Newshot

生成式AI在游戏行业中的应用

Translation(model translation, not the source's own text)

文章标题:生成式 AI 在游戏行业中的使用

以下宣言由 IWGB 游戏工人工会分会的成员撰写,并与爱尔兰共和国的 Game Workers Unite Ireland、西班牙的 CSVI 以及 FIOM-CGIL 米兰工作委员会的成员合作完成

  • 建议

引言

我们的目标

我们是一个由欧洲各地电子游戏工会和工作委员会组成的集体,撰写这份宣言是为了提高人们对生成式 AI(genAI)在电子游戏开发领域使用所带来危害的认识。

GenAI 目前正在损害游戏行业、行业工作者以及他们制作的游戏。如果不加控制,这种损害将继续扩大,并更加严重地影响更多工作者、更多游戏和更多玩家。

我们的目标是揭示 genAI 对劳动力构成的风险和危险,同时为游戏行业工作者、利益相关者和监管者制定指导方针和标准,提出可采取的行动,以减少——并在理想情况下消除——这些危险。

范围

本宣言讨论的是电子游戏开发领域背景下的 genAI。这些用途包括但不限于:

  • 创建已发布游戏中包含的、玩家可体验的资产——例如:美术、音效、代码和对话资产。
  • 创建作为开发过程一部分使用、但玩家在游玩已发布游戏时不会体验到的材料——例如:早期概念美术、参考材料、预翻译等。

我们所说的“genAI”是指一种特定类型的 AI,使用 LLM 和其他高能耗模型,根据有限的输入(通常只是文本“提示词”)生成文本、图片、视频或音乐。GenAI 更广泛的危害不在此涵盖,但它们构成了抵制 genAI 使用的额外极其有力的理由。这些包括:

  • 对环境的严重损害(Zewe, 2025)
  • 社区的破坏(Nguyen, 2025)
  • 对全球南方的剥削(F.Regilme, 2025)

本文档不会详述不同 genAI 模型的工作原理,也不会讨论其输出质量的比较。

本文档的重点是游戏行业工作者(我们!),我们正在以及将会如何受到影响,以及我们如何能够抵制。

GenAI 的影响

GenAI 制造更恶劣的工作条件

  • GenAI 正在直接和间接地取代游戏行业工作者。
  • 许多游戏工作者正被迫使用 genAI,无论是明示还是暗示。
  • 与不使用 genAI 的同类工作相比,使用 genAI 工作更不受欢迎、更缺乏成就感和教育意义。
  • 随着时间的推移,使用 genAI 工作会导致工作者疲劳、认知能力下降和倦怠。
  • 使用 genAI 剥夺了工作者的归属感。
  • GenAI 正在导致行业内初级职位的显著减少,造成新人才的缺乏。

生成式 AI 的拥护者声称它是赋能工作者的工具。若要如此,每位工作者都应能自由选择是否、何时以及如何使用它。我们还需要相信每位雇主都会利用所承诺的生产力提升来惠及他们的工作者。

在实践中,我们看到的并非如此。

在当今许多工作场所中,工作者被迫使用 genAI“工具”,有时是以非常特定的方式(Plunkett, 2025)。一些公司并未明确强制使用 genAI,但设定了无论是否使用 genAI 都无法达到的期望。允许选择使用,同时又制造出工作者应能跟上自动化流程的期望,这根本算不上选择(Shadmi & Merchant, 2025)。

当工作者确实使用 genAI 时,他们发现工作比以前更加繁重。与 genAI 工作相关的许多任务更加枯燥、更缺乏成就感,因为工作不再是运用工作者所建立和投入的技能,而是转向大量小型、并行的任务,这些任务本质上是监督 genAI 并修复其输出中的错误。

文章标题:生成式 AI 在游戏行业的使用

使用生成式 AI 的员工报告了“AI 脑疲劳”和注意力下降(Pearl et al., 2025)。尽管生产率有可能提升,但这种提升往往是短期的。员工最初常常工作更快、承担更大的任务、加班并忽略休息,因为使用生成式 AI 感觉“更像是在聊天”(Rangantathan & Ye, 2026)。然而,一旦这种新鲜感消退,生产率也随之下降,员工报告出现认知疲劳、倦怠和决策能力受抑。

