Esta entrada fue escrita originalmente en italiano por Paolo Gambardella. Ha sido traducida por un agente de inteligencia artificial y puede contener imprecisiones.
Los prototipos son uno de los campos en los que el game design ha evolucionado muchísimo en los últimos meses. Los nuevos algoritmos de machine learning y automatización permiten a todo el mundo ser mucho más rápido a la hora de desarrollar artefactos que necesitamos para aprender y para que nuestro equipo aprenda. Esto es un gran avance, pero puede agudizar una tendencia que he visto en algunos equipos: crear un prototipo demasiado sofisticado que acaba convirtiéndose en una demo.
El prototipo sirve para aprender, para responder preguntas. Una demo sirve para convencer, para conseguir el greenlight, para vender. El problema surge cuando creas un prototipo tan pulido que parece convincente, pero tan ambiguo que no puedes decir que estabas aprendiendo nada. Al final no aprendes nada y no convences a nadie.
Pongo un ejemplo práctico. Si es la primera vez que lees esto, debes saber que soy consultor de game design especializado en ideación y preproducción de nuevos videojuegos, sobre todo free-to-play. Tengo un pequeño estudio y la semana pasada, junto con mis colaboradores, creamos este prototipo usando Godot:
- El proyecto arrancó el lunes con una visión que llevo tiempo madurando y que plasmé en un documento de visión
- Mi ayudante Eduard investigó otros juegos y el miércoles me entregó un concept document
- El jueves le pasé ese documento a Claude Code y le pedí que me generara un prototipo base
- Del viernes al domingo fui haciendo pequeños ajustes según las ideas que me iban surgiendo mientras me dedicaba a otras cosas.
Después de entregarle el resultado a mi ayudante, lo estuvo probando durante un día entero y me dio su punto de vista. La conversación derivó mucho hacia problemas del tipo “el track generado es monótono” o “no consigues chocar con los coches”. Todo eso tiene sentido a partir de la demo, pero no en esta fase. Entre los dos, discutiendo, conseguimos identificar el aprendizaje real, qué es lo que nos gusta de este prototipo. Lo dejamos apartado, lo documentamos y pasamos a la siguiente fase de aprendizaje.
Si no hubiéramos sido dos, si hubiéramos estado en una empresa más grande, probablemente también habríamos tenido que preparar una presentación con los learnings para alinear al equipo. Así es como a mí me gusta trabajar, pero os digo una cosa: la tentación de querer resolver los problemas técnicos o mejorar las “inteligencias” artificiales de los rivales virtuales fue muy grande. ¿Por qué? Porque ahora es fácil, es rápido.
Tú puedes hacerlo, pero tu competidor también. Para mí gana quien se centra en las cosas correctas en el momento adecuado. Hoy más que nunca hace falta criterio. Un contacto mío me comentó que en la App Store los tiempos de aprobación se están alargando muchísimo debido a la cantidad de apps “vibe-coded” que les están llegando a los moderadores. Si vamos a esperar más para nuestras aprobaciones, al menos que sea por algo que realmente merezca la pena.