ゲーム開発AIは「完成品」より「裏側」に広がる｜Unity調査のコード支援62％、自動プレイテスト35％から見る2026年の実態
本記事にはアフィリエイト広告（Amazon・楽天市場等）のリンクが含まれています。
コード支援62％、自動プレイテスト35％。AIは人が確かめて戻せる工程から入っている
ゲーム開発にAIが入ると聞くと、AIが描いたキャラクターやAIが書いた台詞がそのまま製品に入る姿を思い浮かべるかもしれません。ところが2026年に公表された調査で多かったのは、プレイヤーの目に触れない使い方でした。
Unityが2025年秋に世界の開発者300人へ聞いた調査では、AIの用途の1位はコーディング支援の62％で、自動プレイテストは35％、コードQAは28％です。GDC 2026の調査でも、生成AIを使う人の用途は調査・アイデア出しが81％、コード支援が47％で、プレイヤーが直接触れる機能は5％しかありません。AIが先に入っているのは、出力を人が確かめ、だめなら捨てられる工程です。
分かれ目は、AIが間違えたときに発売前に取り消せるかどうかにあります。遊ぶ側にとっては「AIを使ったゲーム」が「AIが作った絵や台詞のゲーム」とは限らないということで、少人数で作る側にとっては、AIを入れる工程を戻しやすさで選ぶのが現実的だということです。
目次
要点まず何が分かったか
Unity調査ではコード支援62％、自動プレイテスト35％、コードQA28％。GDC調査では生成AIの用途のうちプレイヤー向けの機能は5％です。論文JAMERでは、大きなプロジェクトほどAIが書いたコードでゲームが動かなくなり、30秒間落ちずに動いた割合は9モデル平均で5.7％でした。カプコンは生成AIで作った素材をゲームに入れないと明言する一方、開発の効率化とAIによるテストには力を入れています。
用途AIの用途の1位はアート生成ではなくコード支援
Unityの「2026 Unity Game Development Report」は、2026年3月9日に公開された業界レポートです。調査は2025年9月16日〜10月3日に調査会社のCintが電話で行い、北米（米国・カナダ）、アジア太平洋（日本・韓国）、欧州（英国・フランス・ドイツ・スペイン・トルコ）、南米（ブラジル）の開発者300人が答えました。Unityのエンジンを使う人に限らず、ほかのエンジンで作る開発者も含みます。
用途の1位はコーディング支援の62％で、2位のライティング・ナラティブデザイン（44％）を大きく引き離しています。
「ゲーム開発と生成AI」と聞いて想像しやすい画像やアセットの生成は35％で、コード支援はその2倍近くあります。Unityはこの結果から、開発者は議論を呼びやすいプレイヤー向けの生成ワークフローを避け、裏方のツールで生産性を上げることに重点を置いていると分析しています。
GDC 2026「State of the Game Industry」（2,300人超のゲーム業界関係者が回答）も、生成AIを仕事で使う人に用途を聞いています。近い用途どうしを並べると、どちらの調査もコードが上位で、ゲーム内で動く生成AIの機能はGDCでは最下位です。
| 用途 | Unity調査（300人） | GDC調査（生成AIを使う人） |
|---|---|---|
| コード | コーディング支援 62％ | コード支援 47％ |
| テスト | 自動プレイテスト 35％、コードQA 28％ | テスト・デバッグ 22％ |
| 調査・試作 | 市場調査 37％ | 調査・アイデア出し 81％、プロトタイピング 35％ |
| アセット | コンセプトアート・ゲームアセット 35％ | アセット生成 19％ |
| ゲーム内の機能 | NPCの挙動 40％、適応型難易度 34％ | プレイヤー向けの機能 5％ |
2つの調査は聞き方も母数も違うため、62％と47％を並べてどちらが多いとは言えません。Unityの設問は生成AIに限らない「AIツール」の使い方なので、NPCの挙動や適応型難易度のようにゲームの中で動く用途の数字も、生成AIに絞ったGDCの5％と同じ物差しでは比べられません。
GDC調査では、仕事で生成AIを使う人は36％で、生成AIが業界に悪影響を与えていると考える人は52％でした。使う人が増える一方で反発も強いなか、開発者はAIをプレイヤーから見えない場所から入れています。日本の開発者に限ると、CESAの調査で85.8％が生成AIを業務で使っており、GDCとの差がどこから来るかは日本のゲーム開発者85.8％が生成AIを業務利用で調査の違いから読み解けます。
線引きAIは「間違えても戻せる工程」から入っている
用途の並びを、AIが間違えたときにどうなるかで分け直すと、普及の順番に筋が通ります。
| AIを使う場所 | AIが間違えたら | プレイヤーに届くか |