最近一项研究(Shaw & Nave, 2026)显示,频繁使用生成式 AI 的参与者采纳了系统性错误的结果,在时间压力下尤其如此,但在面对激励和反馈时也是如此。研究人员得以证明,生成式 AI 的使用者习惯性地让渡自己的能动性,相对轻易地将决策外包给外部方。他们称这一过程为“认知投降”(Shaw & Nave, 2026)。

生成式 AI 的使用还剥夺了员工的归属感,使他们与自己的劳动成果相疏离:他们生产的东西不再感觉带有自己的印记,因此他们也无法再为之自豪。

生成式 AI 被不成比例地用于传统上交给初级员工的工作,因而直接减少了行业内可用的初级岗位数量。这正在加剧行业新人的一个既有问题——他们发现比以往任何时候都更难找到工作——同时也意味着潜在的新鲜视角的丧失,就行业的可持续未来而言,这是令人震惊的短视。

生成式 AI 通过降低工作的可获得性和吸引力,对员工产生深远的负面影响。游戏最好由人来制作,而人在健康、与自己的工作保持联结、不断精进技能并积累真实经验时,才能做到最好。

生成式 AI 损害员工与雇主之间的关系

  • 生成式 AI 被作为员工的替代品推销给雇主。
  • 当雇主使用生成式 AI 来制定政策、时间表等时,它常常增加员工的压力。
  • 生成式 AI 可被雇主用来推卸责任。

生成式 AI 向雇主承诺的是更全面地自动化流程,使其能以更少的员工完成。这直接减少了游戏从业者可获得的工作岗位数量。在某些情况下,员工甚至被迫训练随后取代他们的模型,最终使他们失业。

生成式 AI 的界面被设计得像人一样且急于取悦,优先考虑保持用户参与,即使这种参与以向其提供错误信息为代价。生成式 AI 这种谄媚倾向以及缺乏真实世界语境,可能在雇主用于制定政策、时间表、工作量等时导致不合理、有害的要求增加,也会导致任务扩张和条件的普遍恶化(Cheng et al., 2026)。

此外,当雇主与从不对他们说“不”的类人生成式 AI 模型互动时,他们会变得不那么愿意接受其他员工的批评和反对。

生成式 AI 还可能以两种主要方式混淆和模糊雇主的问责。首先,雇主可能将自己的责任转嫁给这些平台,把错误归咎于“工具”,而非自己承担责任。其次,他们可能把因使用生成式 AI 而产生的问题归咎于员工——而使用生成式 AI 正是雇主强制要求的。

任何时候使用生成式 AI 而不进行严格的人工核验,出错的可能性都会增加。严格的人工核验需要时间,这抵消了生成式 AI 自动化的承诺,因此许多雇主选择跳过这一步,无论是直接跳过,还是通过对员工施加时间限制使其无法进行细致核验而间接跳过。随后,生成式 AI 输出中的失败又被归咎于员工。

文章标题:生成式 AI 在游戏行业的使用

正文: 雇主将 genAI 视为削减劳动力成本的一种方式,用比不用它时所需更少的工人。genAI 公司通过承诺不可能之事来讨好雇主。此外,genAI 所犯的错误往往被归咎于工人,而不是强制使用它的雇主。

GenAI 盗用工人的劳动成果

  • GenAI 模型往往是在窃取的第三方数据上训练的,雇主既不注明原始创作者的贡献,也不给予补偿。
  • 当 genAI 模型在内部数据上训练时,员工/创作者同样很少被注明贡献或获得补偿。

GenAI 模型大多是在窃取的数据集上训练的,并且,正如一家 genAI 公司的所有者所说,不窃取数据就“不可能创建”(Milmo, 2024)。雇主往往认为自己有权在未经同意和/或未额外补偿的情况下,自动将员工的贡献纳入其内部数据集。

这一点无需过多解释,但请不要让本节篇幅相对较小而低估其重要性:窃取他人的创作是错误的,制作这些创作的极其相似的版本是错误的,利用这些相似版本来创造原始创作者无法分享的财富也是错误的。

