IA no contexto do design de jogos: uma análise exploratória e prática com LLMs e Modelos Multimodais

• Guilherme Ribeiro Figueiredo UFOP
• Tiago França Melo de Lima UFOP

DOI: https://doi.org/10.5753/sbgames_estendido.2026.32767

Resumo

Introdução: A Inteligência Artificial Generativa (IAGen), incluindo Grandes Modelos de Linguagem (LLMs) e modelos multimodais, permite transformar significativamente o fluxo de trabalho tradicional do design de jogos. Objetivo: Este trabalho apresenta uma análise exploratória e prática da integração dessas tecnologias no pipeline de design e desenvolvimento de jogos. Metodologia: Diversos modelos de IAGen foram testados e avaliados em tarefas de produção de assets (sprites, cenários, áudio, animações) com critérios ponderados de qualidade, e um jogo de aventura point-and-click 2D de comédia foi desenvolvido como estudo de caso, da concepção a uma demo jogável. Resultados: Além da demo e dos artefatos relacionados (GDD, protótipos, artes), a principal contribuição é o relato de experiência do uso de IAGen como apoio à produção de recursos audiovisuais, ampliando a capacidade de equipes independentes e acadêmicas sem especialistas em arte. Trabalhos futuros incluem novos estudos de caso com jogos de outros gêneros.

Palavras-chave: Inteligência Artificial Generativa, Design de Jogos, LLMs, Modelos Multimodais, Prototipagem de Jogos, Jogos Independentes

Referências

Banh, L. e Strobel, G. (2023). Generative artificial intelligence. Electronic Markets, 33(1):63.

Bomström, H. (2018). Improving video game designer workflow in procedural content generation-based game design: a design science approach. Master’s thesis, University of Oulu.

Calhabeu, G. e Lima, T. (2025). Design e desenvolvimento de um jogo independente - relato de experiência em um contexto acadêmico. In Anais do XXIV Simp. Brasileiro de Jogos e Entretenimento Digital, pages 405–418, Porto Alegre, RS, Brasil. SBC.

Dai, S., Zhu, X., Li, N., Dai, T., e Wang, Z. (2024). Procedural level generation with diffusion models from a single example. In Proceedings of the AAAI Conference on Artificial Intelligence. AAAI Press.

Heslinga, A., Dalla Chiesa, C., e Loots, E. (2025). The adoption of generative ai in video game production: Firm and industry-level dynamics. In Artificial Intelligence in the Cultural and Creative Sectors, pages 251–266. Routledge.

Lee, J., Eom, S.-Y., e Lee, J. (2023). Empowering game designers with generative AI. IADIS Int. Journal on Computer Science & Information Systems, 18(2):213–230.

Panchanadikar, R. e Freeman, G. (2024). "I’m a Solo Developer but AI is My New Ill-Informed Co-Worker": Envisioning and Designing Generative AI to Support Indie Game Development. Proc. ACM Hum.-Comput. Interact., 8(CHI PLAY).

Panchanadikar, R. e Freeman, G. (2026). A Potential Teammate?: Understanding How Indie Game Developers Approach Generative AI’s Involvement in Their Small-Scale Creative Teamwork. In Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems, CHI ’26, New York, NY, USA. ACM.

PWC (2023). Pesquisa Global de Entretenimento e Mídia 2023–2027. [link]. Acessado em: 15/04/2026.

Sudhakaran, S., González-Duque, M., Freiberger, M., Glanois, C., Najarro, E., e Risi, S. (2023). MarioGPT: open-ended text2level generation through large language models. In Proceedings of the 37th International Conference on Neural Information Processing Systems, NIPS ’23, Red Hook, NY, USA. Curran Associates Inc.

Ternar, D.-A., Denisova, A., Cunha, J. M., Kultima, A., e Guckelsberger, C. (2026). Generative ai in game development: A qualitative research synthesis. In Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems, pages 1–24.