|---|---|---|
| 調査・アイデア出し | 採用しなければ済む | 届かない |
| コード補助 | レビューで止められる。見逃すとバグや作り直しにくい構造が残る | 動作を通して間接的に届く |
| 試作（プロトタイプ） | 試作ごと捨てられる | 届かない |
| 自動テスト・プレイテスト | 報告を人が再現して確かめる。見逃しは残る | 届かない |
| コンセプトアート | 本番の制作に入る前に描き直せる | 通常は届かない |
| 製品に入れるアセット | 発売後は差し替え・アップデート・説明が必要 | そのまま届く |
| ゲーム中のリアルタイム生成 | 出力を1つずつ事前に確かめられない | その場で毎回届く |
表の上のほうの工程ほど、AIの出力と製品のあいだに人の確認をはさめます。コードの候補が間違っていれば採用しなければよく、AIのテスターが異常を報告しても、人が再現できるかを確かめてから直せます。
製品に入れたアセットはそうはいきません。発売後に権利や品質の問題が見つかれば、プロンプトを打ち直して終わりにはできず、差し替えのアップデート、契約の確認、ストアやプレイヤーへの説明まで必要になります。ゲームの中で毎回生成する機能は、出力を事前に確かめること自体ができません。
AIをどこまで使うかを決めているのは、AIの性能だけではなく「失敗を発売前に戻せるか」という工程の性質です。GDC調査でプレイヤー向けの機能が5％にとどまるのも、表のいちばん下の段に当たるからだと考えられます。
コードコード支援が62％でも、ゲーム全体を任せられる段階ではない
いちばん使われているコード支援でも、ゲームの設計まで任せられるわけではありません。2026年6月にarXivで公開された論文「JAMER」が、その限界を数字で示しています。
研究チーム（南開大学、Alaya Studioなど）は、GitHubやゲームジャムのサイトから集めた約24万件のリポジトリを絞り込み、Godot 4で作られた2Dゲーム8,133本を動作確認済みのデータにしました。そのうち人が実際に遊んで確かめた300本を評価用の「JamBench」とし、Claude Opus 4.6、GPT-5.4、Gemini 3.1 Proなど8つのモデルと、研究チームが追加学習させた1モデルの計9モデルをテストしています。
規模の差がはっきり出たのは、実在するゲームから関数の中身を3〜5割消し、AIに埋め戻させるテストです。残りのコードはすべてAIに渡したうえで、埋め戻したゲームを入力なしで30秒動かし、クラッシュしないかを見ています。
| プロジェクトの規模 | コードの行数 | 30秒間落ちずに動いた割合（9モデル平均） |
|---|---|---|
| 小規模 | 1,200〜4,000行 | 80.4％ |
| 中規模 | 4,000〜1万5,000行 | 34.7％ |
| 大規模 | 1万5,000行超 | 5.7％（最も高いClaude Opus 4.6でも12％） |
消したのは一部の関数だけです。それでもプロジェクトが大きくなるほど、AIは消えた関数を周りのコードと矛盾なく書き戻せなくなります。関数単位の穴埋めでは、残ったコードとインターフェースや処理を正確に合わせる必要があり、関数が1つ違うだけでコンパイルが通らなくなるためです。
Claude Codeを使ってAIにエラー修正を繰り返させる「コードエージェント」の形にすると、コンパイルや起動が通る割合は上がりました。ところが、ゲームの構造がどれだけそろっているか（SCS）と、元のゲームと同じように動くか（BAS）の指標はほとんど変わっていません。論文は、ボトルネックが文法の正しさではなく設計（アーキテクチャ）にあると結論づけています。
個人開発の実例でも同じことが起きました。Claude Codeで開発されたローグライト『CODEX MORTIS』の開発者は、AIを「良いプログラマーだが、アーキテクト（設計者）としては不十分」と評価し、早期アクセスの途中で設計を組み直しています。検証の大半は人のテスターが担い、約100件のバグを直しました。半年間で何を作り直したかは『CODEX MORTIS』正式版配信に詳しく書いています。
関数を1つ書くことと、何千もの処理がかみ合うゲーム全体を壊さずに組むことは、別の仕事です。カプコンのRE ENGINEでも、近年のタイトルはアセット数やゲームコードの規模が2017年当時の数倍以上になり、アセットの取得やスクリプトのビルドが遅くなっています。規模が大きいほど、AIに任せる前に人が決めておく設計の比重は増えていきます。
QA次に大きく変わりそうなのはQAとプレイテスト
コード生成より、ゲーム開発との相性が良さそうなのがQA（品質保証）です。Unity調査では35％が自動プレイテストに、28％がコードQAにAIを使っていました。