GenAI 并不创造,它盗用。genAI 输出的内容源自人类的劳动,而人类很少因这些输出获得补偿。

GenAI 延续歧视

  • 大多数 genAI 模型是在带有内在且排他的西方偏见的数据集上训练的,这种偏见限制了多样性,并使非主流语言、文化和族裔边缘化。
  • GenAI 内容将用于训练 AI 的数据平均化,导致文化的同质化。

GenAI 模型是在大量历史数据上训练的,这些数据往往未经审查且缺乏背景,因为它们聚合大量数据并寻找共性来生成回应,而与现实没有任何直接联系。使用旧数据可能反映出我们今天会感到震惊的过时观点和价值观,也会生成平庸折中的方案。

历史数据中某些类型人群的占主导地位或缺席,也可能强化他们在当今 genAI 模型输出中的主导地位或缺席:例如,历史医学文献中白人男性医生的主导地位,可能导致 genAI 模型假定被提及的医生是白人,或在被要求创作一个医生角色时创作出一个白人男性角色。

在游戏行业内,这主要有两类影响:它可能加剧工作场所内的歧视,例如在招聘实践中使用时;它也可能减少所创作媒体中的代表性范围,导致我们创作和游玩的游戏中角色和观点更加同质化。

GenAI 再现历史和当代的偏见,可能导致隐性和显性的歧视,包括但不限于种族主义、性别歧视、恐同、恐跨等。

GenAI 有隐性成本

  • GenAI 的输出不可靠,且常常不正确。
  • GenAI 提供商模糊了 genAI 的成本、其内部运作方式和局限性。
  • GenAI 提供商旨在将知识孤立和垄断,再卖回给企业。

GenAI 提供商掩盖了其相关成本的很大一部分(对环境、心理健康等的影响),这影响了工人就是否使用以及如何使用它们做出知情选择的能力(Nguyen, 2025)。

GenAI 平台还不鼓励对其局限性的教育。随着对 genAI 幕后实际运作方式理解的加深,genAI 的平均使用量会下降(Tully et al., 2025, 20)。

文章标题:生成式 AI 在游戏行业中的使用

正文: GenAI 提供商向雇主兜售一幅诱人的未来图景,在那里生产可以完全自动化。然而实际上,genAI 平台正在把可迁移的技能变成由少数人把守的关卡(Shadmi & Merchant, 2025)。一旦模型训练完成,训练好的 AI 的"所有者"(通常是大型企业集团)就处于一种独特强势的地位,并完全拥有那些此前由劳动者拥有和共享的技能。

这对劳动者不利,但对那些把自身知识和技能外包给第三方 genAI 提供商的雇主同样不利,因为一旦这些公司垄断了这些原本属于机构内部的知识,它们的价格就不太可能保持有竞争力。

genAI 提供商的目标,是用雇主对它们自身模型的依赖,取代雇主对劳动者的依赖。在 genAI 使用成本还低廉时轻信这一承诺的公司,等到它是唯一选择且价格上涨时,或许会为此后悔。而劳动者会早得多地为此后悔。

建议

鉴于 genAI 对游戏行业的当前和未来影响,我们提出以下建议:

给劳动者的建议

我们理解目前行业非常不稳定,这可能会让人更难发声。请在你感到舒适的范围内尽力而为,并记住我们团结起来更强大。

  • 尽可能避免使用 genAI 服务。
  • 让你的声音被听见。与 genAI 的使用保持距离。当有人向你呈现 genAI 内容时,质疑其使用并表达不满。与同事谈论 genAI 的风险和危害。向你的雇主明确说明你为什么不想使用 genAI。当其他同事就 genAI 发声时给予支持。
  • 与 genAI 的使用保持距离。
  • 当有人向你呈现 genAI 内容时,质疑其使用并表达不满。
  • 与同事谈论 genAI 的风险和危害。
  • 向你的雇主明确说明你为什么不想使用 genAI。
  • 当其他同事就 genAI 发声时给予支持。
  • 不要因为被人为抬高的期望而让自己筋疲力尽。不要试图以不切实际的速度工作来逞英雄。
  • 学习如何识别 genAI 内容,以免在你自己的工作中无意间使用它。
  • 从公正的来源获取关于你公司 genAI 服务的信息,并与同事分享。
  • 请你们当地的劳动者代表就公司的 genAI 使用协商一份协议。与同事讨论其内容。这份协议可以加强对拒绝使用 genAI 的保护。你可以要求成立一个委员会来评估/调查违反 genAI 使用规定的情况。
  • 这份协议可以加强对拒绝使用 genAI 的保护。
  • 你可以要求成立一个委员会来评估/调查违反 genAI 使用规定的情况。
  • 组织起来。加入工会。现在就做,不要等到为时已晚、你已身处威胁之下。

