシナジーが高いスキル」のような相対評価を行うには、評価のたびに全スキル情報をLLMに渡し、比較させる必要があります。スキル数が数千にも及ぶ長期運用タイトルでは、一度の評価にかかる処理時間とAPIコスト（トークン数）が現実的な範囲を大きく超えてしまいました。

課題2：「見つける」だけでは不十分という本質的な壁

仮に時間やコストを度外視できたとしても、より本質的な課題がありました。それは、LLMの評価の「解像度」です。 現在の仕組みでは、処理性能の限界から「何が」連携するのか（例：スキルAとスキルBの相性が良い）という評価しかできませんでした。しかし、私たちが本当に知りたいのは「どのように」連携するのか（例：スキルAの防御ダウン効果とスキルBの多段ヒットが組み合わさり、特定の敵を瞬殺できてしまう）という、具体的なリスクの中身です。 「何が」だけでは、結局その後の詳細な調査を人間が行う必要があり、コスト削減や品質向上への貢献は限定的でした。かといって「どのように」まで評価させようとすると、さらに多くのトークンを消費し、課題1がより深刻になるというジレンマに陥ったのです。

次の一手：網羅性より「精度と速度」、そして「データ資産」へ

この結果を受け、私たちは「全スキルを網羅したシナジー評価」という当初の夢からは一度距離を置くことにしました。そして、より現実的で、かつ多方面に価値を提供できるアプローチへと舵を切ります。 全スキルデータをRDB、グラフDB、ベクトルDB等から参照できる仕組みを構築し、そこから「どのようにシナジーが高いのか」という深い情報を含めて、必要な組み合わせだけを高速で抽出するという方向性です。 このアプローチの最大の利点は、構築したナレッジベースがシナジー評価以外にも活用できる「データ資産」になることです。

【活用案1】検証（QA）業務の高度化

• 類似バグの水平展開:
  あるスキルで「特定のステータス異常が効かない」という不具合が見つかった際、データベースに「類似の効果を持つスキルを全て抽出して」と問い合わせることで、同様の不具合を抱えている可能性のあるスキルを洗い出し、効率的な回帰テストに繋げます。
• 仕様変更時の影響範囲調査:
  「クリティカルダメージの計算式変更」など、ゲームの根幹に関わる仕様変更の際に、影響を受ける可能性のある全スキルを瞬時にリストアップし、テスト計画の精度を向上させます。

【活用案2】企画・バランス調整業務のデータ駆動化

• 新スキル設計の支援:
  プランナーが「“暗闇”を付与しつつ、味方の“スピード”を上げるスキルを作りたい」と考えた際、データベースを検索して「そもそも類似の効果は過去に存在するか？」「存在するなら、パラメータの相場はどのくらいか？」を即座に把握でき、パワーインフレの抑制や設計工数の削減に繋がります。
• ゲーム環境の可視化:
  データベース内の全スキルを分析し、「現在、攻撃力上昇バフを持つスキルは何種類あり、その平均値はいくつか？」といった統計情報を出力できます。これにより、キャラクターの追加やバランス調整を、客観的なデータに基づいて行うことが可能になります。

まとめ

「AIに全スキルの組み合わせを評価させる」という壮大な夢から始まったこの取り組みですが、挑戦を通じて、より現実的で応用範囲の広い「スキルのナレ-ッジベース化」という新たな目標にたどり着きました。 まだ道半ばではありますが、このデータ資産が将来的にQA・企画といった部署の垣根を越え、開発プロセス全体の質と速度を向上させる強力な武器になると信じています。 最後までお読みいただき、ありがとうございました。