スクウェア・エニックスは2025年11月6日の中期経営計画の進捗報告で、東京大学の松尾・岩澤研究室と生成AIを使ったゲームQAの自動化技術を共同開発し、「2027年末までにゲーム開発におけるQA・デバック作業のうち70%を自動化」する目標を掲げました。研究室の研究者と同社グループのエンジニアによる約10名以上のチームです。Google Cloud Next Tokyo ’26の基調講演では、「船を見たい」という指示を受けたGeminiが地図を開き、コントローラーを操作してQAを進めるデモ動画も紹介されました。
カプコンはすでに大きな規模で回しています。Google CloudのAI基盤で作ったプレイテスト用のエージェントは、過去のデータから壊れやすい箇所を予測して重点的にテストし、自律的なプレイテストは月3万時間を超えています。10月2日のCAPCOM Open Conference RE:2026では、画面と音で判断する「自律プレイAI」の講演もありました。製品版のビルドではゲーム内部のデータを読めないため自動化が難しく、人の思考の仕組みを参考に、反射的に動く層とじっくり考える層の2層でQAのシステムを組んだという内容です。
従来の自動テストは「この入力をしたらこの結果になる」と決めた確認は得意でも、人のように画面を見ながら探し回るテストは苦手でした。画面や音を理解できるAIなら、人が何時間も繰り返していた探索型のテストの一部を任せられます。
それでも、人のテスターがすぐに要らなくなるわけではありません。AIが同じ場所ばかり見ていないか、1フレームだけの描画の乱れや入力の遅れまで拾えているか、そもそも何をテストすべきか。テストするAIを人が確かめる仕事が残り、人の役割はゲームを操作し続けることから、AIの検証が足りていたかを判断することへ移っていきます。スクウェア・エニックスのデモの仕組みはスクウェア・エニックスがGeminiでゲームQAを自動化で詳しく扱っています。
MCPAIは質問に答える相手から、開発環境を操作する立場へ
Unity調査でもう1つ目立つのがMCPです。MCP（Model Context Protocol）は、AIを外部のツールやデータにつなぐための共通の接続方式で、これを使うとAIがゲームエンジンやソース管理を直接操作できるようになります。
調査では回答者の50％がゲーム開発でMCPサーバーを使っていました。スタジオの規模別では、1〜9人が38％、10〜149人が49％、150〜299人が52％、300人以上が60％で、大きなスタジオほど使っています。MCPを使っている人の90％はゲームエンジン・エディタにつないでいて、使う工程の1位はコーディング・デバッグ（76％）でした。
| 聞いたこと | 1位 | 2位以下 |
|---|---|---|
| つないでいる先 | ゲームエンジン・エディタ 90％ | ソース管理 67％、独自API・社内ツール 65％、プロジェクト管理 63％ |
| 使っている工程 | コーディング・デバッグ 76％ | 制作・進行管理 74％、QA・テスト 68％、コンテンツ制作 63％ |
| いちばんの利点（1つ選択） | 時間短縮・反復の高速化 40％ | エラーの減少・品質向上 39％、ツール連携のしやすさ 15％、チームの協業 6％ |
これまでのAIは、「このエラーの原因は？」と聞いて答えをコピーする相手でした。エンジンやGit、社内ツールにつながると、エラーを読み、コードを直し、ビルドしてテストし、結果を確かめるところまでAIが続けて関われます。Unityのレポートに登場するStratton StudiosのJosh Loveridge氏も、MCP型の仕組みは主にツールと自動化に使っていて、ゲームの中核の実行部分には使っていないと話しています。
ただし、50％を「ゲーム会社の半数がMCPを導入済み」と読むのは早すぎます。回答者は300人で、誤差は±5.66ポイントあります。数字そのものより、AIがチャット画面から開発環境の中へ入り始めているという向きを見るのが妥当です。AIが触れる範囲が広がるほど、AIの変更をどこで人が承認するかを先に決めておく必要が出てきます。
少人数少人数チームが得るのは人数ではなく試行回数
少人数の開発では、1人がプログラム、企画、UI、宣伝を掛け持ちします。AIで専門家1人を丸ごと置き換えるより、専門外の作業に手を付けるまでの時間を縮める使い方のほうが現実的です。プログラマーが仮のUIを作る、アーティストが簡単なスクリプトを書く、ゲームデザイナーがデータ分析のコードを用意する、といった場面です。
Unity調査では、52％のスタジオが小さく扱いやすいプロジェクトに絞っていると答え、67％は試作の期間を短く抑えています（1〜3か月が46％、1か月未満が21％）。小さく作って早く見切る開発では、AIで試作の回数を増やせる効果が大きくなります。