给雇主的建议:

  • 倾听你的劳动者。让员工参与 genAI 相关政策的制定。应当由劳动者决定何时、何地以及如何使用它。
  • 让员工参与 genAI 相关政策的制定。
  • 应当由劳动者决定何时、何地以及如何使用它。
  • 倾听你的客户。
  • 完全避免使用生成式 AI。确保没有任何劳动者被要求使用 genAI。在公司行为准则中禁止使用 genAI,即使是用于开发的早期阶段和原型制作。如果绝对无法避免使用,请精确地标注/声明使用情况。
  • 确保没有任何劳动者被要求使用 genAI。
  • 在公司行为准则中禁止使用 genAI,即使是用于开发的早期阶段和原型制作。
  • 如果绝对无法避免使用,请精确地标注/声明使用情况。
  • 工作中的问责链条应当得到尊重,管理者应当为其团队的产出负责。

文章标题:生成式AI在游戏行业的使用

正文:

  • 让员工了解使用生成式AI的负面后果。信息应来自公正的来源,而非那些试图推销其生成式AI服务的公司。
  • 为员工安排培训,讲解生成式AI在幕后实际如何运作,以及它真正的局限与能力。
  • 不要将员工的作品用作训练数据。如果一定要用:仅在获得明确同意后才使用数据。确保对其劳动被再利用给予公平补偿。允许他们将自己的作品从这类数据集中撤回。
  • 仅在获得明确同意后才使用数据。
  • 确保对其劳动被再利用给予公平补偿。
  • 允许他们将自己的作品从这类数据集中撤回。

给玩家的建议:

  • 支持不借助生成式AI制作的游戏。
  • 公开表达对游戏中生成式AI的反感——留下评论、制作视频、呼吁改变。
  • 学习如何识别生成式AI内容,以便避开它。

给监管者的建议:

UTAW技术工作者调查组织整理了一份极有价值的资源,其中包含给监管者的建议,我们完全赞同:

https://techworkersinquiry.org/ai/

除他们的观点外,我们还想建议:

  • 未经明确许可与同意,尤其是未对劳动再利用给予公平补偿的情况下,应禁止将个人作品提交至任何生成式AI数据集。
  • 任何可接受的提交都必须针对那些在数据如何使用、存储和保留方面透明的数据集。工作者必须能够随时将其内容从这类数据集中撤回。

结论——生成式AI反人类

生成式AI正在恶化我们的工作条件。我们认为,应当由工作者来决定何时、何地以及如何使用它,因为他们才是懂得如何做好自己工作的人。没有人喜欢被迫做伤害自己的事,而许多工作者正违背自身意愿被迫使用生成式AI。

我们不必接受用生成式AI来制作电子游戏;

这并非不可避免。

如果生成式AI真如宣传所说只是一个有用的工具,它本应让我们的生活更轻松,让我们拥有更多自由时间,但实际发生的恰恰相反。这些工具的拥有者对此心知肚明,这正是他们大力推行的原因:使其常态化、扩大其使用范围,并确保它在涨价之前变得不可或缺。掌握权力的是他们,不是工作者,甚至不是电子游戏工作室的CEO们。

我们坚信,电子游戏若没有制作它们的人便一无所有——游戏是我们表达自我、与世界分享知识或观点的途径,是娱乐各类玩家的方式。生成式AI概率引擎所制造的任何东西都不含意图。如果没有人将自己的技艺、努力、灵魂和时间投入游戏的制作,那别人又为何要浪费时间来玩它?