一方で、MCPの利用率は1〜9人のスタジオで38％と、規模別でいちばん低い数字でした。エンジンや社内ツールにAIをつなぐ仕組みづくりは、人手のある大きなスタジオのほうが進んでいます。
これを「1人でもAAAが作れる」と読むのは飛躍です。JAMERでは規模が大きくなるほどAIの書いたコードが動かなくなり、『CODEX MORTIS』でも人による設計の組み直しと大量の検証が必要でした。ゲームが大きくなるほど増えるのは、コードの量より、仕様同士の整合性、処理の重さ、セーブデータの互換性、ネットワーク、多言語対応、プラットフォームの審査といった「全体を壊さないための判断」です。
AIで5人のチームが試せる案の数は増えても、5人が500人の組織になるわけではありません。少人数チームにとってのAIの強みは、ゲームを巨大にすることより、同じ人数で試せるアイデアの数を増やし、だめな案を早く捨てられることにあります。
確認「生成が速い」と「完成が速い」は別の話
画像を10秒で作り、コードを1分で書けるのは、確かに速くなった部分です。ただ、ゲームとして出すには、生成した後に仕上げる工程がまるごと残っています。
生成した画像が世界観に合っているか、ほかのキャラクターと絵柄がそろっているか、別のポーズでも同じ人物に見えるか。コードなら、既存の機能を壊していないか、処理が重くなっていないか、数か月後にも変更できる構造か。生成が安くなるほど、大量の候補を人が見比べるレビューの手間が詰まりどころになります。
日本のゲーム業界もこの点を意識しています。CESAの2026年の調査では、生成AIを使うときの管理・運用の取り組みとして「人による確認・修正・監修を行っている」という回答が最も多く、使うツールの指定・制限や、出力をそのまま使わない運用も多くを占めました。AIが広がるほど、どこで人が必ず確かめるかを決める力の重みが増していきます。
カプコンカプコンは「ゲームに入れない」と「開発に使う」を分けている
この線引きをはっきり言葉にしている会社の1つがカプコンです。
カプコンは2026年2月16日の個人投資家向け会社説明会の質疑応答で、「当社は、生成AIで生み出した素材をゲームコンテンツには実装しません」と答えました。同じ回答のなかで、ゲーム開発の効率化や生産性の向上に役立つ技術としては積極的に活用する予定で、グラフィック・サウンド・プログラムなど各職域で活用方法を検証しているとしています。
5月に出した2026年3月期決算の補足資料（中長期戦略）では、生成AIを「定型的な時間を効率化し、創造に資する時間を増やすための補助ツール」と位置づけ、対象として情報収集、参考素材生成、ユーザー分析、対話型マニュアル、エラーチェック、議事録まとめなどを挙げました。
10月2日のCAPCOM Open Conference RE:2026では、RE ENGINEを段階的に次世代の水準へ引き上げる「REX」プロジェクトの講演がありました。カプコンは講演の紹介文で、AIエージェントを使った自動テストやQAを効率よく行える環境が必要になったことを、プロジェクトを立ち上げた理由の1つに挙げています。講演では、より一般的なプログラミング言語に寄せてAIがコードを理解しやすくし、将来はAIがプログラムを自動で作り、バグを探すテストプレイまで行えるようにする構想が語られました。
カプコンがAIに担わせようとしているのは、コードを読み、ツールを扱い、バグを探す開発の土台の仕事です。キャラクターや世界を描く部分は人に残すという分け方は、2026年のゲーム業界でAIがどこに向かっているかをよく表しています。
SteamSteamが問うのは「AIを使ったか」より「何が製品に残ったか」
ストアの側のルールも、同じ線引きに沿っています。SteamworksのAI開示は、多くの開発環境にAIツールが組み込まれていることを前提に、そうしたツールによる効率化を主な対象にしていません。対象は、ゲームと一緒に出荷されてプレイヤーが触れるコンテンツで、アート、サウンド、ナラティブ、ローカライズなどが例に挙がっています。
そのうえでSteamは、開発中にAIで作って収録した「Pre-Generated」と、ゲームの実行中にAIで作る「Live-Generated」を分けています。Live-Generatedでは、違法なコンテンツを生成しないためにどんなガードレールを設けているかも申告しなければなりません。
プログラマーがAIにコードを相談したことと、AIで作った画像をゲームの中に表示することは、同じ「AIを使ったゲーム」でも扱いが違うわけです。ストアページの開示を見るときは、AIを使ったかどうかより、どの素材に使い、人がどこまで手を入れたかを読むと判断しやすくなります。開示欄のどこを見ればよいかは、Steam新作ゲームの37%が生成AI利用を開示に具体例があります。