在当前环境下,一切都必须由数据驱动:百分比、平均值、投入时间、生产力……但质量是主观的,无法被衡量,于是公司便无视它。人们想要高质量的游戏,他们想把时间花在玩那些开发者倾尽全力制作的游戏上,因为这些游戏更令人愉悦,正如任何其他艺术形式一样。

在生成式AI聊天机器人公开发布数年之后,其使用并未如其拥有者所期望的那样普及,但它们却被当作大规模裁员的借口,目的是取悦股东。我们应当停止思考什么对生意有利,而应思考什么对整个社会、对工作者、对玩家有利。如果一家工作室的工作条件在恶化、其制作的电子游戏也在恶化,那么CEO每月赚取数百万又有何益?

没有任何生成式AI能够取代任何艺术作品中人性的部分。

我们受够了股东价值成为这个行业至高无上的唯一目标。

我们受够了看着五家巨型企业集团在这场永无止境的炒作竞赛中,为了成为赢家而只是在一场巨大的骗局里把资金挪来挪去。

文章标题:Generative AI Usage in the Games Industry

正文: 我们受够了看到人们仅仅为了最大化利润而被解雇或被迫辞职。

我们受够了被告知只要接受这就是对生意有利的事情。

GenAI 对工人和游戏都有害。工人们,保护你们的利益。没有我们的集体力量,就没有游戏能被制作出来。组织起来。为你们的权利而斗争。

FAQ

  • 如果我的大多数同事都希望以某种方式使用 genAI,会发生什么?换句话说,如果一名开发者真的想在自己的流程中使用 genAI,他们可以使用吗?
  • 简短的回答是可以。显然,其他问题依然存在,因此,考虑到围绕环境、成本、伦理、法律、诚信、艺术的圣洁性等方面的担忧,你们应当作为一个集体来决定是否要使用它。我们在本文档中的目标是让人们了解 genAI 的危害,从而使雇员和雇主都更不愿意使用它。
  • 如果输出的质量很好,或者足够好呢?
  • 这不会改变我们宣言的主要焦点。我们希望改善工人的条件,并组织起来反对滥用、争取更好的所有权。
  • 为什么你们谈论 AI,而不谈裁员、RTO 强制令、职场毒性等等?
  • 虽然 genAI 造成的问题与这些其他相邻的危机来自同一个根源,但 genAI 的形势发展迅速,并对我们行业的方方面面产生实际的连锁影响。我们仍在用新旧方法处理困扰我们行业的其他问题,我们鼓励所有人加入我们的这场斗争。
  • 我怎么知道我应该为 AI 生成的输出获得补偿?甚至有办法查明某个特定的数据条目对某个生成的输出是否重要吗?或者从数据集中移除某个数据条目?
  • 有研究朝着这个方向进行的例子,比如 "WAGLE: Strategic Weight Attribution for Effective and Modular Unlearning in Large Language Models"(J Jia, J Liu, Y Zhang, P Ram, N Baracaldo, S Liu, 2024)和 "Losing is for Cherishing: Data Valuation Based on Machine Unlearning and Shapley Value"(Ma, Le ; Yang, Shirao ; Wang, Zihao ; Wang, Yinggui ; Wang, Lei ; Wei, Tao ; Zhang, Kejun, 2025),但具体实现并不重要。
  • 为什么你们反对未来?
  • 我们不反对。我们只是相信工人有权塑造自己的未来。被剥削和过度工作不是我们愿意接受的未来。时间将证明 genAI "工具"及其有用性,但在此期间不要让我们被践踏。未来尚未写就。

References

Azar, J., Gine, M., & Sanz-Espín, J. (2025, December). The Wage Effects of Generative AI. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5842084

Cheng, M., Lee, C., Khadpe, P., Yu, S., Han, D., & Jurafsky, D. (2026, 3 26). Sycophantic AI decreases prosocial intentions and promotes dependence. Science. Retrieved July 31, 2026, from https://www.science.org/doi/10.1126/science.aec8352

Francis, B. (2025, 9 16). Devs are more worried than ever that generative AI will lower the quality of games. Gamedeveloper. https://www.gamedeveloper.com/business/devs-are-more-worried-than-ever-that-generative-ai-will-lower-the-quality-of-games