権利製品に入れるアセットは「権利を持てるか」も問われる
AIで作ったものを製品のアセットに使う場合、品質とは別に権利の問題が加わります。
文化庁の「AIと著作権に関する考え方について」（2024年3月）は、AI生成物が著作物になるかを、人の「創作意図」と「創作的寄与」で判断するとしています。プロンプトの分量や内容、生成の試行回数、複数の生成物からの選択などを総合して判断しますが、試行回数が多いことや、単に選んだことそれ自体は創作的寄与の判断に影響しないと整理しています。人が創作的な加筆・修正をした部分には、通常、著作物性が認められます。
自分たちの著作権が成り立つかと、他人の著作権を侵害していないかは別の問題です。侵害かどうかは、人が作ったかAIが作ったかにかかわらず、既存の著作物との「類似性」と「依拠性」で判断されます。さらに、生成の段階では権利制限規定の範囲内だったとしても、生成物を譲渡したりネットで公開したりする段階で侵害になる場合があると注意を促しています。
社内のアイデア出しなら、問題のある出力は捨てれば済みます。何年も売るキャラクター、背景、音楽、ロゴに使えば、そのアセットはIPそのものになります。続編やグッズ、映像化まで見据える大手ほど、安く作れるかより長く安心して使えるかを重く見るのは自然なことで、カプコンの方針もこの見方で読むと筋が通ります。
判断AIを開発に入れる前に確かめたい3つの問い
少人数で作る人がどの工程からAIを入れるかは、出力を人が確かめられるか、だめなら捨てられるか、製品に残したものを説明できるかの3点で決まります。
| 問い | 「はい」なら | 「いいえ」なら |
|---|---|---|
| AIの出力を、製品に入る前に人が確かめられるか | 入れやすい工程。調査・試作・コード補助・テストから始める | 先に人が確かめる手順を決めてから使う |
| 間違っていたら、発売前に捨てて作り直せるか | AIで候補を増やし、早く見切る使い方に向く | 製品に入れるアセットやリアルタイム生成は後回しにする |
| 製品に残る素材の出どころと、人が直した記録を説明できるか | Steamの開示や権利の確認に答えられる | 使ったツール、指示の内容、人の修正を記録しておく |
遊ぶ側にとっては、「AIを使った」という一言だけで、そのゲームの絵や台詞までAIが作ったとは限らないと知っておくことが大切です。開発の途中でAIを使っていても、プレイヤーに届く部分は人が作っている作品もあります。
FAQよくある質問
まとめまとめ｜AIが増やしているのは作り手の数より試せる回数
2026年のゲーム開発でAIが先に入っているのは、コード支援、試作、QA・自動プレイテスト、調査、開発ツールとの連携のように、AIの出力を人が確かめて戻せる工程です。製品に入るアセットやゲーム中の生成は、品質、権利、ストアの開示の問題が重なるため、カプコンのように入れないと決める会社もあります。
少人数チームにとっては追い風です。専門外の作業をAIに手伝わせ、同じ人数で試せる案の数を増やせます。一方で、大きなプロジェクトではAIの設計力にまだはっきりした限界があり、そこを埋めるのは人の判断です。
差がつくのは、いちばん高性能なAIを使っているチームとは限りません。AIに何を任せ、人がどこで確かめ、問題があればどこまで戻せるかを決めているチームほど、AIの速さを、品質を落とさずに開発の力へ変えられます。
あわせて読みたい
出典：Unity「2026 Unity Game Development Report」／GDC「2026 State of the Game Industry」／Sun et al.「JAMER: Project-Level Code Framework Dataset and Benchmark on Professional Game Engines」／スクウェア・エニックス・ホールディングス「中期経営計画 進捗報告」／Google Cloud「Google Cloud Next Tokyo 26 DAY 1 基調講演まとめ」／Google Cloud「How Capcom Is Leading the Way for Enterprise Agentic AI」／カプコン「個人投資家向け会社説明会 質疑応答概要」／カプコン「2026年3月期 決算補足資料（中長期戦略）」／カプコン「CAPCOM Open Conference RE:2026」講演紹介（プレスリリース）／VGC「Capcom details plans to evolve RE Engine into an ‘AI generation’ game engine」／Steamworks「コンテンツ調査」／文化庁「AIと著作権に関する考え方について」／CESA「CESAゲーム産業レポート2026 プレビュー版」（調査結果と企業の方針は2026年10月6日時点）