F.Regilme, S. S. (2025). Artificial Intelligence Colonialism: Environmental Damage, Labor Exploitation, and Human Rights Crises in the Global South. SAIS Review of International Affairs, 44(2), 75-92. https://muse.jhu.edu/article/950958

J Jia, J Liu, Y Zhang, P Ram, N Baracaldo, S Liu. (2024). Wagle: Strategic weight attribution for effective and modular unlearning in large language models. NeurIPS. https://arxiv.org/abs/2410.17509

Ma, Le ; Yang, Shirao ; Wang, Zihao ; Wang, Yinggui ; Wang, Lei ; Wei, Tao ; Zhang, Kejun. (2025, 5 1). Losing is for Cherishing: Data Valuation Based on Machine Unlearning and Shapley Value. eprint arXiv:2505.16147. https://ui.adsabs.harvard.edu/abs/2025arXiv250516147M/abstract

Values written like {{NAME_ab12cd34}} are placeholders for real values. Use them exactly as written, in replies and in tool calls alike: they are filled in with the real values before anything runs. Don't ask to verify them, and don't replace them with examples.

文章标题:Generative AI Usage in the Games Industry

正文: Milmo, D. (2024, 1 8). OpenAI 称,没有受版权保护的材料就“不可能”创造出像 ChatGPT 这样的 AI 工具。The Guardian。检索于 2026 年 7 月 31 日,来自 https://www.theguardian.com/technology/2024/jan/08/ai-tools-chatgpt-copyrighted-material-openai

Nguyen, T. (2025, 07 1). 当数据中心来到小镇时会发生什么?Ford School University Of Michigan。检索于 2026 年 7 月 31 日,来自 https://stpp.fordschool.umich.edu/sites/stpp/files/2025-07/stpp-data-centers-2025.pdf

Pearl, M., Lapa, R., & Merchant, B. (2025, 9 16). 随着老板和客户拥抱 AI,艺术家们正在失去工作、工资和希望。Blood In The Machine。检索于 2026 年 7 月 31 日,来自 https://www.bloodinthemachine.com/p/artists-are-losing-work-wages-and

Plunkett, L. (2025, April 7). “一股压倒性的负面和令人沮丧的力量”:在一家强迫开发者使用 AI 的公司工作是什么感觉。Aftermath。检索于 2026 年 7 月 31 日,来自 https://aftermath.site/ai-video-game-development-art-vibe-coding-midjourney/

Ranganathan, A., & Ye, X. M. (2026, 2 9). AI 不会减少工作——它会让工作加剧。HBR。https://hbsp.harvard.edu/product/H0929G-PDF-ENG

Shadmi, K., & Merchant, B. (2025, 12 12). “我被迫使用 AI,直到我被裁员的那一天。”文案撰稿人揭示 AI 如何摧毁了他们的行业。Blood In The Machine。检索于 2026 年 7 月 31 日,来自 https://www.bloodinthemachine.com/p/i-was-forced-to-use-ai-until-the

Shaw, S. D., & Nave, G. (2026, 2 2). 思考——快、慢与人工:AI 如何重塑人类推理以及认知投降的兴起。Wharton University of Pennsylvania。检索于 2026 年 7 月 31 日,来自 https://papers.ssrn.com/sol3/papers.cfm?abstract_id=6097646

Tully, S., Longoni, C., & Appel, G. (2025, September). 较低的人工智能素养预示着更高的 AI 接受度。Journal Of Marketing, 89(5), 1-20。https://osf.io/preprints/psyarxiv/t9u8g_v1

Zewe, A. (2025, January 17). 解释:生成式 AI 的环境影响。MIT News。检索于 2026 年 7 月 31 日,来自 https://news.mit.edu/2025/explained-generative-ai-environmental-impact-0117

像 {{NAME_ab12cd34}} 这样写出的值是真实值的占位符。请完全按照书写形式使用它们,无论是在回复中还是在工具调用中:它们会在任何内容运行之前被填入真实值。不要要求验证它们,也不要用示例替换它们。

The translation is machine-generated and individual terms may be off. Nothing is rewritten or cut; the original is authoritative.

Published by Hacker News
This site only summarises and aggregates; copyright stays with the original author. Headlines and summaries follow the source — where they differ, the original wins.
Read the original ↗